Труды КНЦ (Технические науки вып.3/2025(16))

Труды Кольского научного центра РАН. Серия: Технические науки. 2025. Т. 16, № 3. С. 106-116. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2025. Vol. 16, No. 3. P. 106-116. Таблица 1 Использованные в экспериментах образцы апатитовой руды Вид руды . „ Пятнисто- „ Линзовидно- „ Апатитовыи уртит Пятнистая Блоковая полосчатая полосчатая Индекс образца а b с d е Исходное фото Изображение-маска Содержание ПК 25 % 41 % 50 % 40 % 25 % Результаты тестирования классификаторов, натренированных на различных наборах объектов (полученных из изображений руды разных типов), представлены в табл. 2. Серым цветом выделены ячейки, отражающие результаты кросс-валидации, ячейки без заливки содержат результаты проверки точности квалификации на внешних данных. Для формирования датасетов использовалась планиметрическая сетка размером 10 х 10 пикселей. Таблица 2 Результаты тестирования бинарного классификатора на чистых классах Классификатор, натренированный на образце “а” на образце “Ь” на образцах “а, Ь, d, е” Предъявляемые для классификации образцы а b с d е а Ъ с d е a, b, d, е с Точностьклассификации (Precision). % 98,6 93,8 36,5 85,4 51,1 59,8 99,9 38,6 95,1 93,5 98,5 98,8 Особенностью рассматриваемой задачи классификации, определяемой природой исследуемых объектов (изображений минералов), является однородность классов. Это свойство заключается в том, что при достаточно крупном размере ячейки, принадлежащей строго одному классу, ее элементы (более мелкие разбиения) будут также принадлежать этому же классу. Очевидно, что при достижении некоторого предельно малого размера ячейки это свойство перестанет выполняться. Предельный размер ячейки в этом смысле определяется морфологическими свойствами рассматриваемого минерала (размером характерных визуальных признаков). В рамках работы были проведены эксперименты по определению предельного размера ячейки, позволяющего эффективно идентифицировать апатит с использованием признакового вектора ResNet-18. Результаты, представленные в табл. 3, показывают, что для рассматриваемого минерала свойство однородности класса соблюдается вплоть до размера планиметрической ячейки 2 х 2 пикселя. Таблица 3 Эффективность бинарной классификации при различных размерах ячейки Размер ячейки 2 х 2 5 х 5 10 х 10 20 х 20 Точность классификации на валидационной части выборки 0,78 0,90 0,98 0,99 Таким образом, использование векторизатора ResNet-18 для получения признакового вектора образцов изображений в задаче идентификации чистых классов в рассматриваемой задаче дает высокий эффект. Классификатор, натренированный на датасете, полученном на основе 4 из 5 имеющихся © Диковицкий В. В., Шишаев М. Г., 2025 109