-
题名基于深度学习的岩石矿物智能识别研究进展与发展趋势
- 1
-
-
作者
邓乃尔
徐浩
周文
唐小川
王浩
闫晓闯
蒋柯
-
机构
成都理工大学能源学院(页岩气现代产业学院)
油气藏地质及开发工程全国重点实验室(成都理工大学)
成都理工大学计算机与网络安全学院(示范性软件学院)
-
出处
《成都理工大学学报(自然科学版)》
北大核心
2025年第1期64-93,共30页
-
基金
国家自然科学基金项目(42472189,42202189)
四川省自然科学基金项目(24NSFSC4997)。
-
文摘
随着深度学习技术的迅速发展,岩石矿物的智能识别已成为地质学研究的重要方向。传统的岩石矿物识别方法主要依赖人工经验和半自动系统,而深度学习凭借其卓越的特征提取和自动学习能力,为复杂矿物的自动化智能识别带来了全新解决方案。本文系统分析了基于深度学习的岩石矿物图像识别的最新进展,重点探讨了矿物重构、矿物分类以及矿物分割三大处理任务的研究和应用;对岩石矿物图像特征和模型优化措施进行了总结,并对比了各类卷积神经网络模型在矿物识别中的性能表现。探讨了矿物智能识别在储层精细评价、沉积环境及成岩作用中的应用前景。展望未来,通过结合传统分割算法与深度学习技术,构建“集成图像-智能识别-数据分析-数据应用”一体化结构,并建立基于多模态知识决策的岩石矿物图像识别体系,有望进一步提升岩石矿物智能识别的精度和效率,为地质学研究与矿产资源的勘探开发提供新的思路与方法。
-
关键词
深度学习
卷积神经网络
岩石矿物图像识别
应用前景
发展趋势
-
Keywords
deep learning
convolutional neural networks
rock mineral image recognition
applications prospects
development trends
-
分类号
P57
[天文地球—矿物学]
-
