Este artigo realiza a coleta espectral do arenito branco, mármore, folhelho e sal-gema, utilizando três métodos para classificação de rochas: máquina de vetores de suporte, rede neural BP e árvore de decisão de regressão classificada. Através da precisão, taxa de recuperação e coeficiente Kappa, compara-se quantitativamente a eficácia dos modelos para obter o melhor modelo espectral de classificação de rochas. Os resultados mostram que o modelo de árvore de decisão apresentou a menor precisão de classificação, com apenas 93,1%; enquanto o modelo de classificação de rochas utilizando filtragem esparsa combinada com rede neural BP obteve o melhor desempenho, com precisão de classificação de até 97,1% e coeficiente Kappa de 0,958. Este estudo possibilita a rápida identificação dos tipos de rochas por meio de medições espectrais, fornecendo assim uma base teórica importante e valor prático para prevenção de desastres em diferentes rochas na engenharia prática.

classificação de rochas;espectroscopia de infravermelho médio;aprendizado de máquina;máquina de vetores de suporte;rede neural BP