基于改进YOLOv5s实现岩石薄片中副矿物实时视觉识别与定位

摘要

基于深度学习镜下矿物的识别研究中，前人主要针对颗粒较大的主要矿物开展识别研究，缺乏对具有重要意义且较小的副矿物识别的探讨。以三大岩类中常见的副矿物锆石为例，提出一种基于改进YOLOv5s实时识别薄片中锆石的方法。在YOLOv5s基础上引入改进后的高效通道注意力机制（efficient channel attention, ECA）和简化空间金字.塔池化（simplified spatial pyramid pooling-fast,SimSPPF）模块，运用构建的岩石薄片中的锆石数据集训练模型后，将获得的最佳训练权重文件结合MSS(multiple screen shots)等库实现对薄片中锆石实时识别与定位。经验证，本研究改进YOLOv5s模型的精确度、召回率和m AP50分别达到88%,82%,86%。因此，结合丰富的数据集，本文提出的改进后的YOLOv5s模型能够实现薄片中微小矿物的实时且较准确的识别。

关键词

副矿物 / 锆石 / 深度学习 / 目标检测 / 改进YOLOv5s / C3ECA / SimSPPF