[H-TT18] 浅部物理探査が目指す新しい展開

[HTT18-P01] 深層学習を用いた地中レーダデータの自動解釈結果の品質管理のための3次元解釈支援ツールについて

*磯 真一郎¹ (1.公益財団法人　深田地質研究所)

キーワード：地中レーダー、機械学習、解釈、自動化

地中レーダーの解析では、熟練技術者が走行中の車両から取得した断面画像から、地下構造物の誘電率の違いによる反射波の形状や空間分布を目視で判読することがおこなわれてきました。 近年、データ収集システム技術の進歩により、データが大量に取得されるようになり、判読の自動化・省力化が必須となっています。 さらに、機械学習の技術では多くのモデルアーキテクチャが提案され、物体を認識する能力が飛躍的に向上しました。 これらの新しい技術を適用して地中レーダー データを自動的に識別するシステムが開発および実装されており、一部は実用化されています。 その結果、多くの埋設物に対する自動判読結果の数が飛躍的に増加しました。
一方で、機械学習による解釈結果の根拠を説明する技術はまだ開発中です。さらにはその判読の責任についての社会的合意は当面難しいと推測します。 読影結果を保証するには、熟練した技術者や監督者による徹底した品質管理を継続することが最良の選択肢であると考えられます。 そのためには、効率的に判読するための品質管理ツールが不可欠です。 熟練した技術者による目視検査では主にレーダー反射振幅異常の空間分布が考慮されるという観察に基づいて、埋設物の反射異常の解釈を支援するツールを提案します。 昨年、私たちは強度の変化に基づく各ピクセルの統計に基づいた値に基づいてシリーズの解釈結果をセグメント化し、提案の根拠を 3 次元のボックスとしてより適切に表現できることを直感的に明らかにしました。
しかしながら、GPR イベントは直交方向にのみであり、2次元断面の組み合わせのみでセグメント化されていました。 今年度は、より現実的な傾斜を持つ反射セクションのクラスターセグメント化できるように改良を加えました。
解釈サポートツールはHuman-In-The-Loopの機械学習システムの構築に役立つと考えています。