图1. 矿识的4个页面
a: 选取待识别的矿物,可现场拍照获取或从手机相册中选取
b: 截取待识别矿物中心图
c: 输入便携硬度仪测量或经验估计所得的硬度值后得到识别结果
d: 可以不使用硬度值,仅用图片进行识别
表1 矿识与其他相关工作的对比
图片类型 |
相关研究 |
性能 |
|
可识别矿物数 |
准确率(%) |
||
Raman spectroscopy 拉曼光谱 |
Computers & geosciences 2013 |
6 |
83.0 |
Microscope 显微镜 |
Sensors 2019 |
4 |
90.9 |
Mathematical and Computational Applications 2011 |
5 |
93.9 |
|
Photo 相机图片 |
Artificial Intelligence in Theory and Practice, 2008 |
6 |
91.0 |
Minerals 2019 |
12 |
74.2 |
|
photo & hardness 相机图片+硬度 |
矿识 |
36 |
90.6 |
表2 矿识能够识别的36种矿物及其准确率
矿物名 |
样本数 |
仅用图片识别的正确数 |
结合图片与硬度识别的正确数 |
Agate玛瑙 |
5 |
5 |
5 |
almandine铁铝榴石 |
6 |
4 |
4 |
azurite蓝铜矿 |
2 |
1 |
2 |
beryl绿柱石 |
1 |
1 |
1 |
chalcopyrite黄铜矿 |
2 |
1 |
2 |
cinnabar辰砂 |
1 |
1 |
1 |
copper铜 |
2 |
2 |
2 |
fluorite萤石,氟石 |
11 |
8 |
10 |
galena方铅矿 |
3 |
2 |
3 |
halite石盐 |
1 |
1 |
1 |
hematite赤铁矿 |
8 |
1 |
5 |
malachite孔雀石 |
6 |
5 |
5 |
opal欧泊 |
1 |
1 |
1 |
orpiment雌黄 |
3 |
1 |
3 |
pyrite黄铁矿 |
6 |
5 |
6 |
quartz石英 |
4 |
4 |
4 |
sphalerite闪锌矿 |
1 |
0 |
0 |
stibnite辉锑矿 |
8 |
7 |
8 |
sulphur硫磺 |
2 |
2 |
2 |
total |
73 |
52 |
65 |
Accuracy |
\ |
71.2% |
89% |
扫码关注,查看更多科技成果