[發(fā)明專利]基于熱紅外波譜特征和BP神經(jīng)網(wǎng)絡(luò)模型的石榴子石亞類識別方法

有效

• 申請?zhí)枺?/td>: 202010785928.0
• 申請日: 2020-08-06
• 公開（公告）號: CN111950427B
• 公開（公告）日: 2022-02-15
• 發(fā)明（設(shè)計(jì)）人: 代晶晶;劉婷玥;林彬
• 申請（專利權(quán)）人: 中國地質(zhì)科學(xué)院礦產(chǎn)資源研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 張雪梅

1.基于熱紅外波譜特征和BP神經(jīng)網(wǎng)絡(luò)模型的石榴子石亞類的識別方法，其特征在于，所述識別方法包括如下步驟：

獲取已知亞類類型的石榴子石樣本的熱紅外波譜特征數(shù)據(jù)；

利用熱紅外波譜特征數(shù)據(jù)和石榴子石樣本的亞類類型構(gòu)建基于熱紅外波譜特征識別石榴子石亞類的BP神經(jīng)網(wǎng)絡(luò)模型；

獲得待測石榴子石樣本的熱紅外波譜特征數(shù)據(jù)，輸入構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型，識別出待測石榴子石樣本的亞類類型，

其中所述熱紅外波譜特征數(shù)據(jù)是所述石榴子石樣本在9-13μm譜段的反射峰的波長。

2.根據(jù)權(quán)利要求1所述的識別方法，其特征在于，所述熱紅外波譜特征數(shù)據(jù)包括第一反射峰波長、第二反射峰波長、第三反射峰波長以及第三反射峰與第二反射峰的波長差，第三反射峰波長大于第二反射峰波長大于第一反射峰波長；所述石榴子石樣本的亞類類型包括鈣鉻榴石、錳鋁榴石、鐵鋁榴石、鎂鋁榴石、鈣鐵榴石和鈣鋁榴石。

3.基于熱紅外波譜特征識別石榴子石亞類的BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建方法，其特征在于，所述BP神經(jīng)網(wǎng)絡(luò)模型包括輸入層、隱含層和輸出層；所述構(gòu)建方法包括如下步驟：

將已知石榴子石亞類類型和熱紅外波譜特征數(shù)據(jù)的石榴子石樣本分為訓(xùn)練樣本和驗(yàn)證樣本，利用訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練和利用驗(yàn)證樣本對BP神經(jīng)網(wǎng)絡(luò)模型的精度進(jìn)行驗(yàn)證，得到基于熱紅外波譜特征識別石榴子石亞類的BP神經(jīng)網(wǎng)絡(luò)模型；

其中，所述利用訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練包括如下步驟：

將訓(xùn)練樣本的熱紅外波譜特征數(shù)據(jù)作為輸入層的神經(jīng)元和訓(xùn)練樣本的石榴子石亞類類型作為輸出層的神經(jīng)元輸入到BP神經(jīng)網(wǎng)絡(luò)模型中；

對BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進(jìn)行初始化；

正向傳播并計(jì)算輸出層的輸出值，利用激活函數(shù)增加BP神經(jīng)網(wǎng)絡(luò)模型的非線性；

若未達(dá)到終止條件則計(jì)算輸出層的輸出值與期望輸出值的誤差轉(zhuǎn)為誤差反向反饋；

利用優(yōu)化方法修正權(quán)值進(jìn)行誤差反向反饋，達(dá)到終止條件則終止訓(xùn)練；

采用輸出層函數(shù)對輸出值進(jìn)行處理，

其中所述熱紅外波譜特征數(shù)據(jù)是所述石榴子石樣本在9-13μm譜段的反射峰的波長。

4.根據(jù)權(quán)利要求3所述的構(gòu)建方法，其特征在于，所述熱紅外波譜特征數(shù)據(jù)包括第一反射峰波長、第二反射峰波長、第三反射峰波長以及第三反射峰與第二反射峰的波長差，第三反射峰波長大于第二反射峰波長大于第一反射峰波長；

所述石榴子石亞類類型為鈣鉻榴石、錳鋁榴石、鐵鋁榴石、鎂鋁榴石、鈣鐵榴石和鈣鋁榴石。

5.根據(jù)權(quán)利要求3所述的構(gòu)建方法，其特征在于，所述對BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進(jìn)行初始化包括設(shè)置隱含層的層數(shù)、隱含層的神經(jīng)元數(shù)、激活函數(shù)、優(yōu)化方法、終止條件和輸出層函數(shù)。

6.根據(jù)權(quán)利要求3所述的構(gòu)建方法，其特征在于，初始化BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)包括設(shè)置優(yōu)化方法為L-BFGS算法。

7.根據(jù)權(quán)利要求3所述的構(gòu)建方法，其特征在于，初始化BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)包括設(shè)置激活函數(shù)為ReLU函數(shù)。

8.根據(jù)權(quán)利要求3所述的構(gòu)建方法，其特征在于，初始化BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)包括設(shè)置輸出層函數(shù)為softmax函數(shù)。

9.根據(jù)權(quán)利要求3所述的構(gòu)建方法，其特征在于，初始化BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)包括設(shè)置隱含層的層數(shù)為1。

10.根據(jù)權(quán)利要求3所述的構(gòu)建方法，其特征在于，初始化BP神經(jīng)網(wǎng)絡(luò)模型的參數(shù)包括設(shè)置隱含層的神經(jīng)元數(shù)為10。

11.一種石榴子石亞類的識別方法，其特征在于，所述識別方法包括如下步驟：

獲取待測石榴子石的熱紅外波譜特征數(shù)據(jù)，所述熱紅外波譜特征數(shù)據(jù)是所述待測石榴子石在9-13μm譜段的反射峰的波長，包括第一反射峰波長、第二反射峰波長、第三反射峰波長以及第三反射峰與第二反射峰的波長差，第三反射峰波長大于第二反射峰波長大于第一反射峰波長，

將所述特征數(shù)據(jù)輸入基于熱紅外波譜特征識別石榴子石亞類的BP神經(jīng)網(wǎng)絡(luò)模型，識別出待測石榴子石的亞類類型，

其中，所述基于熱紅外波譜特征識別石榴子石亞類的BP神經(jīng)網(wǎng)絡(luò)模型根據(jù)權(quán)利要求3所述的方法構(gòu)建。