本發(fā)明涉及礦山勘查、大數(shù)據(jù)與圖像識別領(lǐng)域，具體是一種基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集方法及裝置。

背景技術(shù)：

1、礦山資源勘查外業(yè)信息采集是礦山勘探過程中的重要環(huán)節(jié)之一。傳統(tǒng)的外業(yè)信息采集方式主要依賴于人工勘查，存在著信息采集效率低、成本高、精度不高等問題。而隨著大數(shù)據(jù)和圖像識別技術(shù)的不斷發(fā)展，這些新技術(shù)為礦山資源勘查外業(yè)信息采集提供了新的解決方案。如何利用現(xiàn)代化技術(shù)提高礦山資源勘查外業(yè)信息采集的效率和精度成為了亟需解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集方法及裝置，能夠有效提高外業(yè)數(shù)據(jù)采集的效率和精度，為決策者提供有力的支持，并且在礦山資源勘查行業(yè)具有廣闊的發(fā)展前景。

2、一種基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集方法，包括如下步驟：

3、接收客戶端上傳的相關(guān)礦山資源的勘查現(xiàn)場照片；

4、對上傳的勘查現(xiàn)場照片進(jìn)行圖像識別和分析，自動識別地層邊界和特征；

5、通過對勘查數(shù)據(jù)進(jìn)行預(yù)測和分類，生成地層命名建議，所述勘查數(shù)據(jù)包括勘查現(xiàn)場照片、地理位置、拍照時間；

6、將生成的不同地層的邊界和特征以及地層命名建議返回給客戶端。

7、進(jìn)一步的，所述客戶端為手機(jī)或平板電腦。

8、進(jìn)一步的，所述對上傳的勘查現(xiàn)場照片進(jìn)行圖像識別和分析，自動識別地層邊界和特征，具體包括：

9、將以往所有的勘查彩圖作為輸入數(shù)據(jù)，對輸入數(shù)據(jù)統(tǒng)一取圖像中心點(diǎn)300*300像素，共有r、g、b三個通道，并對每個通道像素值歸一化，彩色圖片有3個通道，故所有彩圖數(shù)據(jù)用一個四維數(shù)組來存儲，其形態(tài)為(300,100,100,3)。記為x；輸出數(shù)據(jù)為巖土類型，類型編號為0、1、2、3、4…n，記為y；對輸入數(shù)據(jù)x和輸出數(shù)據(jù)y，按訓(xùn)練集80％、測試集20％隨機(jī)劃分；采用tensorflow2之中的keras模塊下的堆疊模型，構(gòu)建多層卷積神經(jīng)網(wǎng)絡(luò)識別模型；

10、使用帶有標(biāo)注地層邊界和特征的圖像數(shù)據(jù)集進(jìn)行監(jiān)督學(xué)習(xí)，對多層卷積神經(jīng)網(wǎng)絡(luò)識別模型進(jìn)行優(yōu)化訓(xùn)練；

11、對勘查現(xiàn)場照片進(jìn)行預(yù)處理，包括圖像降噪、增強(qiáng)對比度；

12、將預(yù)處理后的現(xiàn)場照片通過優(yōu)化訓(xùn)練后的多層卷積神經(jīng)網(wǎng)絡(luò)識別模型進(jìn)行預(yù)測，自動識別并標(biāo)記出不同地層的邊界和特征。

13、進(jìn)一步的，所述通過對勘查數(shù)據(jù)進(jìn)行預(yù)測和分類，生成地層命名建議，具體包括：

14、建立地層數(shù)據(jù)庫，所述地層數(shù)據(jù)庫，包括地層特征、命名規(guī)則和與之相關(guān)的地質(zhì)資料和勘測數(shù)據(jù)，并進(jìn)行數(shù)據(jù)清洗和整理；

15、使用機(jī)器學(xué)習(xí)算法對地層數(shù)據(jù)庫進(jìn)行訓(xùn)練；

16、對勘查現(xiàn)場獲得的勘查數(shù)據(jù)進(jìn)行處理和特征提取；

17、基于訓(xùn)練好的地層數(shù)據(jù)庫，對經(jīng)過處理和特征提取的勘查數(shù)據(jù)進(jìn)行預(yù)測和分類，生成地層命名建議。

18、進(jìn)一步的，所述機(jī)器學(xué)習(xí)算法包括決策樹、隨機(jī)森林或深度學(xué)習(xí)模型。

19、一種基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集裝置，包括：

20、數(shù)據(jù)接收模塊，用于接收客戶端上傳的相關(guān)礦山資源的勘查現(xiàn)場照片；

21、圖像識別模塊，用于對上傳的勘查現(xiàn)場照片進(jìn)行圖像識別和分析，自動識別地層邊界和特征；

22、大數(shù)據(jù)分析模塊，用于通過對勘查數(shù)據(jù)進(jìn)行預(yù)測和分類，生成地層命名建議，所述勘查數(shù)據(jù)包括勘查現(xiàn)場照片、地理位置、拍照時間；

23、數(shù)據(jù)下發(fā)模塊，將生成的不同地層的邊界和特征以及地層命名建議返回給客戶端。

24、進(jìn)一步的，所述客戶端為手機(jī)或平板電腦。

25、進(jìn)一步的，所述圖像識別模塊，具體用于：

26、將以往所有的勘查彩圖作為輸入數(shù)據(jù)，對輸入數(shù)據(jù)統(tǒng)一取圖像中心點(diǎn)300*300像素，共有r、g、b三個通道，并對每個通道像素值歸一化，彩色圖片有3個通道，故所有彩圖數(shù)據(jù)用一個四維數(shù)組來存儲，其形態(tài)為(300,100,100,3)。記為x；輸出數(shù)據(jù)為巖土類型，類型編號為0、1、2、3、4…n，記為y；對輸入數(shù)據(jù)x和輸出數(shù)據(jù)y，按訓(xùn)練集80％、測試集20％隨機(jī)劃分；采用tensorflow2之中的keras模塊下的堆疊模型，構(gòu)建多層卷積神經(jīng)網(wǎng)絡(luò)識別模型；

27、使用帶有標(biāo)注地層邊界和特征的圖像數(shù)據(jù)集進(jìn)行監(jiān)督學(xué)習(xí)，對多層卷積神經(jīng)網(wǎng)絡(luò)識別模型進(jìn)行優(yōu)化訓(xùn)練；

28、對勘查現(xiàn)場照片進(jìn)行預(yù)處理，包括圖像降噪、增強(qiáng)對比度；

29、將預(yù)處理后的現(xiàn)場照片通過優(yōu)化訓(xùn)練后的多層卷積神經(jīng)網(wǎng)絡(luò)識別模型進(jìn)行預(yù)測，自動識別并標(biāo)記出不同地層的邊界和特征。

30、進(jìn)一步的，所述大數(shù)據(jù)分析模塊，具體用于：

31、建立地層數(shù)據(jù)庫，所述地層數(shù)據(jù)庫，包括地層特征、命名規(guī)則和與之相關(guān)的地質(zhì)資料和勘測數(shù)據(jù)，并進(jìn)行數(shù)據(jù)清洗和整理；

32、使用機(jī)器學(xué)習(xí)算法對地層數(shù)據(jù)庫進(jìn)行訓(xùn)練；

33、對勘查現(xiàn)場獲得的勘查數(shù)據(jù)進(jìn)行處理和特征提??；

34、基于訓(xùn)練好的地層數(shù)據(jù)庫，對經(jīng)過處理和特征提取的勘查數(shù)據(jù)進(jìn)行預(yù)測和分類，生成地層命名建議。

35、進(jìn)一步的，所述機(jī)器學(xué)習(xí)算法包括決策樹、隨機(jī)森林或深度學(xué)習(xí)模型。

36、本發(fā)明通過圖像識別實(shí)現(xiàn)了自動化的地層邊界和特征識別，利用大數(shù)據(jù)分析提供準(zhǔn)確的地層命名建議，快速采集功能和數(shù)據(jù)處理與存儲功能都大大提高了勘查效率和信息管理的便捷性。本發(fā)明的推廣應(yīng)用將為礦山勘查工作帶來革命性的變革，提升勘查效率，降低成本，并進(jìn)一步推動礦山資源的科學(xué)合理利用。

技術(shù)特征：

1.一種基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集方法，其特征在于，包括如下步驟：

2.如權(quán)利要求1所述的基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集方法，其特征在于：所述客戶端為手機(jī)或平板電腦。

3.如權(quán)利要求1所述的基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集方法，其特征在于：所述對上傳的勘查現(xiàn)場照片進(jìn)行圖像識別和分析，自動識別地層邊界和特征，具體包括：

4.如權(quán)利要求1所述的基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集方法，其特征在于：所述通過對勘查數(shù)據(jù)進(jìn)行預(yù)測和分類，生成地層命名建議，具體包括：

5.如權(quán)利要求4所述的基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集方法，其特征在于：所述機(jī)器學(xué)習(xí)算法包括決策樹、隨機(jī)森林或深度學(xué)習(xí)模型。

6.一種基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集裝置，其特征在于，包括：

7.如權(quán)利要求6所述的基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集裝置，其特征在于：所述客戶端為手機(jī)或平板電腦。

8.如權(quán)利要求6所述的基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集裝置，其特征在于：所述圖像識別模塊，具體用于：

9.如權(quán)利要求6所述的基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集裝置，其特征在于：所述大數(shù)據(jù)分析模塊，具體用于：

10.如權(quán)利要求9所述的基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集裝置，其特征在于：所述機(jī)器學(xué)習(xí)算法包括決策樹、隨機(jī)森林或深度學(xué)習(xí)模型。

技術(shù)總結(jié)
本發(fā)明提供一種基于大數(shù)據(jù)與圖像識別技術(shù)的礦山資源勘查外業(yè)信息采集方法及裝置，該方法包括：接收客戶端上傳的相關(guān)礦山資源的勘查現(xiàn)場照片；對上傳的勘查現(xiàn)場照片進(jìn)行圖像識別和分析，自動識別地層邊界和特征；通過對勘查數(shù)據(jù)進(jìn)行預(yù)測和分類，生成地層命名建議，所述勘查數(shù)據(jù)包括勘查現(xiàn)場照片、地理位置、拍照時間；將生成的不同地層的邊界和特征以及地層命名建議返回給客戶端。本發(fā)明能夠有效提高外業(yè)數(shù)據(jù)采集的效率和精度，為決策者提供有力的支持，并且在礦山資源勘查行業(yè)具有廣闊的發(fā)展前景。

技術(shù)研發(fā)人員：李雪龍,劉續(xù),嚴(yán)容飛,文豪,余品隆,李軍
受保護(hù)的技術(shù)使用者：中冶武勘工程技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2