GeoAI - Modernisation de l'exploration minérale

Il s'agit de la première partie d'une série en deux parties.

L'exploration minière joue un rôle crucial pour répondre aux besoins croissants de la société en matière de ressources. À mesure que la société grandit, il est essentiel de compléter l'exploration minière en élaborant des solutions novatrices et durables pour réduire l'impact sur l'environnement.

Compte tenu de l'influence des produits métalliques sur les économies mondiales, l'exploration minière moderne repose encore largement sur les technologies géophysiques et géochimiques mises au point dans les années 1950. Même si une grande partie de l'industrie dépend des méthodes conventionnelles pour générer des cibles de prospection, les entreprises ont commencé à adopter la capacité de GeoAI d'accélérer le flux de travail d'interprétation.

Qu'est-ce que GeoAI ?

Toute donnée comportant une composante de localisation est connue sous le nom de données géospatiales. Il peut s'agir de polygones représentant des circonscriptions électorales ou même de pixels dans une image satellite. GeoAI est une discipline scientifique émergente qui combine les données géospatiales avec les outils de l'intelligence artificielle.

Étant plus proches de la surface de la Terre, les satellites en orbite basse prennent des images à plus haute résolution avec une fréquence accrue.

Une grande partie de l'innovation dans le domaine de la GeoAI a été motivée par la disponibilité immédiate de données de grande qualité et à grande échelle. Combinés aux progrès du matériel et des logiciels, il est possible d'en tirer des informations et d'optimiser les systèmes dans presque tous les secteurs imaginables. De plus, la pratique actuelle de numérisation du monde au moyen des systèmes d'information géographique (SIG) continue d'accumuler de grandes quantités de données, ce qui augmente la demande d'organiser, de quantifier et d'analyser efficacement ces données.

Intégration de GeoAI à l'exploration minière

À l'heure actuelle, l'industrie de l'exploration doit faire face à un besoin croissant de réduire le coût élevé des projets d'exploration et leur impact sur l'environnement. Les sociétés d'exploration recherchent maintenant une plus grande efficacité dans leurs efforts de planification et une plus grande confiance dans les cibles d'exploration que la pratique courante consistant à se fier principalement à des méthodes manuelles.

Même si l'AI et la vision par ordinateur sont encore loin de résoudre tous les problèmes de l'exploration minière, le seul domaine dans lequel l'AI peut aider est l'interprétation des données en utilisant des processus itératifs et l'apprentissage automatique, accélérant ainsi le processus décisionnel.

À l'heure actuelle, les géoscientifiques identifient les perspectives en téléchargeant des cartes du substrat rocheux et des données d'ombrage LiDAR, en dessinant numériquement des lignes et des vecteurs pour représenter les caractéristiques géologiques et en les superposant à des données géochimiques et/ou géophysiques. À l'aide d'une IA bien formée, les géoscientifiques avertis en technologie peuvent extraire des caractéristiques en quelques secondes seulement.

Cependant, il est important que le modèle d'AI soit formé par des experts possédant une connaissance approfondie de la géologie et de la topographie afin d'obtenir des résultats significatifs.

Comment KorrAI s'est-elle impliquée dans cette affaire ?

Chez KorrAI, nous avons essayé de répondre à une question simple — Est-il possible de détecter les affleurements tachés de fer à l'aide d'un modèle de vision par ordinateur ?

En utilisant une approche multiplateforme avec des images RVB haute résolution et des données radar à ouverture synthétique (SAR) de séries chronologiques, nous avons pu former un réseau de segmentation sémantique et générer des éléments d'altération du fer sur une zone de 1 000 km2 en 90 secondes.

Restez à l'affût de la partie 2, où nous montrons une démonstration de bout en bout des outils au travail.