Donde las rocas y la IA chocan La intersección de la mineralogía y la visión por computadora de cero disparos

Rocas e IA Intersección de mineralogía y visión por computadora

Los minerales son sustancias inorgánicas de origen natural con una composición química y una estructura cristalina definida. Son los componentes básicos de las rocas y desempeñan un papel crucial en diversos procesos geológicos e industriales. Identificar y clasificar los minerales es un proceso muy complejo que requiere experiencia y habilidades altas. Para realizar esta tarea, los geólogos deben dedicar horas e incluso días por muestra a la preparación y a diferentes tipos de análisis.

Añadiendo a la complejidad está la realidad de que una proporción significativa de minerales aún requiere investigaciones más exhaustivas, dejándonos solo con unos pocos cientos de minerales estudiados de manera comprensiva de los 6.000 minerales identificados actualmente.

Como resultado, se están llevando a cabo esfuerzos globales extensivos para abordar esta brecha mediante investigaciones y estudios exhaustivos. La introducción de la inteligencia artificial en este proceso puede desempeñar un papel fundamental en la detección de errores y en la optimización de las tareas rutinarias que consumen mucho tiempo y que tradicionalmente son realizadas por expertos. Aprovechar la inteligencia artificial para el diagnóstico visual tiene el potencial de liberar a los mineralogistas profesionales de las tareas rutinarias, permitiéndoles dedicar su tiempo a desafíos más complejos.

En consecuencia, en colaboración con Sber AI y la Universidad Estatal de Moscú Lomonósov, el Instituto de Investigación de Inteligencia Artificial ha creado un conjunto de datos de referencia para el reconocimiento de minerales en modelos de visión por computadora. El conjunto de datos se llama MineralImage5k. Utilizaron el conjunto de datos del Museo Mineralógico Fersman. Los fondos del museo contienen más de 170 mil muestras (alrededor de 5.000 especies minerales). Esta colección es una de las mayores colecciones de minerales a nivel mundial.

El conjunto de datos contiene muestras en bruto, lo que lo hace mucho más cercano a los que se encuentran en montañas o lechos de ríos, y está dividido en tres subconjuntos que desafían a los investigadores en la clasificación, segmentación y estimación del tamaño de los minerales. Después de recopilar el conjunto de datos, los investigadores realizaron un análisis de imágenes y limpiaron este conjunto de datos. Primero, eliminaron las imágenes corruptas, luego eliminaron las imágenes con proporciones de aspecto altas, ya que la mayoría de los modelos de visión por computadora trabajan con entradas cuadradas. También agregaron relleno a las imágenes si la diferencia entre los lados de la imagen era demasiado alta. También eliminaron las imágenes duplicadas, ya que las imágenes duplicadas generan pérdida de memoria. Además, redimensionaron las imágenes restantes a 1024 píxeles.

Pero, la inteligencia artificial puede tener dificultades para analizar imágenes de minerales porque puede que necesite saber qué parte de la roca es el mineral que buscamos. Para ayudar, los investigadores proporcionaron aproximadamente 100 imágenes adicionales con etiquetas que muestran exactamente dónde se encuentra el mineral. Utilizaron un modelo que aprende a partir de imágenes y palabras para demostrar qué tan bueno fue su prueba. Comprobaron qué tan bien funcionaba después de enseñarlo con las imágenes de MineralImage5k.

Los investigadores enfatizaron que desean obtener más imágenes para su prueba en el futuro. También se centran en otros estudios, creando diferentes conjuntos de imágenes con más minerales y rocas. También pueden utilizar otros tipos de información para mejorar aún más la inteligencia artificial. Por último, los expertos en minerales, los expertos en visión por computadora y los expertos en inteligencia artificial deben trabajar juntos para mejorar el reconocimiento de minerales.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Eso es gracioso, pero los modelos de IA no entienden la broma.

Un equipo multi-institucional de científicos probó la capacidad de los modelos de inteligencia artificial para entend...

Inteligencia Artificial

¿Cómo codificar usando ChatGPT?

Introducción Incorporar inteligencia artificial en la programación moderna ha dado inicio a una nueva era de eficienc...

Inteligencia Artificial

Controversia de Disney en Hollywood ¡Interviene la IA, los escritores y actores se retiran!

En el corazón de Hollywood, la IA se ha convertido en una fuerza polarizante. Los escritores y actores de Disney, cus...

Inteligencia Artificial

Los desarrolladores buscan OpenUSD en la era de la IA y la digitalización industrial

Desde fábricas inteligentes hasta sistemas ferroviarios de próxima generación, desarrolladores y empresas de todo el ...

Inteligencia Artificial

¿Es ChatGPT realmente neutral? Un estudio empírico sobre el sesgo político en agentes conversacionales impulsados por IA

Un estudio reciente llevado a cabo por investigadores del Reino Unido y Brasil ha iluminado preocupaciones con respec...

Inteligencia Artificial

AI vence a los detectives humanos al encontrar imágenes problemáticas en documentos de investigación

Un estudio realizado por el biólogo independiente del Reino Unido, Sholto David, encontró que la inteligencia artific...