Работа профессионального минералога иногда напоминает труд Золушки: он долго всматривается в мелкозернистую породу, состоящую из множества фрагментов минералов, чтобы понять, порадует ли это месторождение залежами, например, меди или золота.

Правда, Золушке, которая в сказке перебирала горох и чечевицу, было гораздо проще: она имела дело с бобовыми диаметром 5–10 миллиметров. А вот глаз минералога должен уметь разглядывать сотни минеральных зерен величиной иногда в десятые доли миллиметра.

Избавить специалистов от выматывающего рутинного труда решила команда молодых геологов, в которую вошли аспирант и выпускник Санкт-Петербургского государственного университета Григорий Владимирович Богданов и Александр Чумаков. Проект MinEye, который в 2023 году стал финалистом конкурса «Start-up СПбГУ», предлагает диагностировать полезные ископаемые благодаря моделям, обученным нейросетью сверточного типа.

Зачем это нужно? Во время масштабных геологических работ, объясняет Григорий Богданов, для оценки руд отбирают большое количество проб, которые отправляются в лабораторию для дорогостоящих химических анализов. Все потому, что специалисты-минералоги физически не могут отсмотреть так много образцов — нужны химические исследования. Среди проб всегда оказываются и пустые, в которых нет или очень мало нужных минералов. Именно они показывают, на каких участках месторождения продолжать буровые работы уже нерентабельно.

«Чтобы сократить количество химических анализов и быстрее принять решение о прекращении бурения, можно с помощью нашей разработки проводить такую экспресс-диагностику и отсекать заведомо пустые пробы, — рассказал аспирант СПбГУ. — Это можно делать по фотографиям измельченной руды, по заранее записанному видео и даже по потоковому видео — в режиме реального времени».

Руководитель команды добавляет: машинное зрение нивелирует ошибки, связанные с человеческим фактором, ведь начинающий специалист-минералог способен за день описать всего несколько проб примерно по 400 зерен. К тому же качество его работы будет отличаться с утра и, например, вечером, в конце трудового дня. Для нейросети таких ограничений не существует.

Сегодня разработка существует в виде desktop-приложения, в котором доступны функции загрузки фото и видео, подключения к потоковому видео, коррекции яркости и резкости изображения и многие другие. Основной упор авторы проекта делают на анализе зерен небольшого размера: от 100 микрон (толщина человеческого волоса) до 5 миллиметров (диаметр небольшой горошины).

Отдельно команда работает над модулем, который позволяет прогнозировать химический состав смеси по фото или видео. Для этого собрана еще одна база данных, включающая около 5000 изображений. К слову, уникальная коллекция фотографий минералов была зарегистрирована в Роспатенте (база данных «БРИМИ»), а в августе 2024 года разработчики зарегистрировали графический интерфейс пользователя приложения как программу для ЭВМ.

Около года назад проект уже прошел стадию MVP и сейчас находится в режиме промышленных испытаний: команда готовится к тестированию MinEye в «чистых» условиях — на территории одной из лабораторий, которая проводит химические исследования образцов руды. При этом параллельно стартап налаживает связи и с горнодобывающими компаниями, чтобы опробовать разработку в «грязных» условиях: пыли, вибраций, сверхнизких и сверхвысоких температур.

«Качество работы системы непосредственно на руднике сильно зависит от условий среды, — объясняет Григорий Богданов. — Потому что на рудниках очень высокая степень запыленности, которая влияет на обработку потокового видео. Должен быть оператор, который будет регулярно чистить камеру и следить, чтобы не было сбоев. К тому же важно правильно установить оборудование на конкретное рабочее место — это очень индивидуальная работа».

Масштабная цель проекта, отмечает аспирант СПбГУ, создать своего рода «геологический чат GPT», обученный на качественной геологической информации. Он смог бы рассказывать о количественном составе минералов в руде, о химических формулах, показывать важную справочную информацию о полезных ископаемых. Особенно такое решение пригодилось бы в отдаленных регионах, где не все предприятия могут позволить себе нанять штатного минералога.

Еще одно потенциальное применение разработки на основе машинного зрения — анализ фото или видео «компьютерных чипсов», то есть перемолотых устаревших компьютерных компонентов. Во многих из них используются благородные металлы, которые выгодно извлекать из компьютерного мусора и перерабатывать.

Даже если брать во внимание только российскую горнодобывающую промышленность, то объемы потенциального рынка поражают: в 2022 году, по данным отечественной аналитической компании Tebiz group, они составили более 28 трлн рублей. Наибольшая доля, разумеется, у нефтегазового сектора — около 18 трлн рублей.

Компании-недропользователи не жалеют средств на геологоразведку: по данным Министерства природных ресурсов и экологии Российской Федерации, объем инвестиций на эти задачи по итогам 2022 года составил около 470 млрд рублей. Словом, есть все шансы, что инновация команды MinEye уже в скором времени доберется до реальных российских рудников.