Visión por ordenador en geología: Redefiniendo las ciencias de la tierra

Detectar los primeros signos de cambio en el paisaje, ya sean formaciones rocosas cambiantes, sutiles movimientos de la superficie o variaciones del terreno, es una parte fundamental de la investigación geológica. Tradicionalmente, los geólogos se han basado en el trabajo de campo y el análisis manual para observar e interpretar estos cambios. 

Aunque eficaces, estos métodos pueden llevar mucho tiempo y ser limitados cuando se trata de detectar patrones sutiles en grandes áreas. Para apoyar y mejorar estos esfuerzos, los geólogos recurren cada vez más a tecnologías basadas en IA, como la visión por ordenador.

La visión por ordenador o IA de visión permite a las máquinas interpretar y comprender la información visual del mundo real. Una de las principales razones por las que la IA de visión se utiliza en geología es que la cantidad de datos visuales crece rápidamente y es cada vez más compleja. 

Los satélites envían miles de imágenes cada día, los drones captan vistas detalladas de grandes áreas y los investigadores de los laboratorios crean imágenes microscópicas de alta resolución de diminutas muestras de rocas. Todo ello genera una enorme cantidad de datos visuales. La visión por ordenador facilita la clasificación de toda esta información y la búsqueda de patrones útiles y reveladores.

Por ejemplo, los modelos de visión por ordenador como Ultralytics YOLO11 pueden utilizarse para analizar imágenes de satélite, imágenes de drones e imágenes de laboratorio en geología. Los resultados de este tipo de análisis ayudan a identificar tipos de rocas, cartografiar formas del relieve y controlar los cambios del terreno a lo largo del tiempo.

En este artículo analizaremos cómo la visión por ordenador en geología está ayudando a los investigadores a profundizar en el conocimiento de nuestro planeta. Comencemos.

El papel de la IA y la visión por ordenador en la geología

Antes de sumergirnos en las diversas aplicaciones de la visión por ordenador en geología, demos un paso atrás para comprender cómo encaja la IA de visión en este campo, y dónde es más necesaria.

Los datos visuales recogidos por los geólogos a menudo deben analizarse con rapidez y precisión para apoyar la investigación y la toma de decisiones. Estos datos pueden revelar patrones geológicos importantes. Incluso cambios muy pequeños en el paisaje o en las estructuras rocosas pueden ser indicios precoces de cambios de mayor envergadura.

Por ejemplo, unas pequeñas grietas en la superficie de una ladera pueden indicar una inestabilidad temprana de la pendiente y la posibilidad de que se produzcan desprendimientos. Aunque son difíciles de detectar manualmente, la visión por ordenador puede identificar con rapidez y fiabilidad estos cambios sutiles.

‍

He aquí otras formas en que la IA y la visión por ordenador se utilizan actualmente en geología:

• Detección de características geológicas: Los sistemas de IA basados en la visión pueden identificar automáticamente características geológicas específicas en imágenes, como cráteres, cicatrices de corrimientos de tierras y distintos tipos de roca. Esto acelera considerablemente procesos como la cartografía geológica y la evaluación de riesgos.
  ‍
• Clasificación de imágenes: Los modelos de visión por ordenador como YOLO11 pueden analizar imágenes aéreas y clasificar regiones en función de la cubierta vegetal, las estructuras del subsuelo o los tipos de suelo, lo que ayuda a los geólogos a comprender mejor la composición y el uso de la tierra.

• Seguimiento de cambios: Mediante la comparación de imágenes tomadas a lo largo del tiempo, los sistemas de IA pueden detectar cambios en la superficie terrestre, como el movimiento de glaciares, la erosión costera o el desplazamiento de formaciones volcánicas, lo que ofrece información valiosa sobre los cambios medioambientales.
  ‍
• Predicción de riesgos: La visión por ordenador, combinada con el aprendizaje profundo, apoya el análisis de imágenes de satélite y otros datos visuales para detectar signos tempranos de peligros naturales, mejorando la precisión de las predicciones de eventos como deslizamientos de tierra y erupciones volcánicas.

Tipos de datos visuales utilizados en los estudios geológicos

Los distintos tipos de datos visuales permiten a los geólogos hacerse una idea más clara de lo que ocurre tanto en la superficie como bajo la Tierra. He aquí algunos de los principales tipos de datos visuales utilizados en geología y cómo cada uno de ellos contribuye a nuestra comprensión del planeta:

• Imágenes por satélite: Los satélites en órbita alrededor de la Tierra proporcionan una amplia visión de la superficie del planeta. Analizando las imágenes recogidas a lo largo del tiempo, los geólogos pueden vigilar la salud de la vegetación y observar cómo se desarrollan catástrofes naturales como las inundaciones.
  ‍
• Imágenes de drones: Los drones capturan imágenes y vídeos de alta resolución del terreno y, cuando están equipados con herramientas como LiDAR (Light Detection and Ranging), pueden producir mapas detallados de la superficie que facilitan la identificación de peligros locales y el seguimiento de los cambios causados por la actividad humana.
  ‍
• Imágenes microscópicas: Las imágenes ampliadas de muestras de rocas y minerales revelan detalles precisos sobre su composición y estructura, lo que permite a los geólogos comprender cómo se formaron las rocas y cómo cambiaron con el tiempo.
  ‍
• Imágenes térmicas: Captadas por sensores infrarrojos de drones o satélites, las imágenes térmicas detectan patrones de calor en la superficie de la Tierra, lo que puede ayudar a identificar la actividad geotérmica, los focos volcánicos o incluso el flujo de aguas subterráneas.

‍

Aplicaciones de la visión por ordenador en geología

Ahora que conocemos mejor los tipos de datos visuales con los que trabajan los geólogos y cómo la visión por ordenador puede ayudar a analizarlos, vamos a repasar algunas aplicaciones interesantes de la visión por ordenador en geología que muestran su potencial para mejorar la investigación y los descubrimientos.

Utilización de la IA para vigilar la actividad volcánica

Antes de que un volcán entre en erupción, suele haber señales de alerta temprana, como cambios en la temperatura de la superficie, liberación de gases o pequeños movimientos en el suelo. Estas señales pueden ser difíciles de detectar, sobre todo en zonas remotas.

Actualmente se utilizan modelos de visión por ordenador para analizar imágenes térmicas y de satélite con el fin de vigilar la actividad volcánica de forma más eficaz. Estos sistemas pueden medir la altura y la temperatura de los penachos de ceniza, detectar calor en la superficie del volcán y advertir pequeños cambios en su forma, señales que podrían significar que se avecina una erupción.

Un ejemplo interesante es el proyecto DeepCube H2020, que utiliza técnicas de visión por ordenador como la clasificación de imágenes y la segmentación de instancias para analizar datos de radar de apertura sintética (SAR). El SAR es un tipo de imagen por satélite que utiliza el radar en lugar de la luz, lo que le permite captar imágenes detalladas de la superficie terrestre independientemente de las condiciones meteorológicas o la hora del día. 

Mediante la comparación de imágenes SAR tomadas a lo largo del tiempo, el sistema puede detectar pequeños movimientos del terreno cerca de los volcanes que pueden indicar signos tempranos de agitación. Esta investigación contribuyó al desarrollo de Pluto, un sistema de alerta mundial basado en inteligencia artificial que vigila los volcanes y envía alertas tempranas cuando detecta signos de actividad.

‍

Clasificación de rocas con aprendizaje automático y Vision AI

Pensemos en una empresa minera que evalúa un nuevo yacimiento para la exploración de recursos. Antes de empezar a perforar, los geólogos suelen tener que identificar los tipos de rocas de la zona para evaluar tanto el potencial mineral como los riesgos para la seguridad. Tradicionalmente, esto implica recoger muestras físicas y analizarlas a mano, un método que no sólo requiere mucho tiempo, sino que también depende en gran medida de la opinión de los expertos.

Con la ayuda del aprendizaje automático y la visión por ordenador, este proceso es cada vez más rápido y objetivo. Se capturan imágenes de alta resolución de muestras de rocas y se analizan mediante modelos entrenados que pueden reconocer patrones de textura, color y estructura del grano utilizando tareas de visión por ordenador como la clasificación de imágenes.

Estos modelos aprenden de miles de imágenes de rocas etiquetadas, por lo que pueden identificar rápidamente y con precisión nuevas muestras por sí solos. Esto acelera la toma de decisiones sobre el terreno y reduce la necesidad de un extenso trabajo manual, lo que hace que la exploración sea más eficiente y coherente.

Detección de líneas de fallo mediante visión por ordenador

Tradicionalmente, la identificación de fallas y fracturas en formaciones rocosas requería un extenso trabajo de campo. Hoy en día, los modelos de visión por ordenador pueden analizar imágenes aéreas y de satélite para detectar automáticamente estas características con gran precisión. Al detectar patrones lineales que indican líneas de falla, estos modelos ayudan a crear mapas detallados de las zonas de riesgo geológico.

Los modelos de visión artificial como YOLO11, que permiten realizar tareas como la segmentación de instancias, pueden utilizarse para detectar grietas, fracturas y fallas en imágenes de superficie. Estos modelos pueden identificar incluso pequeñas grietas en la roca o el suelo, lo que mejora la cartografía geológica y contribuye a una planificación más segura de la construcción o la perforación en zonas propensas a terremotos.

‍

Ventajas e inconvenientes del uso de la visión por ordenador en geología

La visión por ordenador está transformando los flujos de trabajo geológicos, desde la identificación de minerales hasta una mejor comprensión de lo que hay bajo la superficie. Estas son algunas de las principales ventajas que aporta al sector:

• Integración con teledetección: Vision AI puede trabajar junto con imágenes de satélites y drones para evaluar el terreno, la geología estructural o las condiciones medioambientales en grandes áreas.
  ‍
• Pruebas no destructivas: El análisis basado en la visión no es invasivo, lo que preserva la integridad de las muestras valiosas o frágiles.
  ‍
• Escalabilidad: Una vez entrenados, los modelos de visión por ordenador como YOLO11 pueden utilizarse para procesar grandes cantidades de datos en diferentes sitios de forma rápida y coherente.

Sin embargo, a pesar de sus ventajas, la aplicación de la visión por ordenador a la geología también conlleva algunos retos a tener en cuenta:

• Interpretabilidad: Muchos modelos de visión artificial funcionan como "cajas negras", por lo que resulta difícil explicar cómo se toman las decisiones.
  ‍
• En curso mantenimiento: A medida que evolucionan los datos geológicos, los modelos deben actualizarse y reentrenarse periódicamente para seguir siendo eficaces y pertinentes.

• Limitaciones medioambientales: Las imágenes ópticas utilizadas en teledetección pueden verse afectadas por factores como la nubosidad, las condiciones de iluminación o las obstrucciones de la superficie, que pueden reducir el rendimiento del modelo.

Principales conclusiones

La visión por ordenador se está convirtiendo en una herramienta de gran impacto que está reinventando la forma en que se llevan a cabo la investigación y las aplicaciones geológicas. Desde el seguimiento de la actividad volcánica hasta la detección de señales de alerta temprana de corrimientos de tierra, las herramientas basadas en IA de Vision están ayudando a los geólogos a mejorar tanto los resultados de la investigación como las estrategias de respuesta ante catástrofes.

De cara al futuro, a medida que la IA siga evolucionando y se integren más datos procedentes de diversos sensores, cabe esperar el desarrollo de sistemas más robustos diseñados para su uso sobre el terreno en el mundo real. Es probable que la visión por ordenador se convierta en un componente esencial de las prácticas geológicas, mejorando tanto la eficiencia como la precisión en una amplia gama de aplicaciones.

Únase a nuestra comunidad y explore nuestro repositorio de GitHub para obtener más información sobre la visión por ordenador en acción. Si le interesa saber cómo se aplica la IA en distintos sectores, visite nuestra página de soluciones para descubrir casos de uso reales, desde la visión por ordenador en la fabricación hasta la IA en la sanidad. Consulte nuestras opciones de licencia y dé el primer paso para construir con visión por computador hoy mismo.