EN FR

High-Resolution Soil Image Dataset with Corresponding Particle Size Distributions for Photogranulometry

Thomas Plante St-Cyr, François Duhaime, Jean-Sébastien Dubé, Simon Grenier

Dans les comptes rendus d’articles de la conférence: GeoManitoba 2025: 78th Canadian Geotechnical Conference & 9th Canadian Permafrost Conference

Session: Advanced Testing (Lab/Insitu) 2

RÉSUMÉ: Les analyses granulométriques (PSD) traditionnelles créent des temps morts et sont coûteuses en main-d'œuvre et en maintenance. Ces limitations pourraient être atténuées par l’utilisation d'une analyse optique de la granulométrie dans les activités de routine des laboratoires de géotechnique. Cet article présente le plus vaste ensemble de données de son genre avec 12 714 images haute résolution de 321 échantillons de sol différents de la région de Montréal, Québec, accompagnées de leurs analyses granulométriques et des résultats d’hydromètre pour 77 échantillons. Il est conçu pour fournir un point de départ robuste pour l'entraînement de réseaux de neurones convolutionnels (CNN) dans des applications géotechniques. Il démontre également l'intégration pratique de la granulométrie optique dans les flux de travail des laboratoires géotechniques. Les échantillons de sol ont été photographiés dans une position standardisée en vue de dessus avec une résolution de 45 MP et une échelle minimale de 39,4 µm par pixel, à la fois dans leur état humide et sec. Un banc d'essai sur mesure utilisant des plateaux en aluminium blanc de 13″×9″ sur lesquels les échantillons sont étalés en fine couche a été utilisé. Les échantillons qui dépassent une limite de taille sont divisés par quartage.


ABSTRACT: Traditional particle size distribution (PSD) analyses create significant downtime and are expensive in labor and maintenance. These drawbacks could be alleviated using optical grain size analysis integrated into routine geotechnical laboratory workflow. This paper presents the largest high-resolution dataset of its kind, with 12,714 images of 321 different soil samples collected in the Montreal, Quebec region, alongside their PSD analysis, including hydrometer results for 77 samples. It is designed to provide a robust starting point for training convolutional neural networks (CNN) in geotechnical applications. Soil samples were photographed in a standardized top-view position with a resolution of 45 MP and a minimum scale of 39.4 µm per pixel, both in their moist and dry states. A custom test bench employing 13″×9″ white aluminum trays on which the samples are spread in a thin layer was used. For samples exceeding a size limit, a coning and quartering was employed for mass reduction.


Submit a Data Update Form for this paper
Please include this code when submitting a data update via other methods: GEO2025_30

Retrouver cet article:
Les membres de la Société canadienne de géotechnique peuvent accéder à cet article, ainsi qu'à tous les autres articles de la Conférence Géotechnique Canadienne, dans le Espace membre. Les comptes rendus d'articles sont également disponibles dans de nombreuses bibliothèques.

Citer cet article:
St-Cyr, Thomas Plante, Duhaime, François, Dubé, Jean-Sébastien, Grenier, Simon (2025) High-Resolution Soil Image Dataset with Corresponding Particle Size Distributions for Photogranulometry in GEO2025. Ottawa, Ontario: Canadian Geotechnical Society.

@inproceedings{St-Cyr_GEO2025_30, author = {{St-Cyr, Thomas Plante}, {Duhaime, François}, {Dubé, Jean-Sébastien}, {Grenier, Simon}}
title = {High-Resolution Soil Image Dataset with Corresponding Particle Size Distributions for Photogranulometry }
booktitle = {Proceedings of the 78th Canadian Geotechnical Conference & 9th Canadian Permafrost Conference}
year = {2025}
organization = {The Canadian Geotechnical Society},
address = {Ottawa, Canada} }
Abstracts are Copyright © the Authors and used with permission. Online database Copyright © 2026 The Canadian Geotechnical Society. All rights reserved.