Skoltech 研究人員已經(jīng)訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)來有效地識別核心盒圖像中的巖石樣本。它將分析過程加快了多達(dá) 20 倍，并使巖石樣本的描述自動化成為可能。開發(fā)的算法用于 DeepCore 系統(tǒng)——由 Skoltech 的衍生公司 Digital Petroleum 創(chuàng)建的數(shù)字地質(zhì)勘探服務(wù)。該方法的詳細(xì)信息在Computers & Geosciences上發(fā)表的文章中進(jìn)行了描述。

地質(zhì)研究的常規(guī)任務(wù)之一是巖石樣品的描述。在許多情況下，提取的巖心堆放在盒子里?？茖W(xué)家在核心研究期間拍攝盒子或柱子的照片。描述是通過填寫電子表格或地質(zhì)期刊手動編譯的。標(biāo)準(zhǔn)分析程序涉及在圖形編輯器中從盒子照片中手動提取列。這是一個相當(dāng)耗時的過程。

為了使這一過程自動化，科學(xué)家們使用了機(jī)器學(xué)習(xí)方法。然而，由于數(shù)據(jù)量有限且圖像之間的差異很大，傳統(tǒng)的計算機(jī)視覺算法在這項任務(wù)上表現(xiàn)不佳。例如，如果芯柱的顏色或紋理與相鄰的或在不同條件下拍攝的芯柱不同。這種差異顯著影響機(jī)器學(xué)習(xí)算法的性能，這需要描述所有可能變體的大型數(shù)據(jù)集。結(jié)果，人們不得不花時間重新訓(xùn)練模型。

為了解決這個問題，Skoltech 的科學(xué)家們使用了深度卷積神經(jīng)網(wǎng)絡(luò)——一種在結(jié)構(gòu)上與動物視覺皮層相似的人工神經(jīng)網(wǎng)絡(luò)。為了訓(xùn)練神經(jīng)網(wǎng)絡(luò)，科學(xué)家們使用了增強(qiáng)功能，添加了核心盒照片的修改副本以增加數(shù)據(jù)量。“合成”圖像是基于修改后的 CutMix 算法創(chuàng)建的。CutMix 算法通過隨機(jī)切出一張圖像并將其插入到另一張圖像中，從一對現(xiàn)有圖像中創(chuàng)建一個新圖像。由于科學(xué)家們對識別巖柱特別感興趣，他們基于巖心圖像模板優(yōu)化了這種方法，僅從巖心所在的區(qū)域切割和交換碎片。

“在同一領(lǐng)域拍攝的核心框可能在視覺上非常相似，但巖石可能會有所不同。如果將來自另一個框的巖石虛擬放置在同一個框內(nèi)，由于顏色相似，網(wǎng)絡(luò)會混淆核心區(qū)域和框邊界. 增強(qiáng)有助于網(wǎng)絡(luò)關(guān)注顏色和形狀以外的其他特征，例如結(jié)構(gòu)和紋理，”該工作的第一作者、Skoltech 科學(xué)家 Evgeny Baraboshkin 解釋說。

在他們的研究中，科學(xué)家們描述并測試了新方法，并比較了在“原始”上訓(xùn)練并與增強(qiáng)數(shù)據(jù)混合的算法的效率。事實證明，由于增強(qiáng)，該算法被訓(xùn)練以在大多數(shù)新圖像中有效且準(zhǔn)確地檢測巖柱。這種自動化方法將一個芯盒的處理速度提高了 20 倍。此外，該方法可以自動確定每列對應(yīng)的深度。以前這需要用尺子測量。

“有趣的是，當(dāng)我們將增強(qiáng)數(shù)據(jù)添加到通常的數(shù)據(jù)集中時，神經(jīng)網(wǎng)絡(luò)學(xué)會了識別列上有銘文的紙片，盡管在原始數(shù)據(jù)集中它們也被標(biāo)記為核心。算法在初始標(biāo)記中檢測到錯誤并在未來避免它，”Evgeny 補(bǔ)充道。

科學(xué)家們將開發(fā)的方法作為分析階段之一引入 DeepCore 系統(tǒng)，這是他們?yōu)閺膱D像中自動描述核心而創(chuàng)建的軟件產(chǎn)品。從圖像中提取列后，程序確定層邊界和巖石類型。同時，用戶仍有維修的可能。如有必要，專家可以添加其他類型的巖石或更改層邊界。自 2021 年以來，DeepCore 已用于采掘行業(yè)，幫助專家減少日常工作時間并自動化分析。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！