【技术实现步骤摘要】
本说明书实施例涉及矿产资源勘查，尤其涉及一种基于深度学习的伟晶岩型锂矿预测方法及装置。
技术介绍
1、近些年来，全球绿色低碳经济的发展大大加速了国际社会对锂资源需求的增长。由于伟晶岩型锂矿的分布范围不像卤水型锂矿那样局限于少数几个盆地，且品位较高、具有较为成熟的开采和提炼技术，因此重新受到了工业界及学术界的广泛关注。
2、在我国，锂作为一种战略性紧缺矿产，通过矿产勘查增加锂矿资源储量是解决锂矿资源供需矛盾的关键一环。
3、然而，随着勘查程度的提高，在中国东部发现大型伟晶岩型锂矿的机会越来越少，找矿工作的重点不得不转向海拔高、切割深、进入难，工作程度低的西部地区。但是，西部地区面积广大，全面系统深入的实地调查难度很大，如何将有限的人力、物力、财力、时间投入到最有希望的地区成为伟晶岩型锂矿勘查首先要解决的问题，这迫切需要高效、低成本找矿技术方法的出现。
4、因此，如何快速、有效的识别一批具有一定形态、规模和空间展布的含锂伟晶岩脉成为锂矿找矿勘查技术研究的难点。
技术实现思路
1、有鉴于此，本说明书实施例提供了一种基于深度学习的伟晶岩型锂矿预测方法及装置，能够快速、有效的识别一批具有一定形态、规模和空间展布的含锂伟晶岩脉。
2、本说明书实施例提供一种基于深度学习的伟晶岩型锂矿预测方法，包括：
3、获取待采集区域的多个不同类型的数据，并将各种类型数据的空间坐标转换至同一空间坐标系，生成地学空间数据库；
4、对所述地学空
5、基于所述目标区域的预测要素图、掩膜图和预测标签图，生成训练数据集和验证数据集，所述目标区域为所述待采集区域中已勘查出伟晶岩型锂矿体的区域；
6、采用所述训练数据集和所述验证数据集，对预设的全卷积神经网络进行训练，生成预测模型；
7、基于所述预测模型，查明所选取的待采集区域的伟晶岩型锂矿分布情况。
8、本说明书实施例还提供一种基于深度学习的伟晶岩型锂矿预测装置，包括：
9、数据获取单元，获取待采集区域的多个不同类型的数据，并将各种类型数据的空间坐标转换至同一空间坐标系，生成地学空间数据库；
10、数据处理单元，对所述地学空间数据库中的各种类型的数据进行栅格化处理，生成预测要素图、掩膜图和预测标签图；
11、数据生成单元，基于所述目标区域的预测要素图、掩膜图和预测标签图，生成训练数据集和验证数据集，所述目标区域为所述待采集区域中已勘查出伟晶岩型锂矿体的区域；
12、处理单元，采用所述训练数据集和所述验证数据集，对预设的全卷积神经网络进行训练，生成预测模型；以及基于所述预测模型，查明所选取的待采集区域的伟晶岩型锂矿分布情况。
13、采用本说明书实施例提供的基于深度学习的伟晶岩型锂矿预测方法，通过对待采集区域的多个不同类型的数据进行空间坐标转换，能够生成地学空间数据库，接着通过对地学空间数据库中的各种类型的数据进行栅格化处理，能够生成预测要素图、掩膜图和预测标签图，进而基于目标区域的预测要素图、掩膜图和预测标签图，能够生成训练数据集和验证数据集。由于目标区域为待采集区域中已勘查出伟晶岩型锂矿体的区域，因此采用训练数据集和验证数据集，对预设的全卷积神经网络进行训练时，得到的预测模型具有更好的泛化能力，使得预测模型能够更好的学习多个不同类型的数据的空间结构与目标之间的关系，从而能够更全面、客观的反映综合信息与目标之间的复杂映射关系，这样，基于预测模型，能够快速、有效的查明所选取的待采集区域的伟晶岩型锂矿分布情况，进而能够识别一批具有一定形态、规模和空间展布的含锂伟晶岩脉。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的伟晶岩型锂矿预测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述对所述地学空间数据库中的各种类型的数据进行栅格化处理，生成预测要素图、掩膜图和预测标签图，包括：
3.根据权利要求2所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述多个不同类型的数据包括：地质数据、物探数据、化探数据、遥感数据，以及掩膜数据；
4.根据权利要求2所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述按照预设的第二网格，对所述待采集区域的掩膜空间分布图进行处理，形成所述掩膜图，包括：
5.根据权利要求1所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述基于所述目标区域的预测要素图、掩膜图和预测标签图，生成训练数据集和验证数据集，包括：
6.根据权利要求1所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述采用所述训练数据集和所述验证数据集，对预设的全卷积神经网络进行训练，生成预测模型，包括：
7.根据权利要求1或6所述的基于深度学
8.根据权利要求7所述的伟晶岩型锂矿预测方法，其特征在于，所述Ⅰ类卷积层的激活函数为：
9.根据权利要求1所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述基于所述预测模型，查明所选取的待采集区域的伟晶岩型锂矿分布情况，包括：
10.一种基于深度学习的伟晶岩型锂矿预测装置，其特征在于，包括：
...【技术特征摘要】
1.一种基于深度学习的伟晶岩型锂矿预测方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述对所述地学空间数据库中的各种类型的数据进行栅格化处理，生成预测要素图、掩膜图和预测标签图，包括：
3.根据权利要求2所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述多个不同类型的数据包括：地质数据、物探数据、化探数据、遥感数据，以及掩膜数据；
4.根据权利要求2所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述按照预设的第二网格，对所述待采集区域的掩膜空间分布图进行处理，形成所述掩膜图，包括：
5.根据权利要求1所述的基于深度学习的伟晶岩型锂矿预测方法，其特征在于，所述基于所述目标区域的预测要...
【专利技术属性】
技术研发人员：娄德波，王登红，王成辉，李婉悦，解启丽，
申请(专利权)人：中国地质科学院矿产资源研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。