Cet article réalise la collecte spectrale du grès blanc, du marbre, de la argile et du sel, en utilisant trois méthodes de classification de roches : la machine à vecteurs de support, le réseau de neurones BP et l'arbre de décision de régression de classification. La précision, le rappel et le coefficient Kappa sont utilisés pour quantifier et comparer les modèles afin d'obtenir le meilleur modèle spectral de classification des roches. Les résultats montrent que le modèle d'arbre de décision a la précision la plus basse à seulement 93,1 % ; tandis que le modèle de classification des roches utilisant le filtrage parcimonieux combiné au réseau de neurones BP obtient les meilleures performances avec une précision de classification de 97,1 % et un coefficient Kappa de 0,958. Cette étude permet une identification rapide des types de roches grâce à la méthode de mesure spectrale, fournissant ainsi une base théorique importante et une valeur pratique pour la prévention des risques liés aux différentes roches dans les projets d'ingénierie.

classification des roches;spectroscopie moyen infrarouge;apprentissage automatique;machine à vecteurs de support;réseau de neurones BP