买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春工程学院

摘要：本发明涉及深度学习技术领域，具体是指基于深度学习的砂岩型铀矿含铀层自动识别方法及系统，所述方法包括以下步骤：数据采集、数据集构建、基本模型训练、自编码器设计与训练、集成模型架构、模型训练与优化、图像检索和模型评估与应用，本发明使用端到端深度哈希模型通过基本模型和卷积自编码器的结合，提高了特征表示的精度，图像检索过程更加快速高效；通过使用哈希码数据库提升了大规模数据处理的效率；使用结合硬k均值和模糊c均值找出最近邻图像显著减少计算资源消耗，提高系统的资源利用率；所述系统包括包括数据采集与预处理模块、数据集构建模块、端到端的深度哈希模型和图像检索匹配模块。

主权项：1.基于深度学习的砂岩型铀矿含铀层自动识别方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集，收集砂岩型铀矿地质图像数据，使用半自动标注工具对砂岩型铀矿地质图像数据进行区分，标注为含铀层和非含铀层，同时收集其他矿石类型的图像数据；步骤S2：数据集构建，构建充足数据集、稀缺数据集和较大数据集，充足数据集将砂岩型铀矿的地质图像数据和其他矿石类型的图像数据放入，稀缺数据集放入砂岩型铀矿地质图像数据，较大数据集包含充足数据集和稀缺数据集；步骤S3：基本模型训练，使用预训练的ResNet模型作为基本模型，在较大数据集上微调基本模型，适应砂岩型铀矿图像的特征；步骤S4：自编码器设计与训练，设计一个包含编码器和解码器的卷积自编码器，编码器部分压缩图像信息，解码器部分重构图像，在自编码器中加入跳过连接，并且在稀缺数据集上训练自编码器；步骤S5：集成模型架构，将基本模型和卷积自编码器无缝集成，形成端到端的深度哈希模型，基本模型处理输入图像并提取初步特征，初步特征作为卷积自编码器的输入，卷积自编码器进一步提取深层特征并生成哈希码，自编码器的最后一层将高维特征向量映射为低维二值哈希码；步骤S6：模型训练与优化，设计损失函数，先在充足数据集上训练基本模型，再在稀缺数据集上训练自编码器，使用数据增强和随机梯度下降方法进行优化，得到训练后的端到端深度哈希模型；步骤S7：图像检索，收集需要检测的地质图像，使用低维二值哈希码对新收集的地质图像进行比较，得到识别结果；步骤S8：模型评估与应用，使用平均精度分数作为主要性能指标评估模型的检索效果，在实际勘探中部署训练后的端到端深度哈希模型，对实际勘探中新采集的地质图像进行含铀层识别和检索。

全文数据：

权利要求：

百度查询： 长春工程学院 基于深度学习的砂岩型铀矿含铀层自动识别方法及系统