GeoAI - Modernización de la exploración de minerales

Esta es la primera parte de una serie de dos partes

La exploración de minerales desempeña un papel crucial para satisfacer las crecientes necesidades de recursos de la sociedad. A medida que la sociedad crece, es esencial complementar la exploración minera mediante el desarrollo de soluciones innovadoras y sostenibles para reducir el impacto en el medio ambiente.

Teniendo en cuenta la influencia de los productos metálicos en las economías mundiales, la exploración minera moderna todavía depende en gran medida de las tecnologías geofísicas y geoquímicas desarrolladas en la década de 1950. Si bien gran parte de la industria depende de métodos convencionales para generar objetivos para la prospección, las empresas han empezado a aprovechar la capacidad de GeoAI para acelerar el flujo de trabajo de interpretación.

¿Qué es GeoAI?

Cualquier dato con un componente de ubicación se conoce como datos geoespaciales. Pueden tener la forma de polígonos que representan los distritos electorales o incluso de píxeles en una imagen de satélite. GeoAI es una disciplina científica emergente que combina datos geoespaciales con las herramientas de la inteligencia artificial.

Al estar más cerca de la superficie terrestre, los satélites de órbita terrestre baja toman imágenes de mayor resolución con mayor frecuencia.

Gran parte de la innovación en GeoAI ha sido impulsada por la disponibilidad inmediata de datos a gran escala y de alta calidad. Cuando se combina con los avances en hardware y software, es posible obtener información y optimizar los sistemas en casi todos los sectores imaginables. Además de eso, la práctica actual de digitalizar el mundo a través de los sistemas de información geográfica (SIG) continúa acumulando grandes cantidades de datos, lo que aumenta la demanda de organizar, cuantificar y analizar esos datos de manera eficiente.

Integración de GeoAI con la exploración de minerales

En la actualidad, la industria de la exploración se enfrenta a una creciente necesidad de reducir el alto costo de los proyectos de exploración y su impacto en el medio ambiente. Las empresas de exploración buscan ahora una mayor eficiencia en sus esfuerzos de planificación y una mayor confianza en los objetivos de exploración que la práctica imperante de basarse principalmente en métodos manuales.

Si bien la IA y la visión artificial aún están lejos de resolver todos los problemas de la exploración minera, el único ámbito en el que la IA puede ayudar es la interpretación de los datos mediante la utilización de procesos iterativos y aprendizaje automático, lo que acelera el proceso de toma de decisiones.

En la actualidad, los geocientíficos identifican las perspectivas descargando mapas de roca madre y datos LiDAR sobre las sombras de las colinas, trazando digitalmente líneas y vectores para representar las características geológicas y superponiéndolos con datos geoquímicos y/o geofísicos. Con una IA bien entrenada, los geocientíficos expertos en tecnología pueden extraer características en solo unos segundos.

Sin embargo, es importante que el modelo de IA sea entrenado por expertos con amplios conocimientos de geología y topografía para proporcionar resultados significativos.

¿Cómo se involucró KorRai en esto?

En KorRai, intentamos responder a una pregunta sencilla: ¿es posible detectar afloramientos manchados de hierro utilizando un modelo de visión artificial?

Mediante un enfoque multiplataforma con imágenes RGB de alta resolución y datos de radar de apertura sintética (SAR) de series temporales, pudimos entrenar una red de segmentación semántica y generan características de alteración del hierro en un área de 1000 kilómetros cuadrados en 90 segundos.

Estén atentos a la segunda parte, en la que mostramos una demostración integral de las herramientas en funcionamiento.