ИИ научили «читать» керн: в Татарстане запатентовали систему для точного анализа горных пород

Решение в области горной геомеханики с помощью искусственного интеллекта анализирует изображения керна — образцов горных пород, извлеченных при бурении. Система автоматически выявляет трещины, разломы, жилы, брекчии и другие структуры, что позволяет значительно повысить точность исследований и ускорить создание геологических моделей месторождений.

Разработка ориентирована на задачи горнодобывающей отрасли, включая поиск твердых полезных ископаемых, а также может применяться в строительстве, где требуется быстрый и объективный анализ характеристик пород.

Как пояснили разработчики, традиционная работа с керном требует значительных затрат времени и зависит от субъективной оценки специалистов. Геолог осматривает каждый образец «на глаз», оценивает текстуру, цвет, присутствие трещин, разломов, жил, брекчий и других структур, а затем записывает свои наблюдения в карточки или блокнот. После этого данные переносятся в базу или таблицы, где ими пользуются для построения геологических моделей и оценки свойств пластов. Такой подход требует много времени, особенно при больших объемах керна, и при этом один и тот же разрез может быть описан по‑разному разными специалистами. Существующие программные решения в этой области либо узкоспециализированы, либо требуют постоянного участия человека. Новый подход на базе ИИ позволяет автоматизировать этот процесс.

В основе технологии лежит двухступенчатая система обработки изображений с использованием глубоких нейронных сетей. Разработчикам удалось минимизировать ложные срабатывания, возникающие из-за трещин, появляющихся при извлечении керна, что повысило надежность анализа. По данным университета, в 70% случаев система классифицирует изображения так же, как опытный геолог, при этом работа над повышением точности продолжается.

Кроме того, алгоритм формирует для каждой секции керна цифровой профиль — набор данных о выявленных структурах с указанием их характеристик и глубины залегания. В расчет берутся такие параметры, как текстура, цвет, контраст и наличие трещин. Эти данные обрабатываются с помощью кластеризации многомерных признаков, что особенно важно для выявления сложных разломов и аномальных структур, влияющих на устойчивость скважин и карьеров.