[发明专利]基于ViT框架的多类目岩矿快速分类方法、设备及存储介质

说明书

本发明提出了一种基于ViT框架的多类目岩矿快速分类方法、设备及存储介质，通过构建自然岩矿图像识别模型，其中自然岩矿图像识别模型的预处理模块对岩矿图像数据进行特征预提取和抑制过拟合处理，并输入至数据处理模块中进行参数训练和Token提取，再输入至结果处理模块根据所述参数训练和Token提取结果进行Token分离和类别映射并输出分类结果。本发明在构建自然岩矿图像识别模型时，在采用迁移卷积联合ViT框架的基础上，加入了STFE模块、ECTG模块、Mlti‑Head P‑Attention模块以及RCLinaer层，从而减缓过拟合，提升映射的容错率，更加精确完整地提取图像数据的特征，实现了减少岩矿图像数据中干扰因素对分类结果的影响，在大容量多类目的情况下实现对岩矿图像的快速精准识别的目的。

技术领域

本发明涉及自然岩矿图像识别技术领域，尤其涉及一种基于ViT框架的多类目岩矿快速分类方法、设备及存储介质。

背景技术

自然岩矿识别与分类能提高野外岩矿勘探提供更高效的辅助，对不同环境下对岩矿样本的类别识别以及非专业人士了解岩矿知识有重要意义。

一般来讲，传统的自然岩矿识别需要专业人员通过实物或者多方面图像信息进行识别与分类，这种人工识别的方式，一方面需要耗费大量时间，另一方面对鉴定人员的相关知识也有较高的要求。

近年来自然岩矿图像领域的识别技术进展有卓越的成果，引入深度学习方法后进一步提高了自动化识别岩矿类别的效率，可以更具图像特征对自然岩矿图像进行类别判别。但自然岩矿图像与其他图像不同，自然岩矿来源于自然环境，存在更加复杂多变的干扰因素，比如光照亮度、拍摄角度、目标在图像中的占比、图像的清晰程度、样本表面杂质的覆盖比例等等，相对比专业的岩矿切片图像，存在更多的冗余与干信息，进而导致在多较多类别的岩矿自然图像进行分类时结果不够精确。

另外，对自然岩矿的识别，更加依赖数据集的支持，需要基于大量的数据进行特征学习，同时要求数据的真实可靠性，以保证学习结果的可靠性。

因此，当前还没有一个普遍适用的方法，能够解决无法在大容量多类目的情况下实现对岩矿图像的快速精准识别的问题。

发明内容

有鉴于此，本发明提出了一种基于ViT框架的多类目岩矿快速分类方法，用于解决无法在大容量多类目的情况下实现对岩矿图像的快速精准识别的问题。

本发明的技术方案是这样实现的：

本发明第一方面，公开一种基于ViT框架的多类目岩矿快速分类方法，建立自然岩矿图像识别模型进行多类目岩矿快速分类，所述方法包括：

S1，采集岩矿图像数据集样本输入至自然岩矿图像识别模型的预处理模块，进行特征预提取和抑制过拟合处理，所述数据集样本包括图像数据以及与其对应的类别标签，继续执行步骤S2；

S2，将经过预处理模块的数据集样本输入至自然岩矿图像识别模型的数据处理模块中进行参数训练和Token提取，继续执行步骤S3；

S3，自然岩矿图像识别模型的结果处理模块根据所述参数训练和Token提取结果进行Token分离和类别映射并输出分类结果，完成对所述自然岩矿图像识别模型的训练；继续执行步骤S4；

S4，获取待识别图像数据并输入至所述自然岩矿图像识别模型，完成对所述待识别图像数据的分类并输出结果。

本发明通过上述方法，建立自然岩矿图像识别模型，获取图像数据中的重要特征，减小识别过程中干扰因素对识别结果的影响，以获得精准可靠的分类结果。

在以上技术方案的基础上，优选的，自然岩矿图像识别模型中，

预处理模块包括：顺次连接的输入层、图像统一格式预处理模块、迁移模型、ECTG模块、Dropout层；