Project/Area Number |
22K14082
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 17010:Space and planetary sciences-related
|
Research Institution | Niigata University |
Principal Investigator |
野口 里奈 新潟大学, 自然科学系, 助教 (30792965)
|
Project Period (FY) |
2022-04-01 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2024: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
Keywords | 露頭 / 柱状図 / 機械学習 / 火星 / 露頭柱状図 / 画像解析 / 地質記載 |
Outline of Research at the Start |
火星で露頭スケールの地質調査が行われる時代が到来している。多量の探査画像データが得られ、火星探査を続々と控える今、画像データに基づいた露頭調査手法を確立する必要がある。地球上で行われる地質調査では、地層の分厚さ(層厚)や構成物の種類や粒径などの基本データを統合した柱状図を最初に作成する。柱状図の作成には、作成対象箇所の選定、地層の認識・分割、層厚の測定、構成物の判別が必要であるが、データの収集には人的・時間的コストがかかる。そこで本研究では、画像解析・機械学習手法を適用し、地球上のフィールドでの人間による観察とすり合わせていくことで、柱状図を画像から自動的に作成する手法を開発する。
|
Outline of Annual Research Achievements |
2022年度は、柱状図を画像から自動的に作成するための第一段階である「露頭中における柱状図作成対象箇所の自動検出」に取り組み、機械学習技術を用いることによって予測精度が96%を超える地層露出領域抽出モデルの作成に成功した。 試行・文献調査の結果、当初計画していた機械学習ライブラリ dlibよりも、全層畳み込みネットワークの1つであるU-netのほうが本目的(地層露出領域の抽出)に適していることが判明した。そのため、U-netを採用した学習スキームを構築・デモンストレーションを実施した。学習に必要となる追加データは3地点(伊豆大島、伊豆大瀬崎、三宅島)での現地調査にて取得した。学習の結果、95%を超える学習精度、96%を超える予測精度を達成した。デモンストレーションにより、地球上露頭画像からのみならず火星上露頭画像についても地層露出領域の抽出が適切にできることを確認した。火星上露頭画像については、探査衛星から撮られた画像とローバー搭載カメラで撮影された画像の両方で地層露出領域の抽出に成功した。 これまでの取り組みについて、2022年度日本火山学会秋季大会、2022年日本惑星科学会秋季講演会、第24回 惑星圏シンポジウム等で逐次進捗報告しており、2023年5月開催の日本地球惑星科学連合大会でまとめを発表予定である。また、第一段階のまとめについての論文を執筆中であり、2023年上半期に投稿予定である。 第二段階以降にもすでに取り組み始めており、当初の計画以上に研究を進められている。
|
Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
柱状図を画像から自動的に作成するための第一段階である「露頭中における柱状図作成対象箇所の自動検出」はほとんど完了しており、次の段階である「地層の認識・分割」および「層厚の測定」に取り組み始めている。地層の認識・分割に関しては、複数のパラメータからなるGray-Level Co-occurrence Matrix(GLCM)特徴量を多変量データとして解析することで実際の構成物と紐づけた地層の判別ができないか検討している。層厚の測定に関しては、露頭形状モデル作成から出力する露頭面正対画像(露頭面に正対するような角度から生成したオルソ状の画像)の解析にはノイズ混入等の問題があることが判明したため、当初計画通り地層境界を記した画像を露頭形状モデルに貼り付ける方法を調査・試行している。
|
Strategy for Future Research Activity |
柱状図を画像から自動的に作成するための第二段階以降(地層の認識・分割、層厚の測定、構成物の判別)に取り組むとともに、第一段階で作成した地層露出領域抽出モデルのチューンナップを行う。また、最終的に柱状図を描画するためのアルゴリズムについても構築検討を進めていく。
|