Tres estudiantes de Ingeniería en Sistemas Informáticos de la Universidad de El Salvador (UES) han desarrollado una aplicación basada en inteligencia artificial (IA) capaz de identificar minerales en rocas a partir de imágenes microscópicas. Este proyecto de tesis busca facilitar los estudios geológicos y aportar soluciones tecnológicas a sectores como la energía, la minería y la ingeniería civil.
El equipo está conformado por Sofía Martínez, Balmore Quintanilla y José Antonio Osorio, quienes, bajo la asesoría del MSc. Bladimir Díaz, docente del Departamento de Programación y Manejo de Datos de la Facultad de Ingeniería y Arquitectura (FIA), trabajaron durante meses en la investigación: “Aplicación de inteligencia artificial para la clasificación de minerales en rocas usando láminas delgadas”.
La aplicación se basa en una red neuronal convolucional, entrenada para identificar 10 tipos de minerales comunes en El Salvador, incluyendo cuarzo, biotita, olivino y piroxeno. Utilizando imágenes microscópicas tomadas en el Laboratorio de Geología de la FIA por el Ing. Jonathan Argueta, el modelo logró alcanzar una precisión del 98.35 % al validar los resultados.
“Queríamos crear una herramienta útil para la investigación mineralógica que permitiera reconocer, en el momento, qué minerales están presentes en una muestra”, explicó Quintanilla, según reseña la publicación El Universitario.
Para entrenar el modelo, los estudiantes procesaron unas 200 imágenes originales, a las que aplicaron variaciones de contraste, brillo y enfoque, generando más datos de entrenamiento. Inicialmente utilizaron la arquitectura VGG16, pero tras detectar sobreajuste, migraron a ResNet-50, logrando así resultados más precisos y estables.
Aplicaciones prácticas y futuras mejoras
El sistema podría ser utilizado por instituciones o empresas que realizan estudios de suelos, energía geotérmica o gestión de recursos hídricos. Además, tiene potencial de expansión para reconocer más minerales o calcular su proporcióndentro de las muestras, a medida que se entrene con más datos.
“La idea es que este desarrollo pueda evolucionar y servir a diferentes áreas profesionales. En este caso, se trata de hacer más eficiente el proceso de reconocimiento de minerales”, señaló Sofía Martínez.
La aplicación aún no tiene nombre, pero el grupo espera que futuras generaciones de estudiantes puedan continuar su desarrollo, haciéndola más robusta y precisa.
“Uno de los mayores logros fue que, al someter imágenes de minerales no conocidos por la red, el modelo logró identificarlos correctamente. Eso validó nuestro esfuerzo”, enfatizó Quintanilla.