From rocks to pixels: a comprehensive framework for grain shape characterization through image analysis of roundness and roughness descriptors
Notice bibliographique
Résumé
Geological processes are recorded in grain shape and geochemistry. However, grains are often described with minimal quantification. These descriptions are generally textual and can vary in their precision and accuracy. Historically, detailed studies of crystal size distribution have provided valuable insights into petrogenesis. A thorough analysis of numerous computable grain descriptors will offer even more significant information. Despite extensive literature on shape descriptors in fields like sedimentology, chemistry, and civil engineering, there is no consensus on their use, and their meanings often remain unclear. This article proposes a quantitative grain description method ranging from micrometers to centimeters using various image analysis techniques. Our approach consists of combining multiple quantitative descriptors to describe grain shape. This work is based on a comprehensive literature review across multiple scientific fields to extract numerous quantitative shape measurements. This paper focuses on roundness and roughness descriptors. A total of 25 descriptors, including Waddell roundness and fractal dimension, were extracted, compiled, and computed using Python. The descriptor computation code is provided as a library with this article. We use principal component analysis (PCA) to combine all descriptors in the same category without losing clarity and validated our approach on both generated and real grain images. For both roundness and roughness descriptors, the generated images and real grain images results are in accordance and could be summarized as follows. 1) The roundness descriptors PCA effectively distinguish grain shapes, performing comparably to form descriptors. However, it struggles to differentiate high degrees of roundness, and roughness significantly influences these results. 2) The roughness descriptors PCA excels at discriminating roughness intensity, despite the influence of form and roundness. These results align with our previous study on form descriptors and lead us to a new understanding of shape description: shape description includes both large-scale phenomena (“form”) and small-scale phenomena (“roughness”). And roundness is a specific case of shape description where various shapes transition into a circle. This study highlights the potential of using PCA alongside image-based shape analysis to enhance the quantitative description of grains, offering valuable implications for volcanology, planetary sciences, petrology and other fields.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».