AI+勘察阶段钻孔岩芯管理的实践探索
作者：微信文章这是勘察阶段地质勘察“AI+”的一个探索。
勘察阶段地质钻探数据管理与应用存在哪些痛点问题？如果你有这方面的思考和需求，欢迎分享。
之前为了做岩芯数据分析，设想基于岩芯图像数据结合大模型来专门做一个面向岩芯数据处理的模型或系统。最开始为了处理数据（数据太乱、采集不规范）、设计开发了检测模型来辅助标注，写了一个程序来整理数据，为了合成大模型训练所需的数据，后面又考虑了几个问题：
1）是否可以在让大模型完成检测任务，提取岩芯柱；
2）大模型训练数据制作，岩芯柱状图是长条状的，并且长短分布差异较大，要如何考虑？
3）描述生成怎么做？地层岩芯描述通常包含颜色、岩性、物理性状、RQD、TRC等。部分定性、部分量化。
4）岩芯柱状图自动分层，既然已经能够得到基于真实图像合成的柱状图，那么能否基于图像处理的方法做自动分层呢？提了一个设想让实习生去做，采用分类的方法做了一个demo，准确率还不错，但是仍有局限性，只能分层固定类别的岩层。
这个系统中，将岩芯数据管理分成三个步骤：
1）创建钻孔；
2）数据处理，上传图像、提取岩芯柱，合成完整的柱状图；
3）地层管理，自动分层（期望）、地层描述自动生成；
工作量最大的点在于合成柱状图和分层描述；在这两个环节中，设计加入AI辅助。无法完全自动化。每个环节AI如果都无法做到100%的准确性，那么整个流程就准确性也不可能达到100%准确，也就无法完全自动化。比如识别准确率为95%，分层准确率95%，描述准确率95%，那么理论上整个流程的准确率最好情况下就是95%*95%*95%=85.7%；每个环节提升一点准确率，就可以大大提高整体的准确率，那5%就是人工，笔者觉得一个好的AI产品应该有一套良好的Human in the loop设计，也就是如何让人更好地参与工作流中进行矫正。比如识别阶段，我们设计了可以交互修正岩芯图像提取，人工确认或修正补齐5%，分层和描述生成也一样。整个工作流就是人和AI在合作，只是好的AI做了大部分工作，这就是笔者认为的AI赋能，提升效率。一些感想，欢迎交流，以下为系统演示视频，如有需求，欢迎咨询🎉🎉🎉。
页:
[1]