[發(fā)明專利]一種基于分布外檢測(cè)的礦物識(shí)別方法與系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310655461.1
• 申請(qǐng)日: 2023-06-05
• 公開（公告）號(hào): CN116580307A
• 公開（公告）日: 2023-08-11
• 發(fā)明（設(shè)計(jì)）人: 季曉慧;楊陽(yáng);楊眉;何明躍;曾姍;王玉柱
• 申請(qǐng)（專利權(quán)）人: 中國(guó)地質(zhì)大學(xué)（北京）
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京頭頭知識(shí)產(chǎn)權(quán)代理有限公司 11729
• 代理人: 白芳仿;劉鋒

1.一種基于分布外檢測(cè)的礦物識(shí)別方法與系統(tǒng)，其特征在于，所述基于分布外檢測(cè)的礦物識(shí)別方法與系統(tǒng)包括卷積神經(jīng)網(wǎng)絡(luò)和單類支持向量機(jī)，所述方法包括2步訓(xùn)練：

訓(xùn)練步驟1：固定單類支持向量機(jī)的參數(shù)令其輸出判別為已知類礦物，將帶有標(biāo)簽的礦物圖像輸入卷積神經(jīng)網(wǎng)絡(luò)，設(shè)置卷積神經(jīng)網(wǎng)絡(luò)的相應(yīng)參數(shù)進(jìn)行訓(xùn)練，得到能夠識(shí)別已知類礦物的卷積神經(jīng)網(wǎng)絡(luò)；

訓(xùn)練步驟2：固定訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)權(quán)重，將帶有同樣標(biāo)簽的礦物圖像輸入卷積神經(jīng)網(wǎng)絡(luò)并將第2層輸出的特征向量輸入單類支持向量機(jī)，設(shè)置核函數(shù)等參數(shù)后訓(xùn)練單類支持向量機(jī)，得到已知類礦物所在的高維空間超平面；

訓(xùn)練完成后實(shí)際識(shí)別時(shí)將待識(shí)別的礦物圖像輸入系統(tǒng)，系統(tǒng)首先用單類支持向量機(jī)判斷該待識(shí)別礦物是否在已知類礦物所在的高維空間超平面上，如果不在則其為未知類礦物，輸出待識(shí)別礦物為未知類，如果在已知類礦物所在的高維空間超平面上則其為已知類礦物，繼續(xù)卷積神經(jīng)網(wǎng)絡(luò)第3層及之后的相關(guān)識(shí)別操作，輸出待識(shí)別礦物可能為各已知類別的概率。