SEGMENTAÇÃO SEMÂNTICA PARA INTERPRETAÇÃO DE ESTRUTURAS GEOLÓGICAS LINEARES

Abstract

Automatic interpretation of geological structures may speed up the fieldwork stage necessary in geotechnics, civil engineering and in the exploration of natural resources, such as oil, water and ore, providing geoscientists with a larger volume of data from rock outcrops. Geological parameters enrich and improve predictive capacity of geological numeric and statistic models. The geological fractures are of great interest, for they indicate past and presently occurring stress regimes in the Earth’s lithosphere, besides forming preferential ducts of economically important fluids. This work proposes a new methodology combining deep learning, semantic segmentation and classic computer vision algorithms for the extraction of linear geological structures from Unmanned Aerial Vehicle (UAV) imagery. Results show Intersection over Union (IoU) metrics of up to 74% for trained model predictions before post-processing, and up to 78% after. The predicted segmentation was used as a mask for binarization and line detection to extract fractures accurately. The comparison of strike directions originated from geological interpretation and from automatically extracted structures exhibited very similar trends and behaviors. The results were then compared with other historically used techniques in the geoprocessing area and with the manually executed annotations from geoscientists, demonstrating larger precision and advantages.

A interpretação automática de estruturas geológicas pode agilizar a etapa de trabalho de campo necessária na geotecnia, engenharia civil e na exploração de recursos naturais como petróleo, água e minério, provendo aos geocientistas um maior volume de informações advindas de afloramentos rochosos. Parâmetros geológicos enriquecem e melhoram a capacidade preditiva dos modelos geológicos numéricos e estatísticos. As fraturas geológicas são de grande interesse pois indicam regimes de tensões pretéritos e atualmente ocorrentes na litosfera terrestre, além de serem canais preferenciais de fluidos economicamente importantes. Este trabalho propõe uma nova metodologia combinando aprendizado profundo, segmentação semântica e algoritmos clássicos de visão computacional para interpretação de estruturas geológicas lineares de imagens de Veículos Aéreos Não Tripulados VANT. Resultados mostraram métricas de Interseção sobre União (IoU, do ingles Intersection over Union) de ate 74% para os resultados do modelo treinado antes do pós-processamento, e até 78% depois. A segmentação predita foi usada como mascara para binarização e detecção de linhas para extrair fraturas com precisão. A comparação de direções de strike oriundas da interpretação geológica e oriundas das estruturas extraídas automaticamente exibiu tendências e comportamentos muito similares. Os resultados foram comparados com outras técnicas historicamente usadas na área de geoprocessamento e com anotações manualmente executadas pelos geocientistas, demonstrando precisão maior e visíveis vantagens.