智能地质填图技术研究再获两项国家发明专利授权

近日，由部科技创新团队——地质调查主流程信息化团队申请的“一种多模态数据中间层整合全连接地质图预测处理方法”（ZL202011029251.4）、“一种岩石地层深度学习模型的多尺度采样与输入方法”（ZL202010029405.3）两个国家发明专利获授权。

地质调查主流程信息化团队为贯彻落实局党组“打造基于大数据、人工智能等现代信息技术的地质调查新范式”的重大决策部署，在局业务部室以及指挥中心、发展中心的大力支持下，长期坚持聚焦从数字地质调查到智能地质调查的发展，面向特定填图对象高精度识别和高精准定位的应用需求，提出了深度学习地质填图（成图）技术方法：把近百年地质人员填图的方法、经验和知识形成可计算的知识库，应用AI方法（深度学习方法），发现多专业（地物化遥）、多模态（矢量数据、栅格数据、空间数据和属性数据）、多尺度（最高精度0.8米，一般精度为10-2000米之间）、可反映地表及一定深度下（去部分掩盖层）的各类数据与相关地质图最基本的地质对象（地质填图单位及岩性）的地质特征相关性，进而预测填图单位及岩性，准确体现和表达地质体空间分布形态和展布方向、相互关系。

目前主要进展包括：一是形成了面向地质填图全过程（空白区到不同工作阶段）、基于深度学习（从无监督、半监督到监督）的填图对象识别与定位以及人工智能地质图生成技术与方法体系；二是构建了一套将地质知识转为可计算知识库、多专业多模态多尺度数据有序化组织形成知识载体的技术体系，为充分发挥模型预测能力提供了可靠的数据和知识基础；三是构建满足不同填图对象（例如构造、岩性、岩性组合等）识别与定位的一系列算法模型，为预研究、针对性野外专题调查、地质图成图等提供建模能力，并从应用角度总结了一系列模型评价指标；四是形成一套与填图工作同步的AI应用流程，高效支撑样本数据（知识和知识载体）收集、整理、组织与AI建模和表达。

本次获授权专利的核心技术体现在多模态数据多个共享特征融合层的深度神经网络地质图生成模型架构，其优势是能够通过多类型遥感以及地球物理、地球化学等数据进行高维特征的多层次融合，提升了识别分类或预测的准确性；能够更好利用遥感、地球物理和地球化学等多模态数据的互补性，提取跨模态数据的高维空间特征，适合地质填图大数据量、岩性分类粒度细、小样本及样本不均衡等特点的地质图建模；地质填图对象识别数量可以几百到一千类，而且类平均召回率可以保持90%以上；基于地质路线制作标签的方法易于操作，技术方法、软件工具与生产流程结合便于大规模落地应用。

从2019年起，先后在三大岩类（火山岩、变质岩、沉积岩）及造山带地质填图项目（60多幅1:5万图幅）中示范。试验结果证明该技术方法具有较强的空白区地质图预测能力和水平，可以较准确地反映测区的地质格架和空间分布形态，在填图单位细粒度识别、地质界线与接触关系识别、火山机构识别及浅覆盖揭露等方面具有很强的能力，把地质填图对象识别与分类提升到逼近实测地质图的水平。其预测成果的空间表达有利于新问题、新信息的发现，对于野外地质问题的加深认识和分析具有很强的指示意义。同时该技术方法能够辅助圈定特殊标志层、矿化蚀变带，为进一步扩大找矿空间及验证工作提供重要的参考依据和方向。

实践表明，该技术方法有助于提高地质填图的科学性，在解决重大问题的过程中发挥作用，有利于提高填图精度、研究程度和工作效率，展现了人工智能在未来地质填图中的应用潜力。多位国内首席地质填图科学家、图幅地质填图科学家、填图工程首席专家在实践评价后均认为“深度学习地质填图技术与方法是信息化时代建设数字中国背景下的历史必然，不仅创新填图方法，还变革了人们认知地球的思维方式，意义十分重大”。深度学习地质填图（成图）技术方法同样能够服务于新一轮战略找矿行动。

目前，团队申请的另外3项智能填图相关技术的国家发明专利已进入审查阶段。

供稿：指挥中心  李丰丹