O aprendizado de máquina em geologia é uma grande promessa como ferramenta para aumentar a eficiência e a qualidade dos levantamentos, da interpretação e da modelagem de dados geológicos. Atualmente, ele está evoluindo rapidamente e irá amadurecer para oferecer um valor extraordinário para a exploração e a mineração.
A Imago, agora parte da Seequent, está trabalhando com empresas em todo o mundo para desenvolver o aprendizado de máquina (ML, Machine Learning) usando imagens geocientíficas. Esse trabalho inclui melhorias do processo e dos fluxos de trabalho para usar os resultados do aprendizado de máquina.
O aprendizado de máquina é o treinamento de um computador para classificar, contar ou prever com base em dados de entrada. As melhorias na coleta e na qualidade das imagens, com a computação em nuvem, permitiram combinar imagens de testemunhos de sondagem e chip ao aprendizado de máquina para ajudar os geólogos a tomar decisões mais rápidas e precisas.
Neste blog, descreveremos como você pode preparar suas imagens geocientíficas para o aprendizado de máquina, obter mais valor e insights além de fazer mais descobertas.
Etapas do aprendizado de máquina usando imagens geológicas
Para começar a identificar as oportunidades e os problemas que você deseja resolver com o aprendizado de máquina, primeiro é necessário ter certeza de que os seus dados de imagens estão prontos e são de alta qualidade, consistentes e facilmente acessíveis. Para isso, sistematize a captura e a catalogação de imagens e também como as imagens se integram a outros processos com dados geológicos.
Etapa 1.
Estabelecer um fluxo de trabalho eficiente para capturar e catalogar fotografias uniformes e de alta qualidade.
Etapa 2.
Criar uma biblioteca em nuvem adequada para aprendizado de máquina.
Quando você trabalha com vários arquivos muito grandes, a nuvem oferece a capacidade ilimitada de armazenamento e gerenciamento de tamanho de arquivos e garante acesso instantâneo às imagens além do uso em modelos baseados em nuvem e da visualização em um navegador da Web.
Etapa 3.
Integrar a biblioteca de imagens às ferramentas e tarefas diárias da equipe de geologia.
Isso garante acesso instantâneo para supervisão de dados de sondagem e geologia, fornece as ferramentas de visualização de imagens necessárias para colaboração e, integrando as suas imagens de alta qualidade aos fluxos de trabalho existentes, ajuda você e sua equipe a entender o valor atual e o valor potencial com o aprendizado de máquina.
Etapa 4.
Identificar o problema/a oportunidade e o valor de possíveis projetos para aplicação de aprendizado de máquina, e analisar o potencial dos dados disponíveis para resolver o problema/a oportunidade. Alguns exemplos:
- Identificar instâncias de classificação inadequada de unidades litológicas essenciais durante o registro manual.
- Definir a porcentagem de tipos de mineral que são visualmente distintos, como sulfuretos.
- Quantificar a densidade e as características dos veios.
- Estimar as propriedades geomecânicas das imagens.
- Verificar as estruturas e a designação da qualidade das rochas (RQD, Rock Quality Designation).
- Cortar e lineralizar imagens.
Caixas de testemunhos de sondagem exibidas na plataforma da Imago (direita) e no Leapfrog (esquerda). O geólogo clica no traçado do furo de sondagem para exibir as fotos correspondentes do testemunho de sondagem, na plataforma da Imago, como um furo de sondagem na profundidade correta, o que permite validar registros e análises. O acesso a imagens geocientíficas fornece informações valiosas que apoiam interpretações e modelagens e também ajudam a identificar problemas a serem resolvidos com aprendizado de máquina.
A plataforma da Imago oferece um fluxo de trabalho de captura de imagens para obter imagens uniformes e de alta qualidade que são automaticamente catalogadas e armazenadas no Imago Portal e, portanto, estão prontas para o processo de aprendizado de máquina. Com a plataforma da Imago, você pode:
- Automatizar a catalogação das imagens testemunhos de sondagem com o projeto certo, o número da caixa de testemunhos de sondagem e a profundidade De e Para.
- Automatizar o corte das fotos da caixa de testemunhos de sondagem reunindo os testemunhos de sondagem em conjuntos e girando 90 graus para visualizá-los como testemunhos de sondagem contínuos ao lado de outros conjuntos de dados (como análises ou imagens para visualizadores).
- Integrar ao Leapfrog e a outras ferramentas para modelagem e dados geológicos a fim de permitir a visualização instantânea de imagens para apoiar e validar decisões baseadas em dados geológicos.
- Exportar anotações que foram criadas no Imago Portal para treinar modelos.
Mascaramento e classificação no Imago Portal.
À esquerda estão as fotos originais de testemunhos de sondagem, e à direita estão as previsões de condições dos testemunhos de sondagem. O meio apresenta o valor estimado de RQD da Imago, que pode ser exportado como um atributo para um arquivo no formato .csv.
Veja o aprendizado de máquina em ação neste vídeo de 20 segundos. Segmentação de aprendizado de máquina da Imago
Segundo Federico Arboleda, o fundador da Imago, “a Imago estabelece um processo uniforme para capturar imagens de alta qualidade, que se integram aos fluxos de trabalho existentes, e permitem que os problemas sejam identificados. As imagens geocientíficas fornecem informações valiosas que apoiam interpretações e modelagens e também permitem automatizar o registro e validar fluxos de trabalho posteriormente.
Saiba mais sobre a Imago aqui.