技术特征：
1.一种岩芯自动识别方法，其特征在于，包括：获取岩芯图片样本；建立初始岩芯识别模型，其中，所述初始岩芯识别模型包括依次连接的骨干网络、主干网络和头部网络；将所述岩芯图片样本输入至所述骨干网络，提取所述岩芯图片样本的图像特征；将所述图像特征输入至所述主干网络，得到所述岩芯图片样本的多维度特征图，所述多维度特征图包括底层特征图和高层特征图；将所述底层特征图输入至所述头部网络，得到所述岩芯图片样本的岩芯外包络，将所述高层特征图输入至所述头部网络，得到所述岩芯图片样本的外部信息；迭代训练至第一预设次数，得到训练完备的岩芯识别模型；获取岩芯图片，基于所述训练完备的岩芯识别模型，确定所述岩芯图片的岩芯外包络和外部信息。2.根据权利要求1所述的岩芯自动识别方法，其特征在于，所述岩芯外包络包括岩芯/岩饼/碎石的形状和位置，所述外部信息包括岩芯箱、隔板的形状和位置以及标签内容。3.根据权利要求2所述的岩芯自动识别方法，其特征在于，所述确定所述岩芯图片的岩芯外包络和外部信息，还包括：建立坐标系，确定所述岩芯图片中的点坐标；根据所述点坐标，确定所述岩芯/岩饼/碎石，岩芯箱和隔板的位置坐标。4.根据权利要求1所述的岩芯自动识别方法，其特征在于，所述头部网络包括并列连接的多个子头部网络，且所述多个子头部网络包括：岩芯箱目标检测头部网络、隔板目标检测头部网络和岩芯目标检测头部网络；其中，所述岩芯箱目标检测头部网络和所述隔板目标检测头部网络用于处理所述高层特征图，得到所述岩芯图片样本的外部信息；所述岩芯目标检测头部网络用于处理所述高层特征图和所述底层特征图，得到所述岩芯图片样本的岩芯外包络。5.根据权利要求1所述的岩芯自动识别方法，其特征在于，所述初始岩芯识别模型还包括标签识别网络，通过光学字符识别技术，确定所述岩芯图片样本中的标签内容。6.根据权利要求1所述的岩芯自动识别方法，其特征在于，所述获取岩芯图片样本，包括：获取初始岩芯图片样本，去除异常图片，通过筛选得到过滤岩芯图片样本；根据所述过滤岩芯图片样本，通过数据合成技术，得到人造岩芯图片样本；根据所述过滤岩芯图片样本和所述人造岩芯图片样本，确定所述岩芯图片样本。7.根据权利要求1所述的岩芯自动识别方法，其特征在于，所述迭代训练至第一预设次数，得到训练完备的岩芯识别模型，包括：将所述岩芯图片样本输入至所述初始岩芯识别模型，迭代训练至第一预设次数，并利用损失函数计算训练结果的损失值，得到训练完备的岩芯识别模型。8.一种岩芯自动识别装置，其特征在于，包括：样本获取模块，用于获取岩芯图片样本；岩芯识别模型建立模块，用于建立初始岩芯识别模型，其中，所述初始岩芯识别模型包括依次连接的骨干网络、主干网络和头部网络；将所述岩芯图片样本输入至所述骨干网络，提取所述岩芯图片样本的图像特征；将所述图像特征输入至所述主干网络，得到所述岩芯图片样本的多维度特征图，所述多维度特征图包括底层特征图和高层特征图；将所述底层
特征图输入至所述头部网络，得到所述岩芯图片样本的岩芯外包络，将所述高层特征图输入至所述头部网络，得到所述岩芯图片样本的外部信息；迭代训练至第一预设次数，得到训练完备的岩芯识别模型；信息获取模块，用于获取岩芯图片，基于所述训练完备的岩芯识别模型，确定所述岩芯图片的岩芯外包络和外部信息。9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-7任一项所述的岩芯自动识别方法。10.一种存储介质，其特征在于，所述存储介质存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行根据权利要求1至7中任一所述的岩芯自动识别方法。
技术总结
本申请公开了一种岩芯自动识别方法、装置、电子设备及存储介质，该方法通过构建岩芯识别模型，其中岩芯识别模型包括依次连接的骨干网络、主干网络和头部网络；先由骨干网络提取出岩芯图片的图像特征，实现初步提取特征，再根据主干网络得到多维度特征图，对岩芯的特征进行分类，最后由头部网络对多维度特征图进行细致探索，提取出岩芯外包络，从而实现自动获取岩芯图片中的外包络。在主干网络将各图像特征进行分类的基础上，由于头部网络的识别精度较高，能够较好地获取到岩芯的边缘，从而实现了高精度自动识别岩芯外包络，提高了岩芯识别的效率。别的效率。别的效率。
技术研发人员：李明鹏 高鉴 朱大鹏 童楷
受保护的技术使用者：武汉珈鹰智能科技有限公司
技术研发日：2022.08.22
技术公布日：2022/11/25