【技术实现步骤摘要】
本专利技术涉及矿产勘查，特别是涉及一种地质矿产勘查方法及系统。
技术介绍
1、矿产资源对于现代生活十分重要，是社会发展所必需的重要能源。在现有技术中，矿产资源勘探方法主要依赖于地质、地球物理、地球化学等手段，这些手段往往需要大量的人力、物力和时间投入，而且受到地形、气候、植被等自然条件的限制，该找矿方式费时费力，不仅浪费了大量的人力成本，还降低了找矿效率，同时由于人工的局限性，会存在矿床漏寻找的问题，导致找矿的精准度下降。可见，目前传统的矿物资源勘探方式难以满足当前矿物资源勘探的高效率需求。矿产资源的评价与探测更加直接依赖于技术的创新，通过技术进步能够实现对成矿过程的深入理解，增强寻找大型矿床的能力。所以，对本领域技术人员，如何在保证找矿准确率的基础上提高矿产资源的勘探效率是亟待解决的问题。
技术实现思路
1、本专利技术的目的是提供一种地质矿产勘查方法及系统，以解决
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供了如下方案：一方面，提供一种基于深度学习的地质矿产勘查方...
【技术保护点】
1.一种基于深度学习的地质矿产勘查方法，其特征在于，具体步骤包括如下：
2.根据权利要求1所述的一种基于深度学习的地质矿产勘查方法，其特征在于，所述卷积神经网络模型的训练步骤为：采集多张地质遥感图像，对多张所述地质遥感图像进行预处理，形成样本数据集；获取所述样本数据集，将所述样本数据集分为训练集和测试集；构建卷积神经网络模型，利用所述训练集对所述卷积神经网络模型进行训练，得到所述矿产识别神经网络模型。
3.根据权利要求2所述的一种基于深度学习的地质矿产勘查方法，其特征在于，所述卷积神经网络模型以残差卷积层为基础，并在所述残差卷积层前段增加多尺度...
【技术特征摘要】
1.一种基于深度学习的地质矿产勘查方法，其特征在于，具体步骤包括如下：
2.根据权利要求1所述的一种基于深度学习的地质矿产勘查方法，其特征在于，所述卷积神经网络模型的训练步骤为：采集多张地质遥感图像，对多张所述地质遥感图像进行预处理，形成样本数据集；获取所述样本数据集，将所述样本数据集分为训练集和测试集；构建卷积神经网络模型，利用所述训练集对所述卷积神经网络模型进行训练，得到所述矿产识别神经网络模型。
3.根据权利要求2所述的一种基于深度学习的地质矿产勘查方法，其特征在于，所述卷积神经网络模型以残差卷积层为基础，并在所述残差卷积层前段增加多尺度卷积和混合注意力机制。
4.根据权利要求2所述的一种基于深度学习的地质矿产勘查方法，其特征在于，通过增广，将采集的多张所述地质遥感图像均经过切割、旋转、平移操作，得到新的样本数据集以增加实验样本数量。
5.根据权利要求1所述的一种基于深度学习...
【专利技术属性】
技术研发人员：吴少锋，陈礼标，李龙江，
申请(专利权)人：青海省第四地质勘查院青海省能源地质勘查院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。