季晓慧副教授团队在《Minerals》发表基于深度学习进行矿物识别的研究论文

2021-05-13     发布：[emc全站网页版]    点击：119次

矿物识别是地质分析的重要环节，传统的矿物识别方法或者依赖鉴定者的经验，易受人为主观影响；或者需要借助各种测量仪器，工作量大，野外携带也不方便。为了大幅减少鉴定者的劳动强度，增加结果的客观性，已出现使用矿物图像对矿物进行智能识别的研究，但可识别种类不多，精度有待进一步提高。

针对上述问题，我季晓慧副教授团队利用矿物图像及硬度大数据，开展矿物的智能识别研究，取得了以下主要成果：

（1）提出了结合矿物图像和硬度对矿物进行识别的深度学习方法与系统，可识别矿物类别达36种，大大超过了其他矿物识别方法，精度也高于绝大多数相关方法。

（2）基于所提方法开发了基于安卓和iOS的APP，以方便矿物的快速识别。所开发的APP不依赖于通信及网络信号，可用于野外识别。经测试，目前对36类矿物可达89%的准确率。后续会通过进一步增加训练数据、结合其他矿物特性等方法进一步提高APP的识别类别及精度。

图 1. 结合图像及硬度进行矿物识别的神经网络模型.

(a) 图像特征提取, (b) 硬度特征提取, (c) 图像与硬度特征合并.

图2. App页面.

(a)照相或者从图片库选择待识别的矿物图像, (b) 对待识别的矿物图像进行剪切, (c) 使用图像及硬度进行识别, (d) 仅使用图像进行识别.

上述研究成果发表在期刊《Minerals》，Zeng, X.; Xiao, Y.; Ji, X.; Wang, G. Mineral Identification Based on Deep Learning That Combines Image and Mohs Hardness. Minerals 2021, 11, 506. https://doi.org/ 10.3390/min11050506

全文链接：https://www.mdpi.com/2075-163X/11/5/506/pdf