本发明属于岩石检测技术领域,具体涉及一种LIBS与深度学习结合的岩性分类及主量元素含量检测方法。本发明的方法包括如下步骤:(1)输入岩石样本的LIBS光谱数据;(2)通过CNN模型得到岩性分类和主量元素含量的结果;其中,所述CNN模型的结构包括共享部分、岩性分类部分和元素定量部分;共享部分从LIBS光谱数据中识别和提取的特征;岩性分类部分根据特征预测所述岩性分类的结果;元素定量部分对特征进行进一步提取后预测所述岩石样本中主量元素含量的结果。本发明提供的LIBS与CNN相结合的方法能够同时进行岩性识别和岩石样品中7种主量元素定量分析。本发明的方法在复杂基质效应和相似化学成分的岩石岩性识别和定量分析方面均具有很好的预测性能。
声明:
“LIBS与深度学习结合的岩性分类及主量元素含量检测方法” 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)