Изобретение экспертов Центра индустриальных и промышленных решений ИТ-вуза автоматически выделяет трещины, разломы, жилы, брекчии и другие геологические структуры на фотографиях керна — горных пород, извлечённых при бурении скважин. 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 твёрдых полезных ископаемых, а также в строительстве, где требуется оперативный и объективный анализ структурных особенностей горных пород.

Арсений Пинигин, руководитель отдела технологий искусственного интеллектаЦентра индустриальных и промышленных решений Университета Иннополис: «Керн — основной источник информации о недрах Земли. Традиционная ручная документация керна крайне трудоёмка, 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».

 

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.

Фото1. Пример автоматического выделения метровых секций керна с помощью ИИ

Для каждой структуры система автоматически рассчитывает геометрические параметры: площадь, координаты начала и конца вдоль оси керна. Причём специалисты исключили ложные срабатывания из-за техногенных трещин, возникающих при извлечении керна, что сделало технологию надёжнее.

Ильмир Нугманов,заместитель директора Центра индустриальных и промышленных решений Университета Иннополис: «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, извлечённые 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».

Фото2. Нахождение разлома сложной формы в разрушенной зоне керна 

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 запатентовалиэксперты Межотраслевого центра трансфера технологий Университета Иннополис. Авторы изобретения — научные сотрудники российского ИТ-вуза: Ильмир Нугманов, Арсений Пинигин, Артур Шагитов и Айхем Буабид.
Фото: пресс-служба Университета Инополис