| 基于ResNet50和迁移学习的岩性识别与分类研究 |
| |
| 引用本文： | 刘晨,赵晓晖,梁乃川,张永新. 基于ResNet50和迁移学习的岩性识别与分类研究[J]. 计算机与数字工程, 2021, 49(12): 2526-2530,2578. DOI: 10.3969/j.issn.1672-9722.2021.12.020 |
| |
| 作者姓名： | 刘晨 赵晓晖 梁乃川 张永新 |
| |
| 作者单位： | 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 |
| |
| 摘 要： | 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.
|
| 关 键 词： | 岩性识别 深度学习 ResNet50 迁移学习 |
Research on Lithology Identification and Classification Based on ResNet50 and Transfer Learning |
| |
| LIU Chen,ZHAO Xiaohui,LIANG Naichuan,ZHANG Yongxin. Research on Lithology Identification and Classification Based on ResNet50 and Transfer Learning[J]. Computer and Digital Engineering, 2021, 49(12): 2526-2530,2578. DOI: 10.3969/j.issn.1672-9722.2021.12.020 |
| |
| Authors: | LIU Chen ZHAO Xiaohui LIANG Naichuan ZHANG Yongxin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
