本發明公開了一種基于巖石薄片顯微圖像深度學習的巖石分類方法,以采集偏光顯微鏡下巖石薄片顯微圖像作為原始數據,利用數據增強技術擴大其數據量并制作RockDataset數據集,然后將RockDataset輸入到改進的ResNet50模型中進行深度遷移學習訓練和參數優化,最終得到高精度的巖石分類識別深度學習模型RockNet,應用RockNet可以準確預測巖石類型的名稱和置信度。本發明無需專業的巖石鏡下鑒定知識,可以大大提高巖石分類的效率和準確度(高達98%以上),避免人為的錯誤,促進巖石薄片分類的智能化和自動化,更好地服務于地質教學、科研與生產。
聲明:
“基于巖石薄片顯微圖像深度學習的巖石分類方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)