Международная конференция «Математические и информационные технологии, MIT-2013»
(X конференция «Вычислительные и информационные технологии в науке,
технике и образовании»)

Врнячка Баня, Сербия, 5–8 сентября 2013 г.

Будва, Черногория, 9–14 сентября 2013 г.

Бакланова О.Е.  

Разработка алгоритмов распознавания изображений для оценки состава горных пород

Знание модального состава горной породы или руды весьма важно для решения минералого-технологических вопросов. Сегодня при анализе горных пород широко используются как традиционные, так и современные минералогические и аналитические методы: оптической и электронной микроскопии, рентгенографического, микрорентгеноспектрального и элементного анализов, а также широко привлекаются методы изучения физических свойств минералов. По мере расширения и углубления знаний о минералах все большее значение приобретают технические средства, позволяющие исследовать их микроструктуру.
Целью данной работы является разработка новых методик и алгоритмов обработки растровых изображений, полученных в результате микроскопии, обеспечивающих решение задач «машинного» зрения для оценки качественного состава минеральных пород в горнодобывающей промышленности. В данной работе предлагается методика распознавания горных пород. Для выделения компонентов горных пород используется алгоритм кластерного анализа цветных изображений. Классический вариант кластерного анализа, ориентированный на случайный выбор центроидов, неприемлем для адекватного решения задачи ввиду вариаций получаемой картины сегментации, которая, в свою очередь, сильно зависит от порядка подачи наблюдений на вход алгоритма. Как следует из результатов обработки тестового изображения, каждая картина сегментации отличается формой полученных сегментов. В качестве критерии оценки качества сегментации предлагается использовать комбинированную среднеквадратическую ошибку, меру Хаусдорфа, функцию Лью и Янга. Также предлагается использовать визуальную оценку, которая выставляется по сто балльной шкале, исходя из адекватности сегментации в задаче выделения объектов интереса. Она будет максимальной, если после сегментации изображение будет разделено на сегменты, идеально вписанные в границы искомых объектов.
Данная методика и алгоритмы могут быть использованы для автоматизации задач «машинного» зрения для оценки состава минеральных пород в горнодобывающей промышленности.

Файл тезисов: BaklanovaOE.docx


К списку докладов

© 1996-2019, Институт вычислительных технологий СО РАН, Новосибирск