Старший проектный геолог
ALS Geoanalytics
Уэлл-Шен работает в области горнодобывающей промышленности и минеральной разведки на протяжении последних 10 лет. Он имеет степень PhD по месторождениям полезных ископаемых, полученную в Университете Лаврентиана (Канада), а также окончил бакалавриат в Университете Британской Колумбии (Канада). В рамках своей текущей работы в ALS Geoanalytics он участвовал в проектах на стадиях от геологоразведки до технико-экономического обоснования в Канаде, США и Ботсване, а также имеет опыт работы с различными типами месторождений цветных и благородных металлов по всему миру. Его специализация включает минералогию, геохимию и машинное обучение.
Уэлл-Шен является геометаллургом и специалистом по геологоразведке, который регулярно работает на стыке различных геонаучных дисциплин. Используя минералогию и её влияние на геохимические, металлургические и физические данные, он в течение своей карьеры создал несколько прогностических моделей для геологов, специалистов по оценке ресурсов, инженеров и металлургов.
Компьютерное зрение и его роль в инструментарии геоучёного: пример порфировой медной системы в Аризоне, США
Снижение рисков в геологоразведочных и горнодобывающих проектах требует хорошего понимания изменчивости геологической среды. Минералогия и текстура являются основными факторами изменчивости горных пород и напрямую влияют на экономические показатели проектов. Многоэлементные аналитические данные рутинно используются в качестве прокси для минералогии при оценке изменчивости пород, однако текстурная информация часто недостаточно количественно описывается на стадиях разведки и раннего освоения месторождений.
Компьютерное зрение — это технология, использующая информацию, содержащуюся в пикселях регулярно получаемых фотографий керна, посредством процесса, называемого анализом изображений. В данном докладе демонстрируется применение компьютерного зрения с использованием платформы искусственного интеллекта ALS LithoLens для извлечения количественной геотехнической, цветовой и текстурной информации из фотографий керна на проекте порфирового медного месторождения в Аризоне, США.
На примере данного кейса показано, что объединение данных изображений с рутинными аналитическими данными, магнитной восприимчивостью и данными коротковолновой инфракрасной спектроскопии (SWIR) значительно улучшает результаты прогностических литологических и регрессионных моделей. Данные изображений также могут использоваться самостоятельно для построения прогностических моделей с быстрым сроком получения результатов по сравнению с другими стандартно собираемыми наборами данных. Модель прогнозирования меди, близкая к пороговой, смогла объяснить 76% вариации пород, используя только данные изображений, при этом текстурные параметры имели наивысшую значимость среди признаков.
Показано, что компьютерное зрение является ценным вспомогательным инструментом для геологов, позволяющим повысить согласованность и непрерывность данных, а также устранить субъективность процесса сбора данных. Это, в свою очередь, позволяет создавать надёжные геометаллургические модели для снижения рисков по всей цепочке создания стоимости.
