グラウトを含む岩石コアのX線CT画像に対する機械学習による材料識別 ; Effect of manual segmentation on result in automatic Segmentation of TWS

第15回岩の力学国内シンポジウム、2021年1月14-16日、関西大学100周年記念館、講演番号3。 ; 本研究では，き裂にグラウト材が充填された岩石コアの X 線 CT 画像から，母岩，グラウト，空隙の材料識別を機械学習によって自動識別を行う．X 線 CT は岩石試料内部の材質やき裂の分布を非破壊的に観察する有効な手段であるが，構成材料間の CT 値が似通っている場合には材料識別が難しい．自動識別で得られた識別結果は，識別の過程における教師データの与え方によって変化する．本論では，与えられた教師データから導かれた識別結果を比較して，最適な教師データの与え方について検討した．結果として，教師データに学習させる手動識別の範囲が，範囲の大きさではなく，材料の境界部分や CT 値が混合している箇所に与えるなど多様性を重視しなければならないことがわかった．X-ray CT is an effective means of nondestructively observing the segmentation of material and cracks inside a rock sample, but it is difficult to segment materials in case that the CT values of constituent materials are similar. In this research, the material segmentation of the base rock, grout, and voids is automatically segmented by machine learning from the X-ray CT image of the rock core in which cracks are filled with grout. The segmentation result changes depending on how the teacher data is given during the classification process. In this paper, we compared the segmentation results derived from the given teacher data and examined how to give the optimum teacher data. As a result, diversity is important in the range of manual discrimination that the teacher data learns.