详情

原文传递一种基于激光诱导击穿光谱的岩石分类方法

专利名称：	一种基于激光诱导击穿光谱的岩石分类方法
摘要：	本发明公开了一种基于激光诱导击穿光谱的岩石分类方法，包括以下步骤：1）制作岩石样品；2）用激光诱导击穿光谱装置采集岩石样品的光谱图像，将所得光谱图像进行图像预处理后分成三组数据集；3）将由光谱图像构成的数据集作为输入端建立卷积神经网络模型，并对卷积神经网络模型进行优化与测试；通过基于谱图图像识别的卷积神经网络结合激光诱导击穿光谱技术实现对岩石样品的准确分类。
专利类型：	发明专利
国家地区组织代码：	四川;51
申请人：	四川大学
发明人：	段忆翔;陈君玺
专利状态：	有效
申请日期：	2019-03-07T00:00:00+0800
发布日期：	2019-07-05T00:00:00+0800
申请号：	CN201910172562.7
公开号：	CN109975273A
代理机构：	成都其高专利代理事务所(特殊普通合伙)
代理人：	梁周霆
分类号：	G01N21/71(2006.01);G;G01;G01N;G01N21
申请人地址：	610065 四川省成都市武侯区一环路南一段24号
主权项：	1.一种基于激光诱导击穿光谱的岩石分类方法，其特征在于：包括以下步骤： 1)制作岩石样品； 2)用激光诱导击穿光谱装置采集岩石样品的光谱图像，将所得光谱图像进行图像预处理后分成三组数据集； 3)将由光谱图像构成的数据集作为输入端建立卷积神经网络模型，并对卷积神经网络模型进行优化与测试。 2.根据权利要求1所述的一种基于激光诱导击穿光谱的岩石分类方法，其特征在于：所述步骤1)包括以下具体步骤： 1.1)将岩石碎屑放置于玛瑙研钵中研磨至粉末状； 1.2)将粉末状的岩石在6-20MPa的压强下支撑片状的岩石样品。 3.如权利要求1所述的一种基于激光诱导击穿光谱的岩石分类方法，其特征在于：所述步骤2)包括以下具体步骤： 2.1)利用激光诱导击穿光谱装置对不同类别的岩石样品在多个不同测量位点进行激光诱导击穿光谱图像采集，采集波段为180nm～580nm，每个采样部位累积2次以上脉冲激光； 2.2)图像预处理：将采集到岩石样品的激光诱导击穿光谱图像进行灰度化和归一化处理； 2.3)将经过灰度化和归一化处理后的激光诱导击穿光谱图像分成三组数据集合：训练集、交叉验证集和测试集，并将三组数据集相互独立。 4.权利要求3所述的一种基于激光诱导击穿光谱的岩石分类方法，其特征在于：所述灰度化和归一化处理的具体步骤为： 2.2.1)通过公式：(R、G、B分别为红、绿、蓝三个颜色分量)设置所得光谱图中每一个像素点的灰度值，将图像转化为灰度图； 2.2.2)通过公式：对图像进行归一化处理，将每一像素点的灰度值缩放至0-1之间。 5.权利要求3所述的一种基于激光诱导击穿光谱的岩石分类方法，其特征在于：所述步骤3)包括以下具体步骤： 3.1)构建卷积神经网络模型框架； 3.2)经过步骤3.1)后，将训练集作为输入端搭建卷积神经网络模型，并对卷积神经网络模型进行优化与测试，计算优化前后交叉验证集的损失以及测试集的预测准确率。 6.根据权利要求5所述的一种基于激光诱导击穿光谱的岩石分类方法，其特征在于：搭建的卷积神经网络框架由若干卷积层、若干池化层和全连接层组成。 7.根据权利要求5所述的一种基于激光诱导击穿光谱的岩石分类方法，其特征在于：在对所述卷积神经网络模型进行优化时，采用数据增强与Dropout正则化的方法。 8.根据权利要求3～7任一项所述的一种基于激光诱导击穿光谱的岩石分类方法，其特征在于：还包括对所述卷积神经网络模型的泛化能力及鲁棒性验证：利用交叉验证集的损失和测试集的预测准确率来判断卷积神经网络模型的泛化能力与鲁棒性。
所属类别：	发明专利