초록 제시된 기술은 1차 암석 샘플 이미지로부터 지질학적 및 페트로물리적 해석을 자동화하는 광범위한 AI 주도 프로그램의 일부입니다. 우리의 솔루션은 이 패러다임을 드릴 컷팅으로 확장합니다. 즉, 활용도가 낮지만 풍부한 데이터 소스입니다. 우리는 ML 기반 구성 요소 세 개—이미지 QC, 주석 QC 및 다중 모달 리소리 분류의 모듈 시스템을 소개합니다. 이 엔드 투 엔드 파이프라인은 원시의 이질적인 컷팅 이미지를 표준화된 고신뢰 훈련 준비 데이터셋으로 변환합니다. 이미지 기반 특성과 우물 데이터를 결합함으로써 시스템은 리소리 예측을 일관되게, 확장 가능하게, 비용 효율적으로 수행할 수 있게 합니다. 훈련된 모델은 사용자 친화적인 애플리케이션에 완전히 통합되어 지질학자들이 시스템과 직관적으로 상호작용하고 코드 없이 실시간 추론을 수행할 수 있게 합니다. 궁극적으로 이 접근 방식은 데이터 활용을 증가시키고 전문 시간 절약하며 지하 해석의 정확성과 재현성을 향상시킵니다.
Mezghani et al. (Mon,)은 이 문제를 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: