基于光学特征与莫氏硬度融合的岩性识别方法

    公开(公告)号:CN116229223B

    公开(公告)日:2025-05-16

    申请号:CN202310025565.4

    申请日:2023-01-09

    Abstract: 本发明公开了一种基于光学特征与莫氏硬度融合的岩性识别方法,包括构建图像分类模型,加载预训练权重,通过MSI方法仿真莫氏硬度,并加入到图像分类模型中;构建MFI‑TF模型,输入批量样本,输出预测值为一个序列,将预测序列中最大值的索引值作为预测类别;判断批量样本是否为训练集中的样本,若是,则根据预测序列与实际类别计算损失值,更新模型的权重;否则计算预测的准确率;判别当前准确率是否高于历史训练的最优准确率,若是,则保存最优模型权重;否则重复训练直至完成所有模型的训练,并根据准确率筛选出排名前n个模型用于构建CVCR模型,训练完成后,输出最终的岩性预测结果。本发明能实现自动化岩性识别,且提高了识别效率和准确率。

    基于ViT框架的多类目岩矿快速分类方法、设备及存储介质

    公开(公告)号:CN114219988A

    公开(公告)日:2022-03-22

    申请号:CN202111409265.3

    申请日:2021-11-25

    Abstract: 本发明提出了一种基于ViT框架的多类目岩矿快速分类方法、设备及存储介质,通过构建自然岩矿图像识别模型,其中自然岩矿图像识别模型的预处理模块对岩矿图像数据进行特征预提取和抑制过拟合处理,并输入至数据处理模块中进行参数训练和Token提取,再输入至结果处理模块根据所述参数训练和Token提取结果进行Token分离和类别映射并输出分类结果。本发明在构建自然岩矿图像识别模型时,在采用迁移卷积联合ViT框架的基础上,加入了STFE模块、ECTG模块、Mlti‑Head P‑Attention模块以及RCLinaer层,从而减缓过拟合,提升映射的容错率,更加精确完整地提取图像数据的特征,实现了减少岩矿图像数据中干扰因素对分类结果的影响,在大容量多类目的情况下实现对岩矿图像的快速精准识别的目的。

    基于光学特征与莫氏硬度融合的岩性识别方法

    公开(公告)号:CN116229223A

    公开(公告)日:2023-06-06

    申请号:CN202310025565.4

    申请日:2023-01-09

    Abstract: 本发明公开了一种基于光学特征与莫氏硬度融合的岩性识别方法,包括构建图像分类模型,加载预训练权重,通过MSI方法仿真莫氏硬度,并加入到图像分类模型中;构建MFI‑TF模型,输入批量样本,输出预测值为一个序列,将预测序列中最大值的索引值作为预测类别;判断批量样本是否为训练集中的样本,若是,则根据预测序列与实际类别计算损失值,更新模型的权重;否则计算预测的准确率;判别当前准确率是否高于历史训练的最优准确率,若是,则保存最优模型权重;否则重复训练直至完成所有模型的训练,并根据准确率筛选出排名前n个模型用于构建CVCR模型,训练完成后,输出最终的岩性预测结果。本发明能实现自动化岩性识别,且提高了识别效率和准确率。

Patent Agency Ranking