由自然资源部科技创新团队——地质调查主流程信息化团队申请的“一种多模态数据中间层整合全连接地质图预测处理方法”“一种岩石地层深度学习模型的多尺度采样与输入方法”日前获国家发明专利授权。

地质调查主流程信息化团队聚焦从数字地质调查到智能地质调查的发展，面向特定填图对象高精度识别和高精准定位的应用需求，提出了深度学习地质填图（成图）技术方法。此次获专利授权的核心技术体现在多模态数据多个共享特征融合层的深度神经网络地质图生成模型架构，其优势是能够通过多类型遥感以及地球物理、地球化学等数据进行高维特征的多层次融合，提升识别分类或预测的准确性；更好利用遥感、地球物理和地球化学等多模态数据的互补性，提取跨模态数据的高维空间特征，适合地质填图大数据量、岩性分类粒度细、小样本及样本不均衡等特点的地质图建模；地质填图对象识别数量可以几百到一千类，而且类平均召回率可保持90%以上；基于地质路线制作标签的方法易于操作，技术方法、软件工具与生产流程结合便于大规模落地应用。

自2019年起，相关技术先后在三大岩类（火山岩、变质岩、沉积岩）及造山带地质填图项目中示范应用。试验结果证明，该技术方法具有较强的空白区地质图预测能力和水平，可以较准确地反映测区的地质格架和空间分布形态，在填图单位细粒度识别、地质界线与接触关系识别、火山机构识别及浅覆盖揭露等方面具有较强的能力，可将地质填图对象识别与分类提升到逼近实测地质图的水平。其预测成果的空间表达有利于新问题、新信息的发现。同时，该技术方法能够辅助圈定特殊标志层、矿化蚀变带，为进一步扩大找矿空间、推动验证工作提供重要的参考依据和方向。