Разработанное программное обеспечение с графическим интерфейсом позволяет пользователю загружать изображения аншлифов руд, визуализировать референсные разметки, совершать идентификацию минералов и визуализировать результаты. Программа также автоматически демонстрирует пользователю статистическую информацию о минерале при наведении на его изображение курсора мыши.
Исследование выполнено при поддержке Научно-образовательной школы МГУ «Мозг, когнитивные системы, искусственный интеллект». Результаты работы были опубликованы в журнале The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences
Созданию текущей версии ПО предшествовало длительное сотрудничество, объединившее коллективы профессора Андрея Крылова и доцента Михаила Богуславского, представляющих лабораторию математических методов обработки изображений факультета ВМК и кафедру геологии, геохимии и экономики полезных ископаемых геологического факультета. В течение многолетней работы было налажено эффективное взаимодействие, проведен ряд исследований. Однако только в последнее время за счет использования прогресса в развитии методов глубокого обучения удалось по-настоящему решить задачу компьютерной идентификации минералов по изображениям аншлифов. Важный вклад в это внесли молодые сотрудники Александр Хвостиков (факультет ВМК) и Дмитрий Коршунов (геологический факультет).
Минераграфия - область геологии, изучающая рудные минералы, является базовой при геологоразведочных работах, а также широко применяется при проектировании обогатительных цепочек. Специалист в этой области должен обладать высокой квалификацией, а процесс описания требует огромных временных затрат на диагностику и анализ рудных минералов, так как для получения достоверных знаний о минеральном составе и структурах руд необходимо проанализировать сотни, а порой и тысячи аншлифов с каждого месторождения.
Используя современные технологии компьютерного зрения, можно добиться высокого качества автоматического анализа минерального состава и текстурно-структурных особенностей аншлифов руд. Одно из главных преимуществ использования автоматических методов анализа – это возможность быстрого анализа больших массивов данных.
Высококвалифицированный и высокооплачиваемый специалист нужен только для проверки качества работы системы, а также интерпретации полученных результатов, что сокращает затраты предприятия и увеличивает производительность труда на всей цепочке от геологоразведочных работ до создания проекта обогащения руд.
Автоматическая идентификация рудных минералов по фотоизображениям аншлифов необходима для значительного сокращения времени, затрачиваемого на изучение руд, и исключения фактора ошибочной диагностики.
Александр Хвостиков, младший научный сотрудник ВМК МГУ, рассказал, что одной из главных идей было «создание универсального инструмента диагностики, анализа и сравнения руд разных месторождений, что в перспективе даст возможность построить обширные металлогенические модели формирования месторождений».
В рамках проекта сотрудниками кафедры геохимии и экономики минеральных ресурсов геологического факультета МГУ имени М.В. Ломоносова и лаборатории математических методов обработки изображений ВМК МГУ имени М.В. Ломоносова был собран материал с 30 рудных месторождений СНГ, для собранных аншлифов были получены фотографии со стократным увеличением, после чего для изображений были созданы пиксельные маски высокой точности, соответствующие присутствующим на изображении минералам.
В результате был создан набор данных LumenStone (https://imaging.cs.msu.ru/en/research/geology/lumenstone), содержащий высококачественные изображения аншлифов руд с референсной пиксельной разметкой. LumenStone состоит из нескольких поднаборов данных, соответствующих различным минеральным ассоциациям, и продолжает расширяться и пополняться новыми изображениями:
- S1: ассоциация гидротермальных руд Березовского месторождения, состоящая из сфалерита, пирита, галенита, борнита, теннантит-тетраэдритовой группы, минералов халькопирита;
- S2: ассоциация расслоенных ультрамафитовых месторождений (месторождения Норильской группы), состоящая из пирротина, магнетита, пентландита, минералов группы халькопирита;
- S3: общая ассоциация высокотемпературных гидротермальных руд, состоящих из пирита, арсенопирита, ковеллина, борнита, халькопирита, магнетита (обычного и медьсодержащего магнетита), гематита (в ближайшее время).
На основе данных из LumenStone коллективом был разработан нейросетевой метод идентификации минералов на изображениях аншлифов, а также специальный способ обучения, учитывающий особенности задачи. В итоге полученное решение позволяет автоматически идентифицировать минералы на новых изображениях с достаточно высокой точностью (IoU 0.73- 0.93 для разных минералов), а общая точность распознавания составляет 91.7% на тестовой выборке LumenStone.
Разработанное ПО зарегистрировано в 2021 году (https://istina.msu.ru/certificates/369609043/).
Информация предоставлена пресс-службой МГУ
Источник фото: ru.123rf.com
