基于机器学习的矿物智能识别方法研究进展与展望
郝慧珍1
顾庆2
胡修棉3
1.南京大学软件学院,江苏南京 210023;南京工程学院信息与通信工程学院,江苏南京 2111672.南京大学软件学院,江苏南京 210023;南京大学计算机科学与技术系,江苏南京 2100233.南京大学地球科学与工程学院,江苏南京 210023
摘要：矿物智能识别是地球科学与信息科学的重要交叉方向,显示出强大的生命力.本文在调研国内外研究动态的基础上,把矿物智能识别划分为4个阶段,即矿物采集、数据获取、模型构建、分类判别;根据测试方法和获得的数据类型,把矿物智能识别分为基于化学成分、显微光学图片、光谱分析的3条基本路线;总结了应用于矿物智能识别的机器学习方法和技术,包括统计学习、线性回归模型、距离度量模型、树结构模型、神经网络模型及其与样本问题相关的新技术.在此基础上,提出消除地质学与人工智能的鸿沟、建设可用于学习的高质量矿物数据集、完善适合矿物智能识别的机器学习方法、增进模型可解释性、加强工业推广的实践是该领域未来的重点发展方向.
关键词：机器学习矿物智能识别矿物学人工智能地质学
分类号：P575(矿物学)
资助基金：国家自然科学基金(No.41972111)科学技术部第二次青藏高原科学考察研究计划项目(No.STEP2019QZKK020405)
论文发表日期：2021-09-15
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：16( 3091-3106 )
英文信息