基于深度学习的岩石图像识别.pdf

摘要 摘要 随着计算机技术的崛起，地质调查工作方式产生了巨大的变革。岩石图像识别是 地质学研究的一个重要领域，也是地质调查工作的一项重要内容。在目前的岩性识别 工作中，仍需专业人员对野外获取的岩石标本制备岩石薄片进行分析，整个流程工作 量大，时间周期长。为优化此流程，本文提出基于深度学习的岩石图像识别方法，探 索岩石新鲜剖面图像的自动识别。 一方面，本文提出了基于深度学习的岩石岩性自动识别方法。针对岩石新鲜剖面 图像，结合迁移学习方法，通过对预训练模型的冻结与微调，实现了基于VGG 、ResNet 和DenseNet 的岩石图像识别模型，获得了岩石岩性识别最佳实践。对比分析表明， DenseNet 网络结构深度大、连接稠密，作为模型的特征提取器，可以在岩石新鲜剖面 数据集上获得最佳识别效果，其中模型myDenseNet-all 在测试集上的F 1 为89.84%， 准确率为94.48% 。 另一方面，针对地质人员野外离线作业环境，本文研究了岩石识别模型的压缩和 移动端部署。通过轻量化模型设计、网络剪枝和模型量化的思想，设计并实现了岩石 图像识别的压缩模型，大幅降低模型大小。实验表明，先进行0.1 阈值的通道稀疏化， 再量化整个模型，可以在降低模型大小的同时，获得最佳的模型精度。模型在移动端 测试集上的F1 为89.02%，准确率达94.14% ，大小仅18.7MB ，适用于野外离线条件 下，岩石图像的快速精准识别。 本文通过以上两方面的研究，实现了基于深度学习的岩石新鲜剖面图像自动识别， 获得了岩石岩性识别最佳实践；模型压缩与移动端部署，实现了野外离线条件下的岩 石岩性自动识别，得出了野外地质调查工作中岩石识别问题的全新解决方案。 关键词：岩石图像，岩性识别，迁移学习，模型压缩 I 目录 目录 摘要I ABSTRACTII 1 绪论1 1.1 研究背景及意义1 1.2 国内外研究进展2 1.2.1 岩石图像识别 2 1.2.2 深度学习技术 4 1.3 研究内容6 1.4 论文技术路线6 1.5 论文组织结构8 2 相关理论基础10 2.1 深度学习基础10 2.1.1 从生物神经网络到人工神经网络10 2.1.2 从人脑视觉机理到计算机视觉11 2.1.3 卷积神经网络 12 2.2 岩石岩性基础13 2.2.1 岩石岩性 13 2.2.2 岩石岩性识别 13 2.3 本章小结14 3 基于深度学习的岩石图像识别方法研究15 3.1 识别方法设计15 3.1.1 迁移学习 15 3.1.2 特征提取器 17 3.1.3 损失函数和优化器 19 3.1.4 分类器20 3.1.5 评价指标 21 3.2 数据集的建立22 3.2.1 数据来源 22 3.2.2 数据标注 23 3.2.3 数据集划分 23 3.2.4 数据增强 23 3.3 实验过程26 3.3.1 实验环境26 3.3.2 模型建立 26 3.4 实验结果与对比分析29 3.5 本章小结31 4 岩石识别模型压缩研究 32 4.1 压缩方法设计32 III 目录 4.1.1 基于深度可分离卷积的压缩方法32 4.1.2 基于网络剪枝和模型量化的压缩方法33 4.2 实验过程36 4.2.1 实验环境36 4.2.2 模型建立 37 4.3 实验结果与对比分析39 4.4 模型移动端部署与对比分析42 4.4.1 模型部署 42 4.4.2 模型推理与对比分析 44