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.
همچنین در شکل زیر، مشخصات توضیح دادهشده برای یک شیء شناسایی شده، نشان داده شدهاست:
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.
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.Run
های 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 Run
ها، 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.
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:
که طول یک قطعه سنگ که حداقل ۱۰ سانتیمتر باشد و 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.
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:
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.
x
) جعبهمغزهها در تمامی عکسها، ۱.۱ متر میباشد.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.
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 () 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.
برای ارزیابی نتیجه کار شما، از معیار accuracy
در اعلام گروه RQD
هر Run
استفاده میشود.
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.
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.
output.csv
(فقط سه خط اول)🔗در اینجا، یک سری راهنماییهایی که شاید به شما کمک کنند، آورده میشود:
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):
RQD
، اطلاعات داده شده در مورد طول هر Run
و همچنین اشیاء شناسایی شده داخل عکسها، میتوانید گروه RQD
یک Run
را محاسبه کنید.RQD
بکنند، از این مرحله امتیازی کسب نمی کنند.RQD
استفاده کنید.