INNOPOLIS, RUSSLAND / EuroWire / — Russiske forskere ved Innopolis University har sikret seg et patent for en kunstig intelligens-metode som analyserer fotografier av borekjerner for å identifisere sprekker, forkastninger, årer, breksjer og andre geologiske strukturer, et tiltak som er utformet for å fremskynde bergklassifisering og geologisk modellering. Patentet, RU2856857C1, ble publisert 25. februar 2026, og navngir Innopolis University som rettighetshaver. Det dekker en metode for å gruppere kjernebildedata for strukturell-litologisk klassifisering av bergarter utvunnet under leteboring.
Oppfinnelsen lister opp Ilmir Nugmanov, Arseny Pinigin, Artur Shagitov og Aikhem Bouabid som oppfinnere. Ifølge universitetsmateriale som ble publisert i mai, tar prosjektet for seg en av de mest arbeidsintensive delene av undergrunnsanalyse, den manuelle beskrivelsen av kjernebokser som brukes til å dokumentere sammensetningen og strukturen til bergart fra borede intervaller. Kjernefotografier er mye brukt i leting og gruveplanlegging fordi de bevarer en visuell oversikt over sprekker, lag, mineralårer og andre trekk som kan påvirke tolkningen av en forekomst.
Den patenterte arbeidsflyten bruker et to-trinns bildebehandlingssystem. I det første trinnet skanner et transformatorbasert nevralt nettverk fotografier av kjernebokser, isolerer meterlange kjerneseksjoner og kobler hver seksjon til riktig dybdeintervall. I det andre trinnet analyserer en forhåndstrent semantisk segmenteringsmodell hver seksjon for å oppdage strukturer, inkludert sprekker, ødelagte soner, forkastninger, årer, breksjer og striper. Patentsammendraget sier også at metoden fjerner teknogene sprekker fra målområdet før etterbehandling og beregning av ytterligere geologiske trekk.
Patentdetaljer og arbeidsflyt
For hver seksjon genererer systemet det universitetet beskriver som et digitalt fingeravtrykk som inneholder 2780 numeriske verdier per bilde. Disse verdiene inkluderer indikatorer knyttet til tekstur, farge, kontrast og tilstedeværelsen av sprekker. Algoritmen grupperer deretter flerdimensjonale funksjonsvektorer for å gruppere lignende strukturer og fremheve anomalier i berggrunnen. Ved å konvertere fotografier til strukturerte data knyttet til dybdekoordinater, er metoden utformet for å støtte mer konsistent klassifisering av kjernebilder på tvers av store materialemengder.
Innopolis University sa at systemet klassifiserte kjernefotografier på samme måte som en erfaren geolog i omtrent syv av ti tilfeller under den rapporterte testingen. Universitetsmaterialer beskriver arbeidet som en del av arbeidet med å redusere tiden og subjektiviteten involvert i manuell kjernedokumentasjon. Arseny Pinigin og Ilmir Nugmanov, begge identifisert av universitetet med roller i olje- og gassteknologiarbeidet, er blant de navngitte oppfinnerne av den patenterte metoden.
Bruksområder innen leting og konstruksjon
Utviklingen er rettet mot oppgaver innen geologisk utforskning, gruvedrift og konstruksjon, der rask vurdering av bergstruktur kan påvirke beslutninger om forekomster, brønner, steinbrudd og tekniske forhold. Universitetet sa at klyngetilnærmingen er spesielt nyttig for å identifisere komplekse forkastninger, tektoniske breksjer og andre anomale strukturer som kan påvirke stabilitetsvurderinger. Fordi systemet kartlegger hver oppdagede funksjon til et dybdeintervall, kan det organisere bildebaserte observasjoner i et format som kan brukes sammen med bredere geologisk tolkning.
Patentet ble innlevert 27. mai 2025, og publiseringen i februar 2026 formaliserte den juridiske beskyttelsen av metoden i Russland. Sammen med universitetets tekniske beskrivelse fra mai 2026 skisserer tilskuddet en arbeidsflyt som kombinerer automatisert seksjonsdeteksjon, semantisk segmentering og klynging for bergkjerneanalyse. For Innopolis University er resultatet et patentert AI-verktøy som fokuserer på å gjøre kjerneboksfotografier om til klassifiserte geologiske data uten å bare være avhengig av manuell inspeksjon.
Innlegget Russisk AI-patent effektiviserer geologisk kjerneanalyse dukket først opp på British Post .