سنجش کیفیت


در ادامه آشنایی با مجموعه دادگان، هر عکس جعبه دارای قطعات سنگ بزرگ‌تر از ۱۰ سانتی‌متر (+10cm rock) و قطعات چوب (wood) می‌باشد.

به عنوان نمونه در شکل زیر، فقط یک مثال از هر نوع شیء برچسب‌گذاری شده با استفاده از مستطیل‌های سفید‌رنگ، به شما نشان داده‌ شده‌است.

برچسب‌گذاری

همچنین در شکل زیر، مشخصات توضیح‌ داده‌شده برای یک شیء شناسایی شده، نشان داده شده‌است:

ابعاد یک شیء

این اشیاء برای عکس‌های موجود در پوشه train، برای شما در فایل label.xlsx با مشخصات زیر، برچسب‌گذاری شده‌اند:

نام ستون توضیح
image_name شناسه یک عکس (جعبه)
label_name نام شیء تشخیص‌ داده شده
xmin مختصات x گوشه سمت چپ-بالا مستطیل شیء
ymin مختصات y گوشه سمت چپ-بالا مستطیل شیء
width طول مستطیل شیء (در محور x)
height ارتفاع مستطیل شیء (در محور y)
image_width عرض عکس به پیکسل
image_height ارتقاع عکس به پیکسل

طبق توضیحات داده شده در سوال قبل، هر Run توسط چوب‌هایی که به صورت عمودی در جعبه مغزه قرار گرفته‌اند، جدا می‌شود. یک Run می تواند در یک جعبه تمام نشود و ادامه آن در جعبه بعدی قرار بگیرد. برای ساده‌سازی این سوال، فرض می‌کنیم که Run ابتدایی و انتهایی هر جعبه، در همان جعبه شروع و به پایان می‌رسد، بدین شکل، جعبه‌ها از یکدیگر در محاسبه RQD‍‍ برای هر Run مستقل می‌شوند.

برای درک بهتر، می‌توانید دوباره به عکس جعبه‌های توضیح داده شده در ابتدای این صفحه برگردید.

توجه
  • برای راحتی کار شما، مقادیر image_width و ‍‍image_height در فایل label.xlsx آورده شده‌اند. این مقادیر برابر با طول و ارتفاع عکس‌ها به پیکسل هستند که خود شما نیز می‌توانستید آن‌ها را محاسبه کنید.
  • باتوجه به فضای محیط، در بعضی از تصاویر، تعداد Runهای درج شده بر روی جعبه، با تعداد چوب‌های موجود در عکس همخوانی ندارند (علت این امر، افتادن یا از بین رفتن چوب‌ها است). لذا در این سوال، معیار اصلی برای جداسازی Run‍‌ها، وجود چوب می‌باشد و نه اطلاعات ثبت شده بر روی جعبه آن.

حال کاپیتان از شما می‌خواهد اقدام به محاسبه شاخص کیفی سنگ‌های استخراج شده معادن بکنید.

کاپیتان

شاخص کیفی سنگ (Rock Quality Designation) که به اختصار RQD نام‌گذاری می‌شود، معیاری تقریبی برای تعیین تعداد شکستگی‌های درون توده سنگ محسوب می‌شود. این "معیار درصدی" به صورت زیر برای هر Run محاسبه می‌گردد:

RQD=l10cmlt×100% RQD = \frac{\sum l_{10cm}}{l_t} \times 100 \%

که l10cml_{10cm} طول یک قطعه سنگ که حداقل ۱۰ سانتی‌متر باشد و ltl_{t} نیز برابر با طول Run حفاری مربوطه است.

به عنوان مثال، در شکل زیر برای ‍‍Run اول این جعبه، تنها دو سنگ بزرگ‌تر از ۱۰ سانتی‌متر وجود دارد که در شکل مشخص شده‌است (سطر اول مغزه‌ها)، همچنین چوب مشخص کننده پایان Run نیز، نشان‌ داده‌ شده‌است. مقدار RQD‍‍ این Run، عدد ۸ محاسبه شده‌است.

نمونه محاسبه rqd

توضیحات بیشتر

به‌عنوان مثال در شکل بالا، Run‍‍ شماره یک از ردیف اول جعبه (سمت چپ) شروع می‌شود و تا اولین چوب همان ردیف ادامه پیدا می‌کند. باتوجه به این که طول این Run‍ عدد ۲.۵ متر است و مجموع طول سنگ‌های برچسب‌گذاری شده نیز ۰.۲ متر می‌باشد. مقدار RQD‍ آن طبق محاسبات زیر، ۸٪ است:

RQD=100×0.22.5=8%RQD = 100 \times \frac{0.2}{2.5} = 8\%

طبق فصل ۸ کتاب اکتشافات معدنی، گروه RQD برای یک Run، طبق جدول زیر محاسبه می‌شود:

بازه RQD به درصد گروه توضیحات
[0,25] 1 سنگ کاملا هوازده (خرد شده)
[25,50) 2 سنگ هوازده‌
[50,75) 3 سنگی با هوازدگی متوسط
[75,90) 4 سنگ سخت
[90,100) 5 سنگ سالم (بدون هیچ هوازدگی)

به عنوان مثال، برای Run توضیح‌ داده‌شده در بالا که مقدار RQD آن برابر با ۸ بود، گروه RQD برابر با ۱ می‌شود.

یادآوری
  • طول (محور ‍x) جعبه‌مغزه‌ها در تمامی عکس‌ها، ۱.۱ متر می‌باشد.
  • همان‌گونه که در مرحله قبل گفته شد، تمامی چوب‌ها با رنگ بنفش به منظور ساده‌سازی این مسابقه رنگ‌آمیزی شده‌اند و شما می‌توانید فرض کنید که اگر یک عکس جدید برای شناسایی RQD به شما داده شود، حتما چوب‌های آن توسط شخص به رنگ بنفش باید در آمده‌ باشند.

برای توضیحات بیشتر در مورد این سوال، می‌توانید صفحه بعدی را مطالعه کنید.

دادگان🔗

برای این سوال،‌ دادگان آموزش در پوشه train و دادگان آزمایش در پوشه test-rqd قرار دارند. شما به هردوی این پوشه‌ها در دادگان مرحله شغل جدید دسترسی پیدا کردید.

شما بایستی که مقدار طول (ltl_t) یک Run دادگان test-rqd را از فایل from-to-rqd.xlsx بخوانید و سپس گروه RQD آن Run را محاسبه کنید. این فایل اکسل، دارای مشخصات زیر می‌باشد:

نام ستون توضیح
RunId شناسه یک ‍‍‍Run
From مقدار From آن Run به متر
To مقدار To آن Run به متر

یک RunId بر اساس ساختار "شمارهRun-شماره‌عکس-نام‌گمانه-نام‌معدن" تعریف می‌شود. توجه داشته‌ باشید که "شماره عکس" برای هر گمانه از عدد ۱ شروع‌ می‌شود و همچنین "شماره Run" برای هر عکس از عدد ۱ شروع می‌شود.

به عنوان مثال یک RunId می‌تواند M3-BH130-1-3 باشد که نشان‌دهنده شناسه معدن M3، شناسه گمانه BH130، عکس اول آن گمانه و Run شماره ۳ آن عکس می‌باشد.

ارزیابی🔗

برای ارزیابی نتیجه کار شما، از معیار accuracy در اعلام گروه‌ RQD هر Run استفاده می‌شود. accuracy=NumberofcorrectlyidentifiedRQDgroupsNumberofRunIdsaccuracy = \frac{Number\:of\:correctly\:identified\:RQD\:groups}{Number\:of\:RunIds}

نتیجه این معیار بر روی دادگان آزمایش در عدد ۱۰۰۰ ضرب شده و به عنوان امتیاز این مرحله برای شما در نظر گرفته می‌شود (بالاترین امتیاز ممکن از این مرحله ۱۰۰۰ و کم‌ترین امتیاز ممکن صفر است).

داوری این سوال قبل از پایان مسابقه، تنها بر اساس ۳۰ درصد از دادگان آزمایش (test) خواهد بود. پس از اتمام مسابقه، برای به‌روزرسانی نهایی جدول امتیازات از ۱۰۰ درصد دادگان آزمایش استفاده خواهد شد؛ این کار برای جلوگیری از بیش‌برازش (overfit‍‍‍) روی دادگان آزمایش انجام می‌شود.

ارسال پاسخ🔗

پیش‌بینی‌های مدل خود بر روی دادگان آزمایش (‍‍ عکس های پوشه test-rqd) را در فایلی با نام output.csv قرار دهید. این فایل باید دارای دو ستون با نام‌های RunId و Prediction به ترتیب باشد. در هر ردیف، شناسه Run در RunId و پیش‌بینی شما از گروه RQD مربوط به آن Run را در ستون Prediction قرار دهید (دقت کنید که فایل CSV باید حتما دارای header باشد). بعد از آماده‌سازی فایل output.csv، آن را برای ما بارگذاری کنید.

نمونه خروجی فایل output.csv (فقط سه خط اول)🔗

RunId,Prediction
M3-BH135-1-1,3
M3-BH135-1-2,1
M3-BH135-1-3,5
Plain text
راهنمایی

در اینجا، یک سری راهنمایی‌هایی که شاید به شما کمک کنند، آورده می‌شود:

  • احتمالا می‌توانید از الگوریتم‌های object detection یا object segmentation برای شناسایی اشیاء داخل یک عکس استفاده کنید. یک نمونه از نتیجه یکی از این مُدل‌ها در زیر آورده شده‌است (توجه داشته باشید که این مُدل نیز مانند اکثرا مُدل‌ها ۱۰۰٪ دقیق عمل نمی‌کند و خطا خواهد داشت): نمونه خروجی
  • احتمالا قبل از شناسایی اشیاء، یک سری پیش‌پردازش‌ها روی تصاویر مانند سیاه/سفید کردن آن‌ها، بتواند به شما کمک کند.
  • شاید با استفاده از روش‌هایی بتوانید تعداد عکس‌ها را افزایش دهید.
  • با استفاده از فرمول توضیح داده شده برای محاسبه RQD، اطلاعات داده شده در مورد طول هر Run و همچنین اشیاء شناسایی شده داخل عکس‌ها، می‌توانید گروه RQD یک Run را محاسبه کنید.
هشدار
  • افرادی که به صورت دستی (عدم استفاده از برنامه‌نویسی و مُدل‌)، اقدام به تعیین گروه RQD بکنند، از این مرحله امتیازی کسب نمی کنند.
  • برای حل این سوال، حتما بایستی اقدام به شناسایی اشیاء سنگ و چوب داخل هر عکس کرده و از فرمول توضیح داده شده برای محاسبه RQD استفاده کنید.
  • اگر نام فایل شما و ساختار محتویات آن، همانند آن‌چه در صورت سوال ذکر شده است، نباشد. سامانه داوری به شما صفر امتیاز می‌دهد.
ارسال پاسخ برای این سؤال
در حال حاضر شما دسترسی ندارید.