基于深度学习的镜下岩石、矿物薄片识别

岩石、矿物显微图像的识别是岩矿鉴定的基础手段之一,对地质资源勘探有着重要意义。薄片显微图像一般情况下是在实验室中进行的,这项工作繁琐费时,需要大量的人力资源,并且准确性受限于鉴定者的经验。深度学习智能图像识别算法可以通过卷积神经网络提取显微图像的深层特征,从而达到对显微图像进行快速、准确分类识别的目的。本研究以PyCharm平台为深度学习框架,以中国科学数据网上的南京大学教学岩石薄片数据集、南华北石炭纪灰岩显微图像数据集等6个数据集为基础制作了可以应用于岩石矿物显微图像分类识别训练的数据集,搭建具有针对性的VGG卷积神经网络模型,该模型具有对整个岩石薄片图像与单个矿物图像分别提取其深层中的特征信息的能力,从而达到识别岩石薄片的目的。实验结果显示,随着模型训练迭代的进行,预测值与真实值之间的损失函数在不断减小,识别准确率在不断增加,在分别经过50个和30个循环训练之后,模型的损失函数与识别准确率已经基本收敛。模型对显微图像测试集的识别成功率均高于90%,说明搭建的模型对于图像有很好的特征提取效果,可以完成岩石矿物显微图像识别的任务。通过本文的研究,可以认识到,深度学习对于处理岩矿鉴定这样的任务有着高超的效率与准确度,开发相关的模型并运用到前端软件上,可以加快矿产资源勘探工作的速度,对于生产实践有着重要的应用意义。

粤北坪田地区三叠纪A型花岗岩年代学、地球化学及其构造意义

坪田岩体位于华南南岭中部,是认识华南三叠纪岩浆作用及其地球动力背景的理想窗口.以坪田花岗岩类为研究对象,对其开展了系统的全岩地球化学、锆石U-Pb定年和锆石原位Hf同位素研究.结果表明,坪田岩体由粗粒似斑状黑云母花岗岩、粗粒似斑状钾长花岗岩和中粒二长岩组成,成岩年龄为238~239 Ma,形成于中三叠世.地球化学特征显示,岩石轻稀土元素富集,有明显铕负异常(δEu平均为0.42).富集Zr、Hf、Y、Ce,明显亏损Sr、P和Ti,属于准铝质到弱过铝质碱性花岗岩类,为A型花岗岩.锆石ε_(Hf)(t)值为-37.7~-5.0,tDM2二阶段模式年龄为1578~3597 Ma之间,结合全岩地球化学特征,揭示其原始岩浆来源于地壳中长英质物质在低温高压环境下部分熔融,可能混入古老地壳物质,并经历了一定的结晶分异作用,形成于后碰撞伸展背景.综合华南A型花岗岩和碱性正长岩的地球化学特征和空间分布,认为华南内部三叠纪区域构造演化主要受华南地块与印支地块碰撞带和华南地块与华北地块碰撞带共同控制,华夏地块在中三叠世(238 Ma左右)发生构造环境的转变,从早三叠世的碰撞挤压环境,到中晚三叠世过渡到后碰撞伸展环境.