公开(公告)号：CN118135565A

公开(公告)日：2024-06-04

申请号：CN202410535302.2

申请日：2024-04-30

Applicant: 昆明理工大学

Inventor： 唐浩珀 ,  和丽芳 ,  黄斌 ,  程惯瑞 ,  何济帆 ,  黄宋魏

IPC: G06V20/69 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及基于深度学习的金属矿物成分识别方法。包括如下步骤：先通过对大量目标矿物光片图像使用labelme软件进行标记，将图像中的不同矿物进行手动标记分类，将生成的json文件处理成“coco”数据集对应格式的标签文件，用Mask R‑CNN深度学习模型结合“coco”预训练权重对图像进行迁移学习。最后使用预测脚本调用训练权重和输入所需要检测的目标矿物图像，则可清楚地得到不同矿物成分标注分类的图像。本发明通过先进的深度学习技术来对金属矿物光片图像进行矿物成分识别，能够实现矿物成分的精准测量，并且有效地用计算机代替人工实现了对矿物成分的识别。