基于改进YOLOv5s实现岩石薄片中副矿物实时视觉识别与定位

打开文本图片集

[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 atention，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 screenshots）等库实现对薄片中锆石实时识别与定位。（剩余23245字）