경량화 CNN 기반 암석 및 광물 박편 분류와 모바일 애플리케이션

• Published in: 한국정보통신학회논문지, 29(3) pp. 309 - 319
• Main Authors: 권현민, 김시윤, 박하람, 이준영, 정종광
• Format: Journal Article
• Language: Korean
• Published: 한국정보통신학회 01.03.2025
• Subjects: 전자/정보통신공학
• ISSN: 2234-4772; 2288-4165

본 연구는 딥러닝 기술을 활용하여 암석 및 광물 박편 이미지를 정확하고 효율적으로 분류하는 방법을 제안한다. 암석 및 광물 박편 분류는 지질학적 구조 해석 등 다양한 분야에서 핵심적인 역할을 수행한다. 편광 현미경을 이용하여 각 박편의 개방 니콜과 직교 니콜에서의 사진을 촬영하고 이를 활용해 6종류의 경량화 CNN 모델을 학습하였다. 또한 실질적인 적용을 위해 모바일 애플리케이션을 개발하였다. 연구에서는 개방 니콜과 직교 니콜 사진 모두를 이용해 박편 이미지를 분류하는 방법을 제안한다. 해당 모델은 최대 98.9%에 달하는 정확도를 나타내었다. 개발한 모바일 애플리케이션을 이용해 테스트한 결과, 모델은 모바일 환경에서 안정적인 속도로 작동하였다. 본 연구를 통해 박편 분류 작업의 효율성과 정확도를 증대할 수 있으며, 해당 결과가 지질학적 분석 및 교육 분야에서 활용될 수 있을 것으로 기대한다. This study proposes a method for accurately and efficiently classifying rock and mineral thin section images using deep learning techniques. The classification of rock and mineral thin sections plays a crucial role in various fields, including the interpretation of geological structures. Using a polarizing microscope, photographs of thin sections were taken under both plane-polarized light (PPL) and cross-polarized light (XPL) conditions, and these images were employed to train six lightweight convolutional neural network (CNN) models. Additionally, a mobile application was developed for practical application. The study introduces a classification method that utilizes images captured under both PPL and XPL conditions. The proposed models achieved an accuracy of up to 98.9%. Testing with the developed mobile application demonstrated stable performance in mobile environments. This study enhances the efficiency and accuracy of thin section classification, and its results are expected to contribute to geological analysis and educational fields. KCI Citation Count: 0