شناسایی کانی های موجود در مقاطع نازک سنگ با استفاده از پردازش تصاویر رنگی

در روش سنتی برای مطالعه کانی های موجود در مقاطع نازک، مرز کانی ها به صورت دستی جدا شده و هر بخش برچسب گذاری می شود. این روش هزینه بر و نیازمند دانش، تخصص و تجربه بالایی است. بنابراین وجود یک سامانه شناسایی خودکار در این حوزه ضروری است. چنین سامانه ای می تواند باعث افزایش دقت و کاهش خطاهای انسانی، هزینه و زمان تشخیص کانی ها شود. هدف این پژوهش، پیشنهاد یک سامانه تشخیص خودکار است که با استفاده از پردازش تصویر، کانی های موجود را شناسایی و طبقه بندی کند. مراحل اصلی روش ارایه شده شامل جمع آوری تصاویر از مقاطع نازک، قطعه بندی، استخراج ویژگی و طبقه بندی است. پس از ایجاد پایگاه تصاویر، الگوریتم JSEG برای قطعه بندی انتخاب و اعمال شده است. سپس ویژگی های رنگ و بافت در دو فضای رنگی RGB و HSI از هر ناحیه استخراج شده اند. این ویژگی ها، برای طبقه بندی به طبقه بند فرستاده شده و طبقه بند هر ناحیه را به عنوان یک کانی برچسب گذاری کرده است. به علاوه، در این پژوهش کارایی شش طبقه بند مختلف نیز برای این منظور مورد ارزیابی قرار گرفته است. براساس نتایج، طبقه بند Bagged Tree دارای بالاترین دقت به میزان 95٫52 و کمترین میزان میانگین خطای مطلق برابر با 0٫04 می باشد. همچنین همه طبقه بندها دارای دقت بالای 93% هستند که نشان می دهد روش استخراج ویژگی پیشنهادی دارای قابلیت مناسبی است.