一种岩石图像分类方法、系统、设备及介质技术方案

本发明专利技术公开了一种岩石图像分类方法、系统、设备及介质，该岩石图像分类方法包括：构建岩石图像分类模型；训练所述岩石图像分类模型；采集目标岩石图像，输入所述目标岩石图像至训练好的岩石图像分类模型，预测岩石类别。本发明专利技术能够更加全面提取岩石图像的特征，提高对岩石图像分类的准确率，提升在岩石图像上的细节区分能力。细节区分能力。细节区分能力。

【技术实现步骤摘要】
一种岩石图像分类方法、系统、设备及介质


[0001]本专利技术涉及图像处理
，具体涉及一种基于融合注意力机制的残差网络或者融合卷积神经网络的残差网络的岩石图像分类方法、系统、设备及介质。

技术介绍

[0002]岩石的识别与分类是地质学研究的一个重要领域，也是地质调查工作的一项重要内容，对岩石的准确分类有助于划分地层年代和建立可靠的地质时间标尺。岩石种类识别在油气勘探和矿产资源勘探等领域中也起到一定的作用。
[0003]传统岩石分类方法主要有物理试验方法和数学分析方法两大类。物理试验方法是指通过对岩石的密度、硬度、渗透率、磁性、电性、热导率、光谱特征等物理性质进行研究和分析，以达到岩石分类的目的。如根据岩石沉积构造特征和岩石成分对陆相咸化湖盆细粒沉积岩进行了类型划分。该类物理试验方法工作量极大，需要专业的仪器设备，且要求研究者有较高的专业素养。数学分析方法指使用数学方法分析岩石特征，以进行岩石分类。该数据分析方法计算量大，对研究人员要求较高，效率低。
[0004]由于岩石种类繁多，特征相近，针对传统岩石分类方法工作量大，依赖专业的仪器设备，对研究者要求较高；传统的机器学习岩石图像分类准确率受限，特征提取有较大的不确定性、以及现有的基于深度学习构建的岩石分类模型无法在局部细节准确区分岩石种类等问题，如何设计一种能够对岩石图像自动准确分类的方法，仍是本领域待解决的技术问题。

技术实现思路

[0005]有鉴于此，本专利技术提出一种基于融合注意力机制的残差网络的岩石图像分类方法、系统、设备及介质，采用注意力机制能着重关注岩石图像重要特征，提升分类模型在岩石图像上的细节区分准确性。
[0006]本专利技术第一方面提供一种岩石图像分类方法，该方法包括：构建岩石图像分类模型；训练岩石图像分类模型；采集目标岩石图像，输入所述目标岩石图像至训练好的岩石图像分类模型，预测岩石类别。
[0007]进一步的，所述构建岩石图像分类模型的步骤包括：选取残差网络Resnet50作为主干网络；在残差网络Resnet50中融合注意力机制，得到岩石图像分类模型。
[0008]进一步的，所述输入所述目标岩石图像至训练好的岩石图像分类模型，预测岩石类别的步骤包括：利用残差网络提取目标岩石图像中多个特征图；采用注意力机制学习每个特征图的权重；将目标岩石图像中每个特征图的权重与特征图的原始特征相乘，得到多种岩石特征。
[0009]进一步的，所述构建岩石图像分类模型的步骤包括：选取残差网络ResNet
‑
18作为主干网络；在残差网络ResNet
‑
18中融合卷积神经网络，得到岩石图像分类模型。
[0010]进一步的，所述输入所述目标岩石图像至训练好的岩石图像分类模型，预测岩石
类别的步骤包括：利用残差网络提取目标岩石图像中多个特征图；采用卷积神经网络方法提取每个特征图中岩石特征，得到多种类型岩石。
[0011]进一步的，所述利用残差网络提取目标岩石图像中多个特征图的步骤包括：将所述目标岩石图像输入残差网络进行卷积处理，得到多个特征图；对多个特征图进行批量归一化处理，并线性修正多个特征图。
[0012]进一步的，所述训练岩石图像分类模型的步骤包括：建立岩石图像样本库，其中所述岩石图像样本库包括多种岩石样本图像数据；拆分所述岩石图像样本库，形成训练集和测试集，其中所述训练集为第一部分岩石样本图像数据；所述测试集为第二部分岩石样本图像数据；根据所述训练集训练所述岩石图像分类模型，得到预训练的岩石图像分类模型；输入所述测试集至预训练的岩石图像分类模型，确定评价参数；确定所述评价参数符合预设要求；基于所述评价参数符合预设要求，确定训练好的岩石图像分类模型。
[0013]本专利技术第二方面提供一种岩石图像分类系统，该系统包括：模型构建模块，用于构建岩石图像分类模型；模型训练模块，用于训练岩石图像分类模型；分类模块，用于采集目标岩石图像，输入所述目标岩石图像至训练好的岩石图像分类模型，预测岩石类别。
[0014]本专利技术第三方面提供一种岩石图像分类设备，该设备包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上所述岩石图像分类方法的步骤。
[0015]本专利技术第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述岩石图像分类方法的步骤。
[0016]上述的岩石图像分类方法及系统，采用融合注意力机制或卷积神经网络的残差网络构建岩石图像分类模型，并利用多种岩石样本图像数据训练和评价岩石图像分类模型，获取目标岩石图像，利用岩石图像分类模型预测岩石类别，能够更加全面提取岩石图像的特征，提高对岩石图像分类的准确率，提升在岩石图像上的细节区分能力。
附图说明
[0017]为了说明而非限制的目的，现在将根据本专利技术的优选实施例、特别是参考附图来描述本专利技术，其中：
[0018]图1是本专利技术实施例一提出的基于融合注意力机制的残差网络的岩石图像分类方法的流程图；
[0019]图2是本专利技术实施例二提出的基于融合卷积神经网络的残差网络的岩石图像分类方法的流程图；
[0020]图3是本专利技术实施例三提出的基于融合注意力机制的残差网络的岩石图像分类系统的结构示意图；
[0021]图4是本专利技术实施例四提出的基于融合注意力机制的残差网络的岩石图像分类系统的结构示意图。
具体实施方式
[0022]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本专利技术的实施例及实施例中的特征可以相互组合。
[0023]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。
[0025]实施例一
[0026]残差网络的特点是容易优化，并且能够通过增加相当的深度来提高准确率。其内部的残差块使用了跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。
[0027]注意力机制可以使得神经网络具备专注于其输入(或特征)子集的能力：选择特定的输入。注意力可以应用于任何类型的输入而不管其形状如何。在计算能力有限情况下，注意力机制(attention mechanism)是解决信息超载问题的主要手段的一种资源分配方案，将计算资源分配给更重要的任务。
[0028]注意力一般分为两种：一种是自上而下的有意识的注意力，称为聚焦式(focus)注意力。聚焦式注意力是指有预定目的、依赖任务的、主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种岩石图像分类方法，其特征在于，包括：构建岩石图像分类模型；训练所述岩石图像分类模型；采集目标岩石图像，输入所述目标岩石图像至训练好的岩石图像分类模型，预测岩石类别。2.根据权利要求1所述的岩石图像分类方法，其特征在于，所述构建岩石图像分类模型的步骤包括：选取残差网络Resnet50作为主干网络；在残差网络Resnet50中融合注意力机制，得到岩石图像分类模型。3.根据权利要求2所述的岩石图像分类方法，其特征在于，所述输入所述目标岩石图像至训练好的岩石图像分类模型，预测岩石类别的步骤包括：利用残差网络提取目标岩石图像中多个特征图；采用注意力机制学习每个特征图的权重；将目标岩石图像中每个特征图的权重与特征图的原始特征相乘，得到多种岩石特征。4.根据权利要求1所述的岩石图像分类方法，其特征在于，所述构建岩石图像分类模型的步骤包括：选取残差网络ResNet
‑
18作为主干网络；在残差网络ResNet
‑
18中融合卷积神经网络，得到岩石图像分类模型。5.根据权利要求4所述的岩石图像分类方法，其特征在于，所述输入所述目标岩石图像至训练好的岩石图像分类模型，预测岩石类别的步骤包括：利用残差网络提取目标岩石图像中多个特征图；采用卷积神经网络方法提取每个特征图中岩石特征，得到多种类型岩石。6.根据权利要求3或5所述的岩石图像分类方法，其特征在于，所述利用残差网络提...

【专利技术属性】
技术研发人员：李昂，郭榕刚，刘硕，
申请(专利权)人：交通运输通信信息集团有限公司，
类型：发明
国别省市：