Количественная петрография: подходы и приложения
Аннотация
Рассмотрено текущее состояние количественной петрографии как научно-производственного направления геологии. Прогресс в этой области связан с развитием цифровой оптики и информационных технологий анализа изображений. Данное направление активно разрабатывается во многих смежных науках, но в петрографии пока преобладает классический описательный подход. Объектами изучения количественной макропетрографии являются штуфы, керн скважин и полированные плиты, а микропетрографии – шлифы и аншлифы горных пород, поверхности скола пород и иммерсионные препараты. Цель исследований состоит в разработке и представлении новых методических подходов цифровой микроскопии для анализа руд, пород и минералов, а также возможностей информационных технологий анализа изображений для перехода от методов классического описания горных пород к количественной петрографии.
Литература
- Marschallinger R, Hofmann P. The application of object based image analysis to petrographic micrographs. In: Méndez-Vilas A, Díaz J, editors. Microscopy: science, technology, applications and education. Badajoz: Formatex Research Center; 2010. p. 1526–1532.
- Vasilionak AA, Samodurov VP. Mafic index of the igneous rocks definition by the digital petrography data. In: Makhnach AA, Astapenko VN, Demidova SV, Zui VI, Kruchek SA, Kutyrlo VE, et al., editors. Problemy geologii Belarusi i smezhnykh territorii. Materialy Mezhdunarodnoi nauchnoi konferentsii, posvyashchennoi 100-letiyu so dnya rozhdeniya akademika NAN Belarusi Aleksandra Semenovicha Makhnacha; 21–22 noyabrya 2018 g.; Minsk, Belarus’ [Problems of the geology of Belarus and adjacent territories. Proceedings of the International scientific conference, dedicated to the 100th anniversary of the academician of the National Academy of Sciences of Belarus Alexander Semenovich Makhnach; 2018 November 21–22; Minsk, Belarus]. Minsk: StroiMediaProekt; 2018. p. 285–288. Russian.
- Polat Ö, Polat A, Ekici T. Automatic classification of volcanic rocks from thin section images using transfer learning networks. Neural Computing and Applications. 2021;33(18):11531–11540. DOI: 10.1007/s00521-021-05849-3.
- Izadi H, Sadri J. Application of pattern recognition in mineral segmentation and identification. In: Proceedings of the International conference on pattern recognition and artificial intelligence; 2018 May 13–17; Montreal, Canada. Montreal: Centre for Pattern Recognition and Machine Intelligence, Concordia University; 2018. p. 433–438.
- Cheng Su, Sheng-jia Xu, Kong-yang Zhu, Xiao-can Zhang. Rock classification in petrographic thin section images based on concatenated convolutional neural networks. Earth Science Informatics. 2020;13(4):1477–1484. DOI: 10.1007/s12145-020-00505-1.
- Thompson S, Fueten F, Bockus D. Mineral identification using artificial neural networks and the rotating polarizer stage. Computers & Geosciences. 2001;27(9):1081–1089. DOI: 10.1016/S0098-3004(00)00153-9.
- Ślipek B, Młynarczuk M. Application of pattern recognition methods to automatic identification of microscopic images of rocks registered under different polarization and lighting conditions. Geology, Geophysics & Environment. 2013;39(4):373–384. DOI: 10.7494/geol.2013.39.4.373.
- Arganda-Carreras I, Kaynig V, Rueden C, Eliceiri K, Schindelin J, Cardona A, et al. Trainable Weka Segmentation: a machine learning tool for microscopy image segmentation. Bioinformatics. 2017;33(15):2424–2426. DOI: 10.1093/bioinformatics/btx180.
- Buono A, Fullmer S, King H, Sansone M, Lamberti B, Peterson K. Quantitative digital petrography: thin section to plug scale quantification of pore space, grains and connectivity. In: Mountjoy carbonate research conference. Carbonate pore systems: abstracts; 2017 June 25–29; Austin, Texas, USA. [S. l.]: [s. n.]; 2017. p. 12.
- Hinds OI, Duller RA, Walker RP, Wells BT, Worden RH. Enhanced two dimensional grain size analysis through the use of calibrated digital petrography. Search and Discovery [Internet]. 2014 [cited 2021 Jule 17]:41461. Available from: https://www.searchanddiscovery.com/pdfz/documents/2014/41461hinds/ndx_hinds.pdf.html.
- Poliakov A, Donskoi E. Automated relief-based discrimination of non-opaque minerals in optical image analysis. Minerals Engineering. 2014;55:111–124. DOI: 10.1016/j.mineng.2013.09.014.
- Donskoi E, Manuel JR, Hapugoda S, Poliakov A, Raynlyn T, Austin P, et al. Automated optical image analysis of goethitic iron ores. Mineral Processing and Extractive Metallurgy. 2020:1–11. DOI: 10.1080/25726641.2019.1706375.
- Marfunin AS. Spektroskopiya, lyuminestsentsiya i radiatsionnye tsentry v mineralakh [Spectroscopy, luminescence and radiation centers in minerals]. Moscow: Nedra; 1975. 327 p. Russian.
- Vasilionak AA, Samodurov VP. [Quantitative analysis of digital images of rocks]. In: Lukashev OV, San’ko AF, Zui VI, Tvoronovich-Sevruk DL, editors. Sovremennye problemy geokhimii, geologii i poiskov mestorozhdenii poleznykh iskopaemykh. Materialy Mezhdunarodnoi nauchnoi konferentsii, posvyashchennoi 110-letiyu so dnya rozhdeniya akademika Konstantina Ignat’evicha Lukasheva (1907–1987); 23–25 maya 2017 g.; Minsk, Belarus’. Chast’ 2 [Modern problems of geochemistry, geology and prospecting for mineral deposits. Materials of the International scientific conference, dedicated to the 110th anniversary of the birth of the academician Konstantin Ignatievich Lukashev (1907–1987); 2017 May 23–25; Minsk, Belarus. Part 2]. Minsk: Pravo i ekonomika; 2017. p. 4–6. Russian.
- Wirth MA. Lecture 10. Shape analysis and measurement [Internet]. In: Image processing algorithms and applications. Guelph: University of Guelph; 2004 [cited 2021 Jule 17]. Available from: http://www.cyto.purdue.edu/cdroms/micro2/content/education/wirth10.pdf.
Copyright (c) 2021 Журнал Белорусского государственного университета. География. Геология
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Авторы, публикующиеся в данном журнале, соглашаются со следующим:
- Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution-NonCommercial. 4.0 International (CC BY-NC 4.0).
- Авторы сохраняют право заключать отдельные контрактные договоренности, касающиеся неэксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге) со ссылкой на ее оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в интернете (например, в институтском хранилище или на персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу. (См. The Effect of Open Access).