ИССЛЕДОВАТЕЛЬСКИЙ ПРОЕКТ × КОМПЬЮТЕРНОЕ ЗРЕНИЕ / 2026
GeoVision помогает геологу находить на полихромах палеорусла — древние русла рек, в которых могут формироваться нефтегазовые коллекторы. Модель строит маску объекта и показывает уверенность в результате.
Как устроено исследование ↘01—07
01 / ПУТЕВОДИТЕЛЬ ПО ПРОЕКТУ
Страница повторяет логику защиты: от предметной области и проблемы — к данным, методам, экспериментам и работающему прототипу.
Важно: GeoVision не ищет нефть напрямую. Модель выделяет вероятный контур геологического тела, который затем проверяет и интерпретирует специалист.
02 / ПРЕДМЕТНАЯ ОБЛАСТЬ И ПРОБЛЕМА
ПРОГНОЗ МИНЭНЕРГО РОССИИ
По прогнозу, к 2030 году доля трудноизвлекаемой нефти может достигнуть 70%. Чем сложнее становится структура запасов, тем больше геологических объектов требуют внимательной и воспроизводимой интерпретации.
СТРУКТУРА ЗАПАСОВ ПО ТИПАМ КОЛЛЕКТОРОВ
6% → 35%Палеорусло — это древний речной канал, который может быть связан с коллектором нефти или газа. На полихроме оно не выглядит как готовый контур: границы растворяются в шуме, ветви обрываются, а похожие структуры создают ложные сигналы.
На шумном или размытом полихроме нет готовой линии. Эксперт интерпретирует, где заканчивается объект и начинается фон.
Даже опытные специалисты могут по-разному провести контур или оценить тонкое ответвление. Это естественная часть предметной интерпретации.
Для модели экспертная маска — целевой ответ. Поэтому единичная неточность может закрепиться в данных и влиять на последующее обучение.
ЭКСПЕРТНАЯ РАЗМЕТКА / НЕОПРЕДЕЛЁННОСТЬ
Экспертная маска — это интерпретация, а не абсолютная истина. На слабом сигнале специалисты могут по-разному провести границу одного и того же русла.
01 / РИСКЕсли модель обучается на одной спорной интерпретации, она начинает воспроизводить её как правильный ответ.
ГРУППА СНИЖАЕТ02 / РЕЗУЛЬТАТРазметка группой экспертов меньше зависит от одного мнения и становится более устойчивой основой для последующего обучения.
Групповая работа не устраняет неопределённость полностью. Она делает её видимой и не позволяет индивидуальной неточности без проверки превратиться в обучающий эталон.
Источник: Минэнерго России. Энергетическая стратегия Российской Федерации на период до 2035 года, распоряжение Правительства РФ от 09.06.2020 № 1523-р. Структурная диаграмма воспроизведена по материалам презентации проекта.
03 / ДИЗАЙН ИССЛЕДОВАНИЯ
Мы последовательно проверяли гипотезы: изучили публикации, подготовили данные, оценили классические методы, собрали baseline и сравнили современные архитектуры.
Для изображений подготовлены маски геологических тел, размеченные группой экспертов.
Геометрия речных систем Западной Сибири извлечена из OpenStreetMap и перенесена на синтетические фоны.
Обучающая, валидационная и тестовая выборки разделяют обучение модели и независимую проверку результата.
ПРОСТОЕ ЧТЕНИЕ МЕТРИК
Все показатели лежат в диапазоне от 0 до 1. Чем ближе значение к единице, тем лучше результат на тестовой выборке.
IoU делит пересечение экспертной и предсказанной масок на их общую область.
пересечение / объединение Dice особенно нагляден, когда русло занимает небольшую часть большого изображения.
2 × пересечение / сумма площадей clDice сравнивает центральные линии и сильнее штрафует разрывы тонких ветвящихся структур.
сравнение скелетов объектов ПРОВЕРКА КЛАССИЧЕСКИХ МЕТОДОВ
Результат подтвердил необходимость методов глубокого обучения: геометрический объект нельзя надёжно выделить только по яркости или локальным границам.
ОБЗОР ПУБЛИКАЦИЙ И АРХИТЕКТУР
Опубликованные метрики получены на разных датасетах, поэтому использовались для выбора направлений, а не для прямого ранжирования моделей.
КАЛЕНДАРЬ ЭКСПЕРИМЕНТАЛЬНОГО ЦИКЛА
Не календарные даты, а четыре повторяемые фазы: после проверки результата цикл можно запустить снова с новой гипотезой.
04 / СРАВНИТЕЛЬНЫЕ ЭКСПЕРИМЕНТЫ
Все архитектуры проходили через единый экспериментальный пайплайн. Так различия в IoU и Dice отражают поведение моделей, а не разные условия проверки.
Лучшая модель по совокупности IoU класса палеорусла и Dice.
Лучший результат на текущем наборе данных показала Attention U-Net: IoU класса палеорусла — 0,92, Dice — 0,93.
05 / ПРОТОТИП РЕЗУЛЬТАТА
Перемещайте створку мышью или пальцем. Слева останется исходный полихром, справа появится маска, построенная GeoVision.
Реальный пример из validation-выборки: исходное изображение, экспертная маска и предсказание модели показаны без художественной обработки.
DRAG / ↔IoU 0,913 относится к этому отдельному validation-примеру и не заменяет агрегированную метрику по всей тестовой выборке.
06 / РЕЗУЛЬТАТ
Dice Score
Attention U-Net
IoU class 1
Attention U-Net
синтетических
изображений
Лучшая модель — Attention U-Net. Результат на тестовых данных: IoU класса палеорусла 0,92 и Dice 0,93.
07 / ОТ СНИМКА К МАСКЕ
Геолог загружает горизонтальный срез геологической модели. Перед анализом изображение приводится к единому формату.
Attention U-Net выделяет пиксели объекта и сохраняет тонкие связующие участки русла.
Геолог сопоставляет маску с исходным снимком и обращает внимание на зоны низкой уверенности.
После проверки маску можно использовать для оценки геометрии объекта и подготовки сценариев размещения скважин.
08 / ЭКСПЕРТНАЯ ПОДДЕРЖКА
Эксперты помогали команде глубже разбираться в предметной области, корректировать постановку задачи и обсуждать применимость результата.
Руководитель направления
Центр развития ИИ
Газпромнефть НТЦ
Руководитель направления
Центр компетенций по ИИ
Газпромнефть-ЦР
Руководитель направления
Центр компетенций по ИИ
Газпромнефть-ЦР
Аналитик данных
Центр компетенций по ИИ
Ассоциация «Цифровые технологии в промышленности» (АЦТП)
Специалист
Центр развития ИИ
Газпромнефть НТЦ
Младший Аналитик бизнес-процессов
Центр Компетенций по ИИ
Ассоциация «Цифровые технологии в промышленности» (АЦТП)
Стажёр проекта
09 / КОМАНДА
Мы объединили работу с данными, обучение моделей и геологическую интерпретацию, чтобы собрать решение, которым сможет пользоваться специалист.
CV_Engineer / Research
ML Engineering / Product
Computer Vision / Data
Backend / Integration
10 / РАЗВИТИЕ
11 / ВОПРОСЫ ЖЮРИ
Короткие ответы на вопросы о постановке задачи, данных, методах и границах применимости результата.
Нет. Модель решает задачу бинарной семантической сегментации: получает полихром и строит маску вероятного геологического тела. Решение о его интерпретации принимает специалист.
Оно может быть узким, ветвящимся и размытым, а его яркость нередко похожа на другие структуры. Поэтому простого порога по амплитуде недостаточно — важна геометрическая форма объекта.
Датасет размечала группа экспертов. Это не устраняет интерпретационную неопределённость полностью, но позволяет снизить влияние единичного мнения и не превращать индивидуальную ошибку без проверки в обучающий эталон.
В серии внутренних экспериментов эта модель показала лучший результат: IoU класса палеорусла 0,92 и Dice 0,93.
Экспертная разметка ограничена и зависит от региона. Около 3000 синтетических примеров на основе речных систем Западной Сибири расширяют разнообразие геометрии, но не заменяют реальные полихромы и экспертные маски.
Нет. Авторы используют разные датасеты, типы объектов и протоколы оценки. Обзор публикаций помог выбрать архитектуры, а итоговое сравнение проводилось внутри единого пайплайна на данных проекта.
Специалист проверяет маску, сопоставляет её с исходным полихромом и оценивает спорные зоны. Задача GeoVision — сократить рутинный поиск и сделать первичную интерпретацию более воспроизводимой.