تحول و چشمانداز آینده آنالیز تصویر در میکرومورفولوژی خاک: از روشهای بصری تا هوش مصنوعی |
کد مقاله : 1607-ISSC19 |
نویسندگان |
آیدا بخشی *1، احمد حیدری2 1کارشناس آزمایشگاه پیدایش و ردهبندی خاک، گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تهران، 2استاد گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران. |
چکیده مقاله |
ساختمان خاک و منافذ آن نقشی بنیادین در پویایی آب، هوا و ویژگیهای زیستی ایفا میکنند، اما مطالعه و کمیسازی آنها همواره یکی از دشوارترین چالشها در علوم خاک بوده است. روشهای اولیه مبتنی بر مشاهده بصری، نظیر سیستم ارزیابی بصری خاک ( VSE) در دهه ۱۹۵۰، امکان توصیف کیفی ویژگیهای ساختمانی را فراهم کردند اما فاقد دقت و قابلیت تکرار بودند. از دهه ۱۹۹۰ به بعد، ورود مورفولوژی ریاضی ( MM) مسیر کمیسازی ساختار منافذ را گشود و در ادامه فناوریهای تصویربرداری سهبعدی مانند میکرو-توموگرافی رایانهای ( mCT) جهشی اساسی در مشاهده مستقیم شبکههای متصل منافذ ایجاد کردند. در دهه اخیر، ظهور الگوریتمهای یادگیری ماشین و یادگیری عمیق، فرایند پردازش و تفکیک تصاویر را به سطحی جدید رسانده و امکان تحلیل خودکار کلاندادههای تصویری را فراهم ساخته است. با این حال، چالشهایی نظیرعدم قطعیت در پیکربندی تصاویر، نبود استانداردهای یکپارچه و محدودیت اجرایی روشها همچنان پابرجاست. این مقاله با رویکردی مرور-تحلیلی، تحول تاریخی آنالیز تصویر در مطالعه ساختمان خاک را از مراحل اولیه تا وضعیت کنونی بررسی کرده و چشمانداز آینده را در زمینه استفاده از هوش مصنوعی، تصویربرداری چندمقیاسی و تلفیق مدلهای دادهمحور و فیزیکی ترسیم میکند. |
کلیدواژه ها |
تحلیل تصویر، ساختمان خاک، شبکه منافذ خاک، میکرو-توموگرافی رایانهای، یادگیری ماشین. |
وضعیت: پذیرفته شده مشروط برای ارائه به صورت پوستر |