地质地层岩性区域预测方法、系统、终端设备及存储介质技术方案

本发明专利技术提供了一种地质地层岩性区域预测方法、系统、终端设备及存储介质，涉及计算机系统领域。系统包括数据管理模块、样本管理模块、模型训练模块、模型管理模块、岩性预测模块等。本发明专利技术利用地球物理、地球化学、遥感等多源数据，基于深度学习图像分割算法，形成区域浅地表地层岩性识别模型，对勘探程度较低的基岩裸露区和浅覆盖区，进行高精度快速地层岩性预测和区域分割，支撑地质填图和矿产勘察工作。支撑地质填图和矿产勘察工作。支撑地质填图和矿产勘察工作。

【技术实现步骤摘要】
地质地层岩性区域预测方法、系统、终端设备及存储介质


[0001]本专利技术涉及计算机系统领域，具体而言，涉及一种地质地层岩性区域预测方法、系统、终端设备及存储介质。

技术介绍

[0002]目前各类基于遥感或者多源信息复合的地物分类方法依赖本领域专家人工判别或者传统统计学计算，数据处理、光谱特征提取、样品选择、分类方法都受到先验知识、工作人员经验、理论缺陷影响，在一定程度上影响了分类精度。地物对象也多为建筑、道路、交通工具、水体、森林、农田等光谱和形状特征明显的事物。地球浅地表的地质地层、岩石类别具有种类繁杂、组成复杂、界线不清的特征，基于单纯遥感数据对地质地层岩石识别和区域分割往往需要人工实地勘察进行判别，传统计算机数据模型自动识别精度无法达到生产要求。

技术实现思路

[0003]本专利技术实施例提供一种地质地层岩性区域预测方法、系统、终端设备及存储介质。
[0004]一种地质地层岩性区域预测方法，具体步骤包括：
[0005]步骤一，对已知区域的地球物理、地球化学、遥感数据进行归一化，使各类多源数据分辨率、空间位置进行保持一致处理；
[0006]步骤二，以步骤一归一化处理后的地球物理、地球化学、遥感数据为基础，将多类型的地球物理和地球化学等多源数据按不同图层合并为图像文件；多源地球物理、地球化学、遥感数据按统一图层顺序进行合并，使用GeoTIFF文件格式。地球物理数据可根据目标区域实际勘探程度选择若干种方法，地球化学数据可根据目标区域岩性类型选择差异较大的集中元素含量平面图。可以增加地形图、水文地质图等图层增加模型鲁棒性。各类数据的勘探精度将影响最终的识别结果精度。
[0007]步骤三，对多源图像文件按照固定尺寸进行切片，并形成样本集；
[0008]步骤四，按多源图像文件切片位置对地质图进行切片，并与样本集一一对应，形成样本集岩性标签；
[0009]步骤五，基于深度学习图像分割算法，对多源地球物理、地球化学、遥感数据样本集进行训练，模型训练时，采用断点续训和动态调整学习率的训练策略，并随时更新保存的权重文件；
[0010]步骤六，按照步骤一和步骤二的方法，按统一标准对未知区域地球物理、地球化学、遥感数据进行归一化并进行图层合并，得到未知区域多源图像文件；
[0011]步骤七，对未知区域多源图像文件进行切片，且分割图像时按照一定的小于切片边长的步长，进行划窗式切片，得到预测集；
[0012]步骤八，使用训练得到的区域浅地表地层岩性识别模型对预测集图像分别预测，得到岩性预测图像分割结果集合；
[0013]步骤九，对岩性预测图像分割结果集合按照对应位置进行拼合，拼接切片时采取忽略边缘策略，即每个切片均忽略边缘部分，形成未知区域进行地层岩性预测和分割图像。
[0014]进一步的：步骤七中所述相邻切片之间含有重合区域。
[0015]进一步的：训练得到的区域浅地表地层岩性识别模型对预测集图像的预测步骤包括提取训练好的GeoU
‑
net网络模型，权重文件，索引文件以及分割使用的网络结构，然后根据这些参数初始化分割程序，随后载入预测集图像，若采集到的图像尺度较大，则对图像缩放后进行运算，随后将目标图像作为输入，进行分割运算，获取图像像素的所属类别。
[0016]进一步的：在进行预测时，预测程序需要载入之前训练好的最优的GeoU
‑
net网络模型文件，包括权重文件，索引文件以及分割网络使用的网络结构，运行预测程序后，根据保存的这些参数初始化语义分割预测程序，进行分割运算，获取图像像素的所属类别，在原始图像上得到图片的分割结果，并完成一次完整的预测过程。
[0017]进一步的：一种基于深度学习的地质地层岩性区域预测系统，包括数据管理模块，用于地质、地球物理、地球化学、遥感数据的综合管理、数据归一化、区域提取、合成GeoTIFF等功能实现；上述的数据归一化是对对各已知区域及各类多源数据分辨率、空间位置进行保持一致处理；
[0018]样本管理模块，用于地层岩性分类标注、GeoTIFF格式切片、数据增强、样本切片管理等功能实现；
[0019]模型训练模块，对GPU服务器资源进行管理和图像分割模型的训练；模型管理模块，对训练好的不同类型区域地层岩性分割模型进行管理；
[0020]岩性预测模块，对勘探程度较低的未知区域地质地层岩性进行区域预测和结果评估。
[0021]进一步的：终端设备可以包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当终端设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行时执行如前述实施例中所述的深度学习模型训练方法的步骤。
[0022]进一步的：一种存储介质，该介质存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。
[0023]本专利技术的有益效果：本专利技术利用地球物理、地球化学、遥感等多源数据，基于深度学习图像分割算法，形成区域浅地表地层岩性识别模型，对勘探程度较低的基岩裸露区和浅覆盖区，进行高精度快速地层岩性预测和区域分割，支撑地质填图和矿产勘察工作，岩性识别和区域划分达到90％以上准确率。
附图说明
[0024]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0025]图1示出了本专利技术方法的流程示意图。
[0026]图2示出了本专利技术中应用模型预测出5000平方公里的花岗岩和变质岩区域分布示意图。
[0027]图3示出了本专利技术系统的组成示意图。
[0028]图4示出了本专利技术终端设备的组成示意图。
具体实施方式
[0029]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，应当理解，本专利技术中附图仅起到说明和描述的目的，并不用于限定本专利技术的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本专利技术中使用的流程图示出了根据本专利技术的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本
技术实现思路
的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
[0030]另外，本专利技术所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地质地层岩性区域预测方法，其特征在于，包括以下步骤：步骤一，对已知区域的地球物理、地球化学、遥感数据进行归一化，使各类多源数据分辨率、空间位置进行保持一致处理；步骤二，以步骤一归一化处理后的地球物理、地球化学、遥感数据为基础，将多类型的地球物理和地球化学等多源数据按不同图层合并为GeoTIFF格式多源图像文件；步骤三，对多源图像文件按照固定尺寸进行切片，并形成样本集；步骤四，按多源图像文件切片位置对地质图进行切片，并与样本集一一对应，形成样本集岩性标签；步骤五，基于深度学习图像分割算法，对多源地球物理、地球化学、遥感数据样本集进行训练；步骤六，按照步骤一和步骤二的方法，按统一标准对未知区域地球物理、地球化学、遥感数据进行归一化并进行图层合并，得到未知区域多源图像文件；步骤七，对未知区域多源图像文件进行切片，且分割图像时按照一定的步长，进行划窗式切片，得到预测集；步骤八，使用训练得到的区域浅地表地层岩性识别模型对预测集图像分别预测，得到岩性预测图像分割结果集合；步骤九，对岩性预测图像分割结果集合按照对应位置进行拼合，形成未知区域进行地层岩性预测和分割图像。2.根据权利要求1所述的方法，其特征在于，训练得到的区域浅地表地层岩性识别模型对预测集图像的预测步骤包括提取训练好的GeoU
‑
net网络模型，权重文件，索引文件以及分割使用的网络结构，然后根据这些参数初始化分割程序，随后载入预测集图像。3.根据权利要求1或2任一所述的方法，其特征在于，在进行预测时，预测程序需要载入之前训练好的最优的GeoU
‑
net网络模型文件，包括权重文件，索引文件以...

【专利技术属性】
技术研发人员：任伟，张盛，王想红，刘荣梅，乔计花，张明华，
申请(专利权)人：中国地质调查局自然资源综合调查指挥中心，
类型：发明
国别省市：