[发明专利]一种岩石图像分类方法、系统、设备及介质在审

专利信息
申请号: 202210676726.1 申请日: 2022-06-15
公开(公告)号: CN115908887A 公开(公告)日: 2023-04-04
发明(设计)人: 李昂;郭榕刚;刘硕 申请(专利权)人: 交通运输通信信息集团有限公司
主分类号: G06V10/764 分类号: G06V10/764;G06V10/774;G06V10/40;G06V10/82;G06N3/0464;G06N3/08
代理公司: 北京安度修典专利代理有限公司 11424 代理人: 杨方成;马欢萍
地址: 100094 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 岩石 图像 分类 方法 系统 设备 介质
【权利要求书】:

1.一种岩石图像分类方法,其特征在于,包括:

构建岩石图像分类模型;

训练所述岩石图像分类模型;

采集目标岩石图像,输入所述目标岩石图像至训练好的岩石图像分类模型,预测岩石类别。

2.根据权利要求1所述的岩石图像分类方法,其特征在于,所述构建岩石图像分类模型的步骤包括:

选取残差网络Resnet50作为主干网络;

在残差网络Resnet50中融合注意力机制,得到岩石图像分类模型。

3.根据权利要求2所述的岩石图像分类方法,其特征在于,所述输入所述目标岩石图像至训练好的岩石图像分类模型,预测岩石类别的步骤包括:

利用残差网络提取目标岩石图像中多个特征图;

采用注意力机制学习每个特征图的权重;

将目标岩石图像中每个特征图的权重与特征图的原始特征相乘,得到多种岩石特征。

4.根据权利要求1所述的岩石图像分类方法,其特征在于,所述构建岩石图像分类模型的步骤包括:

选取残差网络ResNet-18作为主干网络;

在残差网络ResNet-18中融合卷积神经网络,得到岩石图像分类模型。

5.根据权利要求4所述的岩石图像分类方法,其特征在于,所述输入所述目标岩石图像至训练好的岩石图像分类模型,预测岩石类别的步骤包括:

利用残差网络提取目标岩石图像中多个特征图;

采用卷积神经网络方法提取每个特征图中岩石特征,得到多种类型岩石。

6.根据权利要求3或5所述的岩石图像分类方法,其特征在于,所述利用残差网络提取目标岩石图像中多个特征图的步骤包括:

将所述目标岩石图像输入所述残差网络进行卷积处理,得到多个特征图;

对多个特征图进行批量归一化处理,并线性修正多个特征图。

7.根据权利要求1所述的岩石图像分类方法,其特征在于,所述训练岩石图像分类模型的步骤包括:

建立岩石图像样本库,其中所述岩石图像样本库包括多种岩石样本图像数据;

拆分所述岩石图像样本库,形成训练集和测试集,其中所述训练集为第一部分岩石样本图像数据;所述测试集为第二部分岩石样本图像数据;

根据所述训练集训练所述岩石图像分类模型,得到预训练的岩石图像分类模型;

输入所述测试集至预训练的岩石图像分类模型,确定评价参数;

确定所述评价参数符合预设要求;

基于所述评价参数符合预设要求,确定训练好的岩石图像分类模型。

8.一种岩石图像分类系统,其特征在于,包括:

模型构建模块,用于构建岩石图像分类模型;

模型训练模块,用于训练岩石图像分类模型;

分类模块,用于采集目标岩石图像,输入所述目标岩石图像至训练好的岩石图像分类模型,预测岩石类别。

9.一种岩石图像分类设备,其特征在于,包括:

存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述岩石图像分类方法的步骤。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述岩石图像分类方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于交通运输通信信息集团有限公司,未经交通运输通信信息集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210676726.1/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top