近年來隨著人工智能的迅速發(fā)展,基于計算機視覺的圖像識別在各個領域一度成為研究熱點。本文首先對機器學習和深度學習的基礎概念和結構進行概述,在此基礎上,探索圖像識別技術與地質勘探領域的學科交叉研究情況,并分別闡述機器學習和深度學習上地質領域的巖石圖像識別研究特征和區(qū)別。最后基于上述分析,對人工智能在巖石圖像上的應用前景進行討論,認為基于深度學習的計算機視覺技術在地質領域巖石圖像上的研究對于傳統(tǒng)地質及相關行業(yè)的發(fā)展具有重要意義。 

【文章來源】：中國石油和化工標準與質量. 2020,40(20)

【文章頁數】：3 頁

【文章目錄】：
0 引言
1 機器學習
2 深度學習
3 人工智能在巖石圖像上的應用
    3.1 機器學習應用
    3.2 深度學習應用
4 結語


【參考文獻】：
期刊論文
[1]基于深度學習的鏡下礦石礦物的智能識別實驗研究[J]. 徐述騰,周永章.  巖石學報. 2018(11)
[2]基于深度學習特征提取的巖石圖像礦物成分分析[J]. 白林,姚鈺,李雙濤,徐東晶,魏昕.  中國礦業(yè). 2018(07)
[3]基于巖石圖像深度學習的巖性自動識別與分類方法[J]. 張野,李明超,韓帥.  巖石學報. 2018(02)
[4]基于Spark平臺的巖石圖像聚類分析[J]. 楊艷梅,柳娜,程國建,強新建,王敘喬.  西安石油大學學報(自然科學版). 2016(06)
[5]基于概率神經網絡的巖石薄片圖像分類識別研究[J]. 程國建,楊靜,黃全舟,劉燁.  科學技術與工程. 2013(31)
[6]基于圖像處理與神經網絡的巖石組構識別[J]. 程國建,馬微,魏新善,榮春龍,南珺祥.  西安石油大學學報(自然科學版). 2013(05)
[7]人工智能及其發(fā)展應用[J]. 鄒蕾,張先鋒.  信息網絡安全. 2012(02)
[8]基于LS-SVM的巖石細觀圖像分析方法探討[J]. 劉延保,曹樹剛,劉玉成.  巖石力學與工程學報. 2008(05)



本文編號：3240401