A SAMPLE LABELING METHOD USING IMAGE-MATCHING

A method and system for labeling and identifying a sample (202), including a rock core sample (202), after determining a physical primary label (204) has been compromised is provided. The method includes labeling the sample (202) by placing a physical primary label (204) on the sample (202) or sample container (206), creating a first rollout image of the sample (202) for a secondary label, and storing the first rollout image in a secondary label digital database with a sample identifier. The method continues for identifying the sample (202) after determining the physical primary label (204) has been compromised by creating a second rollout image of the sample (202) and searching the secondary label digital database using the second rollout image to create a plurality of matching scores using a machine learning or deep learning image matching technique. The matching scores are then evaluated to determine an identity of a sample (202) and the sample (202) is re-labelled using a replacement primary label (204). L'invention concerne un procédé et un système pour étiqueter et identifier un échantillon (202), comprenant un échantillon de carotte de roche (202), après avoir déterminé qu'une étiquette primaire physique (204) a été compromise. Le procédé comprend le marquage de l'échantillon (202) par placement d'une étiquette primaire physique (204) sur l'échantillon (202) ou le récipient d'échantillon (206), la création d'une première image de rouleau de l'échantillon (202) pour une étiquette secondaire, et le stockage de la première image de rouleau dans une base de données numérique d'étiquette secondaire avec un identifiant d'échantillon. Le procédé continue d'identifier l'échantillon (202) après avoir déterminé que l'étiquette primaire physique (204) a été compromise par la création d'une seconde image de rouleau de l'échantillon (202) et la recherche de la base de données numérique d'étiquette secondaire à l'aide de la seconde image de rouleau pour créer une pluralité de scores de correspondance à l'aide d'une technique d'apprentissage machine ou d'alignement d'image d'apprentissage profond. Les scores de correspondance sont ensuite évalués pour déterminer une identité d'un échantillon (202) et l'échantillon (202) est marqué à nouveau à l'aide d'une étiquette primaire de remplacement (204).