本发明公开了一种基于岩石薄片显微图像深度学习的岩石分类方法,以采集偏光显微镜下岩石薄片显微图像作为原始数据,利用数据增强技术扩大其数据量并制作RockDataset数据集,然后将RockDataset输入到改进的ResNet50模型中进行深度迁移学习训练和参数优化,最终得到高精度的岩石分类识别深度学习模型RockNet,应用RockNet可以准确预测岩石类型的名称和置信度。本发明无需专业的岩石镜下鉴定知识,可以大大提高岩石分类的效率和准确度(高达98%以上),避免人为的错误,促进岩石薄片分类的智能化和自动化,更好地服务于地质教学、科研与生产。
声明:
“基于岩石薄片显微图像深度学习的岩石分类方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)