[发明专利]一种基于人工智能的岩石岩性快速分类识别方法和装置

说明书

本发明公开了一种基于人工智能的岩石岩性快速分类识别方法和装置，包括：将原始岩石图像数据输入训练好的卷积神经网络Inception‑v3模型，获得岩石的属性分类特征；根据所述岩石的属性分类特征选取与所述原始岩石图像数据对应的鉴定名称；本发明能够实现对岩石在野外作业现场快速分类识别。

技术领域

本发明属于地球物理勘探技术领域，具体涉及一种基于人工智能的岩石岩性快速分类识别方法和装置。

背景技术

在进行地球物理勘探野外作业时常面临对岩石类别进行现场快速分类识别的需求，现场作业人员根据岩石物性分类分析结果，对工区施工提供参考意见。人工智能技术的快速发展为数据分类方面的数据处理提供了广阔的应用前景，而嵌入式电子技术的发展使得实时计算越来越突破空间的限制，两者结合使得在地球物理勘探野外作业现场进行岩石快速分类识别成为可能。

现有的岩石物性分类识别做法是对井中取出的岩心带回实验室进行检测，成本较高且周期较长，这种方式无法实现岩石在野外作业现场快速分类识别。

发明内容

为了解决现有技术中存在的技术问题，本发明提供一种基于人工智能的岩石岩性快速分类识别方法和装置，以实现对岩石在野外作业现场快速分类识别。

为实现上述目的，本发明提供了如下方案：

一种基于人工智能的岩石岩性快速分类识别方法，包括以下步骤：

步骤S1、将原始岩石图像数据输入训练好的卷积神经网络Inception-v3模型，获得岩石的属性分类特征；

步骤S2、根据所述岩石的属性分类特征选取与所述原始岩石图像数据对应的鉴定名称。

作为优选，所述将所述原始岩石图像数据输入训练好的卷积神经网络Inception-v3模型，获得岩石的属性分类特征之前，还包括：

获取待处理岩石薄片图像数据；

对所述待处理岩石薄片图像数据进行预处理，获得原始岩石薄片图像数据。

作为优选，所述对所述待处理岩石图像数据进行预处理，获得原始岩石图像数据，包括：

通过差值算法对所述待处理岩石图像进行数据插值补全，获得补全后的岩石薄片图像数据；

对所述补全后的岩石图像数据进行去均值归一化，获得原始岩石薄片图像数据。

作为优选，步骤S1包括：

步骤11、将卷积神经网络Inception-v3的卷积层、池化层全部提取出来，即采用Inception-v3模型的参数值提取岩石图像特征；

步骤12、移除Inception-v3模型最后的输出层，通过特征提取模型获取2048个特征并以向量形式表示。

作为优选，所述鉴定名称包括：晶粒属性，机械成因属性，混入物属性，碎屑属性和基本类别属性。

本发明还提供一种基于人工智能的岩石岩性快速分类识别装置，包括：

提取模块，用于将原始岩石图像数据输入训练好的卷积神经网络Inception-v3模型，获得岩石的属性分类特征；

分类模块，用于根据所述岩石的属性分类特征选取与所述原始岩石图像数据对应的鉴定名称。

作为优选，所述鉴定名称包括：晶粒属性，机械成因属性，混入物属性，碎屑属性和基本类别属性。

本发明还提供一种存储介质，所述存储介质上存储有岩石识别程序，所述岩石识别程序被处理器执行时实现岩石岩性快速分类识别方法的步骤。

本发明公开了以下有益效果：