文献

J-GLOBAL ID：202202230222996105   整理番号：22A0776535

地質破壊のセグメンテーションと定量分析:ボアホールテレビューア画像に基づく深層移動学習アプローチ【JST・京大機械翻訳】

Segmentation and quantitative analysis of geological fracture: a deep transfer learning approach based on borehole televiewer image

著者 (3件)： Zhang Ye (State Key Laboratory of Eco-Hydraulics in Northwest Arid Region, Xi’an University of Technology, Xi’an, Shaanxi, People’s Republic of China) ,  Chen Jinqiao (State Key Laboratory of Eco-Hydraulics in Northwest Arid Region, Xi’an University of Technology, Xi’an, Shaanxi, People’s Republic of China) ,  Li Yanlong (State Key Laboratory of Eco-Hydraulics in Northwest Arid Region, Xi’an University of Technology, Xi’an, Shaanxi, People’s Republic of China)
資料名： Arabian Journal of Geosciences  (Arabian Journal of Geosciences)
巻： 15  号： 3  ページ： 300  発行年： 2022年 
JST資料番号： W4050A  ISSN： 1866-7511  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 岩石品質評価は,油圧工学における予備設計と調査のための重要なステップである。現在の実践において,ボアホールテレビューア(BHTV)画像は手動でレビューされ,ドメインエキスパートによって分析され,時間消費,労力,および人間評価の主観性の傾向がある岩石品質を評価する。深層学習と画像処理のような新しい技術は,BHTV画像解析のプロセスを自動化することによって,限界を潜在的に対処できる。本研究では,RUnetと呼ばれるResNetとUnetに基づく知的画像セグメンテーションモデルを提案した。このモデルでは,ResNetを事前訓練モデルとして用いて画像特徴を抽出した。RUNetの最適化と損失関数を,地質学のドメイン知識を組み込むことによって改良した。異なる最適化者によるUnetとRUnetの比較を通して,モデルの有効性を確認した。RUnetによって抽出された特徴に基づいて,二値画像スケルトンを得ることができて,すべての画素の相対座標を計算でき,それは破壊のディップ方位角,ディップ角,および平均厚み計算に適用できる。また,一般化最小二乗法を破壊発生定量化に用いた。知的破壊情報定量化は,全体の分析過程を通して実現することができ,それは,BHTV画像によって岩石品質を定量的に評価する自動で信頼できる方式を提供した。Copyright Saudi Society for Geosciences 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  自動化 ,  *学習 ,  *セグメンテーション ,  *定量分析 ,  岩石 ,  *画像 ,  画素 ,  画像特性 ,  *地質 ,  画像分析 ,  機械学習 ,  二値画像
準シソーラス用語： 品質評価 ,  画像セグメンテーション ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  RUNET ,  画像スケルトン抽出 ,  ボアホールテレビューア画像 ,  一般化最小二乗

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 地質 ,  破壊 ,  セグメンテーション ,  定量分析 ,  深層 ,  学習