(General session) Mining and underground construction machineries / Resource based economy and social system / Mining technologies

[3K0107-16-07] Distribution Estimation of Manganese Nodules Using Adversarial Generation Network

○ryosuke suzuki^{1[Student presentation: Master’s course]}, Hisatoshi Toriya¹, Kesuke Nishi², Akira Tune², Tuyoshi Adachi¹ (1. Akita University, 2. Deep Ocean Resources Development Co.,Ltd.)

Chairperson: 久保　大樹（京都大学）

Keywords:Seabed Mineral Resources, Manganese Nodules, Image Generation AI, GAN

海底鉱物資源であるマンガン団塊は、海底表面に露出していることが多いという特徴から、海底面を撮影してマンガン団塊の面積や大きさを計算し、資源量を推定する手法を用いていた。しかし、マンガン団塊の面積を計算する際、撮影した画像に手作業で一つ一つラベル付けを行うため、コストや人的資源に問題があった。この問題を解決するため、本研究では、GAN（敵対的生成ネットワーク）を用いてマンガン団塊を自動的に分類し、推定することを試みた。データセットから208セットのRGB画像と二値化画像を学習データとして画像変換モデルを構築し、30セットのRGB画像をテストデータ、二値化画像を正解データとして精度を計算する。また変換結果に対してノイズ処理を行ってから精度を計算する。精度の結果は先行研究の精度には達しなかった。結果からマンガン団塊の検出率は高いが、海底面をマンガン団塊と誤検出する割合が多いことがわかる。海底面に対する対策をより行うことで現場に適用できる水準の達成が期待される。