基于神经网络的古生物化石颗粒特征鉴定  

作　　者：李松林 朱章雄[1] 吴承熹 郑堃玲 李鹏飞 

机构地区：[1]重庆科技学院石油与天然气工程学院,重庆401331

出　　处：《中文科技期刊数据库（全文版）自然科学》2024年第1期0079-0082,共4页

基　　金：国家自然科学基金(44272125);重庆科技学院2022大学生科技创新工程项目资助。

摘　　要：随着大数据技术的发展,古生物化石颗粒特征[footnoteRef:0]的识别和分析成为古生物学研究的重要内容之一。传统的方法需要专业人员进行人工鉴定,费时费力且存在主观的误差和人才缺乏等问题。本文提出了一种基于卷积神经网络的古生物化石颗粒特征识别方法,采用Resnet-50算法模型对图像进行预处理、模型设计、训练与预测,实现了多类生物化石的智能识别。实验结果表明,该方法对三叶虫纲和头足纲的识别准确率分别达到86.4%和91.2%,并且通过迁移学习得到的最终分类模型在数据集上的测试准确率为85.6%。该方法具有较高的准确率和效率,为古生物学的研究提供了有力支持。

关 键 词：古生物化石图像 Resnet-50 特征识别 卷积神经网络 

分 类 号：S431[农业科学—农业昆虫与害虫防治]