Segmentazione e classificazione di minerali in rocce complesse mediante algoritmi Python: approcci e applicazioni

La ricerca e l'identificazione dei diversi minerali presenti nelle sezioni sottili di rocce caratterizzate da una petrogenesi complessa sono cruciali per la comprensione della loro composizione e formazione, nonché della loro provenienza. Questa tesi presenta un approccio innovativo basato sul riconoscimento automatizzato dei minerali nelle immagini ottenute mediante catodoluminescenza acquisite presso il Dipartimento di Scienze della Terra dell’Università di Torino. In particolare, è stato studiato come primo caso studio applicativo il lapislazzuli, la cui provenienza è oggetto di indagine da parte del gruppo di Fisica dello Stato Solido dell’Università di Torino. Utilizzando la libreria OpenCV in ambiente Python, l’algoritmo sviluppato è in grado di segmentare i minerali presenti nelle sezioni sottili prese in analisi (tra cui calcite, dolomite, forsterite, diopside) sulla base del colore di luminescenza attraverso una serie di filtri HSV, consentendo un'analisi dettagliata e accurata della loro distribuzione spaziale. L'output dell’algoritmo visualizza in dettaglio ciascun minerale segmentato, facilitando il riconoscimento visivo e fornendo un'analisi quantitativa attraverso la stima dell’abbondanza in percentuale dei minerali rilevati. La metodologia proposta offre un'alternativa versatile, efficiente e automatizzata all'analisi soggettiva dell’operatore, accelerando significativamente il processo di identificazione dei minerali.