基于改进YOLOv5s实现岩石薄片中副矿物实时视觉识别与定位

基于深度学习镜下矿物的识别研究中,前人主要针对颗粒较大的主要矿物开展识别研究,缺乏对具有重要意义且较小的副矿物识别的探讨。以三大岩类中常见的副矿物锆石为例,提出一种基于改进YOLOv5s实时识别薄片中锆石的方法。在YOLOv5s基础上引入改进后的高效通道注意力机制(efficient channel attention,ECA)和简化空间金字.塔池化(simplified spatial pyramid pooling-fast,SimSPPF)模块,运用构建的岩石薄片中的锆石数据集训练模型后,将获得的最佳训练权重文件结合MSS(multiple screen shots)等库实现对薄片中锆石实时识别与定位。经验证,本研究改进YOLOv5s模型的精确度、召回率和m AP50分别达到88%,82%,86%。因此,结合丰富的数据集,本文提出的改进后的YOLOv5s模型能够实现薄片中微小矿物的实时且较准确的识别。

资料为PDF文档格式.

本文档关键词:实时,矿物,视觉,岩石,识别