INNOPOLIS, RUSSIA / EuroWire / — Ricercatori russi dell'Università di Innopolis hanno ottenuto un brevetto per un metodo di intelligenza artificiale che analizza le fotografie di carote di perforazione per identificare fratture, faglie, vene, brecce e altre strutture geologiche, un passaggio progettato per accelerare la classificazione delle rocce e la modellazione geologica. Il brevetto, RU2856857C1, è stato pubblicato il 25 febbraio 2026 e indica l'Università di Innopolis come titolare. Esso riguarda un metodo per il clustering di dati di immagini di carote per la classificazione strutturale-litologica delle rocce recuperate durante le perforazioni esplorative.
L'invenzione elenca Ilmir Nugmanov, Arseny Pinigin, Artur Shagitov e Aikhem Bouabid come inventori. Secondo i documenti universitari pubblicati a maggio, il progetto affronta una delle fasi più laboriose dell'analisi del sottosuolo, ovvero la descrizione manuale delle carote di perforazione utilizzate per documentare la composizione e la struttura della roccia. Le fotografie delle carote sono ampiamente utilizzate nell'esplorazione e nella pianificazione mineraria perché conservano una registrazione visiva di fratture, stratificazioni, vene minerali e altre caratteristiche che possono influenzare l'interpretazione di un giacimento.
Il flusso di lavoro brevettato utilizza un sistema di elaborazione delle immagini a due fasi. Nella prima fase, una rete neurale basata su trasformatori analizza le fotografie delle carote di perforazione, isola sezioni di carotaggio lunghe un metro e collega ciascuna sezione al corretto intervallo di profondità. Nella seconda fase, un modello di segmentazione semantica pre-addestrato analizza ciascuna sezione per rilevare strutture quali crepe, zone distrutte, faglie, vene, brecce e striature. L'abstract del brevetto afferma inoltre che il metodo rimuove le crepe di origine antropica dall'area target prima della post-elaborazione e del calcolo di ulteriori caratteristiche geologiche.
Dettagli del brevetto e flusso di lavoro
Per ogni sezione, il sistema genera quella che l'università definisce un'impronta digitale contenente 2.780 valori numerici per immagine. Tali valori includono indicatori relativi a texture, colore, contrasto e presenza di fratture. L'algoritmo raggruppa quindi vettori di caratteristiche multidimensionali per raggruppare strutture simili ed evidenziare anomalie nella documentazione rocciosa. Convertendo le fotografie in dati strutturati collegati a coordinate di profondità, il metodo è progettato per supportare una classificazione più coerente delle immagini di carotaggio su grandi volumi di materiale.
Secondo quanto riportato dall'Università Innopolis, il sistema ha classificato le fotografie delle carote di perforazione con la stessa precisione di un geologo esperto in circa sette casi su dieci durante i test effettuati. I documenti dell'università descrivono il lavoro come parte degli sforzi volti a ridurre i tempi e la soggettività insiti nella documentazione manuale delle carote. Arseny Pinigin e Ilmir Nugmanov, entrambi identificati dall'università come figure di spicco nel settore delle tecnologie petrolifere e del gas, figurano tra gli inventori del metodo brevettato.
Applicazioni nell'esplorazione e nella costruzione
Lo sviluppo è rivolto ad attività di esplorazione geologica, estrazione mineraria e costruzione, dove una rapida valutazione della struttura rocciosa può influenzare le decisioni relative a giacimenti, pozzi, cave e condizioni ingegneristiche. L'università ha affermato che l'approccio di clustering è particolarmente utile per identificare faglie complesse, brecce tettoniche e altre strutture anomale che possono influenzare le valutazioni di stabilità. Poiché il sistema mappa ogni elemento rilevato a un intervallo di profondità, può organizzare le osservazioni basate su immagini in un formato utilizzabile insieme a un'interpretazione geologica più ampia.
Il brevetto è stato depositato il 27 maggio 2025 e la sua pubblicazione nel febbraio 2026 ha formalizzato la protezione legale del metodo in Russia. Insieme alla descrizione tecnica dell'università del maggio 2026, la concessione delinea un flusso di lavoro che combina il rilevamento automatico delle sezioni, la segmentazione semantica e il clustering per l'analisi di carote di roccia. Per l'Università di Innopolis, il risultato è uno strumento di intelligenza artificiale brevettato, focalizzato sulla trasformazione delle fotografie delle carote in dati geologici classificati senza dover ricorrere esclusivamente all'ispezione manuale.
L'articolo "Un brevetto russo sull'IA semplifica l'analisi dei carotaggi geologici" è apparso per la prima volta su Reynolds News .