طبقه بندی سنگ های آهکی براساس خصوصیات سنگ‌شناسی و ترکیب شیمیایی با استفاده از روش پردازش تصویر و شناخت الگو

رویکرد پردازش تصویر، یکی از ابزارهای کاربردی در مقوله طبقه‌بندی و تشخیص دیجیتال نوع سنگ‌شناسی است. در این مقاله، تفکیک نمونه های سنگ آهک از نظر میزان خلوص کربنات کلسیم، با استفاده از کمّی سازی ویژگی های تصویری نمونه ها و الگوریتم آماری بیزین،  مطالعه شده است. بدین منظور تعداد 30 نمونه سنگ آهک از معدنی در منطقه لاج سمنان برداشت شد. هریک از این نمونه ها توسط سنگ شکن فکی خرد و بخش هایی از نمونه با ابعاد 7-2.5 سانتی متر، با استفاده از سرندی با دهانه 1 اینچ جدا شده و بررسی شدند. تعداد 60 تصویر از 30 نمونه در شرایط یکسان تهیه و ویژگی های متفاوتی از این تصاویر استخراج شد. به منظور کاهش ابعاد ویژگی های استخراج شده و انتخاب ویژگی های مستقل، ابتدا ضرایب همبستگی اسپیرمن ویژگی های گوناگون محاسبه شده و بدین ترتیب تعداد 18 ویژگی مستقل از یکدیگر انتخاب شد. برای افزایش قابلیت تعمیم مدل و با هدف تعیین کوچکترین مجموعه داده ها با بالاترین خاصیت پیشگویانه، روش آماری چند متغیره تحلیل مولفه های اصلی برروی 18 ویژگی موردنظر انجام شد، که در نتیجه، 7 مولفه اصلی اوّل با مدل سازی 91% تغییرپذیری، برای تشکیل مدل آماری انتخاب شد. نتایج طبقه بندی آماری بیزین با توجه به دانش پیشین از نوع نمونه های موجود در هر تصویر نشان داد که ویژگی های استخراج شده از تصاویر به خوبی معرف و تفکیک کننده نمونه های مختلف می باشد. بهترین عملکرد الگوریتم طبقه کننده بر اساس نرخ طبقه‌بندی کننده صحیح به ترتیب مربوط به سنگ دولومیت، آهک و آهک دولومیت بود که بیان گر دقت حدود 80% است. این نتایج، به‌همراه افزایش سرعت عملیات، کاهش هزینه ها و عدم نیاز به حضور دایم متخصص، از نقاط قوت استفاده از این روش است.