矿业研究与开发

作者：孙林,李岩,姚旭龙,陶志刚,来有邦,曹冲

关键词：岩石薄片图像;智能识别;深度学习;Mineral-YOLO 模型;目标检测

随着矿物资源勘探技术的不断进步,岩石矿物的智能识别在矿物成分分析领域变得日益重要.为分析岩石薄片图像复杂纹理结构和多变矿物形态对智能识别技术的影响,提出了一种基于改进 YOLOv8算法的岩石矿物智能识别模型(Mineral-YOLO 模型).Mineral-YOLO 模型创新性地集成了 LSK 模块,以增强模型对不同目标与背景信息差异的识别能力;引入ODConv技术,以减轻背景干扰的影响,从而提升卷积网络的性能;优化了损失函数,以提升边界框定位的准确性.在模型训练时,利用组合增强技术对自建数据集进行扩展,使数据集的样本更加丰富.利用验证集对训练好的模型进行验证,结果表明,所提出的矿物智能识别模型在识别6种矿物时,平均精度均值为83.3％,F1 为78％,相较于 YOLOv8模型分别提升了3个百分点和1个百分点,证明了 Mineral-YOLO 模型在岩石矿物智能识别中的高效性和准确性.

来源：2025年第12期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2025年第12期