A quantificação de minerais em imagens de minérios e rochas depende da prévia identificação e segmentação desses minerais. Os métodos clássicos de segmentação, como limiarização (thresholding), são efetivos em muitos casos. No entanto, quando o material apresenta textura complexa ou quando os minerais têm características semelhantes na imagem, esses métodos falham. Por outro lado, métodos de segmentação baseada em aprendizado profundo (deep learning) têm se mostrado promissores para diversas aplicações, embora haja poucos exemplos na caracterização mineral. Neste trabalho, apresentamos um estudo de caso em que um método de segmentação baseado em deep learning foi capaz de separar diferentes fases minerais em imagens de elétron retroespalhados obtidas com uma microssonda eletrônica. O modelo proposto utilizou para essa separação os tons de cinza e a forma das fases presentes na imagem e obteve 90,6% de acurácia.
Source