ML4DrillCore
Att förena maskininlärning och datorseendeteknik för automatisk analys av borrkärnor baserat på visuell och sammansättningsdata.
Kvantitativa och kvalitativa geologiska modeller av mineralfyndigheter utgör grunden för hela gruvvärdekedjan, inklusive alla efterföljande beslut om värdering, gruvmetod, bearbetningsmetod och åtgärder för att lindra miljöpåverkan av gruvdrift.
De främsta indata i sådana modeller härrör från analys av borrkärnor.
ML4DrillCore-målet är inbäddat i den övergripande visionen om en mer effektiv och effektiv upptäckt och karaktärisering av mineralfyndigheter.
I kontexten av digital transformation kan detta uppnås genom att implementera nya innovativa metoder inom datorseende (CV) och maskininlärning (ML) för analys av visuell och sammansättningsdata, vilket kan underlätta och göra borrloggningen både tids- och konsistent.
En synergi mellan domänexpertisen hos Ore Geology-gruppen och den konstgjorda intelligenskompetensen som tillhandahålls av Machine Learning-gruppen har stor potential att erbjuda en disruptiv teknologisk förändring inom området för förvärv och analys av borrkordsdata inom gruvindustrin.
Kontakt
Foteini Liwicki
- Biträdande professor
- 0920-491004
- foteini.liwicki@ltu.se
- Foteini Liwicki
Uppdaterad: