System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及巖石巖性識別,具體涉及一種地質(zhì)巖石巖性的識別分類方法及裝置。
技術(shù)介紹
1、巖石巖性識別主要通過觀察巖石的顏色、結(jié)構(gòu)、紋理、礦物組成和構(gòu)造等特征來進行,不同類型的巖石具有不同的特征,通過這些特征可以準確識別巖石的類型和性質(zhì);隨著礦產(chǎn)資源的日益緊張,對巖性識別的精度要求越來越高,同時,由于地質(zhì)環(huán)境的復雜性和多變性,巖性識別系統(tǒng)需要具備良好的穩(wěn)定性和適應性。
2、但是,在相關(guān)地質(zhì)查勘過程中,地質(zhì)的巖石巖性識別困難,巖石巖性識別分類的準確性低和穩(wěn)定性差,不利于實際地質(zhì)研究工作任務的開展,降低了工作效率。
技術(shù)實現(xiàn)思路
1、有鑒于此,本專利技術(shù)提供了一種地質(zhì)巖石巖性的識別分類方法及裝置,以解決巖石巖性識別分類的準確性低和穩(wěn)定性差的問題。
2、第一方面,本專利技術(shù)提供了一種地質(zhì)巖石巖性的識別分類方法,該方法包括:
3、獲取地質(zhì)巖石巖性影像,對地質(zhì)巖石巖性影像進行影像處理,得到樣本影像數(shù)據(jù)集;
4、基于樣本影像數(shù)據(jù)集,利用圖像分類模型和區(qū)域生成模型進行類目判別,得到候選區(qū)域特征圖;
5、對候選區(qū)域特征圖進行邊框回歸檢測,得到地質(zhì)巖石巖性的識別分類結(jié)果。
6、本實施例提供的地質(zhì)巖石巖性的識別分類方法,通過獲取地質(zhì)巖石巖性影像,對地質(zhì)巖石巖性影像進行影像處理,得到樣本影像數(shù)據(jù)集,進而基于樣本影像數(shù)據(jù)集,利用圖像分類模型和區(qū)域生成模型進行類目判別,得到候選區(qū)域特征圖,最后對候選區(qū)域特征圖進行邊框回歸檢測,得到地質(zhì)巖
7、在一種可選的實施方式中,對地質(zhì)巖石巖性影像進行影像處理,得到樣本影像數(shù)據(jù)集,包括:
8、對地質(zhì)巖石巖性影像進行分割裁剪,得到多個地質(zhì)類目影像;
9、分別對多個地質(zhì)類目影像添加標簽,并對添加標簽后的多個地質(zhì)類目影像進行數(shù)據(jù)預處理,得到樣本影像數(shù)據(jù)集。
10、本實施例提供的地質(zhì)巖石巖性的識別分類方法,通過對地質(zhì)巖石巖性影像進行分割裁剪,得到多個地質(zhì)類目影像,進而分別對多個地質(zhì)類目影像添加標簽,并對添加標簽后的多個地質(zhì)類目影像進行數(shù)據(jù)預處理,有效提升了樣本影像數(shù)據(jù)集中的數(shù)據(jù)質(zhì)量,實現(xiàn)了模型性能的優(yōu)化和分析結(jié)果可靠性的提高,為后續(xù)的模型訓練奠定基礎。
11、在一種可選的實施方式中,基于樣本影像數(shù)據(jù)集,利用圖像分類模型和區(qū)域生成模型進行類目判別,得到候選區(qū)域特征圖,包括:
12、基于樣本影像數(shù)據(jù)集中樣本影像,利用區(qū)域生成模型選取候選區(qū)域;
13、基于候選區(qū)域,利用圖像分類模型進行特征提取,得到候選區(qū)域特征圖;其中,候選區(qū)域特征圖包括候選區(qū)域中各巖性類別的概率向量。
14、本實施例提供的地質(zhì)巖石巖性的識別分類方法,通過基于樣本影像數(shù)據(jù)集中樣本影像,利用區(qū)域生成模型選取候選區(qū)域,進而基于候選區(qū)域,利用圖像分類模型進行特征提取,得到候選區(qū)域特征圖,有效提取了候選區(qū)域中各巖性類別的概率向量,實現(xiàn)了巖石巖性的有效識別分類,提高了巖性識別分類的準確性和有效性。
15、在一種可選的實施方式中,基于樣本影像數(shù)據(jù)集中樣本影像,利用區(qū)域生成模型選取候選區(qū)域,包括:
16、基于樣本影像數(shù)據(jù)集中樣本影像像素點的相似度進行區(qū)域分組,得到多個目標區(qū)域;
17、獲取目標區(qū)域的區(qū)域特征,基于區(qū)域特征計算目標區(qū)域的總體相似度;
18、基于目標區(qū)域的總體相似度確定候選區(qū)域。
19、本實施例提供的地質(zhì)巖石巖性的識別分類方法,通過基于樣本影像數(shù)據(jù)集中樣本影像像素點的相似度進行區(qū)域分組,得到多個目標區(qū)域,實現(xiàn)了對樣本影像的初始劃分,進而獲取目標區(qū)域的區(qū)域特征,基于區(qū)域特征計算目標區(qū)域的總體相似度,最后基于目標區(qū)域的總體相似度確定候選區(qū)域,利用層次聚類的方法實現(xiàn)了對樣本影像中區(qū)域的準確合并,為后續(xù)候選區(qū)域中巖石巖性的分類識別奠定了基礎。
20、在一種可選的實施方式中,圖像分類模型包括卷積層、空間金字塔池化層、全連接層和激活函數(shù)層;基于候選區(qū)域,利用圖像分類模型進行特征提取,得到候選區(qū)域特征圖,包括:
21、將候選區(qū)域?qū)臉颖居跋褫斎刖矸e層中進行卷積操作,生成地物特征;
22、將地物特征輸入空間金字塔池化層中進行不同尺度的池化操作,得到固定維度特征;
23、將固定維度特征輸入全連接層進行特征拼接;
24、將特征拼接后的固定維度特征輸入激活函數(shù)層中進行分類識別,得到候選區(qū)域特征圖。
25、本實施例提供的地質(zhì)巖石巖性的識別分類方法,通過將候選區(qū)域?qū)臉颖居跋褫斎刖矸e層中進行卷積操作,生成地物特征,進而將地物特征輸入空間金字塔池化層中進行不同尺度的池化操作,得到固定維度特征,將固定維度特征輸入全連接層進行特征拼接,最后將特征拼接后的固定維度特征輸入激活函數(shù)層中進行分類識別,得到候選區(qū)域特征圖,通過空間金字塔池化層使得不同尺度的圖像在到達全連接層之前歸一化為相同尺寸的特征向量,能夠?qū)崿F(xiàn)影像數(shù)據(jù)的多尺度輸入,并且通過全連接層進行特征拼接,實現(xiàn)了對不同巖石巖性概率的分類識別。
26、在一種可選的實施方式中,對候選區(qū)域特征圖進行邊框回歸檢測,得到地質(zhì)巖石巖性的識別分類結(jié)果,包括:
27、基于樣本影像數(shù)據(jù)集確定標記識別區(qū)域;
28、基于標記識別區(qū)域和候選區(qū)域特征圖中的候選區(qū)域,利用邊框回歸算法確定候選區(qū)域的位置偏移量;
29、基于候選區(qū)域的位置偏移量對候選區(qū)域特征圖進行位置調(diào)整;
30、對位置調(diào)整后的候選區(qū)域特征圖進行分類統(tǒng)計,得到地質(zhì)巖石巖性的識別分類結(jié)果。
31、本實施例提供的地質(zhì)巖石巖性的識別分類方法,通過基于樣本影像數(shù)據(jù)集確定標記識別區(qū)域,基于標記識別區(qū)域和候選區(qū)域特征圖中的候選區(qū)域,利用邊框回歸算法確定候選區(qū)域的位置偏移量,進而基于候選區(qū)域的位置偏移量對候選區(qū)域特征圖進行位置調(diào)整,最后對位置調(diào)整后的候選區(qū)域特征圖進行分類統(tǒng)計,得到地質(zhì)巖石巖性的識別分類結(jié)果,通過對候選區(qū)域特征圖進行位置調(diào)整,使得候選區(qū)域特征圖的位置接近于標記識別區(qū)域,實現(xiàn)了對候選區(qū)域特征圖中候選區(qū)域的準確定位,提高了地質(zhì)查勘中巖石巖性識別的準確率。
32、第二方面,本專利技術(shù)提供了一種地質(zhì)巖石巖性的識別分類裝置,該裝置包括:
33、影像處理模塊,用于獲取地質(zhì)巖石巖性影像,對地質(zhì)巖石巖性影像進行影像處理,得到樣本影像數(shù)據(jù)集;
34、判別模塊,用于基于樣本影像數(shù)據(jù)集,利用圖像分類模型和區(qū)域生成模型進行類目判別,得到候選區(qū)域特征圖;
35、檢測模塊,用于對候選區(qū)域特征圖進行邊框回歸檢測,得到地質(zhì)巖石巖性的識別分類結(jié)果。
36、第三方面,本專利技術(shù)提供了一種計本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種地質(zhì)巖石巖性的識別分類方法,其特征在于,所述方法包括:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述對所述地質(zhì)巖石巖性影像進行影像處理,得到樣本影像數(shù)據(jù)集,包括:
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述基于所述樣本影像數(shù)據(jù)集,利用圖像分類模型和區(qū)域生成模型進行類目判別,得到候選區(qū)域特征圖,包括:
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述基于所述樣本影像數(shù)據(jù)集中樣本影像,利用所述區(qū)域生成模型選取候選區(qū)域,包括:
5.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述圖像分類模型包括卷積層、空間金字塔池化層、全連接層和激活函數(shù)層;所述基于所述候選區(qū)域,利用所述圖像分類模型進行特征提取,得到所述候選區(qū)域特征圖,包括:
6.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述對所述候選區(qū)域特征圖進行邊框回歸檢測,得到地質(zhì)巖石巖性的識別分類結(jié)果,包括:
7.一種地質(zhì)巖石巖性的識別分類裝置,其特征在于,所述裝置包括:
8.一種計算機設備,其特征在于,包括:
9.一種計算機可讀存儲介質(zhì),其特征
10.一種計算機程序產(chǎn)品,其特征在于,包括計算機指令,所述計算機指令用于使計算機執(zhí)行權(quán)利要求1至6中任一項所述的地質(zhì)巖石巖性的識別分類方法。
...【技術(shù)特征摘要】
1.一種地質(zhì)巖石巖性的識別分類方法,其特征在于,所述方法包括:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述對所述地質(zhì)巖石巖性影像進行影像處理,得到樣本影像數(shù)據(jù)集,包括:
3.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述基于所述樣本影像數(shù)據(jù)集,利用圖像分類模型和區(qū)域生成模型進行類目判別,得到候選區(qū)域特征圖,包括:
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述基于所述樣本影像數(shù)據(jù)集中樣本影像,利用所述區(qū)域生成模型選取候選區(qū)域,包括:
5.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述圖像分類模型包括卷積層、空間金字塔池化層、全連接層和激活函數(shù)層;所述基于所述候選區(qū)域,利用所述圖像分類模型進行...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員:張超,張群,徐齊行,付燕飛,劉丹,
申請(專利權(quán))人:上海勘測設計研究院有限公司,
類型:發(fā)明
國別省市:
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。