Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS
MULTI-SOURCE AND MULTI-SCALE EARTH OBSERVATION AND NOVEL MACHINE LEARNING METHODS FOR MINERAL EXPLORATION AND MINE SITE MONITORING

Article Category

Article available in the following languages:

Nuevas herramientas de aprendizaje automático para descubrir recursos minerales ocultos en terrenos complejos

Descubrir nuevos recursos minerales constituye todo un reto debido a la falta de datos «in situ» y a la complejidad de los paisajes. Nuevos métodos de aprendizaje automático, entrenados a partir de patrones de datos con una supervisión mínima, ayudan a los investigadores a detectar cambios sutiles en el paisaje, identificar yacimientos minerales y supervisar el impacto ambiental.

El Pacto Verde Europeo y la normativa asociada buscan hacer más sostenible y circular el sector de las materias primas. Para garantizar un suministro estable de materias primas, la Unión Europea debe explorar nuevos recursos minerales sin comprometer la protección del medio ambiente. La teledetección proporciona herramientas de bajo impacto que respaldan todas las fases de la minería, a saber: prospección, exploración, explotación, cierre y seguimiento posterior al cierre. Sin embargo, su pleno potencial no se ha desarrollado debido al conocimiento limitado sobre su aplicabilidad en el sector minero, la falta de herramientas de procesamiento de datos de fácil uso y la insuficiente verificación de la interpretación de los resultados con datos «in situ». Los investigadores del proyecto MultiMiner(se abrirá en una nueva ventana), financiado con fondos europeos, están desarrollando algoritmos avanzados de análisis de datos para aprovechar al máximo las tecnologías de observación de la Tierra (OT) en la prospección de minerales y la supervisión de yacimientos mineros. «Nos proponemos sacar el máximo partido a los datos de OT, como los de Copernicus, satélites comerciales, drones y datos “in situ”, para respaldar todo el ciclo de vida de la minería», comenta Maarit Middleton, coordinadora científica del proyecto. El objetivo es crear herramientas innovadoras de análisis de datos de OT utilizando métodos de aprendizaje automático con poca supervisión o no supervisados. «Estos métodos requieren pocos o ningún dato “in situ” para el entrenamiento, por lo que son idóneos para hacer frente a las limitaciones operativas del sector minero. Sus aplicaciones incluyen, por ejemplo, detectar cambios sutiles en la superficie del terreno causados por la minería y mejorar las actividades de exploración minera», agrega Middleton.

Métodos de alta resolución aplicados a geologías complejas

El enfoque de datos a múltiples escalas de MultiMiner, desarrollado para la exploración y cartografía de minerales, constituye una mejora notable respecto a las técnicas convencionales, al ofrecer mayor resolución espacial y espectral y adaptabilidad a entornos geológicos complejos. El sistema terrestre de análisis hiperespectral permite obtener imágenes hiperespectrales de alta resolución «in situ» directamente en las paredes de las minas, lo que favorece tanto la exploración y la explotación de minerales como la investigación geológica. El sistema de imágenes hiperespectrales instalado en un vehículo aéreo no tripulado introduce ángulos de barrido oblicuos (45° y 90° respecto a la vertical), lo cual mejora de forma sustancial la visibilidad y la cobertura de superficies verticales y escalonadas. Con una resolución terrestre de 6 a 8 cm por píxel, proporciona una caracterización superficial muy detallada.

Nuevos algoritmos para la supervisión continua de minas

En lo que respecta a la supervisión de yacimientos mineros, el trabajo de MultiMiner contribuye al desarrollo del campo de dos maneras. En primer lugar, se combina el análisis de secuencias de imágenes con alta frecuencia temporal con imágenes menos frecuentes obtenidas con drones para la detección avanzada de las propiedades superficiales. Los modelos se basan en métodos de aprendizaje automático con poca supervisión, diseñados para trabajar con datos «in situ» escasos. En segundo lugar, MultiMiner presenta un algoritmo genérico de supervisión de yacimientos mineros que integra datos de múltiples fuentes (por ejemplo, satélites Copernicus Sentinel, imágenes hiperespectrales y drones) a través de distintas resoluciones espaciales, temporales y espectrales. Este algoritmo permite la supervisión continua, equilibra fuentes de datos frecuentes y escasas y se adapta a diversas tareas de supervisión.

Tecnologías escalables para una minería sostenible y transparente

MultiMiner busca favorecer la exploración minera y la supervisión de yacimientos mineros con tecnologías escalables capaces de combinar eficazmente datos «in situ» escasos con datos de OT de varios tipos de sensores y distintos periodos de todas las fuentes relevantes. «Estas nuevas tecnologías mejorarán el acceso a materias primas fundamentales (MPF), fomentarán una minería sostenible y respaldarán a los distintos agentes implicados a lo largo del ciclo de la minería, incluyendo los sectores de la exploración y la explotación de minerales, así como las industrias que generan valor a partir de los datos OT. «Nuestras herramientas, fáciles de usar y con poca supervisión, diseñadas para la exploración y la supervisión a partir de la teledetección, permiten un uso más eficaz de los datos de OT. Se espera que su uso dé lugar al descubrimiento de nuevos yacimientos de MPF, a una mayor seguridad en la minería y a una mejor vigilancia ambiental», comenta Middleton. «Nuestras innovaciones también aumentan la transparencia en las operaciones mineras, facilitan la detección temprana de impactos ambientales y, gracias a su baja huella ambiental, son potencialmente más aceptables desde el punto de vista social».

Descubra otros artículos del mismo campo de aplicación

Mi folleto 0 0