文献

J-GLOBAL ID：202002222768644957   整理番号：20A0493060

高速R-CNN法に基づく岩石タイプの知的同定に関する研究【JST・京大機械翻訳】

Research on Intelligent Identification of Rock Types Based on Faster R-CNN Method

著者 (5件)： Liu Xiaobo (Intelligent Mine Research Center, Northeastern University, Shenyang, China) ,  Wang Huaiyuan (Intelligent Mine Research Center, Northeastern University, Shenyang, China) ,  Jing Hongdi (Intelligent Mine Research Center, Northeastern University, Shenyang, China) ,  Shao Anlin (Intelligent Mine Research Center, Northeastern University, Shenyang, China) ,  Wang Liancheng (Intelligent Mine Research Center, Northeastern University, Shenyang, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 21804-21812  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 地下金属鉱山の採鉱プロセスにおいて,現場技術者による岩石タイプの誤判断は,岩盤の安定性評価とサポートスキームの定式化に重大な負の影響を及ぼす。それは,経済的利益の損失と採鉱企業の潜在的安全性災害をもたらす。岩石タイプの正確で知的な同定を実現するために,かんらん岩,玄武岩,大理石,片麻岩,con岩,石灰岩,花崗岩,磁鉄鉱石英石の画像データを増幅した。ファスタR-CNN深い学習の目標検出フレームワークの下で,単純化したVGG16に基づく抽出ネットワークを用いて,岩石画像の特徴を抽出して,学習して,最後に,岩石型同定システムを首尾よく訓練した。実験的検証により,このシステムは単一タイプの岩石画像認識に対して正しく,精度は96%以上であることを示した。複雑な岩石学的条件の下で周囲の岩石表面の正確で知的な同定を実現するために,多タイプの岩石ハイブリッド画像も同定される。結果は,認識効果が大きく,精度率が80%以上であることを示した。したがって,本システムは,類似の画像特徴を有する岩石タイプを正確に同定することができて,それはこのモデルが強いロバスト性と一般化能力を有することを証明した。それは,岩盤安定性評価と地下採掘における岩石分類において広い応用展望を持った。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： かんらん岩 ,  *岩石 ,  定式化 ,  片麻岩 ,  石英 ,  簡素化 ,  石灰岩 ,  ネットワーク ,  花崗岩 ,  採鉱 ,  岩盤 ,  採掘 ,  玄武岩 ,  大理石 ,  磁鉄鉱

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： CNN ,  岩石 ,  タイプ ,  同定 ,  研究