INNOPOLIS, RUSSLAND / EuroWire / — Russische Forscher der Universität Innopolis haben ein Patent für ein KI-Verfahren erhalten, das Fotos von Bohrkernen analysiert, um Brüche, Verwerfungen, Adern, Brekzien und andere geologische Strukturen zu identifizieren. Dieser Schritt soll die Gesteinsklassifizierung und die geologische Modellierung beschleunigen. Das Patent mit der Nummer RU2856857C1 wurde am 25. Februar 2026 veröffentlicht und nennt die Universität Innopolis als Patentinhaber. Es umfasst ein Verfahren zur Clusterung von Kernbilddaten für die strukturell-lithologische Klassifizierung von Gesteinen, die bei Explorationsbohrungen gewonnen wurden.
Die Erfindung nennt Ilmir Nugmanov, Arseny Pinigin, Artur Shagitov und Aikhem Bouabid als Erfinder. Laut im Mai veröffentlichten Universitätsunterlagen befasst sich das Projekt mit einem der arbeitsintensivsten Aspekte der Untergrundanalyse: der manuellen Beschreibung von Bohrkernen, die zur Dokumentation der Zusammensetzung und Struktur des Gesteins aus den Bohrabschnitten verwendet werden. Bohrkernfotografien sind in der Exploration und Minenplanung weit verbreitet, da sie eine visuelle Aufzeichnung von Brüchen, Schichtungen, Mineraladern und anderen Merkmalen liefern, die die Interpretation einer Lagerstätte beeinflussen können.
Der patentierte Arbeitsablauf nutzt ein zweistufiges Bildverarbeitungssystem. In der ersten Stufe scannt ein Transformer-basiertes neuronales Netzwerk Fotos von Kernboxen, isoliert meterlange Kernabschnitte und ordnet jeden Abschnitt dem korrekten Tiefenintervall zu. In der zweiten Stufe analysiert ein vortrainiertes semantisches Segmentierungsmodell jeden Abschnitt, um Strukturen wie Risse, Zerstörungszonen, Verwerfungen, Adern, Brekzien und Streifen zu erkennen. Laut Patentzusammenfassung entfernt das Verfahren zudem technogene Risse aus dem Zielgebiet vor der Nachbearbeitung und der Berechnung weiterer geologischer Merkmale.
Patentdetails und Arbeitsablauf
Für jeden Abschnitt generiert das System einen sogenannten digitalen Fingerabdruck mit 2.780 numerischen Werten pro Bild. Diese Werte umfassen Indikatoren für Textur, Farbe, Kontrast und das Vorhandensein von Brüchen. Der Algorithmus gruppiert anschließend mehrdimensionale Merkmalsvektoren, um ähnliche Strukturen zu ordnen und Anomalien im Gesteinsmaterial hervorzuheben. Durch die Umwandlung von Fotografien in strukturierte Daten, die mit Tiefenkoordinaten verknüpft sind, ermöglicht das Verfahren eine konsistentere Klassifizierung von Kernbildern auch bei großen Materialmengen.
Die Universität Innopolis gab an, dass das System in etwa sieben von zehn Fällen bei den durchgeführten Tests Kernfotografien genauso klassifizierte wie ein erfahrener Geologe. Laut Universitätsangaben ist die Arbeit Teil der Bemühungen, den Zeitaufwand und die Subjektivität bei der manuellen Kerndokumentation zu reduzieren. Arseny Pinigin und Ilmir Nugmanov, die beide laut Universität im Bereich der Öl- und Gastechnologie tätig sind, gehören zu den Erfindern des patentierten Verfahrens.
Anwendungen in der Exploration und im Bauwesen
Die Entwicklung zielt auf Aufgaben in der geologischen Erkundung, im Bergbau und im Bauwesen ab, wo eine schnelle Beurteilung der Gesteinsstruktur Entscheidungen über Lagerstätten, Bohrungen, Steinbrüche und bauliche Gegebenheiten beeinflussen kann. Die Universität erklärte, der Clustering-Ansatz sei besonders nützlich, um komplexe Verwerfungen, tektonische Brekzien und andere anomale Strukturen zu identifizieren, die Stabilitätsbewertungen beeinflussen können. Da das System jedes erkannte Merkmal einem Tiefenintervall zuordnet, kann es bildbasierte Beobachtungen in einem Format organisieren, das zusammen mit einer umfassenderen geologischen Interpretation verwendet werden kann.
Das Patent wurde am 27. Mai 2025 angemeldet und im Februar 2026 veröffentlicht, wodurch der Rechtsschutz für das Verfahren in Russland formalisiert wurde. Zusammen mit der technischen Beschreibung der Universität vom Mai 2026 beschreibt die Förderung einen Arbeitsablauf, der die automatisierte Profilerkennung, die semantische Segmentierung und das Clustering für die Gesteinskernanalyse kombiniert. Für die Universität Innopolis ist das Ergebnis ein patentiertes KI-Tool, das Kernkastenfotos in klassifizierte geologische Daten umwandelt, ohne sich ausschließlich auf manuelle Auswertung zu verlassen.
Der Beitrag „Russisches KI-Patent optimiert geologische Kernanalyse“ erschien zuerst auf Irish Sentinel .