[发明专利]一种边坡岩石类别自动识别的方法

摘要

本发明的一种边坡岩石类别自动识别的方法，岩质边坡岩石的分类对于边坡稳定性的分析至关重要，目前人工方法效率低且受主观因素影响，建立岩质边坡图像集分析的卷积神经网络模型，通过卷积操作和池化操作分别对80000张岩质边坡图像进行特征信息的提取和压缩，然后对网络模型进行训练从而实现了岩质边坡岩石的自动识别与分类；采用训练集和测试集中的岩质边坡图像对模型进行检验分析，训练集准确率达到了98％，测试集准确率达到了90％，显示了训练之后的网络模型具有良好的鲁棒性，能达到理想的训练效果。最终采用深度学习建立的网络模型，实现了岩质边坡岩石识别的快速化、自动化。

主权项

1.一种边坡岩石类别自动识别的方法，其特征在于，包括：步骤1：采集边坡岩石图像，并对图像进行处理，建立边坡岩石图像样本库；步骤2：建立卷积神经网络，隐藏层包括13个卷积层和5个池化层；步骤3：对神经网络进行训练，将处理后的图像输入到卷积神经网络的卷积层进行特征提取，通过得分函数计算每张图像属于各类别的得分值，进行分类预测；步骤4：卷积之后的特征图输入到池化层进行压缩；步骤5：经过神经网络的反复卷积核池化操作之后，通过SVM损失函数对分类预测进行修正，通过softmax分类器将分类得分值转换成为分类概率值，进而输出图像的预测类别；步骤6：将预测类别和实际类别做差，使用极小化误差的方法反向传播优化各权值参数，经过多次迭代后对训练进行评价，直到达到最大迭代次数，完成训练；步骤7：通过训练好的神经网络对边坡岩石图像进行分类。