一种基于卷积神经网络的缪子图像处理方法技术

本说明书实施例提供一种基于卷积神经网络的缪子图像处理方法，通过根据各地质对缪子的能量阻抗参数构造缪子卷积算子，利用所述缪子卷积算子构造卷积神经网络模型，对待探测体进行缪子探测，基于探测结果生成能量阻抗分布的三维图像，将所述能量阻抗分布的三维图像输入至所述卷积神经网络模型，识别所述待探测体的地质类别及其空间分布，并从中识别目标地质体的空间分布。以能量阻抗的角度生成三维图像，输入到卷积神经网络模型中识别地质分布来识别目标地质体，由于缪子卷积算子能够作为一个基本单元进行计算，避免了以单个像素进行计算时过大的计算量，因而减小了计算量，同时又能保留三维图像的平移不变性，提高了地质体识别的精度。别的精度。别的精度。

【技术实现步骤摘要】
一种基于卷积神经网络的缪子图像处理方法


[0001]本申请涉及缪子探测领域，尤其涉及一种基于卷积神经网络的缪子图像处理方法。

技术介绍

[0002]长期以来，对于采矿和岩土工程领域的科学家和工程师来说，
″
看到
″
岩体内部是一个伟大的梦想，因为岩体是一种复杂的、不透明的天然固体，普通技术(如X射线)无法深入其中。除了钻探方法外，还有许多常规地球物理方法可用于描述岩体内部的特征，如地震成像、电磁法、磁法、探地雷达和重力测量等方法。
[0003]缪子射线照相术是一种通过测量缪子(一种基本粒子)通量在物质中的衰减来推断密度的手段。缪子断层摄影法使用断层摄影法从多个缪子通量测量中得出三维(3
‑
D)密度图，进而识别目标地质体(异常的地质体或者寻找的有价值的地质体)。
[0004]目前对三维(3
‑
D)密度图的处理方式多是三维重建，有必要提供一种计算量小精度更高的处理方式。

技术实现思路

[0005]本说明书实施例提供一种基于卷积神经网络的缪子图像处理方法、装置和电子设备，用以提高探测精度减小计算量。
[0006]本说明书实施例提供一种基于卷积神经网络的缪子图像处理方法，包括：
[0007]根据各种地质对缪子的能量阻抗参数构造缪子卷积算子，并利用所述缪子卷积算子构造卷积神经网络模型；
[0008]对待探测体进行缪子探测，基于探测结果生成能量阻抗分布的三维图像；
[0009]将所述能量阻抗分布的三维图像输入至所述卷积神经网络模型，识别所述待探测体的地质类别及其空间分布，并从中识别目标地质体的空间分布。
[0010]本说明书实施例还提供一种电子设备，其中，该电子设备包括：
[0011]处理器；以及，
[0012]存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一项方法。
[0013]本说明书实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现上述任一项方法。
[0014]本说明书实施例提供的各种技术方案通过根据各地质对缪子的能量阻抗参数构造缪子卷积算子，利用所述缪子卷积算子构造卷积神经网络模型，对待探测体进行缪子探测，基于探测结果生成能量阻抗分布的三维图像，将所述能量阻抗分布的三维图像输入至所述卷积神经网络模型，识别所述待探测体的地质种类及其空间分布，并从中识别目标地质体的空间分布。以能量阻抗的角度生成三维图像，输入到卷积神经网络模型中识别地质分布来识别目标地质体，由于缪子卷积算子能够作为一个基本单元进行计算，避免了以单
个像素进行计算时过大的计算量，因而减小了计算量，同时又能保留三维图像的平移不变性，提高了地质体识别的精度。
附图说明
[0015]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0016]图1为本说明书实施例提供的一种基于卷积神经网络的缪子图像处理方法的原理示意图；
[0017]图2为本说明书实施例提供的一种基于卷积神经网络的缪子图像处理装置的结构示意图；
[0018]图3为本说明书实施例提供的一种电子设备的结构示意图；
[0019]图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
[0020]现在将参考附图更全面地描述本专利技术的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本专利技术仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本专利技术更加全面和完整，更加便于将专利技术构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
[0021]在符合本专利技术的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
[0022]在对于具体实施例的描述中，本专利技术描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本专利技术的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
[0023]附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0024]附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0025]术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
[0026]目前对于缪子探测的研究原理都是，利用宇宙缪子射线在穿过待探测体前后的数量差来进行三维重建，然而，宇宙缪子射线在穿过待探测体前后的数量差并不能直接反映待探测体的地质类别。
[0027]因为，申请人分析发现，缪子探测的本质并非是利用损失的宇宙缪子数量，而是宇宙缪子射线在穿过待探测体前后所损失的能量，实际上，只需要知道缪子穿过待探测体前后所损失的能量，便可以进行三维重建最终得到地质分布图，完全可以撇开密度这种没有必然联系的变量。
[0028]对此，我们可以构造出新的概念，即地质对缪子的能量阻抗，来形容缪子在穿过某
种地质时的能量损失。
[0029]图1为本说明书实施例提供的一种基于卷积神经网络的缪子图像处理的原理示意图，该方法可以包括：
[0030]S101：根据各种地质对缪子的能量阻抗参数构造缪子卷积算子，并利用所述缪子卷积算子构造卷积神经网络模型；
[0031]S102：对待探测体进行缪子探测，基于探测结果生成能量阻抗分布的三维图像；
[0032]S103：将所述能量阻抗分布的三维图像输入至所述卷积神经网络模型，识别所述待探测体的地质类别及其空间分布，并从中识别目标地质体的空间分布。
[0033]待探测体可以是山体等，目标地质体可以是溶洞、煤矿等。接收装置位于待探测体对侧，从而接收穿过待探测体的宇宙缪子。
[0034]通过根据各地质对缪子的能量阻抗参数构造缪子卷积算子，利用所述缪子卷积算子构造卷积神经网络模型，对待探测体进行缪子探测，基于探测结果生成能量阻抗分布的三维图像，将所述能量阻抗分布的三维图像输入至所述卷积神经网络模型，识别所述待探测体的地质种类及其空间分布，并从中识别目标地质体的空间分布。以能量阻抗的角度生成三维图像，输入到卷积神经网络模型中识别地质分布来识别目标地质体，由于缪子卷积算子能够作为一个基本单元进行计算，避免了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的缪子图像处理方法，其特征在于，包括：根据各种地质对缪子的能量阻抗参数构造缪子卷积算子，并利用所述缪子卷积算子构造卷积神经网络模型；对待探测体进行缪子探测，基于探测结果生成能量阻抗分布的三维图像；将所述能量阻抗分布的三维图像输入至所述卷积神经网络模型，识别所述待探测体的地质类别及其空间分布，并从中识别目标地质体的空间分布。2.根据权利要求1所述的方法，其特征在于，所述基于探测结果生成能量阻抗分布的三维图像，包括：对天然缪子进行能量探测，根据探测到的缪子数拟合天然缪子时间密度随能量的分布函数，在探测到缪子时获取当前时间添加时间戳数据，生成缪子接收时序，结合所述缪子接收时序和所述天然缪子时间密度随能量的分布函数确定临界能量值，结合所述临界能量值与探测体在当前探测方向的尺寸计算当前探测方向的能量阻抗参数，结合在不通过探测方向的计算结果生成能量阻抗分布的三维图像。3.根据权利要求1所述的方法，其特征在于，所述根据各种地质对缪子的能量阻抗参数构造缪子卷积算子，并利用所述缪子卷积算子构造卷积神经网络模型，包括：根据各种地质对缪子的能量阻抗参数计算能量损失梯度，构造三维的缪子卷积算子；将各种地质的缪子卷积算子配置在卷积神经网络模型的卷积层，将卷积神经网络模型还具有全连接层和输出层，根据各地质样本的能量阻抗参数构造各种能量阻抗分布的样本三维图像，根据各地质样本类别在对应的坐标范围设置对应的地质类别标签，以所述样本三维图像为训练样本，对所述卷积神经网络模型进行训练，得到训练好的卷积神经网络模型，用于识别能量阻抗分布的三维图像各坐标点处能量阻抗所对应的地质类别。4.根据权利要求2所述的方法，其特征在于，所述结合所述缪子接收时序和所述天然缪子时间密度随能量的分布函数确定临界能量值，包括：计算临界缪子数＝m/t*s，其中，m为接收到的缪子总数，t为接收时间，s为接收面积；对天然缪子时间密度...

【专利技术属性】
技术研发人员：张荣庆，席振铢，刘威，王鹤，
申请(专利权)人：中南大学，
类型：发明
国别省市：