(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211299325.5 (22)申请日 2022.10.24 (71)申请人 中国煤炭地质总局勘查研究总院 地址 100039 北京市丰台区靛厂2 99号 (72)发明人 宁树正　郭爱军　秦国红　张建强　 黄少青　杨昊睿　 (74)专利代理 机构 北京中知星原知识产权代理 事务所(普通 合伙) 11868 专利代理师 艾变开 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/22(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 矿物智能识别方法、 装置及存 储介质 (57)摘要 本发明涉及一种矿物智能识别方法、 装置及 存储介质， 属于人工智 能领域。 所述方法包括以 下步骤： S100、 基于扫描电镜图片数据集和CNN深 度学习模型， 得到第一识别模型和第二识别模 型； S200、 基于所述第一识别模型， 依次获取所述 扫描电镜图片数据集的扫描电镜图片， 根据所述 扫描电镜图片确定矿物是否含有硅元素或铝元 素； S300、 若所述矿物含有硅元素或铝元素， 则基 于所述第二识别模型， 获取并分割所述电镜图片 的矿物所在区域， 并根据所述矿物所在区域的 图 像确定所述矿物是锂绿泥石矿物或勃姆石矿物。 本发明能够避免因人为主观因素导致的误判， 快 速， 高质量地锁定其载体矿物， 极大地提高了扫 描电镜设备的工作效率。 权利要求书2页 说明书6页 附图6页 CN 115375680 A 2022.11.22 CN 115375680 A 1.一种矿物智能识别方法， 其特 征在于， 所述方法包括以下步骤： S100、 基于扫描电镜图片数据集和CNN深度学习模型， 得到第一识别 模型和第二识别 模 型； S200、 基于所述第一识别模型， 依次获取所述扫描电镜图片数据集的扫描电镜图片， 根 据所述扫描电镜图片确定矿物是否含有硅元 素或铝元 素； S300、 若所述矿物含有硅元素或铝 元素， 则基于所述第二识别 模型， 获取并分割所述电 镜图片的矿物所在区域， 并根据所述矿物所在区域的图像确定所述矿物是锂绿泥石矿物或 勃姆石矿物。 2.根据权利要求1所述的矿物智能识别方法， 其特 征在于， 步骤S10 0包括： S110、 基于扫描电镜， 获取 所述扫描电镜图片数据集； S120、 根据所述扫描电镜图片数据集， 确定含有硅元素或铝元素的矿物的电镜图片， 得 到训练集和 测试集； S130、 根据所述训练集和所述测试集， 训练并评估所述CNN深度学习模型， 得到所述第 一识别模型和所述第二识别模型。 3.根据权利要求1所述的矿物智能识别方法， 其特征在于， 所述第 一识别模型的结构包 括： 第一输入层、 第一卷积层、 第一池化层、 第二卷积层、 第二池化层、 第三卷积层、 第一全连 接层和第一输出层； 其中， 所述第一卷积层 包括32个3 ×3的2d卷积核， 所述第二卷积层 包括 64个3×3的2d卷积核， 所述第三卷积层 包括128个3 ×3的2d卷积核， 所述第一池化层和所述 第二池化层都包括2 ×2的最大池化核。 4.根据权利要求1所述的矿物智能识别方法， 其特征在于， 所述第 二识别模型的结构包 括： 第二输入层、 第四卷积层、 第三池化层、 第五卷积层、 第四池化层、 第六卷积层、 第五池化 层、 第七卷积层、 第六池化层、 第二全连接层、 第三全连接层和第二输出层； 其中， 所述第四 卷积层包括32个3 ×3的2d卷积核， 所述第五卷积层包括64个3 ×3的2d卷积核， 所述第六卷 积层包括128个3 ×3的2d卷积核， 所述第七卷积层包括256个3 ×3的2d卷积核， 所述第三池 化层、 第四池化层、 所述第五池化层、 所述第六池化层都包括2 ×2的最大池化核。 5.根据权利要求2所述的矿物智能识别方法， 其特 征在于， 步骤S120包括： S121、 根据所述扫描电镜图片数据集， 结合能谱分析， 得到含有硅元素或铝元素的矿物 的电镜图片； S122、 基于所述含有硅元素或铝元素的矿物的电镜图片， 进行数据增强， 得到所述训练 集和所述测试集。 6.根据权利要求2所述的矿物智能识别方法， 其特 征在于， 步骤S13 0包括： 设置分类损失函数， 计算 准确率， 确定所述 准确率是否 达到设定值。 7.根据权利要求2所述矿物智能识别方法， 其特 征在于， 步骤S120还 包括： 对所述含有硅元素或铝元素的矿物的电镜图片进行图像分析， 并根据图像分析结果标 注锂绿泥 石矿物或勃姆石矿物， 得到标注数据。 8.根据权利要求1所述矿物智能识别方法， 其特 征在于， 所述方法还 包括： S400、 若所述矿物不含有硅元 素或铝元 素， 则返回步骤S20 0。 9.一种矿物智能识别装置， 用于实现如权利要求1至8任一项所述的矿物智能识别方 法， 其特征在于， 所述装置包括：权　利　要　求　书 1/2 页 2 CN 115375680 A 2扫描电镜， 用于采集扫描电镜图片； 采集控制装置， 用于实现所述扫描电镜图片的定向采集； 深度学习控制板， 用于对所述扫描电镜图片进行图像分析， 特征提取， 标定出含有Li、 Ga的显微图片； 总体控制系统， 用于存储所述扫描电镜 图片， 控制所述采集控制装置和所述深度学习 控制板， 并显示结果信息 。 10.一种计算机可读存储介质， 其上储存有程序指令， 所述程序指令被处理器执行时实 施如权利要求1至8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115375680 A 3