CARACTERIZAÇÃO GEOLÓGICA VIA INTELIGÊNCIA ARTIFICIAL

  • Marcos Vinicius Souza Freire
  • Ítalo Gomes Goncalves
Rótulo Inteligência, artificial, Geofísica, Geologia, RPAs, Rotulação

Resumo

A caracterização geológica pode ser realizada por métodos diretos e/ou indiretos, sendo o último realizado, em especial, por métodos geofísicos, permitindo obter informações geológicas a partir das propriedades físicas do meio estudado, podendo resultar em um mapeamento geológico da área de estudo. A análise direta ocorre com o auxílio de equipamentos específicos utilizados para o recolhimento de amostras, por exemplo através da sondagem (realizada a partir de perfurações), cuja amostra permite estudar a composição química, a mineralogia, a formação dos extratos das camadas, entre outras informações, dos materiais geológicos envolvidos. A escolha da área que se pretende realizar o mapeamento geológico pode conter impedimentos que limitam seu processo (por exemplo, vegetação) além de outros objetos que não são foco de estudo para o contexto geológico local, em que é preciso muitas vezes a limpeza da área para um melhor detalhamento durante o mapeamento. Uma vez definida a área, seu mapeamento, em geral, é realizado a partir da demarcação e rotulação das regiões de interesse em uma imagem, na qual são identificados e classificados os tipos de rocha presentes na área. O método de rotular as imagens pode ser manual ou automatizado. Com o advento das tecnologias modernas, o método manual é considerado dispendioso em comparação ao automatizado, o que acaba por elevar o custo final do mapeamento. Por outro lado, o método automatizado ocorre em tempo significativamente menor, em virtude dos padrões ensinados ao algorítimo utilizado, além de reduzir o custo final do processo. Além disso, este método pode promover melhores resultados, quando utiliza-se de técnicas/métodos de Inteligência Artificial (AI), as quais, contribuem para uma interpretação mais eficiente dos diferentes tipos de litologias. O processo de percepção de um ambiente e a habilidade de análise para a tomada de decisão diz respeito ao processo de AI em que um conjunto de redes neurais artificiais e algorítimos exercem um papel fundamental para caracterização de objetos e materiais, bem como formatos em imagens, a partir do processo de aprendizagem de máquina, criando um padrão para a classificação de feições e objetos. O objetivo deste trabalho consiste da utilização de técnicas/métodos de AI para caracterização de determinadas litologias, em especial, rochas, de interesse acadêmico e corporativo, com baixo custo, em imagens geradas a partir de aeronaves pilotadas remotamente (RPAs), de forma automática, baseando-se em padrões de imagens processadas durante o treinamento do método de aprendizagem de máquina, analisando os pixeis e formatos dos objetos dentro da imagem pelo processo de matriz de convolução. Em outras palavras, as imagens das regiões de interesse de determinada área passam por processo de mapeamento e rotulação, criando um produto final em que essas regiões são identificadas, classificadas, destacadas e rotuladas por métodos automatizados utilizando-se de técnicas/métodos de AI. Dessa forma serão utilizadas um conjunto de ferramentas como o software SuperAnnotate e a linguagem de programação Python para a criação das delimitações, rótulos e aprendizagem de máquina, a partir das imagens coletadas de RPAs. Será analisado as etapas do processo de aprendizagem de máquina e utilizado os resultados para estabelecer um comportamento que deverá se replicar para as demais imagens obtidas, em que a litologia de interesse será destacada e rotulada, e as demais áreas ignoradas pelo algorítimo. O uso de imagens das áreas de interesse é essencial para reconhecer e delimitar unidades litológicas na construção de mapas e representações geológicas. Os mapas geológicos são desenhados geralmente de forma manual, pelo intérprete, podendo ser feito a partir da sua percepção visual e dos dados coletados em campo, em que os mesmos dados podem ser utilizados para obter diferentes interpretações da área estudada. Para se manter um padrão e evitar erros de interpretações o uso de algorítimos de aprendizado de máquina se torna um procedimento valioso para o reconhecimento automático de padrões nas imagens, porém requer capacidade computacional gráfica, para poder gerar demarcações nas imagens, e um banco de dados robusto guardar altos volumes deas imagens e seus produtos finais mapeados e rotulados. Esse tipo de situação pode ser atenuado devido a economia final de todo o processo. Como resultado parcial deste trabalho, foi obtido a caracterização de litologias, gerando máscaras discretas, baseando-se no contorno das imagens obtidas de locais de prospecção, bem como nas diferenciações dos pixeis que formam as imagens a partir da matriz de convolução, utilizando o método Random Forest e o algorítimo k-means. Espera-se futuramente que o algorítmo se torne cada vez mais eficiente para diferenciar o maior tipo de litologias e filtrar as diferentes regiões de interesse, conforme o apredizado de máquina, utilizando-se de métodos mais eficientes como no caso da CNN.

Downloads

Não há dados estatísticos.
Publicado
2022-11-23
Como Citar
VINICIUS SOUZA FREIRE, M.; GOMES GONCALVES, ÍTALO. CARACTERIZAÇÃO GEOLÓGICA VIA INTELIGÊNCIA ARTIFICIAL. Anais do Salão Internacional de Ensino, Pesquisa e Extensão, v. 2, n. 14, 23 nov. 2022.