科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着数字识别技术在镜下影像分析的广泛应用，镜下物质类型的智能识别成为了一个微观分析的基础问题，不仅能有效节约人工成本，还能提高识别效率。针对图像中矿物智能识别精度低的问题，以镜下影像的颜色矩、纹理矩以及形态RSTC矩3类指标为识别特征，以指标熵权和变异系数权为识别初始权，构建了一种多矩融合机器学习智能识别模型。选取磁铁矿、云母、方解石、黄铜等的影像集为第一类样本，以烧结矿中的玻璃相、铁酸钙等影像作为第二类样本，提取样本颜色矩、纹理矩和形状RSTC矩的特征，量化分析了特征在影像识别中的贡献率，开展了多矩融合机器学习智能识别试验。试验结果表明：不同类型特征指标对影像识别过程贡献率有明显差异，多矩融合机器学习智能识别模型具有较好的识别率和鲁棒性，能够明显提高影像识别精度，指标熵权和变异系数类权为初始权能够明显促进算法快速收敛，减少识别时间，该研究为矿石镜下影像识别提供了新的方法。
- 单位
