• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度學(xué)習(xí)的碳酸鹽巖顆粒分類識別

    2023-11-09 12:38:52杜崇嬌余曉露彭金寧馬中良
    關(guān)鍵詞:圖像識別碳酸鹽巖殘差

    杜崇嬌,余曉露,彭金寧,馬中良,王 強(qiáng)

    (1.中國石油化工集團(tuán)公司 油氣成藏重點實驗室,江蘇 無錫 214126;2.中國石油化工股份有限公司 石油勘探開發(fā)研究院 無錫石油地質(zhì)研究所,江蘇 無錫 214126)

    碳酸鹽巖主要有顆粒、泥、膠結(jié)物、晶粒、生物格架5個基本組成部分[1-2]。碳酸鹽巖的結(jié)構(gòu)組分與巖石的沉積環(huán)境、成巖后生作用存在緊密聯(lián)系,在一定程度上可以反映出巖石的成因特征,它不僅是巖石重要的鑒定標(biāo)志,而且是碳酸鹽巖分類和命名的關(guān)鍵依據(jù)。因此,碳酸鹽巖的結(jié)構(gòu)組分特征歷來是研究碳酸鹽巖的重要內(nèi)容。

    傳統(tǒng)的碳酸鹽巖結(jié)構(gòu)組分研究方法是將樣品切成薄片,通過偏光顯微鏡對其進(jìn)行觀察,根據(jù)鏡下呈現(xiàn)的形狀、結(jié)構(gòu)、大小、圓度等特征對結(jié)構(gòu)組分進(jìn)行鑒定,不同組分在薄片中具有不同的鑒定特征。然而,傳統(tǒng)的人工鑒定方法具有耗時長、效率低的缺點,而且由于人的主觀性強(qiáng),給識別工作帶來了較多不必要的錯誤。

    隨著人工智能技術(shù)的快速發(fā)展,圖像識別在導(dǎo)航、地圖與地形配準(zhǔn)、自然資源分析、天氣預(yù)報、環(huán)境監(jiān)測、生理病變研究等許多領(lǐng)域廣泛應(yīng)用[3-5]。人工智能的核心領(lǐng)域是機(jī)器學(xué)習(xí),而深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)中的一項新興技術(shù)[6],其概念是由G.E.Hinton等[7]提出,思想在于通過模仿人類思維對數(shù)據(jù)進(jìn)行學(xué)習(xí)與解釋。深度學(xué)習(xí)因其強(qiáng)大的特征提取能力、良好的遷移和多層學(xué)習(xí)能力,在信息檢索和圖像分析等領(lǐng)域均得到了廣泛應(yīng)用,并取得了卓越的成就。

    近年來,國內(nèi)外許多學(xué)者運(yùn)用深度學(xué)習(xí)的方法開展了巖石樣本自動識別分類的研究工作,有些研究人員采用深度學(xué)習(xí)方法對巖石或礦物標(biāo)本圖像進(jìn)行分類。如張野等[8]以Inception-V3深度卷積神經(jīng)網(wǎng)絡(luò)模型為框架基礎(chǔ),構(gòu)建出巖石圖像集分析的深度學(xué)習(xí)遷移模型,可以有效識別花崗巖、千枚巖和角礫巖;馮雅興等[9]提出了一種基于巖石新鮮面圖像與AlexNet網(wǎng)絡(luò)的孿生卷積神經(jīng)網(wǎng)絡(luò)模型,通過孿生卷積神經(jīng)網(wǎng)絡(luò)提取圖像的全局特征和局部特征信息,然后將特征信息進(jìn)行融合用來識別巖性,識別精度達(dá)89.4%;譚永健等[10]提出了一種基于Xception網(wǎng)絡(luò)的自動化巖石圖像分類方法,使用深度可分離卷積模塊替換Inception-V3網(wǎng)絡(luò)中的卷積操作,同時導(dǎo)入殘差連接機(jī)制,很大程度上減少了模型參數(shù)與計算量,最后再借鑒遷移學(xué)習(xí)思想,提高了圖像分類準(zhǔn)確率。有些研究人員對巖石或礦物顯微圖像進(jìn)行高維特征提取,進(jìn)一步提高巖石鑒定的精度和效率。劉燁等[11]基于圖像的色彩空間和形態(tài)學(xué)梯度,構(gòu)建了特征空間,并運(yùn)用SVM方法實現(xiàn)了100幅巖石薄片圖像的智能自動化分類;Hossein Izadi等[12]構(gòu)建了礦石薄片識別系統(tǒng),通過分析礦石薄片的顏色和紋理特征,利用神經(jīng)網(wǎng)絡(luò)取得了不錯的分類效果;徐述騰等[13]以TensorFlow系統(tǒng)為基礎(chǔ),建立了一種有針對性的U-Net卷積神經(jīng)網(wǎng)絡(luò)模型,通過在礦相顯微鏡下自動提取礦石礦物的深層特征信息,從而實現(xiàn)了鏡下礦石礦物的智能識別和分類;Maitre Julien等[14]提出了一種基于計算機(jī)視覺和機(jī)器學(xué)習(xí)對礦物特征向量進(jìn)行分類的方法,同時使用超像素分割替代傳統(tǒng)方法,有效分割出光學(xué)顯微圖像中的顆粒;符甲鑫等[15]通過參考Inception網(wǎng)絡(luò)中局部特征結(jié)構(gòu),在殘差模塊中引入多尺度特征提取,允許感受野在更細(xì)粒度級別上捕捉巖石細(xì)節(jié)特征與全局特征,同時對多尺度特征提取后的特征圖進(jìn)行空洞卷積,提取巖石的全局特征,提高了巖石識別分類的精度。

    綜合國內(nèi)外的研究現(xiàn)狀可知,目前針對巖石圖像識別技術(shù)的研究,少見到對碳酸鹽巖鑒定工作的報道,這主要是由于碳酸鹽巖的形成涉及波浪和流水作用,生物和化學(xué)作用、交代作用、機(jī)械侵蝕作用等多種復(fù)雜的沉積和成巖作用,與其他巖石相比,碳酸鹽巖的結(jié)構(gòu)組分類型和物理排布方式均呈現(xiàn)出極強(qiáng)的隨意性特征。但是,對碳酸鹽巖結(jié)構(gòu)組分進(jìn)行人工鑒定所依據(jù)的形狀、結(jié)構(gòu)、大小、圓度等均屬于形態(tài)學(xué)特征,是適合進(jìn)行圖像識別研究的。如果能利用人工智能深度學(xué)習(xí)技術(shù)對碳酸鹽巖薄片圖像進(jìn)行處理,并對碳酸鹽巖的結(jié)構(gòu)組分進(jìn)行分析,將具有實際的應(yīng)用價值和廣闊的研究前景。

    1 碳酸鹽巖顆粒分類

    碳酸鹽巖中的顆粒,是指在沉積盆地內(nèi)由化學(xué)沉積作用、機(jī)械破碎作用、生物作用以及這些作用綜合形成的顆粒。自20世紀(jì)60年代以來,在古代碳酸鹽巖沉積相研究中,學(xué)者們基于成因、形態(tài)、結(jié)構(gòu)、大小等對碳酸鹽巖顆粒進(jìn)行命名的種類繁多[1-2,16-17]。本研究從圖像角度總結(jié)了各類顆粒的紋理特征,再綜合考慮成因、常見程度等因素,將巖石薄片中常見的碳酸鹽巖顆粒劃分為5個大類:(1)生物碎屑:微體生物化石和骨架生物化石,以及生物碎屑;(2)內(nèi)碎屑:盆地內(nèi)固結(jié)或半固結(jié)的碳酸鹽沉積物經(jīng)波浪、潮汐等作用剝蝕出來并再沉積的碎屑,按照直徑大小可以分為粉屑、砂屑、礫屑等;(3)包粒:以鮞粒、豆粒、核形石等為代表的帶有包殼的顆粒,部分成因與藻類有關(guān);(4)球粒:由泥晶碳酸鹽礦物組成,圓形、內(nèi)部結(jié)構(gòu)均勻、表面光滑的顆粒,常集中產(chǎn)出;(5)團(tuán)塊:具不規(guī)則外形的復(fù)合顆粒,內(nèi)部可包裹生物或其他顆粒,其成因多與藻類有關(guān)。主要碳酸鹽巖顆粒類型及亞類示例如圖1所示。

    圖1 碳酸鹽巖常見顆粒類型Fig.1 Common grain types in carbonate rocks

    2 研究技術(shù)與方法

    2.1 技術(shù)流程

    傳統(tǒng)的機(jī)器學(xué)習(xí)在巖石圖像識別方面存在算法耗時過長,人工提取特征的復(fù)雜度高,以及網(wǎng)絡(luò)深度較大時會出現(xiàn)梯度消失或爆炸[18-19]等問題,本文提出一種基于深度學(xué)習(xí)的碳酸鹽巖顆粒類型識別方法,具體流程如圖2所示。

    圖2 技術(shù)流程示意圖Fig.2 Schematic diagram demonstrating the overall structure of the model

    (1)由于深度學(xué)習(xí)方法是數(shù)據(jù)驅(qū)動的,因此需要收集一批碳酸鹽巖顆粒圖像,并對其中的顆粒進(jìn)行標(biāo)注,形成碳酸鹽巖顆粒數(shù)據(jù)集,為后續(xù)的卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征提供數(shù)據(jù)基礎(chǔ)。

    (2)設(shè)計模型和訓(xùn)練模型。本研究采用ResNet50模型。先在Tensorflow框架下對其網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了改進(jìn),再設(shè)計一定的訓(xùn)練策略,將數(shù)據(jù)集中的數(shù)據(jù)輸入模型中進(jìn)行迭代計算,并通過反向傳播偏差來修正模型權(quán)重,以得到最優(yōu)參數(shù)。

    (3)將待測碳酸鹽巖薄片圖像中的顆粒所在區(qū)域框選出來,處理之后輸入到訓(xùn)練好的模型中,經(jīng)過模型計算得到輸出結(jié)果,即為顆粒識別結(jié)果。

    2.2 ResNet50模型

    卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks,簡稱CNN)是一種多層的監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),是深度學(xué)習(xí)的代表算法之一,近年來在圖像處理方面有出色表現(xiàn)。類似于人類在圖像理解方面的分層認(rèn)知過程,首先人眼提取顏色、幾何形狀、紋理等特征,然后人腦被激活,對各種特征信息分別進(jìn)行處理和解釋,最后形成整幅圖像的概念,卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和信息理解過程也是分層進(jìn)行的。典型的卷積神經(jīng)網(wǎng)絡(luò)通常由3種層結(jié)構(gòu)組成:卷積層(convolution)、池化層(pooling)和全連接層(fully connected)。卷積層通過卷積操作對輸入數(shù)據(jù)進(jìn)行特征提取,池化層降低卷積層輸出的特征維度以減少網(wǎng)絡(luò)參數(shù)并提高計算速度,全連接層則通過對多次卷積和池化后高度抽象化的特征進(jìn)行整合,并根據(jù)整合特征完成模型的分類功能。

    卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)訓(xùn)練主要分為兩部分:前向傳播和反向傳播。前向傳播利用卷積層與池化層對樣本特征進(jìn)行提取,再運(yùn)用全連接層對特征進(jìn)行整合以得到輸出的最終向量;反向傳播通過溯源損失函數(shù)的計算誤差,以梯度更新的方式來指導(dǎo)模型參數(shù)的更新優(yōu)化,提升模型訓(xùn)練效果。但是,這種基于反向傳播優(yōu)化神經(jīng)網(wǎng)絡(luò)的方法存在明顯的弊端,當(dāng)模型權(quán)重初始化值較大時,隨著網(wǎng)絡(luò)層數(shù)的加深,對激活函數(shù)求導(dǎo)計算出的梯度更新將會以指數(shù)級的形式增加或衰減,容易引發(fā)梯度爆炸或梯度衰減。因此,學(xué)者們提出批標(biāo)準(zhǔn)化(batch normalization)方案[20],通過將每一層網(wǎng)絡(luò)的輸出規(guī)范為同樣的均值和方差,解決了梯度問題,在幾十層的網(wǎng)絡(luò)上可以正常收斂,但當(dāng)網(wǎng)絡(luò)加深到一定程度時,又出現(xiàn)了退化問題,即模型的性能并不會隨著網(wǎng)絡(luò)層數(shù)的加深而變好,反而會達(dá)到飽和甚至下降。

    深度學(xué)習(xí)的網(wǎng)絡(luò)退化問題說明模型訓(xùn)練難度很大,但是由淺層網(wǎng)絡(luò)堆積獲得深層網(wǎng)絡(luò)時,即使這些層不學(xué)習(xí)特征,僅僅進(jìn)行特征復(fù)制,即連接形成恒等映射,深層網(wǎng)絡(luò)也可以維持其基本性能,不會出現(xiàn)退化問題?;诖怂枷?He K.M.等人[21]提出殘差網(wǎng)絡(luò)ResNet,對于一個殘差塊結(jié)構(gòu),當(dāng)輸入為x時,設(shè)學(xué)習(xí)特征為H(x),設(shè)殘差特征為F(x),有

    F(x)=H(x)-x

    則學(xué)習(xí)特征為:

    H(x)=F(x)+x

    當(dāng)F(x)=0時,殘差網(wǎng)絡(luò)起到恒等映射的作用;當(dāng)F(x)≠0時,殘差塊就能學(xué)到新信息,并通過反向傳播提高網(wǎng)絡(luò)性能。殘差網(wǎng)絡(luò)的主要結(jié)構(gòu)使用了快捷連接(shortcut connection)(圖3),通過在卷積層之間添加跳躍連接,允許信息跨層傳遞,這樣便保護(hù)了信息的完整性,避免了隨著網(wǎng)絡(luò)層數(shù)的加深出現(xiàn)學(xué)習(xí)退化的現(xiàn)象。

    本研究對經(jīng)典的ResNet卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)進(jìn)行了改進(jìn)(圖4),模型主體可以分為5個部分,第一部分包括卷積層、批標(biāo)準(zhǔn)化處理和最大池化層;第二到第五部分主要為殘差塊,內(nèi)含多個卷積層,且每個卷積層之后都使用Relu激活函數(shù);第五部分之后為全局平均池化層,最后再連接全連接層。第二到第五部分2種殘差塊的結(jié)構(gòu)單元有所不同,其中殘差塊Ⅰ代表改變維度的殘差塊(convolutional block),輸出維度相對于輸入維度增加一倍;殘差塊Ⅱ代表不改變維度的殘差塊(identity block),輸出和輸入維度一致。模型中每個部分包含的殘差塊數(shù)量也有所不同,第二和第五部分包含2個殘差塊Ⅱ,第三部分包含3個殘差塊Ⅱ,第四部分包含5個殘差塊Ⅱ。由于每個殘差塊都是三層卷積,因此ResNet50模型中共包含1+3×(3+4+6+3)=49個卷積層,再加上最后的全連接層,一共為50層。

    改進(jìn)的ResNet50模型在最后1個卷積層之后使用全局平均池化層(global average pooling,簡稱GAP)來代替?zhèn)鹘y(tǒng)的平均池化層(average pooling)。這種CNN+GAP的結(jié)構(gòu)可以將所有特征圖的空間尺寸降為1,并保留通道數(shù)目,使得最終的全連接層只需處理少量平坦的特征圖,而不是大型張量,從而減少模型參數(shù)和計算成本,同時降低過擬合風(fēng)險。此外,全局平均池化層會對每個通道中所有位置的特征值求平均值,這種特性可以強(qiáng)制網(wǎng)絡(luò)學(xué)習(xí)更具區(qū)分性的特征,提高模型的泛化能力,從而使其在新數(shù)據(jù)上表現(xiàn)更好。

    ResNet50模型輸入圖像尺寸指定為224×224×3。經(jīng)過5個部分的卷積計算,再通過全局平均池化層將計算結(jié)果轉(zhuǎn)化為特征向量,最后進(jìn)入全連接層,再經(jīng)過Softmax分類器,將該特征向量轉(zhuǎn)化為1×1×5向量,即輸出為類別概率。

    2.3 Softmax分類器

    分類問題中使用的Softmax函數(shù),是一種將目標(biāo)變量分為多個類別的算法,它先接受全連接層輸入的特征矩陣,然后再輸出目標(biāo)所對應(yīng)的每個類別的概率值。Softmax分類器將其輸入歸一化為1組概率值P,其數(shù)學(xué)表達(dá)式為:

    式中:Zi——模型最后一層的輸出;i——類別索引;j——類別;C——類別總數(shù)。

    輸出的概率滿足:

    式中:Pi——第i組概率值。

    3 實驗分析

    3.1 制作數(shù)據(jù)集

    深度學(xué)習(xí)技術(shù)在圖像處理領(lǐng)域取得了眾多優(yōu)異的成果,但需要依賴大量的數(shù)據(jù)進(jìn)行訓(xùn)練,因此收集和制作碳酸鹽巖顆粒顯微圖像數(shù)據(jù)集具有重要的意義。

    本研究首先篩選了一部分具有典型特征的碳酸鹽巖顆粒薄片圖像,再請地質(zhì)學(xué)專家采用Labelme工具將圖像中的典型顆粒區(qū)域框選出來,并進(jìn)行標(biāo)記命名。不同顆粒的子圖像從原圖中提取出來之后,使用每種顆粒的類別名作為子圖像的類別標(biāo)簽,即獲得550張帶有標(biāo)簽的碳酸鹽巖顆粒子圖像。

    由于碳酸鹽巖薄片圖像在拍攝時受到偏光顯微鏡光源、放大倍數(shù)、攝像頭分辨率等多種因素影響,圖像質(zhì)量差異較大,因此還需要采用去噪、增強(qiáng)等方法進(jìn)行處理,既要使碳酸鹽巖顆粒所在區(qū)域保持良好的邊緣和紋理,又要增強(qiáng)圖像中顆粒區(qū)域和背景區(qū)域的灰度差異,本研究中采用的圖像去噪方法主要為雙邊濾波算法,圖像增強(qiáng)方法主要為直方圖均衡化算法。圖5-A是一張?zhí)妓猁}巖顆粒顯微圖像原圖,經(jīng)過圖像去噪和圖像增強(qiáng)預(yù)處理過程之后得到圖5-B,可以看出清晰度和對比度得到明顯改善。

    圖5 圖像預(yù)處理對比圖Fig.5 Comparison of image preprocessing

    為了提升數(shù)據(jù)的泛化性,還需要通過旋轉(zhuǎn)、翻轉(zhuǎn)、縮放、調(diào)換顏色通道等方法對數(shù)據(jù)進(jìn)行增強(qiáng),將550張圖像擴(kuò)展到2 200張。為了保證數(shù)據(jù)適合模型輸入,經(jīng)過圖像預(yù)處理和數(shù)據(jù)增強(qiáng)之后,所有圖像的分辨率最后都需要被重置為224×224像素,這樣即得到碳酸鹽巖顆粒顯微圖像數(shù)據(jù)集。

    3.2 訓(xùn)練模型

    本研究使用TensorFlow框架構(gòu)建模型,并在具有一片RTX2080TI型號GPU的高性能計算機(jī)上進(jìn)行訓(xùn)練。

    首先將碳酸鹽巖顆粒顯微圖像數(shù)據(jù)集劃分為2類,80%為訓(xùn)練集,20%為測試集,再將訓(xùn)練集中的圖像逐個送入模型進(jìn)行計算,并反向傳播偏差來修正模型權(quán)重。

    模型訓(xùn)練過程中采用SGD進(jìn)行網(wǎng)絡(luò)參數(shù)優(yōu)化,模型訓(xùn)練的參數(shù)設(shè)置為:模型初始權(quán)重參數(shù)設(shè)置從均值為0,標(biāo)準(zhǔn)差為1的正態(tài)分布中隨機(jī)取值;模型學(xué)習(xí)率初始為0.001,并使用學(xué)習(xí)率梯度下降策略(每迭代10輪便將學(xué)習(xí)率乘以系數(shù)0.3);模型計算測試集上的準(zhǔn)確率來作為衡量模型性能的標(biāo)準(zhǔn);模型的輸出層使用Softmax函數(shù),其他層的激活函數(shù)使用Relu激活函數(shù),在全連接層添加Dropout操作,隨機(jī)失活30%的神經(jīng)元。模型將訓(xùn)練集中所有數(shù)據(jù)迭代計算200輪,并采用早停策略(early stop),即當(dāng)測試集在模型上的準(zhǔn)確率經(jīng)過N輪迭代后沒有提升便停止訓(xùn)練。

    3.3 碳酸鹽巖顆粒顯微圖像識別過程

    基于深度學(xué)習(xí)的碳酸鹽巖顆粒顯微圖像識別研究具體識別過程如圖6所示。將1張?zhí)妓猁}巖薄片原圖像中的典型顆粒用Lableme工具框選出來,運(yùn)用計算機(jī)程序處理框選出來的典型顆粒生成多個子圖像。然后將子圖像進(jìn)行預(yù)處理操作,并將分辨率重置為224×224像素,再輸入到已經(jīng)訓(xùn)練好的模型中,經(jīng)過前向傳送輸出結(jié)果,輸出結(jié)果的形式為一組特征向量。通過查找向量中的最大值,找到最大值當(dāng)中對應(yīng)的下標(biāo)位置,在碳酸鹽巖顆粒類別索引文件中找到對應(yīng)的顆粒類別,即得到該子圖像的顆粒識別結(jié)果。直到所有子圖像識別完畢,即完成該張?zhí)妓猁}巖薄片原圖像的識別。

    圖6 基于深度學(xué)習(xí)的碳酸鹽巖顆粒顯微圖像識別示意圖Fig.6 Schematic diagram of microscopic image recognition of carbonate rock particles based on deep learning

    3.4 實驗結(jié)果及分析

    為了具體評價碳酸鹽巖每種顆粒的識別效果,采用混淆矩陣來表示測試集預(yù)測類與真實類的對應(yīng)關(guān)系?;煜仃囀菍⒄鎸嵵蹬c預(yù)測值匹配以及不匹配的項一起放入到矩陣中,可以直觀地將分類結(jié)果的好壞展示出來。

    圖7中每一列代表預(yù)測的碳酸鹽巖顆粒類別,且每一列的總數(shù)代表預(yù)測為該類別的顆粒數(shù)目;每一行代表顆粒的真實類別,每一行的總數(shù)代表了該類別碳酸鹽巖顆粒的真實數(shù)目。測試集總共有440張?zhí)妓猁}巖顆粒圖像,其中121張生物碎屑圖像識別錯誤的有4張,112張內(nèi)碎屑圖像識別錯誤的有7張,111張包粒圖像識別錯誤的有5張,27張球粒圖像識別錯誤的有3張,69張團(tuán)塊圖像識別錯誤的有3張。

    圖7 混淆矩陣Fig.7 Confusion matrix

    通過圖7可以清楚地看出生物碎屑、內(nèi)碎屑、包粒、球粒、團(tuán)塊5種碳酸鹽巖顆粒的真實數(shù)量、預(yù)測數(shù)量、識別錯誤數(shù)量,通過這些數(shù)據(jù)可以計算各種顆粒的識別準(zhǔn)確率(表1),即用每類顆粒正確識別數(shù)量除以該類顆粒樣本總量。計算出的5種顆粒的準(zhǔn)確率分別為生物碎屑96.69%,內(nèi)碎屑93.75%,包粒95.50%,球粒88.89%,團(tuán)塊95.65%,可以看出球粒是最容易被識別錯誤的。

    表1 混淆矩陣識別數(shù)量表Table 1 Number of identified confusion matrices

    從模型訓(xùn)練結(jié)果圖(圖8)中可以看出,在前10次迭代過程中,訓(xùn)練準(zhǔn)確率上升較快,損失值下降也很快,在40次迭代之后,訓(xùn)練準(zhǔn)確率呈平穩(wěn)上升趨勢。經(jīng)過200次迭代訓(xùn)練,模型的準(zhǔn)確率在訓(xùn)練集上超過99%,在測試集上達(dá)到95%;當(dāng)模型迭代到190次時,模型的損失值在訓(xùn)練集上趨于零,在測試集上降到了0.08以下。該模型收斂速度較快,識別精度高,對圖像識別效果好。

    圖8 模型訓(xùn)練結(jié)果圖Fig.8 Diagram of model training results

    4 結(jié) 論

    a.本文提出一種基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)模型,以ResNet50為基礎(chǔ)框架搭建模型,并通過制作數(shù)據(jù)集、訓(xùn)練模型等步驟實現(xiàn)模型功能和進(jìn)行優(yōu)化,優(yōu)化后的模型可以實現(xiàn)碳酸鹽巖主要顆粒類型顯微圖像的分類識別。

    b.采用混淆矩陣對模型性能進(jìn)行評價,實驗結(jié)果表明,模型收斂速度較快,識別精度較高,在測試集上的準(zhǔn)確率可達(dá)到95%。

    c.該方法表明,采用卷積神經(jīng)網(wǎng)絡(luò)對碳酸鹽巖顆粒進(jìn)行智能識別具有一定的可行性,可為碳酸鹽巖微相分析提供新方法,也可作為一種輔助人工鑒定的有益方法,具有一定的實際應(yīng)用價值。

    d.由于現(xiàn)有的樣本數(shù)據(jù)量有限,數(shù)據(jù)集中所涵蓋的類別不完全,并且數(shù)據(jù)分布不均衡,因此目前僅將碳酸鹽巖顆粒劃分為少數(shù)幾個大類進(jìn)行研究。對復(fù)雜的碳酸鹽巖顆粒類別,后續(xù)可通過擴(kuò)充數(shù)據(jù)集、精細(xì)分類等方式來進(jìn)一步提升應(yīng)用價值。

    猜你喜歡
    圖像識別碳酸鹽巖殘差
    適用于碳酸鹽巖儲層的固體酸解堵體系
    基于雙向GRU與殘差擬合的車輛跟馳建模
    碳酸鹽巖裂縫描述七大難點
    基于殘差學(xué)習(xí)的自適應(yīng)無人機(jī)目標(biāo)跟蹤算法
    基于Resnet-50的貓狗圖像識別
    電子制作(2019年16期)2019-09-27 09:34:50
    基于遞歸殘差網(wǎng)絡(luò)的圖像超分辨率重建
    高速公路圖像識別技術(shù)應(yīng)用探討
    大數(shù)據(jù)統(tǒng)計在碳酸鹽巖油氣田開發(fā)中的應(yīng)用
    圖像識別在物聯(lián)網(wǎng)上的應(yīng)用
    電子制作(2018年19期)2018-11-14 02:37:04
    圖像識別在水質(zhì)檢測中的應(yīng)用
    電子制作(2018年14期)2018-08-21 01:38:16
    国产免费又黄又爽又色| 亚洲天堂av无毛| 岛国毛片在线播放| 免费人成在线观看视频色| 日本av手机在线免费观看| 日韩成人av中文字幕在线观看| 噜噜噜噜噜久久久久久91| 五月玫瑰六月丁香| 国产国拍精品亚洲av在线观看| 国内揄拍国产精品人妻在线| 亚洲真实伦在线观看| 美女大奶头黄色视频| 亚洲精品视频女| 日韩一区二区视频免费看| 少妇被粗大猛烈的视频| 国产欧美亚洲国产| 亚洲va在线va天堂va国产| 免费大片18禁| 国产精品三级大全| 大片电影免费在线观看免费| 亚洲av男天堂| 久久热精品热| 国产成人精品久久久久久| .国产精品久久| 国产在线视频一区二区| 丝袜在线中文字幕| 亚洲欧美清纯卡通| 99九九在线精品视频 | 18+在线观看网站| 欧美精品亚洲一区二区| videossex国产| 国国产精品蜜臀av免费| 国产精品人妻久久久影院| 日韩伦理黄色片| 男人舔奶头视频| 在线播放无遮挡| 丝瓜视频免费看黄片| 婷婷色综合www| 91久久精品国产一区二区成人| 精品久久国产蜜桃| 亚洲av.av天堂| 国产一区二区在线观看av| 欧美日韩精品成人综合77777| 2022亚洲国产成人精品| 三级国产精品欧美在线观看| 熟女电影av网| 夫妻性生交免费视频一级片| 九草在线视频观看| 亚洲性久久影院| 国产精品人妻久久久久久| 午夜视频国产福利| 久久婷婷青草| 大又大粗又爽又黄少妇毛片口| 久久久久久人妻| 中文字幕久久专区| 五月开心婷婷网| 国产欧美亚洲国产| 免费大片黄手机在线观看| 不卡视频在线观看欧美| 91精品一卡2卡3卡4卡| kizo精华| 国产精品人妻久久久久久| 人人妻人人看人人澡| 国产午夜精品一二区理论片| www.av在线官网国产| 精品人妻熟女毛片av久久网站| 国产伦理片在线播放av一区| 在线播放无遮挡| 国产成人午夜福利电影在线观看| 男人添女人高潮全过程视频| 又黄又爽又刺激的免费视频.| 高清在线视频一区二区三区| 午夜精品国产一区二区电影| 91精品国产九色| 午夜福利视频精品| 少妇裸体淫交视频免费看高清| 国产综合精华液| 久久久久人妻精品一区果冻| 丰满人妻一区二区三区视频av| 亚洲av中文av极速乱| 亚洲精品亚洲一区二区| 一级,二级,三级黄色视频| 交换朋友夫妻互换小说| 寂寞人妻少妇视频99o| 国产黄片美女视频| 亚洲中文av在线| 不卡视频在线观看欧美| 黄色一级大片看看| 精品酒店卫生间| 99re6热这里在线精品视频| 成年人免费黄色播放视频 | 免费看日本二区| 老司机亚洲免费影院| 国产成人a∨麻豆精品| 人妻人人澡人人爽人人| 大香蕉97超碰在线| 国产淫片久久久久久久久| 晚上一个人看的免费电影| 五月玫瑰六月丁香| 日日撸夜夜添| 噜噜噜噜噜久久久久久91| 99久久中文字幕三级久久日本| 美女主播在线视频| 久久99蜜桃精品久久| 国产成人精品一,二区| 欧美一级a爱片免费观看看| 亚洲av不卡在线观看| 亚洲人与动物交配视频| 一本一本综合久久| 免费观看的影片在线观看| 国语对白做爰xxxⅹ性视频网站| 久久97久久精品| 成人漫画全彩无遮挡| 欧美性感艳星| 一区二区三区乱码不卡18| 99九九在线精品视频 | 国产美女午夜福利| 免费人成在线观看视频色| 看免费成人av毛片| 3wmmmm亚洲av在线观看| 激情五月婷婷亚洲| 日本av手机在线免费观看| 欧美成人精品欧美一级黄| 亚洲国产精品999| 80岁老熟妇乱子伦牲交| 交换朋友夫妻互换小说| 多毛熟女@视频| 在现免费观看毛片| 秋霞伦理黄片| 亚洲第一区二区三区不卡| 日韩伦理黄色片| 视频中文字幕在线观看| 午夜激情福利司机影院| 免费黄频网站在线观看国产| 日韩电影二区| 免费观看在线日韩| 欧美精品国产亚洲| 国产淫片久久久久久久久| 18禁动态无遮挡网站| 少妇被粗大的猛进出69影院 | 好男人视频免费观看在线| 色视频www国产| 中文字幕久久专区| 天堂中文最新版在线下载| 亚洲天堂av无毛| 亚洲欧洲精品一区二区精品久久久 | 欧美日韩视频高清一区二区三区二| 在线 av 中文字幕| 久久久国产欧美日韩av| 三级经典国产精品| 中文欧美无线码| 亚洲精品国产色婷婷电影| 色婷婷久久久亚洲欧美| 国产一区亚洲一区在线观看| av卡一久久| 国产精品伦人一区二区| 97超碰精品成人国产| 成人毛片a级毛片在线播放| 极品人妻少妇av视频| 国产精品免费大片| 久久6这里有精品| 精品少妇内射三级| 男人和女人高潮做爰伦理| 高清欧美精品videossex| 18禁在线无遮挡免费观看视频| 日日爽夜夜爽网站| 亚洲综合色惰| 亚州av有码| 午夜激情久久久久久久| 一级二级三级毛片免费看| 国产精品久久久久久av不卡| 大片免费播放器 马上看| 午夜老司机福利剧场| 一本大道久久a久久精品| 有码 亚洲区| 高清av免费在线| a级毛片免费高清观看在线播放| 亚洲av电影在线观看一区二区三区| 久久97久久精品| 性色avwww在线观看| 男人和女人高潮做爰伦理| 亚洲国产精品成人久久小说| 国产精品国产三级国产专区5o| 日韩一区二区三区影片| 国产亚洲一区二区精品| 美女视频免费永久观看网站| 自线自在国产av| 欧美一级a爱片免费观看看| 欧美高清成人免费视频www| 久久亚洲国产成人精品v| 99国产精品免费福利视频| 国产男女超爽视频在线观看| 美女大奶头黄色视频| 中文资源天堂在线| 中文乱码字字幕精品一区二区三区| 观看美女的网站| 国产欧美另类精品又又久久亚洲欧美| 欧美精品国产亚洲| 欧美另类一区| 亚洲成色77777| 国产精品久久久久久久电影| 免费大片黄手机在线观看| 精品国产露脸久久av麻豆| 男女免费视频国产| 亚洲av欧美aⅴ国产| 日本与韩国留学比较| 久久精品久久久久久噜噜老黄| 国产伦精品一区二区三区视频9| 五月伊人婷婷丁香| 最近中文字幕2019免费版| 蜜桃在线观看..| 欧美人与善性xxx| 99国产精品免费福利视频| av福利片在线观看| 免费人妻精品一区二区三区视频| 欧美少妇被猛烈插入视频| av女优亚洲男人天堂| 成人美女网站在线观看视频| 欧美+日韩+精品| 亚洲精品中文字幕在线视频 | 色视频www国产| 国产精品国产av在线观看| 国产免费一级a男人的天堂| 欧美人与善性xxx| 亚洲精品国产av蜜桃| 简卡轻食公司| 亚洲av成人精品一二三区| 国产一区二区在线观看日韩| 69精品国产乱码久久久| 三上悠亚av全集在线观看 | 国产精品久久久久久av不卡| 成人无遮挡网站| 久久久久国产精品人妻一区二区| 成人二区视频| 精品一区在线观看国产| 国产欧美日韩综合在线一区二区 | 不卡视频在线观看欧美| 熟女电影av网| 最新的欧美精品一区二区| 一级,二级,三级黄色视频| 亚洲一区二区三区欧美精品| 久久热精品热| 欧美日韩精品成人综合77777| 日本vs欧美在线观看视频 | 欧美国产精品一级二级三级 | av不卡在线播放| 精品99又大又爽又粗少妇毛片| 99久久精品一区二区三区| 欧美变态另类bdsm刘玥| 一级,二级,三级黄色视频| 国产精品女同一区二区软件| 久久久久久久大尺度免费视频| 一级毛片我不卡| 人妻系列 视频| 国产伦在线观看视频一区| 久久国产精品大桥未久av | 成人国产麻豆网| 91在线精品国自产拍蜜月| 免费黄色在线免费观看| 少妇被粗大的猛进出69影院 | 亚洲欧美精品自产自拍| 美女国产视频在线观看| 在线观看免费高清a一片| 18禁动态无遮挡网站| 人妻制服诱惑在线中文字幕| 少妇被粗大猛烈的视频| 男男h啪啪无遮挡| 涩涩av久久男人的天堂| 美女脱内裤让男人舔精品视频| 又粗又硬又长又爽又黄的视频| 精品一区二区三区视频在线| 国产精品国产av在线观看| 国产精品无大码| 久久 成人 亚洲| 新久久久久国产一级毛片| 国产精品一区二区性色av| 午夜福利视频精品| 久久精品熟女亚洲av麻豆精品| 91久久精品电影网| 国产高清国产精品国产三级| 午夜精品国产一区二区电影| 天天操日日干夜夜撸| 国产精品女同一区二区软件| 新久久久久国产一级毛片| av网站免费在线观看视频| 青春草亚洲视频在线观看| 精品99又大又爽又粗少妇毛片| 欧美区成人在线视频| 一级片'在线观看视频| 午夜激情福利司机影院| 黄色配什么色好看| 七月丁香在线播放| 最近2019中文字幕mv第一页| 成年女人在线观看亚洲视频| 欧美日韩在线观看h| 国产亚洲最大av| 国产日韩欧美视频二区| 欧美区成人在线视频| 97在线视频观看| 国产精品久久久久久精品古装| 三级经典国产精品| 久久久国产一区二区| 国产日韩欧美视频二区| 夫妻性生交免费视频一级片| 亚洲精品色激情综合| 免费黄色在线免费观看| 黑人猛操日本美女一级片| 免费大片黄手机在线观看| 国产欧美日韩一区二区三区在线 | 在线观看美女被高潮喷水网站| 国产精品久久久久久久久免| 亚洲国产日韩一区二区| 日韩制服骚丝袜av| 国语对白做爰xxxⅹ性视频网站| 大又大粗又爽又黄少妇毛片口| 日产精品乱码卡一卡2卡三| 校园人妻丝袜中文字幕| 久久精品国产鲁丝片午夜精品| 交换朋友夫妻互换小说| 国产精品女同一区二区软件| 国产乱人偷精品视频| 一级,二级,三级黄色视频| 日日摸夜夜添夜夜爱| 日韩视频在线欧美| 日本av免费视频播放| 人妻人人澡人人爽人人| 亚洲精华国产精华液的使用体验| 又大又黄又爽视频免费| 中文字幕精品免费在线观看视频 | 国产亚洲一区二区精品| 色5月婷婷丁香| 最黄视频免费看| 日本色播在线视频| 草草在线视频免费看| 六月丁香七月| 免费看日本二区| 婷婷色综合www| 秋霞伦理黄片| 三级经典国产精品| 尾随美女入室| 伊人亚洲综合成人网| 2018国产大陆天天弄谢| 99热6这里只有精品| 亚洲av二区三区四区| 欧美精品国产亚洲| 免费看日本二区| 亚洲欧美一区二区三区黑人 | 精品少妇久久久久久888优播| av在线app专区| 亚洲真实伦在线观看| 亚洲综合精品二区| 欧美老熟妇乱子伦牲交| 五月伊人婷婷丁香| 亚洲国产色片| 看免费成人av毛片| 又粗又硬又长又爽又黄的视频| 国产无遮挡羞羞视频在线观看| 成人毛片60女人毛片免费| 老司机亚洲免费影院| 制服丝袜香蕉在线| 熟女人妻精品中文字幕| 亚洲一区二区三区欧美精品| 久久精品久久久久久久性| 国产精品偷伦视频观看了| 国产视频内射| 国产一区二区三区av在线| a级毛色黄片| 国产黄频视频在线观看| 成人二区视频| 视频区图区小说| 亚洲欧美日韩东京热| 激情五月婷婷亚洲| 亚洲,欧美,日韩| 少妇裸体淫交视频免费看高清| 欧美人与善性xxx| 日韩成人av中文字幕在线观看| 欧美激情国产日韩精品一区| 久久青草综合色| www.av在线官网国产| 天美传媒精品一区二区| 欧美激情极品国产一区二区三区 | 欧美精品国产亚洲| 成人午夜精彩视频在线观看| 9色porny在线观看| 国产在线免费精品| 国产黄片视频在线免费观看| 欧美激情极品国产一区二区三区 | 精品少妇久久久久久888优播| 国产在线视频一区二区| 大片免费播放器 马上看| 色网站视频免费| 一本大道久久a久久精品| 亚洲欧美精品自产自拍| 国产黄色视频一区二区在线观看| 亚洲精品日韩在线中文字幕| 色视频www国产| 欧美日韩视频精品一区| 老熟女久久久| 18禁裸乳无遮挡动漫免费视频| 久久久久久久久久久丰满| 少妇人妻 视频| 内地一区二区视频在线| 亚洲av男天堂| 成人美女网站在线观看视频| 成人特级av手机在线观看| 在线播放无遮挡| 校园人妻丝袜中文字幕| 久久久久久久久久久免费av| 日本av手机在线免费观看| 欧美激情极品国产一区二区三区 | √禁漫天堂资源中文www| 国产又色又爽无遮挡免| av国产精品久久久久影院| 成人亚洲精品一区在线观看| 亚洲综合精品二区| 久久热精品热| 成人二区视频| 亚洲国产精品专区欧美| 久久精品熟女亚洲av麻豆精品| 一级毛片电影观看| 国产成人一区二区在线| 99久久综合免费| 最近中文字幕2019免费版| 色婷婷久久久亚洲欧美| 免费高清在线观看视频在线观看| 国产欧美日韩一区二区三区在线 | 美女cb高潮喷水在线观看| 永久网站在线| 狂野欧美白嫩少妇大欣赏| 久久99蜜桃精品久久| 91精品国产九色| 精品久久久久久电影网| 99热这里只有是精品50| 成人影院久久| 女性生殖器流出的白浆| 热99国产精品久久久久久7| a级毛片在线看网站| 久久精品国产亚洲网站| 国产精品偷伦视频观看了| 国产91av在线免费观看| 亚洲自偷自拍三级| 91精品一卡2卡3卡4卡| 啦啦啦中文免费视频观看日本| 亚洲国产日韩一区二区| 能在线免费看毛片的网站| 国产免费一级a男人的天堂| 免费黄色在线免费观看| 少妇被粗大猛烈的视频| 亚洲av成人精品一区久久| 午夜久久久在线观看| 97超碰精品成人国产| 国产av国产精品国产| 五月开心婷婷网| 免费观看的影片在线观看| 日韩av不卡免费在线播放| 丰满饥渴人妻一区二区三| 日韩精品有码人妻一区| 精品一区二区三卡| 欧美日韩视频高清一区二区三区二| 久久鲁丝午夜福利片| 人人妻人人澡人人爽人人夜夜| 日本黄色日本黄色录像| 欧美国产精品一级二级三级 | 哪个播放器可以免费观看大片| 欧美xxxx性猛交bbbb| 永久网站在线| 美女cb高潮喷水在线观看| 精品国产一区二区三区久久久樱花| 国产黄片视频在线免费观看| 中国美白少妇内射xxxbb| 久久ye,这里只有精品| 一级爰片在线观看| 国产熟女午夜一区二区三区 | 久久久久久久大尺度免费视频| 国产精品偷伦视频观看了| a 毛片基地| 全区人妻精品视频| 嫩草影院新地址| 国产精品99久久久久久久久| 国产在线免费精品| 国产午夜精品久久久久久一区二区三区| a 毛片基地| 精品熟女少妇av免费看| 热re99久久国产66热| 久久鲁丝午夜福利片| 午夜免费鲁丝| 亚洲国产精品999| 99九九线精品视频在线观看视频| kizo精华| 欧美国产精品一级二级三级 | 久久久午夜欧美精品| 国精品久久久久久国模美| 午夜福利,免费看| 精品久久国产蜜桃| 亚洲国产成人一精品久久久| 美女大奶头黄色视频| 国产淫片久久久久久久久| 永久免费av网站大全| 国产淫片久久久久久久久| 国产女主播在线喷水免费视频网站| 老司机影院成人| 国产成人精品久久久久久| 成年人午夜在线观看视频| 国产精品久久久久久久电影| 国内精品宾馆在线| 永久网站在线| 麻豆成人午夜福利视频| 日韩欧美 国产精品| 色视频www国产| 桃花免费在线播放| 熟女av电影| 18禁在线无遮挡免费观看视频| 成人毛片60女人毛片免费| 美女视频免费永久观看网站| 在线观看三级黄色| 日本黄色日本黄色录像| 国产老妇伦熟女老妇高清| 成人黄色视频免费在线看| 一级爰片在线观看| 精品少妇久久久久久888优播| 免费观看在线日韩| 免费看日本二区| 亚洲国产欧美在线一区| 亚洲国产日韩一区二区| 曰老女人黄片| 日韩精品有码人妻一区| 两个人免费观看高清视频 | 纵有疾风起免费观看全集完整版| 欧美成人精品欧美一级黄| 啦啦啦在线观看免费高清www| 亚洲性久久影院| 丰满少妇做爰视频| 最新的欧美精品一区二区| 又爽又黄a免费视频| 激情五月婷婷亚洲| 大陆偷拍与自拍| 少妇 在线观看| 极品人妻少妇av视频| 97超碰精品成人国产| 丰满少妇做爰视频| av播播在线观看一区| 中文字幕人妻熟人妻熟丝袜美| 中国国产av一级| 老司机影院毛片| 国产精品国产三级国产专区5o| 十分钟在线观看高清视频www | 国产免费福利视频在线观看| 色视频www国产| 黑人高潮一二区| 国产成人freesex在线| 精品一区二区三区视频在线| 免费播放大片免费观看视频在线观看| 人妻 亚洲 视频| 少妇猛男粗大的猛烈进出视频| 一级,二级,三级黄色视频| 久久久久久久久久久丰满| 久久影院123| 黄色日韩在线| 青春草国产在线视频| 一级毛片 在线播放| 欧美人与善性xxx| 亚洲精品日本国产第一区| 国产欧美日韩综合在线一区二区 | 国产精品人妻久久久影院| 免费看光身美女| 五月天丁香电影| 久久久久精品久久久久真实原创| 久久毛片免费看一区二区三区| 久久6这里有精品| 男女边摸边吃奶| 国产在线一区二区三区精| 国产视频首页在线观看| 欧美区成人在线视频| 婷婷色av中文字幕| 亚洲av福利一区| 亚洲国产日韩一区二区| 欧美xxxx性猛交bbbb| 七月丁香在线播放| 精品人妻熟女毛片av久久网站| 下体分泌物呈黄色| 久久久久精品久久久久真实原创| 欧美高清成人免费视频www| 丰满少妇做爰视频| 欧美日韩视频精品一区| 午夜免费观看性视频| 最后的刺客免费高清国语| 如日韩欧美国产精品一区二区三区 | 国产中年淑女户外野战色| 最近最新中文字幕免费大全7| 亚洲,欧美,日韩| 欧美日韩av久久| 日日撸夜夜添| 亚洲国产日韩一区二区| 免费黄色在线免费观看| 亚州av有码| 女人久久www免费人成看片| 午夜激情福利司机影院| 亚洲精品色激情综合| 国产精品.久久久| 99热这里只有是精品在线观看| 日韩三级伦理在线观看| 日韩熟女老妇一区二区性免费视频| 国产精品国产三级国产专区5o| 欧美精品国产亚洲| .国产精品久久| 免费看日本二区| 精品一区在线观看国产| 永久网站在线| 亚洲图色成人| 人人妻人人添人人爽欧美一区卜| 久久99一区二区三区| 亚洲不卡免费看| 日韩成人av中文字幕在线观看| 久久免费观看电影| 精品亚洲成国产av|