• search navBuscar
  • español
  • Iniciar sesión
Dé el siguiente paso.

Solicite un presupuesto para nuestros servicios con garantía de calidad y nos pondremos en contacto con usted en los próximos días hábiles.

    • Solicite un presupuesto

Automatización y análisis de inteligencia artificial

Los datos profundizan

Las ventajas de la automatización de IA son la velocidad y la coherencia. Como mineros y exploradores, estamos entrando en la era de Big Data, que es demasiado voluminosa y se produce con demasiada rapidez para ser interpretada solo con métodos convencionales. En ALS GoldSpot, trabajamos junto con su equipo de geociencias para agregar herramientas de IA y flujos de trabajo de automatización, lo que permite que sus geocientíficos expertos dediquen su tiempo a pensar en geociencias.

Diagrama de Sankey

La diferencia de ALS GoldSpot

Creemos que una buena ciencia de datos debe sustentarse de manera crítica con una buena comprensión geológica. Nuestro equipo de geocientíficos, con experiencia en geoquímica, geofísica y geología estructural, trabaja en estrecha colaboración con nuestro equipo de ciencia de datos para garantizar que se utilicen las entradas correctas y que se respondan las preguntas correctas.

Equipo ALS GoldSpot

Mapeo asistido por máquina

Existen muchos métodos de detección remota que se pueden utilizar para ayudar al explorador a comprender el área del proyecto antes de iniciar una campaña de campo. Priorizar diferentes áreas (litología objetivo, abundancia de afloramientos) puede ayudar a planificar transversales y campañas de perforación. Los mapas de terreno se pueden crear a partir de datos multiespectrales agrupados. Diferentes bandas multiespectrales, o proporciones de bandas, que corresponden a mineralogía específica, permiten la interpretación y el mapeo de unidades de regolito. Los afloramientos se pueden identificar extrayendo métricas de textura de ortofotografía o LiDAR. Las predicciones sobre la probabilidad de mineralización (análisis de prospectividad) se pueden realizar utilizando modelos de aprendizaje automático supervisados creados en un cubo de datos de capas de características diseñadas.


Computer Vision

Computer Vision se refiere a la capacidad de los ordenadores y los sistemas de inteligencia artificial para interpretar y analizar información visual del mundo real, como imágenes y vídeos. Implica el uso de cámaras, algoritmos y software para extraer información de datos visuales, que se pueden utilizar para diversas aplicaciones, como control de calidad, navegación autónoma y reconocimiento de objetos. Computer Vision ayuda a automatizar procesos y tomar decisiones basadas en datos visuales, mejorando la eficiencia y la precisión en varias industrias.


Registro automatizado

El núcleo a menudo se vuelve a registrar cuando una nueva empresa se hace cargo de un depósito, o cuando hay muchos núcleos históricos registrados por numerosos geólogos a lo largo de los años con un control limitado sobre la coherencia. El proceso de registro del núcleo generalmente se basa en observaciones visuales del núcleo, lo que lo convierte en un candidato ideal para la automatización a través del aprendizaje automático. La automatización del proceso de registro ahorra tiempo, dinero y garantiza un resultado final objetivo. El proceso de “re-registro” requiere seleccionar un número de puntos de formación (típicamente varios cientos). Estos puntos, y las fotos principales asociadas, son analizados a continuación por nuestro algoritmo patentado para generar un modelo de datos. Luego, el modelo se puede aplicar para clasificar todas las fotos principales recopiladas a lo largo del tiempo. Se pueden proporcionar datos de formación adicionales para mejorar la precisión.


Software de inversión geofísica

Nuestro algoritmo de inversión aprovecha los nuevos desarrollos en ML, en particular los procesos gaussianos para los sistemas modernos de aprendizaje automático. Puede invertir la gravedad o los datos magnéticos. La ventaja de incorporar ML en inversiones geofísicas es que los algoritmos de ML pueden encontrar no linealidades dentro de los datos y, por lo tanto, producir mejores modelos 3D.


Detección de anomalías y coincidencia de patrones

Uno de los puntos fuertes de la IA es la flexibilidad y la reproducibilidad con múltiples tipos de datos. Nuestras herramientas de reconocimiento de patrones y detección de anomalías utilizan datos electromagnéticos, magnéticos de gradiente y de gravedad. La coincidencia de anomalías utiliza perfiles de yacimientos conocidos o formaciones de destino para compararlas con anomalías en otros conjuntos de datos y clasificarlas en función de su similitud. La rutina de detección de anomalías, o PeakFinder, se utiliza para localizar mínimos y máximos en los datos de línea. Los picos se discriminan en función de varios factores, incluida la amplitud, la prominencia y el ancho del pico, entre otros atributos. Las características de los picos se utilizan para generar varias métricas, como la amplitud máxima, el deterioro del tau, la dirección y el ángulo de inclinación. La herramienta de comparación de anomalías examina los datos de línea/canal y los compara con las respuestas seleccionadas de los datos de la encuesta y/o aquellas generadas a partir de placas teóricas/sintéticas. Se pueden modelar datos magnéticos, electromagnéticos y/o de gravedad. Se devuelve un resultado normalizado con valores entre 0 y 1 según la similitud de los datos del canal con la señal de destino. Los resultados se muestran como un mapa de similitud que resalta los segmentos de las líneas de vuelo que son similares o diferentes a la señal de destino.


 
v.1.1.976