一种笔石化石图像的分类方法技术

本发明专利技术公开了一种笔石化石图像的分类方法，包括：步骤S1、对笔石化石图像数据进行图像数据增强，得到增强图像数据；步骤S2、将增强图像数据输入预先训练好的笔石化石图像种分类模型中，输出笔石化石类别。通过本发明专利技术可以快速准确地获得笔石化石的类别。速准确地获得笔石化石的类别。速准确地获得笔石化石的类别。

【技术实现步骤摘要】
一种笔石化石图像的分类方法


[0001]本专利技术涉及人工智能领域，尤其涉及一种笔石化石图像的分类方法。

技术介绍

[0002]笔石动物是一种从茎管系统连续规则出芽的海生远古生物。笔石动物死后，以化石形式保存在黑色页岩中。尤其是奥陶纪(距今4.85～4.43亿年)和志留纪(距今4.43～4.19亿年)的笔石演化速度快，因此，笔石化石可以被当作判断地层年代的“黄金卡尺”。
[0003]由于我国最主要的页岩气资源正好处在含笔石的地层中，因而笔石化石在“圈定页岩气的分布范围，确定页岩气的地层分布深度”方面发挥了重要的作用。
[0004]笔石的人工鉴定非常困难，需要人工智能技术辅助识别，主要有以下4个原因：
[0005](1)笔石种类多；
[0006](2)笔石化石属种间的特征差别小；
[0007](3)笔石化石保存完整性差；
[0008](4)笔石化石鉴别人为因素大。
[0009]由此可见，笔石化石图像自动分类方法具有非常重要的现实意义和应用价值。

技术实现思路

[0010]而本专利技术为了解决上述问题，提出了一种笔石化石图像的分类方法，利用生物属
‑
种分类阶元和深度迁移学习的方法对笔石化石图像进行分类，相较于人工鉴定，更加快速、准确。
[0011]为达到上述目的，本专利技术通过以下技术方案实现：一种笔石化石图像的分类方法，包括：
[0012]步骤S1、对笔石化石图像数据进行图像数据增强，得到增强图像数据。
[0013]步骤S2、将所述增强图像数据输入预先训练好的笔石化石图像种分类模型中，输出笔石化石类别。
[0014]可选的，所述图像数据增强包括：依次对每一所述笔石化石图像进行尺寸缩放、中心裁剪、随机平移、随机翻转、边界扩充及旋转。
[0015]可选的，所述尺寸缩放包括：先锁定每一所述笔石化石图像的纵横比，再将每一所述笔石化石图像的短边设定为256像素，得到缩放图像数据；
[0016]可选的，所述中心裁剪包括：以每一所述缩放图像的中心点为中心，按照224像素
×
224像素的比例进行裁剪，得到裁剪图像数据。
[0017]可选的，所述随机平移包括：在水平方向上，每一所述裁剪图像，以图像宽度的5％为限，随机左右平移；在垂直方向上，每一所述裁剪图像，以图像高度的5％为限，随机上下平移；得到平移图像数据。
[0018]可选的，所述随机翻转包括：对每一所述平移图像以50％的概率进行水平翻转，再以50％的概率进行垂直翻转，得到翻转图像数据。
[0019]可选的，所述边界扩充包括：分别以50像素、100像素、150像素、200像素的宽度对每一所述翻转图像的四周最外层的像素进行边界扩充，得到扩充图像数据。
[0020]可选的，所述旋转包括：在0至360度范围内，每间隔15度对每一所述扩充图像进行一次旋转，得到所述增强图像数据。
[0021]可选的，所述步骤S2包括：
[0022]步骤S21、利用ImageNet图像数据集，预训练EfficientNet卷积神经网络的第一参数，获得EfficientNet卷积神经网络的第二参数。
[0023]步骤S22、根据笔石化石待分类的属类别数22，预先设定所述EfficientNet卷积神经网络的第一网络输出层数为22层，迁移学习所述第二参数，利用笔石化石图像属分类数据集训练所述第二参数，建立笔石化石图像属分类模型，同时获得所述笔石化石图像属分类的所述EfficientNet卷积神经网络的第三参数。
[0024]步骤S23、根据所述笔石化石待分类的种类别数51，预先设定所述EfficientNet卷积神经网络的第二网络输出层数为51层，迁移学习所述第三参数，利用笔石化石图像种分类数据集训练所述第三参数，建立所述笔石化石图像种分类模型。
[0025]可选的，基于同一种专利技术构想，本专利技术还提供了一种电子设备，包括处理器和存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述的笔石化石图像的分类的方法。
[0026]可选的，基于同一种专利技术构想，本专利技术还提供了一种可读存储介质，其特征在于，所述可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现所述的笔石化石图像的分类的方法。
[0027]本专利技术利用生物属
‑
种分类阶元和深度迁移学习的方法对笔石化石图像进行图像增强、特征提取，进而实现对笔石化石图像进行分类，本专利技术提供的方法使笔石化石图像的分类速度更快且分类结果的准确率更高。
附图说明
[0028]图1是本专利技术一实施例中的笔石化石图像的分类方法的流程图；
[0029]图2是本专利技术一实施例中的所述步骤S2的流程图；
[0030]图3是本专利技术一实施例中的EfficientNet基线网络结构的流程图；
[0031]图4是本专利技术一实施例中一笔石化石图像的示意图；
[0032]图5是本专利技术一实施例中一笔石化石图像的数据增强图像的示意图；
[0033]图6是本专利技术一实施例提供的15种笔石化石图像的示意图。
具体实施方式
[0034]以下结合附图和具体实施方式对本专利技术提供的一种笔石化石图像的分类方法进行清楚、完整地描述，显然，所描述的实施例仅仅是本命一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]如图1所示，一种笔石化石图像的分类方法，包括：
[0036]步骤S1、对笔石化石图像数据进行图像数据增强，得到增强图像数据，所述增强图
像数据即为所述笔石化石图像的22个属和51个种的分类数据集。
[0037]本步骤用于丰富笔石化石图像数据集，防止因数据集过小而导致模型拟合不够，提升模型泛化能力。
[0038]在本实施例中，关于所述步骤S1中的所述图像数据增强包括：依次对每一所述笔石化石图像进行尺寸缩放、中心裁剪、随机平移、随机翻转、边界扩充及旋转。
[0039]在本实施例中，所述尺寸缩放包括：先锁定每一所述笔石化石图像的纵横比，再将每一所述笔石化石图像的短边设定为256像素，得到缩放图像数据。
[0040]在本实施例中，所述中心裁剪包括：以每一所述缩放图像的中心点为中心，按照224像素
×
224像素的比例进行裁剪，得到裁剪图像数据。
[0041]在本实施例中，所述随机平移包括：在水平方向上，每一所述裁剪图像，以图像宽度的5％为限，随机左右平移；在垂直方向上，每一所述裁剪图像，以图像高度的5％为限，随机上下平移；得到平移图像数据。
[0042]在本实施例中，所述随机翻转包括：对每一所述平移图像以50％的概率进行水平翻转，再以50％的概率进行垂直翻转，得到翻转图像数据。
[0043]在本实施例中，所述边界本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种笔石化石图像的分类方法，其特征在于，包括：步骤S1、对笔石化石图像数据进行图像数据增强，得到增强图像数据；步骤S2、将所述增强图像数据输入预先训练好的笔石化石图像种分类模型中，输出笔石化石类别。2.如权利要求1所述的笔石化石图像的分类方法，其特征在于，所述图像数据增强包括：依次对每一所述笔石化石图像进行尺寸缩放、中心裁剪、随机平移、随机翻转、边界扩充及旋转。3.如权利要求2所述的笔石化石图像的分类方法，其特征在于，所述尺寸缩放包括：先锁定每一所述笔石化石图像的纵横比，再将每一所述笔石化石图像的短边设定为256像素，得到缩放图像数据；所述中心裁剪包括：以每一所述缩放图像的中心点为中心，按照224像素
×
224像素的比例进行裁剪，得到裁剪图像数据。4.如权利要求3所述的笔石化石图像的分类方法，其特征在于，所述随机平移包括：在水平方向上，每一所述裁剪图像，以图像宽度的5％为限，随机左右平移；在垂直方向上，每一所述裁剪图像，以图像高度的5％为限，随机上下平移；得到平移图像数据。5.如权利要求4所述的笔石化石图像的分类方法，其特征在于，所述随机翻转包括：对每一所述平移图像以50％的概率进行水平翻转，再以50％的概率进行垂直翻转，得到翻转图像数据。6.如权利要求5所述的笔石化石图像的分类方法，其特征在于，所述边界扩充包括：分别以50像素、100像素、150像素、200像素的宽度对每一所述翻转图像的四周最外层的像...

【专利技术属性】
技术研发人员：李朝锋，梁源潼，刘洪林，张介辉，邹辰，梅钰，李晓波，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：