Development of segmentation algorithm using color scale image analysis for aggregates

การพัฒนาขั้นตอนวิธีการแบ่งส่วนด้วยวิธีการวิเคราะห์ภาพช่วงสีสำหรับหินมวลรวม

Name: Tanjira Sirisut

LCSH: Limestone -- Analysis

LCSH: Mineral industries

Abstract: Currently, there are numerous innovations that utilize images analysis for various types of analysis. In the mining industry, image analysis-based innovations have been adopted to assist in analyzing the size of rocks, which are then used to determine particle size distribution. Blasting rock piles and crushing plants commonly apply this approach. Analyzing the particle size distribution(PSD) can contribute to improving the efficiency of the blasting. The Department of Mining and Petroleum Engineering, Faculty of Engineering at Chiang Mai University, has developed an Automated Aggregate Size Distribution Analyzer (AASDA). This system was developed to analyze images in order to identify rocks that oversize of the primary crusher. The original AASDA system employed image segmentation techniques based on grayscale images, achieving approximately 80-90% accuracy in size analysis. This study, the researchers proposed enhancing the system by employing color images as the basis for image segmentation analysis, resulting in the development of the Automated Aggregate Size Distribution Analyzer-Color (AASDA-C). Experiments were conducted to identify optimal environmental conditions and factors affecting color-based image segmentation performance. These factors included material pile arrangements, light intensity, direction of lighting, camera angle, and opacity levels. Four limestone size ranges—21–35 mm, 13–23 mm, 10–18 mm, and 11–49 mm—were used in the experiments. The experimental results showed that the AASDA-C system could achieve measurement accuracy in the laboratory environment ranging from 78.19% to 96.11%. However, significant variation in counting accuracy was observed when environmental conditions changed. Optimal operational conditions were identified with a light intensity range of 250–300 lux, light angles 90 degrees, camera angles between 65–90 degrees, and material opacity levels not exceeding 10.5%. These conditions minimized segmentation errors arising from color similarity between opaque materials and the background, clearly highlighting limitations of the K-means clustering method, which is the primary segmentation technique used in both AASDA and AASDA-C systems. Further field tests were conducted by photographing limestone samples alongside a colored reference ball with a known diameter of 22.86 cm. The field experiments showed an average size measurement accuracy exceeding 80%. Additionally, statistical agreement between manual measurements and automated AASDA-C measurements was evaluated using Kappa’s Coefficient, resulting in a coefficient value of -0.05 , indicating pool agreement. Because AASDA-C is unable to analyze every rock particle captured in the sample limestone images from the crushing plant. Nevertheless, the accuracy in counting aggregate particles according to measured sizes remains significantly affected by environmental factors and obstruction due to overlapping aggregates. This results in considerable variance in the system 's counting performance due to overlapping and similar color in segmentation. Thus, further studies and development of advanced segmentation and analytical techniques are necessary to overcome these limitations in the future.

Abstract: ในปัจจุบันมีนวัตกรรมจำนวนมากที่นำการวิเคราะห์ภาพเพื่อวิเคราะห์สิ่งต่างๆ ในอุตสาหกรรมเหมืองแร่การวิเคราะห์ด้วยภาพถูกนำมาใช้สำหรับการวิเคราะห์ขนาดของหิน ซึ่งจะได้การกระจายขนาดของหิน โดยวิธีนี้มักถูกใช้ที่กองหินระเบิดและโรงบดย่อย สำหรับการวิเคราะห์การกระจายขนาดสามารถนำไปปรับปรุงวิธีการระเบิดได้ ภาควิชาวิศวกรรมเหมืองแร่และปิโตรเลียม คณะวิศวกรรมศาสตร์ มหาวิทยาลัยเชียงใหม่ ได้พัฒนาอลักอลิทึม Automated Aggregate Size Distribution Analyzer (AASDA) ระบบนี้ถูกพัฒนาขึ้นเพื่อระบบุหินที่มีขนาดใหญ่กว่าปากโม่ AASDA ใช้เทคนิคแบ่งส่วนภาพที่ภาพสีเทา โดยสามารถวิเคราะห์ขนาดได้แม่นยำประมาณ 80-90%ในการศึกษาครั้งนี้ ผู้วิจัยเสนอให้ปรับเปลี่ยนเป็นการวิเคราะห์ด้วยภาพสีแทนสำหรับการวิเคราะห์การแบ่งส่วนภาพ ซึ่งทำให้เกิดเป็น Automated Aggregate Size Distribution Analyzer-Color (AASDA-C) โดยทำการทดลองเพื่อหาเงื่อนไขด้านสิ่งแวดล้อมและปัจจัยที่ส่งผลต่อประสิทธิภาพของการแบ่งส่วนภาพ ที่ใช้ภาพสี ปัจจัยเหล่านี้ได้แก่ การจัดวางกอง ความเข้มแสง ทิศทางของแสง ทิศทางมุมกล้อง และระดับความทึบแสง การทดลองจะหินปูน 4 ช่วงขนาดคือ 21-35 มม. 13-23 มม. 10-18 มม. และ 11-49 มม. ผลการทดลองของการใช้งาน AASDA-C พบว่ามีความแมนยำในการวัดขนาดในการทดลอในห้องปฏิบัติการที่ 78.19 ถึง 96.11% แต่ความแม่นยำในการนับนั้นแตกต่างกันอย่างมีนัยสำคัญเมื่อสภาพแววดล้อมเปลี่ยนไป โดยจากการทดสอบปัจจัยจะได้รับเงื่อนไขในการใช้งานที่เหมาะสมที่สุดที่ความเข้มแสง 250–300 ลักซ์ มุมแสงที่ 90 องศา มุมกล้องระหว่าง 65–90 องศา และระดับความทึบของวัสดุไม่เกิน 10.5% การใช้เงื่อนไขเหล่านี้สามารถช่วยลดข้อผิดพลาดจากสีที่คล้ายของวัสดุกับพื้นหลัง ซึ่งเป็นข้อจำกัดของการจัดกลุ่ม K-mean โดยวิธีจัดกลุ่ม K-mean เป็นวิธีจัดกลุ่มที่ถูกใช้ใน AASDA และ AASDA-C สำหรับการนำไปใช้ในโรงบดย่อยหินนั้นได้ถ่ายภาพตัวอย่างหินปูน และ ลูกบอลอ้าวอิงที่มีเส้นผ่านศูนกลางขนาด 22.86 ซม. การทดลองได้ผลลัพธ์คือ ความแม่นยำในการวัดขนาดเฉลี่ยเกิน 80% นอกจากนี้ได้มีการประเมินความสอดคล้องของการวัดด้วยมือ และการวัดด้วย AASDA-C โดยใช้ ค่าสัมประสิทธิ์ของ Kappa ซึ่งส่งผลให้ค่าสัมประสิทธิ์อยู่ที่ -0.05 ซึ่งเป็นผลที่แย่มาก เนื่องจาก AASDA-C ไม่สามารถวิเคราะห์หาหินทุกก้อนที่พบในภาพที่ถ่ายหินปูนตัวอย่างจากโรงบดย่อยได้อย่างไรก็ตาม ความแม่นยำในการนับอนุภาคมวลรวมตามขนาดที่วัดได้ยังคงได้รับผลกระทบอย่างมากจากปัจจัยด้านสิ่งแวดล้อมและการข้อจำกัดอันเนื่องมาจากมวลรวมที่ทับซ้อนกัน ส่งผลให้ประสิทธิภาพการนับแตกต่างกันอย่างมากเนื่องจากการซ้อนและสีคล้ายกันในการแบ่งส่วน ดังนั้น ต้องมีการศึกษาเพิ่มเติมและพัฒนาเทคนิคการแบ่งส่วนและการวิเคราะห์ขั้นสูงเพื่อเอาชนะข้อจำกัดเหล่านี้

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Jomjai Sampet

Role: Advisor

Created: 2025

Modified: 2025-09-14

Issued: 2025-09-14

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Mining and Georesources Engineering

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	640635903.pdf	7.6 MB

ใช้เวลา

0.038409 วินาที