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.