基于WSM-CNN模型的分类算法研究

随着资源勘探、工程建设和矿产开发的不断发展，岩性分类越来越重要。然而传统的岩性分类方法存在分类精度受限、计算效率低的缺点。为了克服以上确定的同时提高岩性分类的准确性，本文提出了WSM-CNN模型。首先针对复杂地质条件下的岩土性质，建立一个系统的岩土图像数据集。在岩土数据量较少的情况下，通过提取图像中局部特征和全局特征的方法增加数据量。其次，通过后期增加岩石种类与数量的方法提高模型的岩性分类能力。最后利用在单层卷积神经网络上添加卷积核的方法，建立图像到标签的岩土性质分类模型。理论分析和实验结果表明，WSM-CNN模型优于传统的方法及其他主流机器学习算法，可以实现快速准确的岩土分类。该模型助力现场地质科研便捷高效，同时为其他分类研究构筑基础。