龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：长江大学
摘要：本发明提供一种基于目标检测的烃源岩有机显微组分的智能识别技术方法，包括以下步骤：采集烃源岩样品，样品制片处理后，拍摄在反射光与荧光下的高分辨率图像；建立带标签数据集；利用Mosaic数据增强扩展数据量；结合轻量EfficientNetB2提升Faster‑RCNN模型速率；利用迁移学习及FocalLoss函数解决样品不平衡问题，实现模型最优化；将待识别图像输入优化模型，得到识别后的结果图。本发明采用数据增强、迁移学习、网络结构调整与损失函数优化的策略，有效解决了烃源岩有机显微组分识别中的低效、费时和主观性问题，实现了识别过程的自动化与高精度，大幅降低了烃源岩有机显微组分分析的人力与时间成本，不仅促进了AI技术在地质学的应用，还为有机岩石学研究带来了新方法与思路。
主权项：1.一种基于目标检测的烃源岩有机显微组分的智能识别技术方法，其特征在于，包括以下步骤：S1、图像采集：采集烃源岩样品，通过树脂镶嵌、打磨抛光制备光片，统一参数下利用光学显微镜配50倍油浸物镜，在反射光与荧光模式下采集高分辨率图像；S2、数据集：对反射光与荧光光源的图像分别进行标签，标签出镜质组、惰质组、腐泥组、壳质组、烃类体五个大类组分，反射光与荧光光源的每组图像均分，且在各个组分包括人工难以识别判定的图像；S3、数据增强：自定义一个数据加载器，添加Mosaic数据增强逻辑，生成新的训练样本添加至数据集；S4、构建改进的Faster-RCNN模型：采用轻量级EfficientNetB2替换FasterR-CNN模型的原有网络架构，构建改进的Faster-RCNN模型；S5、Faster-RCNN模型训练与优化：将步骤S1中处理后的数据集，通过分层冻结、微调方式引进迁移学习模块，把原有的损失函数Cross-EntropyLoss替换为FocalLoss，调整FocalLoss函数的超参数的组合获得最优模型；S6、模型应用：将待检测的烃源岩样本经过步骤S1的图像采集，获得的反射光与荧光光源的图像，输入Faster-RCNN模型，得到识别后的结果图；通过以上步骤完成基于目标检测的烃源岩有机显微组分的智能识别。
全文数据：
权利要求：
百度查询： 长江大学 一种基于目标检测的烃源岩有机显微组分的智能识别技术方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号