Détection et interprétation des défauts alimentées par l'IA : des réseaux de neurones aux surfaces de défaut prêtes à l'emploi

Nous présentons une solution automatisée complète pour la détection et l'interprétation des défauts sismiques 3D qui combine l'apprentissage profond avec un post-traitement géométrique avancé. La méthode intègre un réseau de neurones 3D U-Net entraîné sur des données synthétiques avec des cibles de fonction de distance normalisée et un pipeline de post-traitement intégré comprenant un filtrage de planéité, une extraction de défaut basée sur le Hessien, un traçage de défaut en coupe temporelle, et un nouvel algorithme de clustering de confirmation mutuelle des voisins. La contribution principale réside dans l'intégration au niveau système de méthodes connues dans un flux de travail automatisé de bout en bout avec une paramétrisation minimale, où les paramètres critiques sont déterminés automatiquement. Le traçage en coupe temporelle avec orientation basée sur le Hessien fournit une détection indépendante de l'azimut ; la méthode est la plus efficace pour les défauts à angle élevé (dipping > 45°). La validation interne sur des ensembles de données propriétaires a atteint des scores F1 de 0,82 à 0,87. Dans une évaluation qualitative d'experts, la majorité des défauts n'a nécessités aucune ou une correction manuelle minimale. Le résultat est un système prêt à la production intégré dans un logiciel commercial, accélérant significativement l'interprétation sismique structurelle.