基于多维岩石图像深度学习的岩性识别方法及系统技术方案

本发明专利技术属于岩土工程领域，提供了基于多维岩石图像深度学习的岩性识别方法及系统。它解决了浅层神经网络易丢失岩石图像的纹理信息问题，具有对岩性的识别精确度高的效果。其中，该识别方法包括接收岩石的全局图像和局部图像；预处理岩石的全局图像和局部图像，并融合预处理后的岩石全局图像和局部图像，得到融合图像；将全局图像、局部图像和融合图像分别输入基于ResNet网络的岩性识别深度学习模型，输出全局识别结果、局部识别结果和融合识别结果；采用最大似然法将全局识别结果、局部识别结果和融合识别结果进行融合，并将所有类别进行归类，再将该类别下的所有归属概率值相加，归属概率值和最大时对应岩石属于该类的概率最大，得到最终的预测结果。

【技术实现步骤摘要】
基于多维岩石图像深度学习的岩性识别方法及系统
本专利技术属于岩土工程领域，尤其涉及一种基于多维岩石图像深度学习的岩性识别方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。在地质学研究中，岩性识别是一项重要的工作，目前对岩性的识别主要由具有一定地质学基础的专业人士完成。由于此过程受主观因素影响较大且费时费力，近年来随着深度学习的发展，利用卷积神经网络提取岩石图像的特征并进行分类，从而实现对岩性的自动识别得以广泛应用。专利技术人发现，岩石图像具有颜色特征、构造特征、结构特征、纹理特征和全局组合特征等，对这些特征进行充分的学习可以更好的对岩石图像进行分类。目前有研究者直接采用全局图像进行深度学习，虽然取得了一定的成果，但是主要存在两个问题：(1)未能充分利用岩石图像中的多维信息，仅采用全局图像对岩石图像信息的抽象程度较低，且局部的微小特征易丢失，难以充分表达岩性信息，从而可能导致对岩性分类错误的情况。(2)未能结合不同类型图像分类的结果，对于同一岩石可以结合不同类型图像做出的岩性判断，本文档来自技高网...

【技术保护点】
1.一种基于多维岩石图像深度学习的岩性识别方法，其特征在于，包括：/n接收岩石的全局图像和局部图像；/n预处理岩石的全局图像和局部图像，并融合预处理后的岩石全局图像和局部图像，得到融合图像；/n将全局图像、局部图像和融合图像分别输入基于ResNet网络的岩性识别深度学习模型，输出全局识别结果、局部识别结果和融合识别结果；/n采用最大似然法将全局识别结果、局部识别结果和融合识别结果进行融合，并将所有类别进行归类，再将该类别下的所有归属概率值相加，归属概率值和最大时对应岩石属于该类的概率最大，得到最终的预测结果。/n

【技术特征摘要】
1.一种基于多维岩石图像深度学习的岩性识别方法，其特征在于，包括：
接收岩石的全局图像和局部图像；
预处理岩石的全局图像和局部图像，并融合预处理后的岩石全局图像和局部图像，得到融合图像；
将全局图像、局部图像和融合图像分别输入基于ResNet网络的岩性识别深度学习模型，输出全局识别结果、局部识别结果和融合识别结果；
采用最大似然法将全局识别结果、局部识别结果和融合识别结果进行融合，并将所有类别进行归类，再将该类别下的所有归属概率值相加，归属概率值和最大时对应岩石属于该类的概率最大，得到最终的预测结果。


2.如权利要求1所述的基于多维岩石图像深度学习的岩性识别方法，其特征在于，对岩石的全局图像和局部图像进行数据增强和分块预处理。


3.如权利要求2所述的基于多维岩石图像深度学习的岩性识别方法，其特征在于，对岩石的全局图像和局部图像进行分块预处理的过程为：
采用滑动窗口的形式将图像的长平均分为包含一定重叠区域的三部分，宽平均分为包含一定重叠区域的两部分。


4.如权利要求1所述的基于多维岩石图像深度学习的岩性识别方法，其特征在于，所述基于ResNet网络的岩性识别深度学习模型包括卷积层，其用于提取抽象岩石特征，再通过Flatten层更改图像像素，通过全连接层将提取到的特征进行融合，最后通过Softmax分类器实现对岩石图像的分类。


5.一种基于多维岩石图像深度学习的岩性识别系统，其特征在于，包括：
图像接收模块，其用于接收岩石的全局图像和局部图像；
图像预处理及融合模块，其用于预处理岩石的全局图像和局部图像，并融合预处理后的岩石全局图像和局部图像，得到融合图像；
初步识别模块，其用于将全局图像、局部图像和融合图像分别输入基于ResNet网络的岩性识别深度学习模...

【专利技术属性】
技术研发人员：林鹏，马文，石恒，王朝阳，潘东东，许振浩，王欣桐，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37