مقاله تشخیص کانی های موجود در مقاطع نازک سنگ با استفاده از پردازش تصویر

بخشی از مقاله

خلاصه

امروزه به کارگیری پردازش تصویر در علوم مختلف به سرعت در حال افزایش است و توجه بسیاری به آن شده است. در علم زمینشناسی و به خصوص کانیشناسی نیز پردازش تصویر جایگاه ویژهای یافته است. یکی از روشهای مطالعه و بررسی سنگها در کانیشناسی، مطالعهی مقاطع نازک است. مقاطع نازک توسط ابزارهایی از سنگهای مورد مطالعه، برش داده میشوند. برای تشخیص کانیها داشتن دانش، تخصص و تجربهی بالایی نیاز است. از سوی دیگر خطای انسانی ناشی از خستگی و بیدقتی موجب کاهش دقت در تشخیص کانیها میشود. بنابراین استفاده از یک سیستم پردازش خودکار برای تشخیص کانیهای موجود در مقاطع نازک، ضروری به نظر میرسد. در این مقاله روشهای موجود در این زمینه مرور شده و روند روشهای خودکار موجود بررسی میشوند.

.1 مقدمه

یکی از روشهای مطالعه و بررسی سنگها در کانیشناسی، مطالعهی مقاطع نازک است. این مقاطع نازک توسط ابزارهایی از سنگهای مورد مطالعه برش داده میشوند. برای تشخیص کانیهای موجود در مقاطع نازک سنگ، این مقاطع با استفاده از میکروسکوپهای قطبی کنندهی نور، در نورهای معمولی و قطبی مورد مطالعه قرار میگیرند

در این روش برای تشخیص کانیها، داشتن دانش، تخصص و تجربهی بالا مورد نیاز است. از سوی دیگر خطای انسانی ناشی از خستگی و بی دقتی موجب کاهش دقت در تشخیص کانیها میشود. بنابراین استفاده از یک سیستم پردازش خودکار برای تشخیص کانیهای موجود در مقاطع نازک امری ضروری است. در سالهای اخیر محققان روشهای مختلفی را در این زمینه پیشنهاد دادهاند و برنامهها و نرمافزارهای مختلفی پیادهسازی شده اند . در مطالعهی پیش رو پس از ارائهی برخی تعریفها، به بررسی روشهای پیشنهادی موجود و نرمافزارهای ارائه شده در این زمینه میپردازیم.

.2 اطلاعات کانی شناسی

در این بخش از پژوهش، برخی از تعاریف و مفاهیم پایه در علم زمینشناسی ارائه میشود. ابتدا مفهوم کانی و مقاطع نازک شرح داده میشود. سپس میکروسکوپ پلاریزان و خواصی که کانیها دارند توصیف میشود. و در آخر پایگاه دادههای استفاده شده در پژوهشهای انجام شده بررسی میشوند.

.1-2 کانی

کانی مادهای طبیعی و جامد است که ترکیب شیمیایی ثابتی دارد.[2] برخی کانیها از یک عنصر خالص و بسیاری از آنها از دو یا چند عنصر درست شدهاند. علاوه بر این که ترکیب شیمیایی کانیها با هم متفاوت است، از نظر شکل ظاهری، رنگ، اندازه و دیگر ویژگیها نیز تفاوتهایی با هم دارند. برای شناسایی کانیها از خواص فیزیکی و خواص شیمیایی و همچنین خواص نوری آنها کمک میگیرند.

برخی از روشهای شناسایی کانیها عبارتند از: شکل بلور، سختی، چگالی، رنگ، مقاوت در برابر گرما، خاصیت مغناطیسی، چکش خواری، جذب آب، جلا، رنگ خاکه، رنگ شعله و طیف نوری. همچنین از میکروسکوپهای پلاریزان، میکروسکوپ الکترونی و پرتو ایکس نیز بهره میگیرند.

.2-2 مقاطع نازک

برای تهیه مقاطع نازک پس از انجام نمونهبرداری از سنگهای مناطق مختلف، نمونهها را طی انجام فرآیندهای تخصصی برش میزنند. در واقع قطعه سنگ نمونهبرداری شده به آزمایشگاه انتقال یافته و بخشی از آن از نمونه جدا می-شود. سپس این قسمت طی عملیاتهای تخصصی، به ضخامتی در حدود 30 میکرون رسانده میشود که به آن مقطع نازک گفته می شود. از این مقاطع نازک برای مطالعهی کانیها استفاده میشود.

هر مقطع نازک شامل یک یا چند کانی شاخص میباشد و وجود تنها یک کانی شاخص در یک مقطع به ندرت اتفاق میافتد. کانی شاخص به کانیهایی اطلاق میگردد که فراوانی نسبی بالایی در مقطع داشته باشند. اگر چندین کانی شاخص در یک مقطع موجود باشند، میتوان آن مقطع را به نام کانی شاخصی که بیشترین فراوانی را در آن مقطع دارد، نامگذاری کرد.

.3-2 میکروسکوپ پلاریزان انکساری

یکی ازمهمترین ابزارهای مطالعهی مقاطع نازک، میکروسکوپهای قطبیکننده نور هستند. این میکروسکوپ برای مطالعه خواص نوری بلورها، شناسایی کانیها، پترولوژی و پتروگرافی انواع سنگها، مطالعهی بافت و تخلخل مورد استفاده قرار میگیرد. برای اینگونه پژوهشها از مقاطع نازک استفاده میشود. اجزای مهم تشکیل دهنده میکروسکوپ پلاریزان عبارتند از : پایه و بدنه، منبع نوری، پلاریزور، دیافراگم، عدسی متقارب کننده - کندانسور - ، پیچ تنظیم سریع و کند، عدسی شیئی، آنالیزور و عدسی چشمی.[3] این میکروسکوپها نور معمولی را به نور قطبی تبدیل میکنند و به مقاطع نازک می-تابانند. با تابش نور قطبی به مقاطع نازک، رنگ کانیها تغییر میکند و بهتر میتوان کانیهای مختلف را در مقاطع نازک شناسایی کرد.

.4-2 خواص نوری

بیشتر کانیها در مقاطع نازک در نور معمولی بیرنگ هستند. به همین منظور، منشورهای نیکلی ثابت و متحرک در میکروسکوپهای انکساری قطبی کننده نور تعبیه شدهاند که نور را قطبی کرده و بدین ترتیب، میتوان کانیها را در نور قطبی و در رنگهای تداخلی مشاهده نمود.[3] رنگهای تداخلی، به رنگهای دیده شده بر روی مقطع نازک تحت نور قطبی گفته میشود که بسته به جهت برش مقطع نازک، نوع و خواص ذاتی کانیها، متفاوت میباشد.

بنابراین، به منظور شناسایی و طبقهبندی کانیها در مقاطع نازک، علاوه بر بررسی آنها تحت نور معمولی و رنگ معمولی، آنها را تحت نور قطبی و رنگهای تداخلی نیز مورد بررسی قرار میدهند.

.5-2 پایگاه داده

متاسفانه پایگاه دادهی مطلوب و تخصصی در زمینهی پردازش تصاویر مقاطع نازک در سطع جهانی وجود ندارد. بنابراین در مقالههای مختلف، ابتدا پایگاه دادهای از کانیهای متداول و قابل دسترس تهیه شده است. برای این کار، نمونه سنگهای متفاوتی از مناطق مختلف جمعآوری شده و از آنها مقاطع نازک سنگ تهیه شده است. سپس این مقاطع نازک در زیر میکروسکوپ پلاریزان قرار داده شده و تصاویر مقاطع نازک در زیر نور معمولی و نور پلاریزه تصویربرداری شده است.

پس ازجستجوهای انجام شده برای یافتن پایگاه دادهی مناسب، وب سایت http://www.bgs.ac.uk یافت شد. این وب سایت تصاویری از مقاطع نازک را در بخش دادههای خود قرار داده است. با اینکه عکسهای موجود در این وب-سایت محدود است، اما میتواند به عنوان منبع معتبری برای پژوهشها، مورد استفاده قرار گیرد.

.3 روش های خودکار تشخیص کانی

پژوهش های مختلفی در زمینه تشخیص کانیها با استفاده از تکنیکهای پردازش تصویر انجام شده است. در این روشها از تصاویر مقاطع نازک که در نور معمولی و نور پلاریزه شده گرفته شدهاند، استفاده شده است. در ابتدا پیش پردازشهایی روی تصاویر به منظور بهبود کیفیت و رفع نویز انجام شده است. در مرحله بعدی یک سری ویژگی از تصاویر استخراج میشود و با اعمال تکنیکهایی نظیر شبکههای عصبی، الگوریتم JSEG ، روش نزدیکترین همسایه - NN - ، روش -Kنزدیکترین همسایه - kNN - ، روش نزدیکترین حالت - NM - و روش محدوده کروی مطلوب - OSN - بر روی ویژگیهای استخراج شده، تصویر به ناحیههایی کلاسبندی میشود. هر ناحیه مربوط به کانی خاصی در تصویر مقطع نازک است.

.3-1 شناسایی مواد معدنی با استفاده از فضاهای رنگی و شبکه های عصبی مصنوعی

نوردان و همکاران [4] از یک فیلتر میانه 3×3 به منظور کاهش نویز استفاده کردهاند. با به کارگیری فیلتر میانه - به جای میانگین - سطح خاکستری هر پیکسل با میانهی سطح خاکستری پیکسلهای همسایه جایگذاری میشود. برای این کار مقادیر پیکسل و همسایگیهای آن مرتب شده، مقدار میانه محاسبه شده و این مقدار برای پیکسل قرار داده میشود. همچنین از تطبیق هیستوگرام برای بهبود کیفیت تصویر استفاده شده است.

پس از انجام بخش پیش پردازش، از شبکه عصبی MLPNN با الگوریتم آموزشی بازگشتی - back propagation - استفاده شده است. برای این شبکه عصبی سه پارامتر رنگ برای هر مقطع نازک در دو نور پلاریزه شده عمودی و افقی استخراج شده است. مقادیر هر پیکسل در دو فرمت RGB و HSV استخراج شده است. شبکه با شش پارامتر ورودی با استفاده از مقادیر RGB و HSV به صورت جداگانه آموزش داده شده است.