PET-IA
Información General
Información administrativa
Descripción del proyecto
El proyecto PET-IA tiene como objetivo avanzar en la integración de la petrografía y la mineralogía con tecnologías de visión artificial, desarrollando herramientas que permitan la cuantificación precisa y automatizada de parámetros mineralógicos y petrográficos en materiales geológicos. Mediante el uso de técnicas de análisis digital de imágenes, visión por computadora y aprendizaje automático, el proyecto busca mejorar la forma en que se recopilan, procesan e interpretan los datos petrográficos.
El objetivo principal es proporcionar un soporte cuantitativo y reproducible a las descripciones petrográficas y mineralógicas tradicionales, facilitando la caracterización detallada de minerales, poros y texturas. De este modo, se pretende complementar y reforzar los métodos clásicos de estudio mediante herramientas digitales que aumenten la precisión, la eficiencia y la comparabilidad de los análisis en geociencias.
Objetivos
El proyecto PET-IA surge de la necesidad de mejorar la cuantificación y reproducibilidad de los análisis petrográficos y mineralógicos, tradicionalmente basados en observaciones visuales y descripciones cualitativas. Aunque estas metodologías han demostrado su gran valor científico, los avances recientes en procesamiento digital de imágenes y aprendizaje automático ofrecen nuevas oportunidades para complementar estos enfoques con herramientas cuantitativas robustas.
La iniciativa busca aprovechar y adaptar la instrumentación ya disponible en los laboratorios, como equipos de microscopía óptica y sistemas de captura digital de imágenes, junto con software especializado de análisis de imagen. A partir de imágenes petrográficas de alta calidad, se desarrollarán metodologías que permitan extraer de forma automática información cuantitativa sobre características minerales y texturales, incluyendo composición, tamaño, forma, distribución espacial y propiedades de la porosidad.
Un objetivo central es el desarrollo de algoritmos de identificación y segmentación automática capaces de reconocer minerales y poros en diferentes tipos de rocas, permitiendo así una caracterización más sistemática y reproducible de los materiales geológicos. Estos algoritmos serán diseñados para ser adaptables a distintos contextos geológicos y tipos de muestras.
Las herramientas desarrolladas podrán aplicarse en diversos ámbitos de las geociencias y la ingeniería geológica, como por ejemplo: i) Evaluación de formaciones geológicas para proyectos de almacenamiento de energía (por ejemplo, hidrógeno o CO₂); ii) Análisis del impacto de procesos de meteorización y agentes climáticos en materiales rocosos; iii) Estudios de integridad estructural y comportamiento de rocas en proyectos de ingeniería, incluyendo procesos de fracturación.
El enfoque multidisciplinar del proyecto —que combina geología, análisis de imagen, ciencia de datos y aprendizaje automático— permitirá no solo mejorar la eficiencia y precisión en la caracterización de materiales geológicos, sino también establecer nuevas bases metodológicas para la interpretación cuantitativa de datos petrográficos y mineralógicos en problemas geológicos complejos.
Actividades
En la primera fase del proyecto se configuran y calibran los equipos de microscopía óptica y sistemas de captura digital de imágenes disponibles en el laboratorio para su uso específico en el proyecto. El objetivo es optimizar la adquisición de imágenes petrográficas de alta resolución y calidad, garantizando condiciones de iluminación, enfoque y calibración adecuadas para el posterior análisis digital.
Esta fase incluye la selección y preparación de muestras geológicas representativas, procedentes de distintos proyectos de investigación, con el fin de asegurar una diversidad suficiente de litologías, texturas y condiciones mineralógicas. Estas imágenes constituirán la base de datos inicial sobre la cual se desarrollarán y evaluarán las herramientas de análisis digital.

En esta fase se desarrollan algoritmos personalizados de análisis digital de imágenes a partir de software ya existente en el laboratorio. El objetivo es automatizar procesos clave como la identificación de minerales y poros, así como la cuantificación de sus parámetros morfológicos y texturales.
Mediante la implementación de técnicas de visión por computadora y aprendizaje automático, los algoritmos se entrenan y optimizan utilizando conjuntos de imágenes representativas. Este proceso permite mejorar progresivamente la precisión y eficiencia del reconocimiento de fases minerales y estructuras porosas, facilitando la extracción automática de datos cuantitativos relevantes para la caracterización petrográfica.

Los resultados obtenidos mediante el análisis digital se comparan sistemáticamente con observaciones petrográficas y mineralógicas tradicionales realizadas por expertos. Este proceso permite evaluar la precisión de los algoritmos y detectar posibles errores de clasificación o segmentación.
A partir de estas comparaciones se realizan ajustes y calibraciones sucesivas de los algoritmos, refinando los modelos de reconocimiento y mejorando la fiabilidad de los resultados. Este proceso iterativo de validación permite aumentar progresivamente la precisión de las herramientas desarrolladas y garantizar su robustez para su aplicación en distintos tipos de muestras geológicas.

En la fase final, las herramientas y metodologías desarrolladas se aplican a casos de estudio reales. El enfoque principal se centra en el análisis de rocas relevantes para proyectos de almacenamiento de energía y para estudios de fracturación, que constituyen actualmente líneas prioritarias de investigación dentro del grupo.
Además, las metodologías se probarán en otros contextos geológicos con el objetivo de evaluar su versatilidad y capacidad de adaptación. El análisis de los resultados permitirá realizar ajustes finales en los algoritmos y en los flujos de trabajo, optimizando su uso para aplicaciones específicas y consolidando una metodología reproducible para la caracterización digital de materiales geológicos.



