Zaawansowany technologicznie robot podwodny bada bogactwa mineralne Ziemi na dnie oceanów
Głębokomorskie dno to w dużej mierze niezbadany skarb obfity w skorupy kobaltowe, buły manganowe i masywne złoża polimetalicznych siarczków dna morskiego. Te formacje mogłyby w znacznym stopniu zaspokoić dynamicznie rosnące zapotrzebowanie na elektronikę i technologie bazujące na rzadkich i drogich metalach. Oczekuje się, że światowy rynek górnictwa głębokomorskiego wzrośnie z około 650 mln USD w 2020 roku do 15,3 mld USD w 2030 roku W ramach ambitnego, finansowanego ze środków UE projektu ROBUST stworzono autonomiczny, robotyczny system do badań i analiz, który wesprze ten rozwój, jednocześnie chroniąc środowisko. Będzie to również nieocenione narzędzie do prowadzenia oceanicznych wypraw badawczych.
Lasery, kamera, akcja
Obecnie stosowana metoda głębokomorskiego poszukiwania buł polimetalicznych polega na pobieraniu surowych próbek z dna morskiego za pomocą zdalnie sterowanych pojazdów połączonych ze statkami badawczymi. Próbki są wydobywane na powierzchnię w celu ich analizy przy użyciu czasochłonnego, drogiego i nieefektywnego procesu. Celem projektu ROBUST jest doprowadzenie do sytuacji, w której górnictwo głębokomorskie stanie się opłacalne i przyjazne dla środowiska. Skorupy żelazowo-manganowe oraz buły manganowe są bogate w nikiel, miedź, kobalt, lit, molibden, mangan i metale ziem rzadkich o dużym znaczeniu przemysłowym, a masywne złoża siarczków dna morskiego są bogate w miedź, cynk, żelazo, złoto i srebro. Jak wyjaśnia koordynator projektu Graham Edwards: „Do umieszczania specjalnego systemu laserowego zdolnego do identyfikacji buł manganowych na głębokości 300 metrów używamy autonomicznego pojazdu podwodnego. Opracowaliśmy również system indukowanej laserem spektroskopii rozpadu (ang. laser-induced breakdown spectroscopy; LIBS) zdolny do automatycznej identyfikacji in situ buł miedzi, manganu i cynku, z możliwością wykrywania masywnych złóż siarczków dna morskiego. Ten wydajny system LIBS jest więc w stanie identyfikować pod powierzchnią morza in situ cele wydobywcze o krytycznym znaczeniu”. Systemy te są nie tylko zaawansowane technologicznie, ale muszą również działać w środowisku podwodnym, w którym panują skrajne warunki. Poruszając się po dnie oceanu, system ROBUST tworzy trójwymiarowe mapy na podstawie danych uzyskanych poprzez połączenie hydroakustyki, skanerów laserowych i fotogrametrii. „Oparty na konwolucyjnej sieci neuronowej algorytm rozpoznawania wzorców wykrywa buły manganowe w czasie rzeczywistym. Kiedy autonomiczny pojazd podwodny znajdzie się w odległości kilku metrów od celu, zamontowane na jego pokładzie kamery uruchamiają proces precyzyjnego pozycjonowania pojazdu”, wyjaśnia kierownik projektu James Essien. Gdy autonomiczny pojazd podwodny znajdzie się nad celem, ustawia on swój system manipulatora z wbudowanym systemem LIBS do optycznej, bezstykowej, chemicznej analizy in situ w czasie rzeczywistym. Mechanizm lasera dwuimpulsowego zwiększa siłę sygnału. „Pierwszy impuls tworzy pęcherz gazowy, a drugi impuls umożliwia osiągnięcie dłuższego stanu wzbudzenia o wyższej temperaturze z uzyskaniem widma pozwalającego na identyfikację buły”, wyjaśnia Essien. System LIBS zamontowany na zdalnie sterowanym pojeździe działał na głębokościach ponad 4000 metrów.
Krok naprzód – i wgłąb
Edwards podsumowuje: „Badacze głębokomorskich minerałów mogą wkrótce spodziewać się obniżenia kosztów badań dna oceanicznego, zwiększenia dokładności wyników pomiarów wykonywanych in situ oraz znikomego wpływu ich pracy na środowisko”. W miarę zbliżania się do etapu końcowych testów i finalizacji technologii, zespół opracowuje także plan biznesowy zakładający zaangażowanie komercyjnych firm górniczych i organizacji zajmujących się badaniami oceanicznymi w poszukiwanie minerałów na dnie mórz.
Słowa kluczowe
ROBUST, głębinowy, autonomiczny pojazd podwodny, laser, mangan, LIBS, minerał, ocean, górnictwo, robotyczny, podwodny, masywne złoża siarczków dna morskiego, kobalt, metal, laserowa spektroskopia rozpadu, konwolucyjna sieć neuronowa
