Development of an automatic drawing scheme for stratigraphic column applicable to Mars

2022 Fiscal Year Research-status Report

• Project/Area Number: 22K14082
• 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
• Keywords: 露頭 / 柱状図 / 機械学習 / 火星

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

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。