Tanto na exploração quanto nas aplicações de IA, a qualidade e a padronização dos dados são o primeiro e mais crucial passo. Sem entradas limpas e consistentes, mesmo as ferramentas mais avançadas podem produzir resultados enganosos.

A tecnologia de Aumento de Dados da VRIFY aborda esse desafio por meio de um fluxo de trabalho estruturado que transforma dados geológicos, geoquímicos e geofísicos brutos em grades contínuas e padronizadas (rasters) que alimentam o DORA. Ao limpar, aprimorar e aumentar os conjuntos de dados de entrada, os módulos da VRIFY revelam padrões críticos e geram novas camadas de entrada para uma melhor tomada de decisão.

O produto de Aumento de Dados (data augmentation) da VRIFY é construído em torno de um conjunto de mais de 10 módulos especializados, cada um projetado para lidar com diferentes aspectos da preparação de dados geológicos, geoquímicos e geofísicos. Cada módulo desempenha um papel distinto, seja aprimorando informações existentes ou produzindo novas camadas de dados espaciais a partir de padrões conhecidos.

Cada módulo é especificamente projetado para um tipo de entrada e objetivo analítico em particular, permitindo que equipes geocientíficas transformem dados brutos de exploração em um portfólio estruturado de camadas raster prontas para tomada de decisão. Esses resultados servem como entradas fundamentais para os Mapas de Previsão do DORA e análises de exploração subsequentes.

Aumento de dados (data augmentation) envolve:

Os principais objetivos do aumento de dados são padronizar os dados brutos por meio do processo de mudança de suporte e extrair novas informações de conjuntos de dados existentes.

Ao alinhar diferentes tipos de dados geológicos, geoquímicos e geofísicos em um formato de grade comum (raster), o Aumento de Dados (data augmentation) cria entradas estruturadas e de alta qualidade para o DORA. Ele também gera novas camadas de entrada que ampliam o valor dos dados originais, revelando padrões e relações essenciais para a análise de exploração.

Mudança de apoio

A mudança de suporte é o processo de ajustar conjuntos de dados a uma escala ou resolução espacial comum. Em geoestatística, suporte refere-se à área física ou ao volume sobre o qual cada valor de dado é calculado ou medido. Como diferentes conjuntos de dados são coletados em escalas diferentes, a padronização do seu suporte é essencial para uma comparação e análise significativas.

Essas diferenças de escala existem em parte porque cada disciplina geocientífica (geoquímica, geologia e geofísica) desenvolveu seus próprios métodos, ferramentas e convenções espaciais para a coleta de informações. A mudança de suporte visa solucionar um desafio comum no setor, onde os dados de diferentes especialidades raramente são alinhados de forma a permitir uma comparação direta.

A mudança de suporte é obtida através da rasterização dos dados, o que significa convertê-los em um formato de grade onde cada célula representa uma unidade espacial definida. Uma vez alinhados a uma grade comum (raster), os conjuntos de dados com suportes originalmente diferenciados podem ser combinados, integrados e usados ​​de forma confiável em análises geoespaciais.

Por exemplo, uma amostra geoquímica do solo normalmente reflete uma medição muito local em formato pontual, um levantamento geofísico aerotransportado fornece valores médios em áreas maiores em formato de bloco ou célula, e uma imagem de satélite fornece observações regularmente espaçadas em um formato de grade que pode diferir em resolução de outras entradas. Todos esses diferentes formatos devem ser transformados em um formato de grade comum (raster) para serem processados, comparados e interpretados de forma significativa dentro do sistema DORA.

Obter novas informações
​Uma vez que os dados são padronizados por meio do processo de Mudança de Suporte, eles podem ser usados ​​com os Módulos de IA proprietários da VRIFY para aprimoramento e ampliação. Esses módulos usam aprendizado de máquina para gerar novas informações a partir de conjuntos de dados existentes.
​
Cada módulo é especificamente otimizado para diferentes tipos de dados e objetivos de exploração, alinhando o processamento com a estrutura e os recursos de entrada. Juntos, eles suportam dois resultados principais: melhorar a clareza e a interpretabilidade de conjuntos de dados conhecidos (aprimoramento de dados) e gerar novas informações modeladas (aumento de dados) para ampliar e enriquecer os esforços de exploração.

O resultado é um conjunto de dados mais completo e utilizável, com camadas recém-geradas que vão muito além das entradas originais, proporcionando às equipes de exploração uma base de análise mais rica e de maior qualidade do que a que tinham inicialmente.

Entre em contato com seu representante da DORA ou envie um e-mail para support@VRIFY.com para obter mais informações.