(Poster session) Earth & Resources

[P023A] Restoration of sedimentary environments using a mineral determination system based on digital scanner images of rock flakes and machine learning

○Akihiro Takeyama^{1[Student presentation: Bachelor’s course]}, Yuya Beppu¹, Koki Toyata¹, Tsubasa Otake¹, Natsuo Okada¹, Yohei Kawamura¹, Yoko Ohtomo¹ (1. Hokkaido University)

Keywords:Banded Iron Formation, Deep learning, Sedimentary rock, Digital scanner, Point counting

岩石は多種多様な鉱物から構成されており、含有割合を正確に把握することは、金属の含有量評価や濃集要因の推定、堆積環境の復元など、鉱山操業の地質学的解析において極めて重要である。本研究は、時間と労力を要するモード組成分析の自動化・高精度化を目的として、デジタルスキャナー (Carl Zeiss社製, Axioscan 7)で取得した堆積岩の薄片画像を用いた鉱物判定用機械学習モデルの構築を試みた。対象試料は、南アフリカ共和国バーバトン緑色岩帯Moodies層群から得られた鉄に富む堆積岩の薄片22枚である。これら試料は砂層・泥層・磁鉄鉱に富む層に分類され、鉄濃集プロセスへの堆積深度の影響が示唆されている (Suzumeji et al., 2024)。システムの構築においては、開放ニコルおよび円偏光条件下で撮影した薄片画像に対して鉱物種のアノテーションから教師データを指定することにより深層学習モデルを開発した。従来のポイントカウンティング法との比較では有色鉱物において高い判定精度を達成した一方、石英や炭酸塩などの透明鉱物の識別については課題が残された。将来的には、本技術を国際陸上科学掘削計画BASEプロジェクトの試料に適用し、約32億年前の古海洋環境および縞状鉄鋼層の形成過程の解明を目指す。