تعیین ویژگی های هندسه ناپیوستگی ها با استفاده از تکنیک های پردازش تصویر دیجیتال
نویسندگان
چکیده مقاله:
اندازه‌گیری درجای هندسه ناپیوستگی‌ها در توده‌های سنگی به روش دستی، غالباً کند و پرهزینه می‌باشد. همچنین در بسیاری از موارد، قسمت بزرگی از رخنمون سنگ دور از دسترس بوده و برداشت آن خطرناک است. بنابراین دستیابی به روشی سریع و ایمن جهت بدست آوردن پارامترهای هندسی ناپیوستگی‌ها ضرورت دارد. برای این منظور، تکنیک‌های توسعه یافته در حوزه پردازش تصاویر دیجیتال بسیار کارآمد و مفید می‌باشند. در این مطالعه، یک روش خودکار برای تعیین هندسه ناپیوستگی-ها با استفاده از تصاویر دیجیتالی بدست آمده از رخنمون توده سنگ، ارائه می‌شود. از مزایای این روش نسبت به روش‌های دستی می‌توان به ایمن بودن، کم هزینه بودن، کم وقت‌گیر بودن، داشتن توانایی برداشت تمامی درزه‌ها، رخ دادن خطای کمتر و حذف خطای انسانی در بدست آوردن داده‌ها اشاره کرد. در طی پیاده‌سازی مراحل سیستم آنالیز خودکار هندسه ناپیوستگی‌ها، ابتدا فیلترهای متنوعی بر روی تصاویر دیجیتالی بمنظور حذف نویز و بهبود تصاویر اعمال می‌شود. سپس با توجه به میزان اختلاف سطح خاکستری ناپیوستگی‌ها با زمینه رخساره، ناپیوستگی‌های موجود در رخساره سنگ توسط آشکارساز کنی، آشکارسازی می-شوند. در ادامه از تبدیل هاف برای توصیف ناپیوستگی‌ها بر حسب مختصات قطبی استفاده می‌شود. در مرحله بعد با استفاده از روش‌های فازی، تعداد و مرکز دسته درزه‌ها و اعضای هر دسته درزه به صورت خودکار مشخص می‌شود. در نتیجه پیاده‌سازی این الگوریتم برخی از مشخصه‌های هندسه ناپیوستگی‌ها نظیر زاویه اثر، فاصله‌داری، چگالی درزه‌داری و تداوم ناپیوستگی‌ها بدست آمده و شاخص کیفیت سنگ (RQD)، در هر راستای دلخواه بدست می‌آید. این روش می‌تواند به عنوان تکنیکی برای برداشت منظم درزه‌ها و ساخت یک پایگاه بزرگ و دائمی برای تعیین خصوصیات هندسی توده‌های سنگی به شمار رود.
منابع مشابه
انتخاب مناسبترین ویژگی مورفولوژیک به منظور تشخیص علف‌های‌هرز مزارع گندم با استفاده از تکنیک پردازش تصویر
به منظور انتخاب مناسبترین ویژگی مورفولوژیک علف‌های‌هرز مزارع گندم استان خوزستان، شانزده گونه از رایجترین علف‌های‌هرز پهن‌برگ انتخاب شدند. گونه‌های جمع آوری شده شامل وایه، آناگالیس، چغندر وحشی، گلرنگ وحشی، سلمه برگ گزنه‌ای، پیچک صحرایی، کاهو وحشی، پنیرک، ساق ترشک، دم عقربی، کنگر برگ ابلق، خردل وحشی، شیر تیغی، گندمک، سیزاب و ماشک بودند. برای هر گونه، از پنج نمونه (به منزله پنج تکرار) عکس‌برداری ش...
متن کاملتعیین عیار ماده معدنی با استفاده از شبکه عصبی MLP و تکنیک پردازش تصویر
در این مقاله امکان تعیین عیار مواد معدنی با استفاده از شبکه عصبی و تکنیک پردازش تصویر مورد بررسی قرار گرفت. نمونه‌های مورد استفاده دراین طرح از معدن چغارت یزد تهیه و تعداد آنها نیز 100 عدد بوده است. در این طرح با تهیه عکس از نمونه‌های پودر شده با دوربین عکاسی دیجیتالی حرفه‌ای و با استفاده از ویژگی‌های تصویری عکس‌ها شامل سه رنگ اصلی قرمز، آبی و سبز(RGB) تصاویر و ویژگی بافتی‌هارلیک شامل انرژی[i] ...
متن کاملدرجه بندی خرمای رقم زاهدی بر اساس ویژگی های ظاهری با استفاده از روش های پردازش تصویر و یادگیری ماشین
خرما، یکی از محصولات باغی واستراتژیک در منطقه و ایران است. متاسفانه درآمد حاصل از صادرات این محصول پرارزش، نسبت به حجم صادرات بالای آن مطلوب نیست، بخشی از این امر به کیفیت پایین آمادهسازی و بستهبندی محصول مربوط می‌شود. به نظر میرسد استفاده از فناوریهای نوین، مانند بینایی ماشین و پردازش تصویر، می‌تواند روند درجهبندی و جداسازی خرما را بهبود بخشد. در این پژوهش درجهبندی میوه خرمای رقم زاهدی،...
متن کاملتعیین میانگین مساحت چغندرقند با استفاده از روش پردازش تصویر دیجیتال و بررسی همبستگی آن با فاکتورهای کیفیت تکنولوژی
چغندرقند به عنوان یک گیاه صنعتی و استراتژیک، یکی از اصلی‌ترین منابع تولید شکر در ایران و جهان محسوب می‌شود. تحقیق حاضر در طول یک دوره بهره‌برداری در سال 1392 بر روی چغندرهای قند ارسالی به کارخانه قند همدان صورت گرفت. تصاویری از سطح چغندرهای نمونه‌گیری شده با استفاده از یک دستگاه پویشگر رومیزی تهیه و به کمک الگوریتم طراحی‌شده در نرم‌افزار متلب مورد تجزیه و تحلیل قرار گرفت و مساحت سطح نمونه‌ها تع...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 8 شماره 3
صفحات 2301- 2318
تاریخ انتشار 2014-12
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023