L’identification des fines particules minérales composant le sable est importante pour de nombreuses activités scientifiques, dont trouver des gisements de métaux, l’environnement et l’ingénierie. Des chercheurs de l’Université du Québec à Chicoutimi en partenariat avec ceux de l’entreprise IOS Services Géoscientifiques ont développé des méthodes pour identifier les minéraux des grains de sable à l’aide de l’intelligence artificielle et de photographies au microscope.
Les glaciers, lors de leur passage sur le nord du continent nord-américain, ont arraché des grains de sable aux roches et les ont dispersés. Ces grains de sable fournissent des indications importantes sur les roches érodées, dont les gisements de métaux. Surtout, ils donnent des indications sur les roches et les gisements cachés par les sols, la végétation et les cours d’eau. Par exemple, plus il y aura de grains d’or dans un sable, plus ce sable devrait se situer à proximité du gisement d’or. Cependant, identifier et compter ces grains d’or microscopiques s’avère une tâche ardue qui demande énormément d’attention pour le géologue qui doit passer de nombreuses heures les yeux rivés aux oculaires du microscope. Sans compter que les erreurs peuvent être importantes si l’attention est diminuée par des distractions ou la fatigue.
Pour faciliter cette tâche ardue, l’équipe de recherche a développé un système utilisant une caméra branchée sur un microscope optique couplé à un ordinateur qui permet de reconnaitre les grains d’or et les colore à l’écran. Le système utilise ce spectre de lumière réfléchi par les grains d’or qui est unique. Le géologue, ainsi équipé, peut aisément reconnaitre les grains d’or. Il est important de reconnaitre d’autres minéraux que l’or pour trouver d’autres types de gisements, mais aussi pour d’autres applications environnementales ou en ingénierie. Pour ces autres minéraux, la méthode doit être plus sophistiquée étant donné que leurs spectres de lumière réfléchis ne permettent pas de les reconnaitre. Des caractéristiques supplémentaires doivent être ajoutées pour aider l’identification comme la couleur et la texture de la surface des grains de sable qui ne peuvent pas être traitées par le système développé pour l’or. Il faut concevoir un système plus perfectionné. L’apprentissage automatisé (ou intelligence artificielle) permet d’intégrer les caractéristiques nécessaires à la reconnaissance des autres minéraux. Pour mener à l’apprentissage par l’ordinateur, des grains de sable furent collés sur un support de carbone et identifiés par rayons X. Une photographie de l’ensemble des grains fut donnée à l’ordinateur pour en extraire les caractéristiques importantes, dont la couleur, l’éclat et les textures de surface. De cet apprentissage, différents algorithmes de calcul furent testés pour trouver celui qui était le plus performant. Un taux de reconnaissance de près de 90 % est maintenant atteint.
Chercheur responsable
Paul Bédard, Université du Québec à Chicoutimi
Équipe de recherche
Paul Bédard, Université du Québec à Chicoutimi
Michael Higgins, Université du Québec à Chicoutimi
Durée du projet
3 ans
Montant
300 000 $
Partenaire financier
Ministère de l’Énergie et des Ressources naturelles
Appel de propositions
Développement durable du secteur minier