[發(fā)明專利]一種基于多標簽圖像分類的識別共生或伴生礦物的方法與系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110795094.6
• 申請日: 2021-07-14
• 公開（公告）號: CN113537339B
• 公開（公告）日: 2023-06-02
• 發(fā)明（設計）人: 季曉慧;楊陽;劉丹晨;曾祥;楊眉
• 申請（專利權）人: 中國地質大學（北京）
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/0442;G06N3/045;G06N3/0464;G06N3/08
• 代理公司: 北京頭頭知識產權代理有限公司 11729
• 代理人: 劉鋒

本發(fā)明實施例公開了一種基于多標簽圖像分類的識別共生或伴生礦物的方法與系統(tǒng)，所述系統(tǒng)包括深度學習算法的卷積神經網絡模塊和長短期記憶網絡模塊，將帶有多個類別標簽的礦物實物圖片輸入系統(tǒng)進行訓練，訓練完成后將采集的伴生或共生礦物實物圖片輸入系統(tǒng)，系統(tǒng)結合已學習到的多個標簽之間的依賴關系和輸入的采集的伴生或共生礦物圖片特征對礦物所屬類別進行分析預測，輸出圖片中采集的伴生或共生礦物所屬不同類別的概率大小，取概率值大于零的類別為該采集的伴生或共生礦石中所包含礦物的所有類別，本發(fā)明解決了現(xiàn)有礦物識別系統(tǒng)僅能識別單個礦物導致的無法識別生長情況復雜的伴生或共生礦物的問題。

技術領域

本發(fā)明實施例涉及礦物識別技術領域，具體涉及一種基于多標簽圖像分類的識別共生或伴生礦物的方法與系統(tǒng)。

背景技術

在地質研究、礦物開采以及礦產科研等方面，需要對礦產進行識別，傳統(tǒng)識別方法需要結合現(xiàn)有記載的礦物圖片和測量的礦物物理及化學性質進行比對，通常存在著效率低，誤差大的問題。隨著科技進步，深度學習技術的不斷發(fā)展，逐漸出現(xiàn)礦物智能識別技術，礦物智能識別技術，是一種采用圖像識別方法的數(shù)字化識別分類礦物的技術。多使用深度學習算法對礦物實物圖片進行識別分類。通常先采集大量礦物實物圖片用于深度學習算法的卷積神經網絡訓練，訓練好后即可用于完成礦物的識別任務。

然而多數(shù)深度學習礦物識別研究采用大量較有區(qū)分度的數(shù)據(jù)集進行卷積神經網絡的訓練，來識別圖片中僅包含一種礦物的情況。但由于現(xiàn)實生活中的礦物的生長環(huán)境較為復雜，多是伴生或共生的礦物，導致深度學習模型不能準確識別出礦物中所包含的所有礦物類別。

發(fā)明內容

為此，本發(fā)明實施例提供一種基于多標簽圖像分類的識別共生或伴生礦物的方法與系統(tǒng)，以解決現(xiàn)有識別方法僅能對單一礦物進行識別導致的無法識別出共生或伴生礦物中所有礦物的問題。

為了實現(xiàn)上述目的，本發(fā)明實施例提供如下技術方案：

根據(jù)本發(fā)明實施例，公開了一種基于多標簽圖像分類的識別共生或伴生礦物的系統(tǒng)，所述基于多標簽圖像分類的識別共生或伴生礦物系統(tǒng)包括深度學習算法的卷積神經網絡模塊和長短期記憶網絡模塊，訓練時將帶有多類別標簽的礦物圖片以及礦物的多個標簽輸入卷積神經網絡，得到一維特征值向量；將從卷積神經網絡得到的一維特征值向量輸入到長短期記憶網絡，得到未歸一化的一維概率值向量；將從卷積神經網絡得到的一維特征值向量輸入到全連接網絡，得到另一個未歸一化的一維概率值向量；將從長短期記憶網絡輸出的未歸一化的一維概率值向量和全連接網絡輸出得到的未歸一化的一維概率值向量相加得到一個新的未歸一化的一維概率值向量；將新的未歸一化的一維概率值向量進行歸一化處理，輸出待識別礦物所屬不同類別的概率大小。訓練完成后將采集的礦物實物圖片輸入系統(tǒng)，系統(tǒng)結合已學習到的標簽之間的依賴關系和輸入的采集的伴生或共生礦物圖片特征對礦物所屬類別進行分析預測，輸出采集的伴生或共生礦物所屬不同類別的概率大小，取概率值大于零的類別為該采集的伴生或共生礦石所包含的所有類別。

本發(fā)明實施例具有如下優(yōu)點：

本發(fā)明實施例公開了一種基于多標簽圖像分類的識別共生或伴生礦物的系統(tǒng)及方法，將帶有多個類別標簽的礦物圖片輸入卷積神經網絡模塊和長短期記憶網絡模塊進行預訓練，訓練完成后將采集到的礦物實物圖片輸入系統(tǒng)，輸出礦物所屬不同類別的概率大小，取概率大于零的所屬類別為該礦石中包含的所有類別，該方法能更加準確地識別伴生或共生礦物的類型。

附圖說明

為了更清楚地說明本發(fā)明的實施方式或現(xiàn)有技術中的技術方案，下面將對實施方式或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹。顯而易見地，下面描述中的附圖僅僅是示例性的，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖引伸獲得其它的實施附圖。