|
|
|
|
استفاده از فن‌های پردازش تصویر به‌منظور دانه‌بندی خاک
|
|
|
|
|
|
|
|
نویسنده
|
مرادویسی کیهان ,ایثاری محسن ,مرادویسی مهران
|
|
منبع
|
محيط زيست و مهندسي آب - 1403 - دوره : 10 - شماره : 2 - صفحه:227 -242
|
|
چکیده
|
شمارش تعداد دانه‌های خاک در مطالعات دانه‌بندی، به‌ویژه در علوم زمین‌شناسی، کشاورزی و محیط‌زیست و مهندسی دارای اهمیت است. ازجمله آن می‌توان به تحلیل دقیق خصوصیات خاک، تعیین ساختار خاک و تحلیل محیط زیستی اشاره کرد. هدف اصلی این پژوهش، ارزیابی دانه‌بندی و تشخیص شکل ذرات خاک با استفاده از فن‌های پردازش تصویر است. در این پژوهش، ابتدا تصاویری به‌صورت رنگی از دانه‌بندی خاک تهیه شد. سپس این تصاویر به وسیلۀ زبان برنامه‌نویسی python و کتابخانه scikit-image پردازش شدند. درنهایت برای اعتبارسنجی مدل، از 17 عدد دانه برنج و 8 عدد سکه استفاده شد. نتایج نشان داد که این روش با دقت بالا توانست تعداد و شکل آن‌ها را تشخیص دهد. همچنین در تشخیص تعداد و شکل ذرات خاک نیز به‌خوبی عمل کرد. به‌‌علاوه، در مقایسه با چندین نرم‌افزار دیگر در همین زمینه عملکرد بهتری را از خود ارائه کرد. با کمک این روش می‌توان منحنی دانه‌بندی خاک را رسم کرد. این رویکرد منجر به کاهش هزینه و زمان محاسبات می‌شود.
|
|
کلیدواژه
|
پایتون، پردازش تصویر، دانه‌بندی خاک، شکل ذرات
|
|
آدرس
|
دانشگاه کردستان, دانشکده مهندسی, گروه مهندسی عمران, ایران, دانشگاه کردستان, دانشکده مهندسی, گروه مهندسی عمران, ایران, مرکز تحقیقات راه، مسکن و شهرسازی, پژوهشکده ساختمان و مسکن, گروه مهندسی عمران, ایران
|
|
پست الکترونیکی
|
mehran.moradveisi@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
utilizing image processing techniques for soil particle sizing
|
|
|
|
|
Authors
|
moradveisi keihan ,isari mohsen ,moradveisi mehran
|
|
Abstract
|
counting the number of soil particles in grain size studies is of great importance, especially in geological, agricultural, environmental, and engineering sciences. it can be used for detailed analysis of soil properties, determining soil structure, and environmental analysis. the main goal of this research is to evaluate the grain size and shape recognition of soil particles using image processing techniques. in this study, initially, color images of soil grain size were acquired. then, they were processed using python programming language and the scikit-image library. finally, for model validation, 17 rice grains and 8 coins were used. the results demonstrated that this method was able to accurately detect the number and shape of these particles. it also performed well in identifying the number and shape of soil particles. furthermore, when compared to several other software tools in the same field, it provided better results. this approach can be utilized to plot the soil grain size curve, ultimately leading to reduced computational costs and time.
|
|
Keywords
|
paython ,image processing ,soil granulation ,shape of soil particles
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|