[发明专利]一种岩石图像分类方法、系统、设备及介质

说明书

本发明公开了一种岩石图像分类方法、系统、设备及介质，该岩石图像分类方法包括：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。本发明能够更加全面提取岩石图像的特征，提高对岩石图像分类的准确率，提升在岩石图像上的细节区分能力。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于融合注意力机制的残差网络或者融合卷积神经网络的残差网络的岩石图像分类方法、系统、设备及介质。

背景技术

岩石的识别与分类是地质学研究的一个重要领域，也是地质调查工作的一项重要内容，对岩石的准确分类有助于划分地层年代和建立可靠的地质时间标尺。岩石种类识别在油气勘探和矿产资源勘探等领域中也起到一定的作用。

传统岩石分类方法主要有物理试验方法和数学分析方法两大类。物理试验方法是指通过对岩石的密度、硬度、渗透率、磁性、电性、热导率、光谱特征等物理性质进行研究和分析，以达到岩石分类的目的。如根据岩石沉积构造特征和岩石成分对陆相咸化湖盆细粒沉积岩进行了类型划分。该类物理试验方法工作量极大，需要专业的仪器设备，且要求研究者有较高的专业素养。数学分析方法指使用数学方法分析岩石特征，以进行岩石分类。该数据分析方法计算量大，对研究人员要求较高，效率低。

由于岩石种类繁多，特征相近，针对传统岩石分类方法工作量大，依赖专业的仪器设备，对研究者要求较高；传统的机器学习岩石图像分类准确率受限，特征提取有较大的不确定性、以及现有的基于深度学习构建的岩石分类模型无法在局部细节准确区分岩石种类等问题，如何设计一种能够对岩石图像自动准确分类的方法，仍是本领域待解决的技术问题。

发明内容

有鉴于此，本发明提出一种基于融合注意力机制的残差网络的岩石图像分类方法、系统、设备及介质，采用注意力机制能着重关注岩石图像重要特征，提升分类模型在岩石图像上的细节区分准确性。

本发明第一方面提供一种岩石图像分类方法，该方法包括：构建岩石图像分类模型；训练岩石图像分类模型；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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。