rocknet

[1GM]

il y as du monde qui connait ?

 

https://rocknet.fr/

 

Je suis tombé dessus par hasard sur YT :  ( et a priori ca ne semble pas être un poisson )

 

[enameril]

J'ai vu une présentation à ce sujet à l'automne à la RST de Lyon.

C'est un projet de l'IFP (désormais nommée IFPEN) qui doit, via une IA, permettre d'identifier une roche en la prenant en photo avec son smartphone.

 

Je testerais un jour la chose.

Mais j'ai très peur que cela ne serve pas si on a des bases en géologie et que cela ne serve que pour les roches simples à différencier...

Par exemple un conglomérat d'un granite.

Car dans les exemple qu'ils montrent, "Mudrock", certes... Mais calcaire sublithographique ? Bloc d'argile pure ? Ou de marnes ?

 

[zunyite]

c'est............................!!!! je préfére pas employer de termes trop "durs" sur internet mais le projet est tout à fait "fantaisiste"  !!!!

       reconnaitre une roche par apprentissage sur une I.A  à partir de lames minces.....ok ; cela me semble intéressant  mais à partir de photos de smatphone c'est....... (voir termes du début) !!   entre érosion, lichens, oxydation, pluie, rivières etc etc... c'est un exercice complexe pour une roche connue....alors une roche à déterminer!!!!!!😖

[Invité jean francois06]

Pour infos voici trois papiers : https://www.researchgate.net/publication/358699853_A_Novel_Method_of_Multitype_Hybrid_Rock_Lithology_Classification_Based_on_Convolutional_Neural_Networks

 

https://www.sciencedirect.com/science/article/pii/S2590197421000094

 

https://www.hindawi.com/journals/misy/2020/7462524/

 

On imagine facilement des applications en planétologie. 

 

Et un autre sur  le deep learning en  ichnologie. :https://www.researchgate.net/publication/354071823_Deep_Learning_Applications_in_Geosciences_Insights_into_Ichnological_Analysis

[zunyite]

ces articles font la pub de la méthode mais sont peu loquaces (sauf un  qui donne les limitations en disant qu'un granite est difficile à déterminer dans ses variations !  alors les autres roches !!! le granite étant considéré comme une roche facile à identifier) sur les variabilités et les différences , même pas de nature, mais de taille des constituants

   ex : à partir d'un smartphone , à quel moment il considère que cette roche est microgrenue ? (les photos sont "normales" , pas de microphotos ).....simplement par comparaison avec des échantillons de roches "microgrenues" ............où est la limite puisqu'une photo "ressemble" à x% de l'échantillon de référence ce qui n'est en rien significatif ! (même s'il dit que l'échantillon ressemble à 95% à l'échantillon puisqu'il ne peut pas voir la partie importante (les microcristaux)

[phoscorite]

Peut-être que couplé à une fluoX portable, pour associer une signature chimique à une image, ça pourrait donner des résultats pas trop bêtes.

[Invité jean francois06]

Les articles s'intéressent à la méthode, il s'agit de trouver la plus efficace. Pour l'instant le nombre de roches identifiées est faible (30 dans un article, un groupe de 4 dans un autre, 12 pour rocknet). Mais il s'agit d'e-learning, il faut donc alimenter la base de connaissance.

Par exemple, pl@ntnet a fait beaucoup de progrès, les utilisateurs en participant au projet alimentent la base de donnée. Bien sûr, en botanique il faut aussi sortir sa loupe pour déterminer une espèce, mais l'IA donne des réponses, et bien souvent la plante est citée dans la liste des possible. Et donc un néophyte qui souhaitera déterminer une plante pourra avoir des possibles, pour aller plus loin il faut qu'il sorte son petit bouquin de botanique et y cherche les caractéristiques déterminantes, il aura moins de recherche à faire, et il apprendra à sortir sa loupe.

On voit aussi l’intérêt en exploration spatiale, l'ia donne en fonction de la photo des noms de roches possibles et le robot collecte l'échantillon et fait les analyses avec les techniques embarquées (spectro etc...) On gagne du temps, par exemple pour Mars le temps de trajet des ondes électromagnétiques varient entre 3mn et 20mn. Raccourcir le temps de décision pour faire l'analyse est important.

Dans le cas des traces fossiles, les spécialistes en ichnologie ne courent pas les rues, le recours à l'IA est donc intéressant.

La démarche  de Rocknet me semble intéressante, permettre à tous d'approcher la géodiversité, apporter des informations sur l'histoire de la roche, et ce grâce à un smartphone, augmenter la base de donnée avec l'aide d'amateurs éclairés, de géologues, pétrographes, etc... On pourrait ajouter ( je ne sais pas si cela est fait) de la géolocalisation pour aider à la détermination, et aussi quelques manips réalisable sur le terrain (mais là on s'éloigne de l'idée de la simple photo).

Ce sont aussi des méthodes qui se développent en imagerie médicale, cela permet de rapidement repérer une anomalie. 

 

J'ajoute ce lien pour la méthode, et ici utilisé en imagerie médicale : https://www.quantmetry.com/blog/deep-learning-diagnostic-imagerie-medicale/

et un lien vers ce qu'est le deep learning et quelques applications actuelles (enfin à l'heure ou l'article a été écrit, tout va très vite) : https://datascientest.com/deep-learning-definition

Un lien vers Agile : https://www.analyticssteps.com/blogs/5-ways-use-agile-methods-machine-learning-projects

Un peu de pub (agile dans les geosciences) : https://agilescientific.com/

 

 

  

[Renardière bijoux]

Oui, c'est développé par ma boîte. L'idée, c'est une appli en machine learning, qui apprend au fur et à mesure des entrées utilisateur. C'est développé en collaboration avec le MNHN, l'Unesco et l'École de Géologie de Nancy.