دانلود مقاله ISI انگلیسی شماره 89033
ترجمه فارسی عنوان مقاله

یک سیستم هوشمند برای شناسایی مواد معدنی در بخش های نازک بر اساس یک روش آبشار

عنوان انگلیسی
An intelligent system for mineral identification in thin sections based on a cascade approach
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
89033 2017 13 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 7266 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 55 تومان 13 روز بعد از پرداخت 399,630 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 110 تومان 7 روز بعد از پرداخت 799,260 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Computers & Geosciences, Volume 99, February 2017, Pages 37-49

ترجمه کلمات کلیدی
طبقه بندی آبشار شناسایی معدن هوشمند، ویژگی های بافت و رنگ بخش های نازک،
کلمات کلیدی انگلیسی
Cascade classification; Intelligent mineral identification; Texture and color features; Thin sections;
پیش نمایش مقاله
پیش نمایش مقاله یک سیستم هوشمند برای شناسایی مواد معدنی در بخش های نازک بر اساس یک روش آبشار

چکیده انگلیسی

In this study, an intelligent system for mineral identification in thin sections is proposed based on RGB and HSI color spaces and texture features in plane and cross polarized light. The proposed system has two phases for mineral identification. In phase#1, which is the segmentation phase, 12 color components are extracted for each pixel, and using an incremental clustering algorithm, several mineral clusters including index mineral are produced. Afterwards, in phase#2 which is the identification phase, the produced mineral clusters are identified based on a cascade classification approach. The first level of the cascade includes a set of artificial neural networks (ANNs) corresponding to the number of input minerals which are trained based on color components. In the first level, those minerals exhibiting different colors in plane or cross polarized light are identified. The second level of the cascade includes one ANN which is trained based on texture features in plane and cross polarized light images. In the second level, those minerals which are indistinguishable based on color components in both plane and cross polarized light are identified (are rejected in the first level of the cascade). The final output of the system is the name and number of minerals, boundary and percentage of each mineral in thin section, and eventually the name of probable target rock. The proposed system is able to recognize 23 test igneous minerals with the overall accuracy of 93.81%. The proposed system can be applied in important applications which require a real time segmentation and identification map such as petrography, and NASA Mars Explorations.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 7266 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 55 تومان 13 روز بعد از پرداخت 399,630 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 110 تومان 7 روز بعد از پرداخت 799,260 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.