Классификация минеральных компонентов гранитоидов методами цифровой петрографии и машинного обучения

Abstract

Методы машинного обучения стали применяться в петрографии сравнительно недавно. Однако благодаря быстрому развитию программирования появляются более мощные алгоритмы и инструменты, использование которых для решения петрографических задач до настоящего времени не рассматривалось. Именно поэтому целью данной работы было применение современных методов машинного обучения для идентификации минеральных компонентов по макроизображениям образцов горных пород, а также методов обработки цифровых изображений. В статье представлены методика определения количественных характеристик и методика классификации минералов на макроизображениях горных пород. В качестве инструментария была использована программа для анализа и обработки изображений ImageJ с открытым программным интерфейсом, дополненная плагином Trainable Weka Segmentation. Макроизображения получены путем сканирования полированных образцов. Для эксперимента отобраны семь макрофотографий различных представителей семейства гранитов. Проведено обучение с учителем, где для классификации использован метод дерева решений. Для выборки объектов были созданы классы по каждому из породообразующих минералов: кварц (Q), калиевый полевой шпат (Fps), плагиоклаз (Pl) и биотит (Bi). Подготовлены области интереса и сохранены в одну базу данных, по которой и произведено обучение классификатора. По полученным классификационным изображениям созданы маски каждого минерала. Затем по этим маскам выполнен количественный анализ: определено процентное содержание и количество зерен минералов. Результаты представлены в табличной и графической формах.

Keywords

• цифровая петрография
• гранит
• идентификация горных пород
• классификация минералов
• машинное обучение