基于深度学习的体视镜下碎屑矿物的智能识别研究
李辉1
韩宗珠2
1.中国海洋大学 海洋地球科学学院,山东青岛 2661002.中国海洋大学 海洋地球科学学院,山东青岛 266100;海底科学与探测技术教育部重点实验室,山东青岛 266100
摘要：碎屑矿物鉴定是沉积物矿物学研究中重要的组成部分.常规的体视镜下碎屑矿物鉴定是一项漫长、复杂且容易出错的任务,必须由训练有素的实验人员执行.这是一项乏味的工作,因为碎屑矿物体积小并且缺乏明显的特征,试验人员的疲劳会导致工作效率的降低甚至矿物的错误识别,并且矿物种类的识别结果也会受到试验人员的主观影响.计算机视觉和深度学习技术使碎屑矿物鉴定的智能化成为可能.为了提高碎屑矿物鉴定统计工作的效率,文中制作了体视镜下碎屑矿物图像数据集,训练优化YOLO v3网络实现了 11类碎屑矿物的目标检测.实验显示,在训练的过程中,随着训练次数的增加,模型的损失函数不断减小,最后趋于稳定.使用顶光图像和融合图像训练的模型map值分别为91.03％和89.91％,说明试验所训练的模型具有较好的目标检测识别精度.在此基础上编写了一款碎屑矿物鉴定统计辅助软件,在文中碎屑矿物样品的鉴定过程中,使用该软件可以减少85％～90％的人工鉴定工作量.
关键词：目标检测碎屑矿物YOLO v3深度学习智能地质学
分类号：P67(天文学、地球科学)
资助基金：国家自然科学基金(41376053)
论文发表日期：2025-04-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：9( 41-49 )
英文信息