MINERÍA la mejor puerta de acceso al sector minero MINERÍA / MAYO 2023 / EDICIÓN 548 33 Muchas de las rocas de un entorno minero real contienen más de un tipo de mineral. Los casos más comunes son las rocas andesíticas con pequeñas vetas de cuarzo, que pueden tener una ley baja o media en función del número de vetas en la roca. Identificar la distribución de los distintos minerales en las rocas es esencial para clasificarlas correctamente como mineral o estéril. Por este motivo, el algoritmo divide la imagen de entrada en 1,064 subimágenes con dimensiones de 64 x 64 píxeles (5.25 mm x 5.25 mm), denotadas por Sp(m,n,c), donde p =1, ..., 1,064. Dado que cada subimagen Sp(m,n,c) contiene información sobre el color y la textura locales de la imagen, clasificar subimágenes en lugar de imágenes enteras tiene dos ventajas principales: (1) cada subimagen tiene una mayor probabilidad de contener un único tipo de mineral debido a su pequeño tamaño, y (2) la clasificación a nivel de subimagen genera un número mucho mayor de muestras de entrenamiento, lo que hace que el algoritmo de clasificación sea más robusto y preciso. Para evitar clasificar subimágenes que forman parte del fondo y no contienen ninguna parte de la roca, el algoritmo utiliza un método de segmentación básico pero eficaz. Este consta de dos pasos: en primer lugar, produce una imagen en escala de grises sumando los tres canales de color de la imagen a color l(m,n,c) y, a continuación, umbraliza la imagen para obtener una máscara binaria, denotada por M(m,n). Matemáticamente, este método se define por: (2) donde representa la suma de los canales rojo, verde y azul de la imagen; C = 3 el número total de canales de color, y TM el umbral de decisión, determinado experimentalmente como TM = 100, utilizando histogramas de intensidad de imagen. Como la imagen y la máscara tienen el mismo número de píxeles, a cada subimagen le corresponde una submáscara SM(m,n) de 64 x 64 píxeles. Por lo tanto, para decidir si una subimagen debe procesarse, el algoritmo cuenta el número de píxeles de la submáscara iguales a 1, que representan los que contienen una sección de la roca. Si al menos el 90% de los píxeles de la submáscara es igual a 1, la subimagen se procesa en las etapas posteriores del algoritmo (la Figura 7 es un ejemplo del proceso). Como se ha mencionado anteriormente, el resultado de esta etapa es un conjunto de subimágenes válidas Nv Sp (m,n,c) que contienen secciones de la roca pero no del fondo. Extracción de características Esta sección presenta los métodos utilizados en la segunda etapa del algoritmo, que contiene los Figura 9. Diagrama de bloques de las etapas de clasificación y votación del algoritmo.
RkJQdWJsaXNoZXIy MTM0Mzk2