基于深度学习特征提取的岩石图像矿物成分分析

白林^1,2,3,4，姚钰³，李双涛⁵，徐东晶⁶，魏昕⁶

1. 数学地质四川省重点实验室(成都理工大学)2. 成都理工大学地球物理学院3. 成都理工大学管理科学学院4. 国土资源部地质信息技术重点实验室5. 成都理工大学网络安全学院6. 成都理工大学地球科学学院

摘 要：采用深度学习方法进行岩石识别,收集15种常见岩石的图像数据,基于卷积神经网络构建岩石识别深度学习模型,达到63%的识别准确率。分析岩石识别结果,白云岩、灰岩和大理岩等矿物成分接近的岩石容易互相误判,说明矿物成分对于岩石识别是很重要的特征。进一步对卷积神经网络学习过程中产生的特征图分析,成功提取了多种类型岩石中的矿物,如花岗岩中的石英、长石、云母等矿物,闪长岩中的角闪石、斜长石等矿物,千枚岩中的绢云母等矿物,说明深度学习方法能有效提取岩石的矿物成分特征,也说明深度学习方法对于岩石识别的有效性,同时有助于按矿物成分进行岩石定名。对岩石识别是有效的。

关键词：岩石识别;人工智能;深度学习;卷积神经网络;特征提取;