基于岩样细观图像深度学习的岩性自动分类方法

在现阶段的岩土工程中,通常采用人工识别的方法来判别岩样种类,不仅耗时长、专业性强,还易受主观因素影响,准确率不理想.随着计算机技术的发展,机器学习逐渐被应用于岩性的自动识别,开启了岩样分类的新路径.本文以重庆市主城区4种典型岩样(泥岩、砂质泥岩、泥质砂岩和砂岩)的细观图像为研究对象,基于Inception V3卷积网络模型和迁移学习算法,建立了岩样细观图像深度学习模型,并完成了训练学习.结果 显示:模型在训练1000次后,训练集中的分类准确率达到92.77％,验证集中的分类准确率为76.31％.其中,验证集中的砂岩识别准确率为97.28％,泥岩识别准确率为81.85％,泥质砂岩识别准确率为72.59％,砂质泥岩识别准确率为72.35％.与现有的机器学习方法相比,本识别模型不仅可以自动识别岩性极为相近的岩样,而且具有较好的识别准确率、鲁棒性和泛化能力.