نقشه برداری گوسان های حقیقی در کانسارهای اکسیدان با استفاده از تصاویر RGB و یادگیری عمیق
گوسان ها ساده ترین و سریعترین روش برای اکتشاف منابع زیرسطحی بوده و در واقع نماینده زون های مواد معدنی در روی سطح زمین هستند. آن دسته از گوسان ها که دارای منابع معدنی مهم مثل مس و طلا هستند، گوسان های حقیقی نام دارند. هدف از این تحقیق شناسایی گوسان های حقیقی در محدوده های اکتشافی کوچک بود. در این راستا، یک الگوریتم برمبنای شبکه های عصبی کانولوشنی عمیق طراحی شد. در الگوریتم پیشنهادی ابتدا پیش پردازش هایی نظیر تصحیح و ترمیم هندسی و طیفی، تقسیم تصاویر ماهوارهای ASTER و Google به تصاویر کوچکتر و تقویت داده های آموزشی برای آماده سازی تصاویر RGB برای ورود به شبکه انجام می شود. شبکه عصبی کانوولوشنی (CNN) پیشنهادی دارای ساختاری کدگذار-کدگشا است که در مرحله کدگذاری ویژگی های مختلف و کارآمد در مقیاس های متفاوت استخراج شده و در مرحله کدگشایی ویژگی های تولید شده برای تخمین مناطق گوسانی با یکدیگر تلفییق می گردند. سپس شبکه مورد نظر برای تصاویر محدوده اکتشافی مورد مطالعه به نام "تل بارگاه" واقع در شهرستان داراب اجرا شده و مناطق گوسانی منطقه استخراج شد. برای ارزیابی میدانی نتایج بدست آمده، نتایج شبکه و جانمایی آن روی نقشه درونیابی عیاری مس منطقه و بررسی نتایج سنگ شناسی ادغام شده و گوسان های حقیقی منطقه با دقت آماری پارامترهای حساسیت: 0.957 ، امتیاز F1: 461/0 ، دقت تشخیص سنگی 92 درصد و میانگین عیاری مس بالای 4درصد در این مناطق، شناسایی شد.
گوسان ، ژئوشیمی ، کانسار مس ، سنجش ازدور ، یادگیری عمیق
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.