DroneSOM – Hurtigere mineralefterforskning med mindre miljøpåvirkning og lavere omkostninger
DroneSOM-projektet blev startet i 2022 og er co-finansieret af EIT Raw Materials. Det ledes af Geologisk Institut for Finland (GTK) i samarbejde med RADAI Oy, Danmarks Tekniske Universitet (DTU) og Beak Consultants GmbH. Projektet har til formål at udvikle flere innovative produkter for at imødekomme den voksende efterspørgsel på batterimineraler. Drone-geofysik tilbyder omkostningseffektive, præcise og sikre løsninger til mineralefterforskning.
DroneSOM-projektet har udviklet innovative teknologier til geofysiske målinger og datafortolkning. Det omfatter to droneløsninger: én til elektromagnetiske målinger og verdens første operationelle gravitationssystem på en drone. Projektet bruger RADAI’s elektromagnetiske sensor og en højpræcisions inerti-enhed fra DTU til gravitationsmålinger. DroneSOM tilbyder integrerede softwareværktøjer til analyse af dronens indsamlede data. GTK’s 3D-geofysiske inversionssoftware skaber 3D-modeller, “GisSOM” kombinerer 2D geofysiske data for at afsløre mønstre for mineralforekomster, og Beaks “advangeo® 3D Prediction”-software integrerer volumetriske data fra undersøgelser.
Droner
Radai Ltd har skabt en letvægts elektromagnetisk drone kaldet Louhi, en EM modtagerenhed og en EM senderenhed (jordsløjfe). Dronen trækker modtagerenheden, og en stor senderloop placeres på jorden. Senderenheden genererer et elektromagnetisk primærfelt (frekvensdomæne), og modtagerenheden (et tredelt system) måler summen af det primære og sekundære elektromagnetiske felt. Variationer i de målte feltkomponenters amplitude og fase indikerer anomalier i jordens og bjerggrundens elektriske ledningsevne. Derudover vil en-dimensionel inversion give hurtige resistivitetskort.
Seneste fremskridt inden for gravitationsmålinger med droner har åbnet op for store muligheder, selvom flyveregler kræver, at droner har et vingefang på under 3 meter og en samlet vægt på maksimalt 25 kg. DTU Space har udviklet to typer droner: en fastvinget dron, der er velegnet til iMAR-sensorer med en nyttelast på 8 kg, og en quadcopter, der har mødt udfordringer, herunder strømsvigt og motorfejl. Selvom quadcopterns konfiguration er næsten optimal, er den endnu ikke klar til kommerciel anvendelse.
Radai’s Louhi elektromagnetiske drone
DTU’s drone gravitations quadcopter
Software
GTK arbejder på at forbedre 3D elektromagnetiske inversionsmetoder til analyse af droneindsamlede datasæt. Der er gjort hurtige fremskridt med udviklingen af geofysiske 3D-inversionsmodeller, som anvender teknologier som den endelige elementmetode, dobbelt oktree-netværksinversion og MPI-parallelisering. Fremtidige skridt omfatter oprettelsen af en iterativ løser, implementering af GPU-beregning og forbedring af elektromagnetiske inversionsmetoder. Disse teknikker har med succes behandlet virkelige data, og planerne er at anvende dem på drone-data i de kommende måneder.
GTK’s “GisSOM”-software integrerer 2D-geospatiale data ved hjælp af selvorganiserende kort (SOM) og k-means klustering, som hjælper brugere med at forstå datastrukturer, identificere klynger og visualisere resultater relateret til mineralforekomster.
Beak Consultants GmbH’s “advangeo® 3D Prediction”-software kombinerer forskellige 3D-datakilder for at identificere nye efterforskningsmål med høj mineralpotentiale i undergrunden. Softwaren understøtter nu klustering af 3D-data ved hjælp af selvorganiserende kort (SOM). Overvåget prædiktiv kortlægning i 3D var allerede implementeret i softwaren ved brug af kunstige neurale netværk (ANN). Softwaren tilbyder et komplet workflow for prædiktiv modellering og inkluderer en database til at spore modelkørsler. Den er klar til kommerciel brug, med løbende forbedringer i udvikling. 3D-geologiske modeller kan importeres til softwaren fra GOCAD eller andre almindeligt anvendte 3D-modelleringssoftware som voxets.
Figur, der præsenterer Advangeo 3D-forudsigelser geospace med SOM rumklustre.
DroneSOM-produkterne er designet til minedriftsindustrien. De fokuserer ikke kun på avancerede målinger, men inkluderer også tolkningsdelen, så processen kan inverteres og skabe modeller baseret på dronedata, ved hjælp af ML og selvorganiserende kort. Disse løsninger gavner et bredt spektrum af virksomheder, fra små junior-virksomheder til store industrispillere. Metoderne fra DroneSOM-projektet er afgørende for at finde nye ressourcer og identificere nye mål, der er nødvendige for fremtiden.
Følg os på LinkedIn og www.dronesom.com