GeologicAI permet aux géoscientifiques de bénéficier de données multi-capteurs co-localisées et visualisées, ainsi que d’analyses avancées.
Améliorez la cohérence et l’efficacité de la journalisation avec des données fiables et des outils d’IA avancés. Enrichissez votre connaissance des ressources et donnez aux géologues le temps de faire ce qu’ils font de mieux : interpréter la géologie.
Remplacez les tâches manuelles fastidieuses par des modèles supervisés formés sur votre ensemble de données.
Améliorez la cohérence de la journalisation entre les géologues, ce qui se traduit par des interprétations cohérentes, défendables et auditables.
Échantillonnage hautement personnalisable en un clic et allocation du contrôle qualité.
Ensembles de données combinés et co-localisés soutenus par notre expertise géologique interne.
Un algorithme d’apprentissage automatique supervisé, développé en interne, pour s’aligner sur les schémas de journalisation lithologique spécifiques au site. La lithologie automatique identifie systématiquement les unités et les limites lithologiques en utilisant des données spectrales et géochimiques intégrées, améliorant ainsi la précision et la reproductibilité de la journalisation.
Un algorithme d’apprentissage automatique supervisé conçu à cet effet qui prédit les intervalles de teneur pour les éléments non détectables de manière fiable par un seul capteur (par exemple, XRF). Le prédicteur d’éléments faibles intègre plusieurs sources de données pour fournir des estimations de teneur robustes et interprétables.
Un outil d’apprentissage automatique supervisé spécifique au site qui fournit une calibration spécifique à la matrice, adaptée pour fournir des données XRF en unités de concentration pour une interprétation et une prise de décision directes. Les résultats sont disponibles à 1 cm ou réduits à toute longueur d’intervalle définie par l’utilisateur.
Données hyperspectrales haute résolution démixées au niveau du pixel, pour visualiser et identifier les minéraux et leur intensité spectrale, fournissant des informations minéralogiques sur la surface de la carotte.
Tirant parti de réseaux neuronaux convolutifs et d’un ensemble de formation d’images de classe mondiale soigneusement organisé par des géologues utilisant des données de numérisation multi-capteurs, notre algorithme d’apprentissage automatique identifie et sélectionne les minéraux sulfurés à l’aide d’une imagerie haute résolution. Le produit cartographie la distribution des sulfures, le pourcentage de surface et la taille des grains pour soutenir l’interprétation géologique quantitative.
Un flux de travail axé sur les données qui combine les données de numérisation, la journalisation géologique et les produits avancés pour générer des intervalles d’échantillonnage optimisés et des échantillons de contrôle qualité basés sur des règles spécifiques au site. L’échantillonneur automatique crée des intervalles d’échantillonnage cohérents et reproductibles qui réduisent les biais humains et améliorent la qualité de l’échantillonnage.
Découvrez comment les données issues du XRF, de l’hyperspectral, du LiDAR, du profilage laser, de l’imagerie haute résolution et plus encore peuvent être combinées pour fournir aux géologues l’ensemble de données le plus complet qu’ils aient jamais vu.
Contactez l’un de nos experts produits dès aujourd’hui pour voir si la numérisation de carottes et les produits de données de GeologicAI sont adaptés à votre projet et à votre gisement.