برآورد منحنی دانه‌بندی رسوبات درشت‌دانه سطحی با استفاده از سیستم تصویربرداری طراحی‌شده
محورهای موضوعی :امیرحسین طبعی 1 , علی کرمی خانیکی 2 , علی‌اکبر بیدختی 3 , کامران لاری 4
1 - واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
2 - سازمان جهادکشاورزی
3 - دانشگاه تهران
4 - دانشگاه آزاد اسلامی واحد تهران شمال
کلید واژه: آنالیز رسوبات# پردازش تصاویر, # سیستم تصویربرداری# منحنی دانه‌بندی# نرم‌افزارImageJ #,
چکیده مقاله :
شناخت رسوبات از مباحث پایه در مهندسی سواحل و رودخانه می‌باشد. یکی از پارامترهای شناسایی رسوبات، دانه‌بندی آنها است. برای تعیین دانه‌بندی، همواره از روش‌های سنتی همانند الک کردن رسوبات استفاده می‌شود، که دقیق، اما زمان‌بر است. پردازش تصاویر این قابلیت را فراهم می‌سازند که با استفاده از کوچک‌ترین واحد تصویر دیجیتال(پیکسل)، به جداسازی و ردیابی اهداف (دانه‌های رسوبی) در تصاویر پرداخت. در این مقاله سیستمی به‌صورت یکپارچه برای تصویربرداری از رسوبات میدانی درشت‌دانه و ارائه منحنی دانه‌بندی از آن ساخته و مورد آزمایش قرار می‌گیرد. پردازش و آنالیز رسوبات با نرم‌افزارImageJ انجام و مقایسه نتایج با نتایج روش الک، برای صحت سنجی انجام شد. نمونه‌های تصاویر از رسوبات شنی و ماسه‌ای، آزمایشگاهی و طبیعی برداشت شد. یافته‌ها نشان می‌دهد توزیع به‌دست‌آمده از تصاویر رسوبات سطحی درشت‌دانه (بزرگ‌تر از یک میلی‌متر) و یکنواخت، همبستگی خوبی با توزیع به‌دست‌آمده از روش الک دارد و زمان را حداقل به یک‌دهم و هزینه کل را پایین می‌آورد.
Sediment recognition is one of the basic topics in coastal and river engineering. One of the parameters of sediment identification is their grain size. To determine the grain size, traditional methods such as sieving the sediments are usually used, which is accurate but time consuming. Image processing provides the ability to isolate and track targets (sediment grains) in images using the smallest unit of a digital image (pixel). In this paper, a one-piece system for imaging coarse-grained field sediments and presenting a granulation curve is constructed and tested, in which sediment processing and analysis is performed with ImageJ software and the results are compared by sieving method and was validated. Image samples were taken from laboratory and natural sand and sand sediments. The results show that the distribution obtained from the images of coarse (larger than one millimeter) and uniform surface sediments has a good correlation with the distribution obtained from the sieve analysis and reduces the time to at least one tenth and the total cost.