Изобретение экспертов Центра индустриальных и промышленных решений Университета Иннополис автоматически выделяет трещины, разломы, жилы, брекчии и другие геологические структуры на фотографиях керна — горных пород, извлеченных при бурении скважин. Как сообщила Let AI be пресс-служба ИТ-вуза, новый метод позволит в десятки раз повысить точность анализа керна при геологоразведочных работах и ускорить создание геологических моделей месторождений полезных ископаемых.

Разработка полезна при исследованиях кернового материала в горнодобывающей отрасли, при поиске твердых полезных ископаемых, а также в строительстве, где требуется оперативный и объективный анализ структурных особенностей горных пород.

«Керн — основной источник информации о недрах Земли. Традиционная ручная документация керна крайне трудоемка, занимает много времени и часто субъективна. Существующие программные решения либо не универсальны, либо требуют постоянного контроля специалиста. Наш метод решает эту проблему с помощью искусственного интеллекта», — пояснил Арсений Пинигин, руководитель отдела технологий искусственного интеллекта Центра индустриальных и промышленных решений Университета Иннополис.

Эксперты университета разработали двухступенчатую систему обработки изображений керна на базе глубоких нейронных сетей. Сначала изображения ящиков с керном — метровых секций — анализируются нейросетью архитектуры трансформера, которая автоматически выделяет метровые секции и точно привязывает их к глубинам. Затем каждая секция проходит семантическую сегментацию с помощью ИИ-модели, предобученной на большом наборе изображений. Для повышения качества специалисты применили метод аугментации во время теста: один снимок анализировался несколько раз с небольшими изменениями, после чего сегментационные маски усреднялись. Завершает процесс автоматического анализа умная постобработка с морфологическими операциями, фильтрацией шума и бинаризацией.

Для каждой структуры система автоматически рассчитывает геометрические параметры: площадь, координаты начала и конца вдоль оси керна.

Причем специалисты исключили ложные срабатывания из-за техногенных трещин, возникающих при извлечении керна, что сделало технологию надежнее.

«По каждой секции керна ИИ формирует цифровой отпечаток — базу данных всех выявленных структур с их характеристиками и координатами по глубине — по 2780 числовых значений на изображение. Это текстура, цвет, контраст, наличие трещин и другие признаки, извлеченные нейросетью. Алгоритм кластеризует многомерные векторы признаков, что особенно эффективно для выявления сложных разломов, тектонических брекчий и других аномальных структур, влияющих на устойчивость скважин и карьеров», — отметил Ильмир Нугманов, заместитель директора Центра индустриальных и промышленных решений Университета Иннополис.

Разработчики отмечают, что в 7 случаях из 10 система классифицирует фотографии керна так же, как опытный геолог. В дальнейшем создатели метода планируют повысить точность метода.

Способ кластеризации данных изображений керна для структурно-литологической классификации горных пород запатентовали эксперты Межотраслевого центра трансфера технологий Университета Иннополис. Авторы изобретения — научные сотрудники российского ИТ-вуза: Ильмир Нугманов, Арсений Пинигин, Артур Шагитов и Айхем Буабид.

Изображения: macrovector / Magnific (в шапке); пресс-служба Университета Инополис

Подписывайтесь на каналы Let AI be в Telegram и «ВКонтакте» — оставайтесь в курсе главных новостей в сфере искусственного интеллекта!