-
公开(公告)号:CN118692081A
公开(公告)日:2024-09-24
申请号:CN202410700729.3
申请日:2024-05-31
Applicant: 长江大学
IPC: G06V20/69 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/096
Abstract: 本发明提供一种基于目标检测的烃源岩有机显微组分的智能识别技术方法,包括以下步骤:采集烃源岩样品,样品制片处理后,拍摄在反射光与荧光下的高分辨率图像;建立带标签数据集;利用Mosaic数据增强扩展数据量;结合轻量EfficientNetB2提升Faster‑RCNN模型速率;利用迁移学习及Focal Loss函数解决样品不平衡问题,实现模型最优化;将待识别图像输入优化模型,得到识别后的结果图。本发明采用数据增强、迁移学习、网络结构调整与损失函数优化的策略,有效解决了烃源岩有机显微组分识别中的低效、费时和主观性问题,实现了识别过程的自动化与高精度,大幅降低了烃源岩有机显微组分分析的人力与时间成本,不仅促进了AI技术在地质学的应用,还为有机岩石学研究带来了新方法与思路。
-
公开(公告)号:CN119723572A
公开(公告)日:2025-03-28
申请号:CN202411787439.3
申请日:2024-12-06
Applicant: 长江大学
IPC: G06V20/69 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/082
Abstract: 本申请公开了一种晶体缺陷类型识别方法、装置、电子设备及存储介质,属于晶体结构分析技术领域,其方法包括:获取白云石晶体的缺陷透射显微图像;根据缺陷类型与透射显微图像的空间维度和成像特征的映射关系,为缺陷透射显微图像添加缺陷类型标签,生成标签缺陷显微图像;将标签缺陷显微图像进行图像预增强,生成标签缺陷训练集;构建初始RetinaNet模型,以缺陷显微图像为输入,缺陷类型为输出,对初始RetinaNet模型进行迭代训练,生成目标晶体缺陷类型识别模型;根据待测晶体的透射显微图像,识别待测晶体缺陷的类型。本发明可以解决现有技术方案不能准确定位识别白云石晶体缺陷和缺陷类型的技术问题。
-