首页|基于ResNet50和迁移学习的岩性识别与分类研究

基于ResNet50和迁移学习的岩性识别与分类研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
岩性识别与分类对于地质分析具有重要的研究意义,是油藏描述和固体金属矿产资源勘探中的核心环节.传统的岩性识别方法受限于研究者的地质经验和实验设备的质量,受主观因素影响较大.为此提出了一种基于ResNet50网络模型和迁移学习的岩性识别与分类方法,首先使用预训练的ResNet50残差网络进行特征提取,然后利用改进的分类模型进行训练,最后在测试集上进行岩性识别分类.实验的数据集是使用工业相机在录井现场拍摄的岩屑和岩心图像,其中包含深灰色泥岩、深灰色粉砂质泥岩、浅灰色细砂岩等7类共315岩石图片.实验结果表明,所提模型对岩石样本数据的适用性较强,岩性识别准确率达到93.93％,能够很好地区分岩石类型且有较好的泛化能力和鲁棒性,可以满足实际应用需求.
Research on Lithology Identification and Classification Based on ResNet50 and Transfer Learning

刘晨、赵晓晖、梁乃川、张永新

展开 >

山东师范大学数学与统计学院 济南 250358

聊城高级财经职业学校 聊城 252000

岩性识别 深度学习 ResNet50 迁移学习

2019教育部产学合作系统育人项目山东省计算机网络重点实验室开放课题山东师范大学教学改革重点项目

201902009007SDKLCN-2020-052019XD19

2021

10.3969/j.issn.1672-9722.2021.12.020

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(12)
  • 11
  • 8