面向粗粒土粒径分析的计算机视觉方法
计算机视觉与模式识别
2023-11-14 v1 机器学习
摘要
粒径分析（PSA）是评估土壤物理特性的基本技术。然而，筛分等传统方法耗时费力。本研究提出一种利用计算机视觉（CV）与 Python 编程语言、借助标准手机摄像头对粗粒土进行 PSA 的新方法。通过免除对高性能摄像头的需求，我们的方法提供了便利与成本节约。我们的方法使用 OPENCV 库在普通光照条件下拍摄的数码照片中检测并测量土颗粒。为准确测定粒径，将已知尺寸的校准靶标与 20 个不同砂样一同置于普通纸张上。所提方法与传统筛析进行对比，对大于 2 mm 的土颗粒表现出满意性能，平均绝对百分比误差（MAPE）约为 6%。然而，小于 2 mm 的颗粒导致更高 MAPE，可达 60%。为应对此局限，我们建议使用更高分辨率摄像头拍摄较小土颗粒图像。此外，我们讨论了方法的优势、局限性与潜在改进。值得注意的是，该程序可在手机上运行，无需将土样送至实验室即可即时给出结果。这一适于野外的特性使我们的方法在传统实验室环境之外的现场使用中极为便利。最终，这一新方法代表了对该行业的初步颠覆，可在不依赖实验室筛析的情况下实现高效的土壤粒径分析。关键词：计算机视觉，粒径，ARUCO
引用
@article{arxiv.2311.06613,
title = {Computer Vision for Particle Size Analysis of Coarse-Grained Soils},
author = {Sompote Youwai and Parchya Makam},
journal= {arXiv preprint arXiv:2311.06613},
year = {2023}
}