基于地质图像大数据的岩性识别研究*

胡启成 叶为民② 王 琼 陈永贵

(①同济大学岩土及地下工程教育部重点实验室，上海 200092，中国)(②教育部城市环境与可持续发展联合研究中心，上海 200092，中国)

0 引 言

2008年，Google推出了GFT(Google Flu Trends)，利用Google搜索引擎，根据人们键入的搜索关键词的频数预测流感，经与美国疾病控制和预防中心监控报告相关书籍的多次比对，证实了预测结果与实测值之间存在很大的相关性(Laser et al.，2014)。这意味着，利用大量数据的相关性解决部分问题成为可能。与此同时，根据搜集到的用户信息，大数据推荐系统可向用户推送专属、感兴趣的片段信息(朱扬勇等， 2015)，如购物软件的商品推荐系统，音乐软件的歌曲推荐系统，导航软件的交通流量预测等等，大数据已经渗透进人们生活的方方面面。

长期以来，地质学科积累有大量的文本、图像和序列数据，借助大数据手段开展地质数据在科研和商业上的应用研究，具有极其重要的理论与社会意义。2017年11月，“地质云1.0”上线运行，实现了地质调查数据共享； 2018年10月18日，“地质云2.0”在2018中国国际矿产大会上正式上线，我国的地质数据共享工作正在有序推进。

地质大数据一般包括序列数据、文本数据及图像数据。其开发利用过程一般包括数据采集、数据预处理、模型构建、模型训练和结果评价等5个步骤。其中，模型构建是地质大数据挖掘的关键。

地质数据挖掘的发展主要取决于大数据挖掘技术的进步。初期主要依赖于传统的机器学习、模式识别等方法，如Bhattacharya et al.(2006)利用决策树、人工神经网络及支持向量机算法，将静力触探试验测得的锥尖阻力和侧壁摩阻力生成图像，再利用CONCC算法进行分割，并针对分割块进行土性分类。Marjanoviet al.(2011)通过GIS系统提供的关于滑坡的地理、地质数据，分别使用决策树、logistic回归模型和SVM模型进行滑坡稳定性分析，并且通过对比展现出SVM模型的泛性。当深度学习展露出强大功能后，Patel et al.(2016)使用Probabilistic Neural Network对石灰石种类进行分类； 程国建等(2016)借助深度学习将多隐含层(Hidden Layer)与大量训练数据联系起来，构建“深网络模型”实现自动学习并最终提升岩性分类的准确性。刘丽婷(2017)将深度信念网络应用于岩石薄片的图像处理中，借用光学显微镜进行图像采集，经无缝拼接出整张图片的光学图，并传入深度信念网络分类模型。张野等(2018)采用基于Inception-v3的深度卷积神经网络模型，建立了岩石图像分类的深度学习的迁移模型，实现基于图像特征的岩性分类。

实际上，开展基于地质图像大数据的岩性识别研究，对于遥感卫星等岩石图像及处于较危险地带岩性图像等的识别，减轻传统人工识别工作强度，提升工作效率与识别准确率等均具有重要的学术与经济社会价值。

本文针对地质大数据中的图像数据，基于深度学习，通过基于网络搜索的数据采集、数据预处理、搭建网络、训练网络以及评价与结果等步骤，开展图像识别岩性研究。结果表明，图像识别岩性的测试准确率可达90%。

1 图像数据(Image Data)

图像是人类世界中数量最大的数据类型之一，可以传递大量的直观信息。基于图像数据可以开展复杂的分析，如识别图中物体、描述图像，甚至对图像进行联想。随着近几年计算机视觉技术的发展，机器在处理诸如图像识别(Image Recognition)、图像描述(Image Caption)、图像风格转移(Style Transfer)等方面均取得了长足进步。

图像识别：简单来说，就是输入图像数据，通过模型输出图像名称。该模型可以是人的大脑，也可以是其他数学模型。实际上，日常地质图像处理工作中，存在诸多识别问题，如岩性识别、矿物识别、结构识别等等。需要指出的是，图像识别不仅只局限于普通光学照片的识别，红外、X光、高光谱等技术同样可以用于地质图像识别。

图像描述：即输入图像数据，借助模型分析，机器输出图像信息对应的文字描述。例如，输入某个地质体的图像，机器会对地质体图像进行分析，从而生成对该地质体相关信息的文字描述。

图像生成：即输入图像数据和图像风格信息，借助模型分析输出带有目标风格的图像。目前常用的生成模型为对抗模型(GAns)和变分自编码器(VAes)，两者都拥有较强的图像生成能力。在此基础上，可通过文本数据的加入，构建需求描述和图形设计数据集，从而通过网络模型实现自动生成设计图的功能。

2 基于图像数据的岩性识别

开展基于图像数据的岩性识别，就是要利用输入的图片数据来预测、判断该图片所示的岩性类别，实质上是要寻找一个从高维图片空间到低维图片类别空间的映射。为此，本文开展了数据采集、数据预处理、网络搭建、网络训练和结果评价研究，以实现基于图像数据的岩性识别。本次训练环境为Win10，CPU为i5-8100h，所用的图形加速硬件为RTX2060。

2.1 图像数据采集

数据采集是该类型任务中最重要的部分，数据的数量、质量直接影响到基于图像的岩性识别结果。原则上，采集的数据应该包含目标关键词，图像分辨率不宜过小，图像非拼接，数据分布均匀和图像内只存在同一种类岩石等。

本次岩性图像数据主要是借助百度、谷歌等搜索引擎从网络采集，输入岩石或矿物关键词搜索图片，再利用Python编写爬虫脚本解析网页内容，寻找图片内容的范式，以模拟人类完成下载。最终获取了约1200张、共8个分类的图片数据集。

网络本身是一个超级大的数据库，通过搜索引擎获取的图片同样遵循大数据特性。但需要说明的是，在图片的爬取过程中，由于价值密度的不断降低，后半过程爬取的图片常发生内容与关键词偏离，甚至可能出现广告图片及不完整图片等问题。即图像的质量和数量呈反比关系，爬取的图片越多，质量越差(混入错误的图片越多)。为此，本文最终爬取了约1200张图片。

图1 网络爬取的图像数据Fig.1 Images crawled from Web source

2.2 数据预处理

针对所采集的图片数据存在重复、不完整及与关键词无关等问题(图2)，需要进行必要的预处理。对于重复图片(图片编号不同，但内容相同)只能人工删除，或者不处理； 对于数据不完整图片，可以编写脚本检查图片完整性，对不完整图像重新下载即可； 而对于图片数据与关键词不符(即出现不符合标签的错误图片数据)，目前未找到较好的解决方法，也只能通过人工检查后删除。可见，图像数据的预处理目前大多通过人工审查来完成，若要使用机器进行预处理，就要先训练机器，而训练机器又需要图片数据这就形成了悖论。

图2 网络采集的问题图像数据Fig.2 Diagrams of problem data编号28和编号33为重复图片； 编号42为无效信息； 编号40和编号41为错误图像

同时，数据预处理的另一项任务是规范图片的存储地址、大小等属性，从而构造数据集并提高数据集的质量。

本次处理中首先规范图片的存储地址为：

——Dataset Folder

——Train Data

——Data

——Test Data

——Data

即一级目录为Dataset Folder，二级目录为Train Data和Test Data，三级目录为Data的各个分类文件夹。其目的是为了使用Pytorch(Python中的深度学习框架)中的ImageFolder函数，以构造训练和测试数据集。训练数据集是网络训练所依赖的数据集，即网络会查看到图片的正确分类，以修正自己的错误，使得下一次预测更准确； 而测试数据集不会获得图片的正确分类，它是对网络性能的一次测试。为了使测试集充分反应模型的能力，极为重要的一点是，网络不能查看到测试集的正确分类。

构造完毕后，使用transforms函数将图像数据集大小重新调整为448×448(根据机器性能决定，一般为2的倍数)，再将图片数据转化为tensor(张量)数据，以方便读取和训练，并对张量数据进行归一化处理，加快模型的收敛速度。对于训练数据集，在转化为张量数据之前，可以利用数据集增大(Dataset Aggregation)操作，如对图像翻转、随机裁剪等等，增加训练数据集的多样性。

图3是处理完成后， 36张训练数据集的可视化效果。

图3 可视化的训练样本Fig.3 Visualized training data

2.3 网络搭建

为使网络模型拥有不错的性能，同时又不消耗过多的训练时间，选择了预训练的Resnet50模型进行迁移训练。

Resnet模型是广大神经网络模型家族中的一员，拥有神经网络模型的普遍特性，即模型是由模块(Block)所堆叠组成的，每个模块通常由不同功能的神经层(Layer)所连接而成(图4、图5)。其中输入层(Input Layer)负责数据的输入，输出层(Output Layer)负责数据的输出，卷积层(Convolution Layer)负责数据的卷积运算以获得图像的特征信息，非线性层(Non-linearity Layer)负责对特征信息进行非线性拟合，池化层(Pooling Layer)负责对数据降维、压缩参数数量等。

图4 网络训练流程图Fig.4 Flow path for network training

图5 网络模型示意图Fig.5 General view of a network model

经过上述一系列功能层的组合与堆叠，模型能够学习图像中物体的特征信息。特征信息获取的多少与网络模型的深度有关。以任意一张岩石图像为例，图6是输入图像经不同模块处理后的特征可视化图，其中图6a是输入的原始图片； 图6b是经第1个模块(block)的处理结果。从蓝到红，提取特征的相关程度依次上升，每一张小图表示该神经层对图像特征学习/提取的激活程度，可以看到浅层的神经层更多地关注岩石物体自身的特征(特别是左侧萤石的特征)，同时对于背景图像(右侧光亮区)也赋予了较多的关注； 图6c是经第3个模块处理后的结果。到此深度时，机器所提取特征的激活程度变低，同时所提取的特征变得抽象(人类难以理解)，多数情况下，特征呈离散的点状分布，当然依然有特征与岩石和背景相关。利用这些在模型训练过程中所学习到的特征，模型可以很好地对目标物体进行分类。总之，该网络已经被证明拥有良好的图片分类能力(He et al.， 2016)。

图6 网络模型学习/提取中的图像特征结果Fig.6 Visualization of part of feature maps of network model a.输入图像； b.第1个模块的可视化结果； c.第3个模块的可视化结果

理论上借助该网络模型，输入岩性图片，便可输出预测的岩性名称。但实际操作过程中，预测的岩性名称难免与实际岩性名称之间会存在一定的误差。为此，本文选择了损失函数(Cost Function)来衡量网络预测值和实际值之间的误差。考虑到图片识别属于分类问题，故这里选择常用于分类问题的交叉信息熵(Cross Entropy Loss)作为衡量误差的函数。

同时，为使网络预测值最接近真实值，需要选用一个优化器，以使衡量误差的损失函数最小化。为此，本文选择常用的随机梯度下降法(Stochastic Gradient Descent)作为优化器。

2.4 网络训练

完成搭建的网络需要进行必要的训练，以保证模型的有效性。实际网络训练过程中，需要手动选择两个参数，即训练批次大小(Batch size)和学习率(lr， Learning rate)。前者主要受硬件设备制约，一般选取2的次方，如32、64等，这里选取了8，即一次同时训练8张图像。学习率对于最后的训练结果影响较大，因而本文依次尝试了10-2，10-3，10-4，10-5情况下的学习率，结果如图7所示。图7结果表明，当学习率为10-2时，训练误差下降太快， 20个轮次后，就已经开始收敛，再进行训练将会过拟合，从而导致模型的实际预测能力不足； 当学习率为10-5时，训练误差下降过慢(图中红色曲线几乎为一直线)，模型学习能力不足，故舍弃； 当学习率为10-3，10-4时，训练误差下降正常(绿色与橙色曲线性能良好)，准确率稳步上升，再出于训练时间考量，本文选择了前者。

图7 学习率试验曲线Fig.7 Learning rate curvesa.训练误差与训练轮次关系曲线； b.测试误差与训练轮次关系曲线

至此，网络训练参数设置如下：训练批次为8，学习率为0.001，同时利用stepLR函数(Pytorch深度学习框架下的函数)来控制学习率大小变化，使得学习率随着训练过程逐渐减小，直至训练误差或训练准确率收敛。

根据设定的参数，对整个模型经过50轮次(Epoch)的训练，获得训练准确率及测试准确率等参数随训练次数变化关系如图8所示。

图8 模型网络训练过程Fig.8 Network training processes该图为训练准确率与测试准确率随训练轮次变化关系

从图8可以看到，随着训练次数的增加，训练准确率稳定增加，且经约40 Epochs以后逐渐收敛，训练准确率在约94%波动，表明训练基本稳定，网络模型已经学习到了图片的分类特征； 同时，对应的测试准确率尽管伴有数值上的波动，但总体趋势变化与训练准确率曲线相同，网络整体训练完毕。

2.5 结果与评价

图8网络训练表明，测试准确率在75%左右波动，且在第46个轮次达到最高值0.895 833 3，即约90%。选取最高准确率下的网络参数权重值，输入经最优配置的网络模型，开展基于图像的岩性识别，并部分岩样图像及其识别结果见图9。

图9 岩样图像及其岩性识别结果Fig.9 Rock images and lithological recognition results

图9中，左图为图像数据及其对应的岩样正确名称，右图为模型识别获取的岩性数值图(按数值降序排列)，其中最值对应的岩性类别即为预测的岩性名称。图9a中，输入的为方解石图像，按识别值降序依次为：方解石、萤石与片麻岩等，说明对于待识别图像，这些岩性具有相似的特征，根据最大值对应的岩性，方解石应为待识别图像的岩性名称； 输出数值为负值时，表明对应的岩性相关性更低； 图9b和9c识别的岩性与图像数据对应的岩性同样一致。

然而，图9d识别结果表明，模型将“砾岩”识别成了“方铅矿”。产生识别错误的原因，可能是由于用于模型学习与识别训练的图像数据数有限，未能达到“大数据”的程度。同时，岩石图像的背景也会对最后的识别结果产生一定的影响，这点理论上可以通过增加数据集数量、使用更高分辨率的图像以及剥离物体和背景来弥补。因此，此类模型要想在实际应用中具有良好表现，就必须收集大量的岩性图片、构建合理的数据集供模型进行训练。此外，岩性分类识别过程中，岩石图片的一些非常相近的特征，譬如宏观的形状、颜色等，都会误导机器给出正相关评分，导致网络产生错误判断。

因此，只有输入足够数量、足够高清的岩性图像数据，机器才能识别出微小的特征差异，完成正确识别。但高清原图数据不易获取、对硬件显存要求高，以及需要的计算资源成倍增长等又成了必须面对的问题。理论上采用BCNN(Bilinear Convolutional Neural Network)等能够捕捉更精细细节的网络模型，对于这类在计算机视觉中被称为细粒度识别问题的解决，应该是今后的一个研究方向。

3 结论与展望

本文基于深度学习理论，通过网络搜索的数据采集、数据预处理、网络搭建、网络训练及结果/评价等，探讨了基于深度学习的地质图像岩性识别问题。

借助深度学习技术，分别从数据采集、数据预处理、网络搭建、训练网络、评价和结果等方面阐述了岩性图像数据的识别过程，构建了识别率约90%的图像识别模型，完成了不同图像的岩性识别，分析了结果误差及其产生的原因。

构建数量多、质量好、数据分布均匀的数据集，是提高识别准确率的有效保证，但由此可能会带来计算资源成倍增长等问题。开发使用能够捕捉更精细细节的网络模型，应该是解决相似特征区分难(细粒度识别问题)的一个研究方向。