ARTGoldMC, ARTPhot, ARTSection, ARTMorph, ARTMin-I, ARTMin-II, ARTMin-III, ... Nous avons maîtrisé l'art de révolutionner l'étude des minéraux détritiques. Mais ce n'est pas assez...

En collaboration avec les professeurs L. Paul Bédard du département des sciences appliquées ainsi que Kevin Bouchard et Julien Maître du département d'informatique et mathématique de l'Université du Québec à Chicoutimi, et fort d'une subvention de 300 000 $ du Fonds Québécois de Recherche Nature et Technologie (FRQNT) et du Ministère de l'Énergie et des Ressources naturelles du Québec (MERNQ), nous annonçons le démarrage d'un projet de recherche de 3 ans intitulé « Reconnaissance optique automatisée des minéraux par apprentissage automatisé (Intelligence artificielle) ».

Les géologues ne font que cela dans leur carrière : reconnaitre des minéraux, reconnaitre des roches, reconnaitre des textures et des structures. Et si l'œil humain peut les reconnaître, ainsi devrait la machine ! Suite aux travaux préliminaires effectués, et publiés (https://doi.org/10.1016/j.cageo.2019.05.009) il y a un an, la faisabilité du concept de reconnaitre les minéraux de par leur image RGB a été démontrée, et nous nous sommes donné l'objectif de le rendre fonctionnel. Le défi est grand, mais les applications tout autant : reconnaitre les constituants des matériaux détritiques, détecter les minéraux accompagnateurs, quantifier les minéraux industriels, cataloguer les roches en échantillons ou en affleurements, faire les comptages lithologiques, peut-être même décrire les carottes de sondage sans nécessiter des appareillages sophistiqués. Et ce n'est qu'une des avenues que nous explorons... Le rêve : libérer le géologue des tâches d'acquisition de données pour les reléguer aux machines, et dédier les géologues à l'interprétation des données.

C'est de la recherche et développement, donc c'est incertain. Mais nous rêvons, et notre taux de succès est enviable ! Car l'équipe est brillante...

« Il y a ceux qui suivent les règles... et il y a ceux qui les définissent »

Image prise au microscope optique à l'aide d'une caméra RGB d'une série de grains de limons, suivi de diverses étapes du traitement d'image permettant ultimement d'effectuer la reconnaissance automatisée des minéraux présents sur l'image.