JPWO2018207885A1 - 解析装置、地層年代推定装置、解析方法、地層年代推定方法、およびプログラム - Google Patents
解析装置、地層年代推定装置、解析方法、地層年代推定方法、およびプログラム Download PDFInfo
- Publication number
- JPWO2018207885A1 JPWO2018207885A1 JP2019517700A JP2019517700A JPWO2018207885A1 JP WO2018207885 A1 JPWO2018207885 A1 JP WO2018207885A1 JP 2019517700 A JP2019517700 A JP 2019517700A JP 2019517700 A JP2019517700 A JP 2019517700A JP WO2018207885 A1 JPWO2018207885 A1 JP WO2018207885A1
- Authority
- JP
- Japan
- Prior art keywords
- age
- analysis
- sample
- image data
- computer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 267
- 238000000034 method Methods 0.000 title claims description 47
- 238000010801 machine learning Methods 0.000 claims abstract description 57
- 238000009826 distribution Methods 0.000 claims description 67
- 238000007781 pre-processing Methods 0.000 claims description 48
- 230000015572 biosynthetic process Effects 0.000 claims description 41
- 230000006870 function Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 28
- 238000005755 formation reaction Methods 0.000 description 24
- 241000195493 Cryptophyta Species 0.000 description 23
- 238000010586 diagram Methods 0.000 description 16
- 241001147665 Foraminifera Species 0.000 description 9
- 241000206761 Bacillariophyta Species 0.000 description 7
- 238000002360 preparation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000004083 survival effect Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 241001079689 Reticulofenestra Species 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241000688179 Phaeodarea Species 0.000 description 1
- 241001632427 Radiola Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/02—Prospecting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/125—Digital circuitry
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Organic Chemistry (AREA)
- Pathology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Remote Sensing (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Microbiology (AREA)
- Genetics & Genomics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Geophysics (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Geophysics And Detection Of Objects (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Image Processing (AREA)
Abstract
Description
地層から採取されたサンプル中の微化石の画像データを取得する画像取得手段と、
機械学習結果を用いて前記画像データを解析することにより、当該画像データ内の微化石のタクソンまたは種類を解析する解析手段と、
を備える解析装置が提供される。
地層から採取されたサンプル中の微化石のタクソンまたは種類の解析結果を取得する解析結果取得手段と、
前記解析結果を用いて、前記サンプルが採取された地層の年代を推定して出力する年代推定手段と、
を備える地層年代推定装置が提供される。
コンピュータによって実行される解析方法であって、
前記コンピュータが、
地層から採取されたサンプルの画像データを取得し、
機械学習結果を用いて前記画像データを解析することにより、当該画像データ内の微化石のタクソンまたは種類を解析する、
ことを含む解析方法が提供される。
コンピュータによって実行される地層年代推定方法であって、
前記コンピュータが、
地層から採取されたサンプル中の微化石のタクソンまたは種類の解析結果を取得し、
前記解析結果を用いて、前記サンプルの地層年代を推定して出力する、
ことを含む地層年代推定方法が提供される。
コンピュータを、
地層から採取されたサンプルの画像データを取得する画像取得手段、および、
機械学習結果を用いて前記画像データを解析することにより、当該画像データ内の微化石のタクソンまたは種類を解析する解析手段、
として機能させるためのプログラムが提供される。
コンピュータを、
地層から採取されたサンプル中の微化石のタクソンまたは種類の解析結果を取得する解析結果取得手段、および、
前記解析結果を用いて、前記サンプルの地層年代を推定して出力する年代推定手段、
として機能させるためのプログラムが提供される。
本発明の構成について説明する前に、微化石を用いて地層年代を推定する従来の方法について概略的に説明する。従来の方法では、まず、ドリルパイプなどの掘削装置を用いて対象の地層を掘削することによって、その地層のサンプルが採取される。そして、調査対象の地層の年代を推定する手がかりとなる微化石を詳細に観察するために、地層から採取されたサンプルを基にプレパラートが作成される。プレパラートは、対象とする微化石毎(例えば、所謂示準化石として利用される、円石藻、珪藻、放散虫、有孔虫毎)に下処理を施して作成される。専門家は、プレパラートを顕微鏡にセットして、サンプルの中に存在する微化石のタクソン(分類群)を識別する。そして、専門家は、識別された微化石のタクソンと、例えば非特許文献1に開示されている微化石のタクソン毎の生存期間を参照することで、サンプルを採取した地層の大凡の年代を推定する。このとき、微化石のタクソンの組み合わせや微化石のサイズなどが、年代を推定する際の大きな手掛かりとなる。そして、微化石の種類毎に推定された年代(円石藻の観察結果から推定した年代、珪藻の観察結果から推定した年代など)に基づいて、最終的な地層の年代を議論し決定する。
〔機能構成〕
図1は、第1実施形態における解析装置100の機能構成を概念的に示すブロック図である。図1に示されるように、本実施形態の解析装置100は、画像取得部110および解析部120を有する。
解析装置100の各機能構成部は、各機能構成部を実現するハードウエア(例:ハードワイヤードされた電子回路など)で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ(例:電子回路とそれを制御するプログラムの組み合わせなど)で実現されてもよい。以下、解析装置100の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。
図3を用いて、本実施形態における解析装置100の動作を例示する。図3は、第1実施形態の解析装置100の動作を例示するフローチャートである。
本実施形態は、以下の点を除き、第1実施形態と同様の構成を有する。
図4は、第2実施形態における解析装置100の機能構成を概念的に示すブロック図である。図4に示されるように、本実施形態の解析装置100は、第1実施形態の構成に加えて、前処理部130および年代推定部140を有する。前処理部130は、解析部120による解析を行う前に、画像取得部110により取得された画像データに対して前処理を実行する。年代推定部140は、解析手段による解析結果を用いて、サンプルを採取した地層の年代を推定して出力する。
本実施形態の解析装置100は、第1実施形態と同様のハードウエア構成(例:図2)を有する。本実施形態のストレージデバイス104は、上述の前処理部130および年代推定部140の機能を実現するプログラムモジュールを更に記憶しており、プロセッサ102がこのプログラムモジュールを実行することによって、上述の本実施形態の機能が実現される。
図5を用いて、本実施形態における解析装置100の動作例を説明する。図5は、第2実施形態における解析装置100の処理の流れを示すフローチャートである。
図8乃至図10を用いて、年代推定部140の処理の他の例を説明する。なお、以下で説明する処理はあくまで例示であり、本発明はこれらの例に制限されない。
図11は、第2実施形態の変形例の機能構成を概念的に例示するブロック図である。本変形例において、上述の年代推定部140は、解析装置100とは別の装置200に備えられていてもよい。この年代推定部140を備える装置200は「地質年代推定装置」と呼ぶこともできる。地層年代推定装置200は、年代推定部140に加え、地層から採取されたサンプル中の微化石のタクソンの解析結果を取得する解析結果取得部210を備える。
図12は、地層年代推定装置200のハードウエア構成を概念的に示す図である。図12に示されるように、地層年代推定装置200は、バス201、プロセッサ202、メモリ203、ストレージデバイス204、入出力インタフェース205、及びネットワークインタフェース206を含んで構成される。
1.
地層から採取されたサンプル中の微化石の画像データを取得する画像取得手段と、
機械学習結果を用いて前記画像データを解析することにより、当該画像データ内の微化石のタクソンまたは種類を解析する解析手段と、
を備える解析装置。
2.
前記解析手段は、前記画像データ内の微化石のタクソンまたは種類と当該タクソンまたは種類である確信度を示す情報を解析結果として生成する、
1.に記載の解析装置。
3.
前記画像取得手段は、1枚の元画像データを処理することによって、当該1枚の元画像データの中から複数の前記画像データを切り出す、
1.または2.に記載の解析装置。
4.
前記解析手段は、微化石のタクソンまたは種類別に用意された複数の機械学習結果を用いて、微化石のタクソンまたは種類別の解析結果を生成する、
1.乃至3.のいずれか1つに記載の解析装置。
5.
前記解析手段による解析を行う前に前記画像データに対して前処理を実行する前処理部を更に備える、
1.乃至4.のいずれか1つに記載の解析装置。
6.
前記前処理部は、前記画像データの明るさ、および、エッジの少なくともいずれか1つを調整する処理を前記前処理として実行する、
5.に記載の解析装置。
7.
前記前処理部は、前記画像データと共に解析対象を識別する情報を取得し、当該情報によって識別される解析対象別に決められた前処理を実行する、
5.または6.に記載の解析装置。
8.
前記解析手段による解析結果を用いて、前記サンプルが採取された地層の年代を推定して出力する年代推定手段を更に備える、
1.乃至7.のいずれか1つに記載の解析装置。
9.
前記年代推定手段は、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する、
8.に記載の解析装置。
10.
前記年代推定手段は、
前記解析手段による微化石のタクソンまたは種類別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する、
9.に記載の解析装置。
11.
前記年代推定手段は、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する、
8.に記載の解析装置。
12.
地層から採取されたサンプル中の微化石のタクソンまたは種類の解析結果を取得する解析結果取得手段と、
前記解析結果を用いて、前記サンプルが採取された地層の年代を推定して出力する年代推定手段と、
を備える地層年代推定装置。
13.
前記年代推定手段は、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する、
12.に記載の地層年代推定装置。
14.
前記解析結果取得手段は、前記サンプル中の微化石のタクソンまたは種類別の解析結果を取得し、
前記年代推定手段は、
前記微化石のタクソン別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する、
13.に記載の地層年代推定装置。
15.
前記年代推定手段は、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する、
12.に記載の地層年代推定装置。
16.
コンピュータによって実行される解析方法であって、
前記コンピュータが、
地層から採取されたサンプルの画像データを取得し、
機械学習結果を用いて前記画像データを解析することにより、当該画像データ内の微化石のタクソンまたは種類を解析する、
ことを含む解析方法。
17.
前記コンピュータが、前記画像データ内の微化石のタクソンまたは種類と当該タクソンまたは種類である確信度を示す情報を解析結果として生成する、
ことを含む16.に記載の解析方法。
18.
前記コンピュータが、1枚の元画像データを処理することによって、当該1枚の元画像データの中から複数の前記画像データを切り出す、
ことを含む16.または17.に記載の解析方法。
19.
前記コンピュータが、微化石のタクソンまたは種類別に用意された複数の機械学習結果を用いて、微化石のタクソンまたは種類別の解析結果を生成する、
ことを含む16.乃至18.のいずれか1つに記載の解析方法。
20.
前記コンピュータが、前記解析を行う前に前記画像データに対して前処理を実行する、
ことを含む16.乃至19.のいずれか1つに記載の解析方法。
21.
前記コンピュータが、前記画像データの明るさ、および、エッジの少なくともいずれか1つを調整する処理を前記前処理として実行する、
ことを含む20.に記載の解析方法。
22.
前記コンピュータが、前記画像データと共に解析対象を識別する情報を取得し、当該情報によって識別される解析対象別に決められた前処理を実行する、
ことを含む20.または21.に記載の解析方法。
23.
前記コンピュータが、前記解析結果を用いて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む16.乃至22.のいずれか1つに記載の解析方法。
24.
前記コンピュータが、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む23.に記載の解析方法。
25.
前記コンピュータが、
前記微化石のタクソンまたは種類別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む24.に記載の解析方法。
26.
前記コンピュータが、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む23.に記載の解析方法。
27.
コンピュータによって実行される地層年代推定方法であって、
前記コンピュータが、
地層から採取されたサンプル中の微化石のタクソンまたは種類の解析結果を取得し、
前記解析結果を用いて、前記サンプルの地層の年代を推定して出力する、
ことを含む地層年代推定方法。
28.
前記コンピュータが、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む27.に記載の地層年代推定方法。
29.
前記コンピュータが、
前記サンプル中の微化石のタクソンまたは種類別の解析結果を取得し、
前記微化石のタクソン別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む28.に記載の地層年代推定方法。
30.
前記コンピュータが、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む27.に記載の地層年代推定方法。
31.
コンピュータを、
地層から採取されたサンプルの画像データを取得する画像取得手段、および、
機械学習結果を用いて前記画像データを解析することにより、当該画像データ内の微化石のタクソンまたは種類を解析する解析手段、
として機能させるためのプログラム。
32.
前記コンピュータを、前記画像データ内の微化石のタクソンまたは種類と当該タクソンまたは種類である確信度を示す情報を解析結果として生成する手段、
として機能させるための31.に記載のプログラム。
33.
前記コンピュータを、1枚の元画像データを処理することによって、当該1枚の元画像データの中から複数の前記画像データを切り出す手段、
として機能させるための31.または32.に記載のプログラム。
34.
前記コンピュータを、微化石のタクソンまたは種類別に用意された複数の機械学習結果を用いて、微化石のタクソンまたは種類別の解析結果を生成する手段、
として機能させるための31.乃至33.のいずれか1つに記載のプログラム。
35.
前記コンピュータを、
前記解析手段による解析を行う前に前記画像データに対して前処理を実行する前処理部、
として更に機能させるための31.乃至34.のいずれか1つに記載のプログラム。
36.
前記コンピュータを、前記画像データの明るさ、および、エッジの少なくともいずれか1つを調整する処理を前記前処理として実行する手段、
として機能させるための35.に記載のプログラム。
37.
前記コンピュータを、前記画像データと共に解析対象を識別する情報を取得し、当該情報によって識別される解析対象別に決められた前処理を実行する手段、
として機能させるための35.または36.に記載のプログラム。
38.
前記コンピュータを、
前記解析手段による解析結果を用いて、前記サンプルが採取された地層の年代を推定して出力する年代推定手段、
として更に機能させるための31.乃至37.のいずれか1つに記載のプログラム。
39.
前記コンピュータを、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための38.に記載のプログラム。
40.
前記コンピュータを、
前記解析手段による微化石のタクソンまたは種類別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための39.に記載のプログラム。
41.
前記コンピュータを、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための38.に記載のプログラム。
42.
コンピュータを、
地層から採取されたサンプル中の微化石のタクソンまたは種類の解析結果を取得する解析結果取得手段、および、
前記解析結果を用いて、前記サンプルの地層の年代を推定して出力する年代推定手段、
として機能させるためのプログラム。
43.
前記コンピュータを、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための42.に記載のプログラム。
44.
前記コンピュータを、
前記サンプル中の微化石のタクソンまたは種類別の解析結果を取得し、
前記微化石のタクソン別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための43.に記載のプログラム。
45.
前記コンピュータを、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための42.に記載のプログラム。
Claims (45)
- 地層から採取されたサンプル中の微化石の画像データを取得する画像取得手段と、
機械学習結果を用いて前記画像データを解析することにより、当該画像データ内の微化石のタクソンまたは種類を解析する解析手段と、
を備える解析装置。 - 前記解析手段は、前記画像データ内の微化石のタクソンまたは種類と当該タクソンまたは種類である確信度を示す情報を解析結果として生成する、
請求項1に記載の解析装置。 - 前記画像取得手段は、1枚の元画像データを処理することによって、当該1枚の元画像データの中から複数の前記画像データを切り出す、
請求項1または2に記載の解析装置。 - 前記解析手段は、微化石のタクソンまたは種類別に用意された複数の機械学習結果を用いて、微化石のタクソンまたは種類別の解析結果を生成する、
請求項1乃至3のいずれか1項に記載の解析装置。 - 前記解析手段による解析を行う前に前記画像データに対して前処理を実行する前処理部を更に備える、
請求項1乃至4のいずれか1項に記載の解析装置。 - 前記前処理部は、前記画像データの明るさ、および、エッジの少なくともいずれか1つを調整する処理を前記前処理として実行する、
請求項5に記載の解析装置。 - 前記前処理部は、前記画像データと共に解析対象を識別する情報を取得し、当該情報によって識別される解析対象別に決められた前処理を実行する、
請求項5または6に記載の解析装置。 - 前記解析手段による解析結果を用いて、前記サンプルが採取された地層の年代を推定して出力する年代推定手段を更に備える、
請求項1乃至7のいずれか1項に記載の解析装置。 - 前記年代推定手段は、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する、
請求項8に記載の解析装置。 - 前記年代推定手段は、
前記解析手段による微化石のタクソンまたは種類別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する、
請求項9に記載の解析装置。 - 前記年代推定手段は、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する、
請求項8に記載の解析装置。 - 地層から採取されたサンプル中の微化石のタクソンまたは種類の解析結果を取得する解析結果取得手段と、
前記解析結果を用いて、前記サンプルが採取された地層の年代を推定して出力する年代推定手段と、
を備える地層年代推定装置。 - 前記年代推定手段は、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する、
請求項12に記載の地層年代推定装置。 - 前記解析結果取得手段は、前記サンプル中の微化石のタクソンまたは種類別の解析結果を取得し、
前記年代推定手段は、
前記微化石のタクソン別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する、
請求項13に記載の地層年代推定装置。 - 前記年代推定手段は、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する、
請求項12に記載の地層年代推定装置。 - コンピュータによって実行される解析方法であって、
前記コンピュータが、
地層から採取されたサンプルの画像データを取得し、
機械学習結果を用いて前記画像データを解析することにより、当該画像データ内の微化石のタクソンまたは種類を解析する、
ことを含む解析方法。 - 前記コンピュータが、前記画像データ内の微化石のタクソンまたは種類と当該タクソンまたは種類である確信度を示す情報を解析結果として生成する、
ことを含む請求項16に記載の解析方法。 - 前記コンピュータが、1枚の元画像データを処理することによって、当該1枚の元画像データの中から複数の前記画像データを切り出す、
ことを含む請求項16または17に記載の解析方法。 - 前記コンピュータが、微化石のタクソンまたは種類別に用意された複数の機械学習結果を用いて、微化石のタクソンまたは種類別の解析結果を生成する、
ことを含む請求項16乃至18のいずれか1項に記載の解析方法。 - 前記コンピュータが、前記解析を行う前に前記画像データに対して前処理を実行する、
ことを含む請求項16乃至19のいずれか1項に記載の解析方法。 - 前記コンピュータが、前記画像データの明るさ、および、エッジの少なくともいずれか1つを調整する処理を前記前処理として実行する、
ことを含む請求項20に記載の解析方法。 - 前記コンピュータが、前記画像データと共に解析対象を識別する情報を取得し、当該情報によって識別される解析対象別に決められた前処理を実行する、
ことを含む請求項20または21に記載の解析方法。 - 前記コンピュータが、前記解析の結果を用いて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む請求項16乃至22のいずれか1項に記載の解析方法。 - 前記コンピュータが、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む請求項23に記載の解析方法。 - 前記コンピュータが、
前記微化石のタクソンまたは種類別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む請求項24に記載の解析方法。 - 前記コンピュータが、機械学習結果を用いて前記解析の結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む請求項23に記載の解析方法。 - コンピュータによって実行される地層年代推定方法であって、
前記コンピュータが、
地層から採取されたサンプル中の微化石のタクソンまたは種類の解析結果を取得し、
前記解析結果を用いて、前記サンプルの地層の年代を推定して出力する、
ことを含む地層年代推定方法。 - 前記コンピュータが、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む請求項27に記載の地層年代推定方法。 - 前記コンピュータが、
前記サンプル中の微化石のタクソンまたは種類別の解析結果を取得し、
前記微化石のタクソン別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む請求項28に記載の地層年代推定方法。 - 前記コンピュータが、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する、
ことを含む請求項27に記載の地層年代推定方法。 - コンピュータを、
地層から採取されたサンプルの画像データを取得する画像取得手段、および、
機械学習結果を用いて前記画像データを解析することにより、当該画像データ内の微化石のタクソンまたは種類を解析する解析手段、
として機能させるためのプログラム。 - 前記コンピュータを、前記画像データ内の微化石のタクソンまたは種類と当該タクソンまたは種類である確信度を示す情報を解析結果として生成する手段、
として機能させるための請求項31に記載のプログラム。 - 前記コンピュータを、1枚の元画像データを処理することによって、当該1枚の元画像データの中から複数の前記画像データを切り出す手段、
として機能させるための請求項31または32に記載のプログラム。 - 前記コンピュータを、微化石のタクソンまたは種類別に用意された複数の機械学習結果を用いて、微化石のタクソンまたは種類別の解析結果を生成する手段、
として機能させるための請求項31乃至33のいずれか1項に記載のプログラム。 - 前記コンピュータを、
前記解析手段による解析を行う前に前記画像データに対して前処理を実行する前処理部、
として更に機能させるための請求項31乃至34のいずれか1項に記載のプログラム。 - 前記コンピュータを、前記画像データの明るさ、および、エッジの少なくともいずれか1つを調整する処理を前記前処理として実行する手段、
として機能させるための請求項35に記載のプログラム。 - 前記コンピュータを、前記画像データと共に解析対象を識別する情報を取得し、当該情報によって識別される解析対象別に決められた前処理を実行する手段、
として機能させるための請求項35または36に記載のプログラム。 - 前記コンピュータを、
前記解析手段による解析結果を用いて、前記サンプルが採取された地層の年代を推定して出力する年代推定手段、
として更に機能させるための請求項31乃至37のいずれか1項に記載のプログラム。 - 前記コンピュータを、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための請求項38に記載のプログラム。 - 前記コンピュータを、
前記解析手段による微化石のタクソンまたは種類別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための請求項39に記載のプログラム。 - 前記コンピュータを、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための請求項38に記載のプログラム。 - コンピュータを、
地層から採取されたサンプル中の微化石のタクソンまたは種類の解析結果を取得する解析結果取得手段、および、
前記解析結果を用いて、前記サンプルの地層の年代を推定して出力する年代推定手段、
として機能させるためのプログラム。 - 前記コンピュータを、前記年代別の微化石の標準分布を用いて、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための請求項42に記載のプログラム。 - 前記コンピュータを、
前記サンプル中の微化石のタクソンまたは種類別の解析結果を取得し、
前記微化石のタクソン別の解析結果を用いて、前記サンプル中の微化石の分布を算出し、
前記サンプル中の微化石の分布と前記年代別の微化石の標準分布とに基づいて、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための請求項43に記載のプログラム。 - 前記コンピュータを、機械学習結果を用いて前記解析結果を処理することにより、前記サンプルが採取された地層の年代を推定して出力する手段、
として機能させるための請求項42に記載のプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017094086 | 2017-05-10 | ||
JP2017094086 | 2017-05-10 | ||
PCT/JP2018/018172 WO2018207885A1 (ja) | 2017-05-10 | 2018-05-10 | 解析装置、地層年代推定装置、解析方法、地層年代推定方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018207885A1 true JPWO2018207885A1 (ja) | 2020-03-12 |
JP6842624B2 JP6842624B2 (ja) | 2021-03-17 |
Family
ID=64105537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019517700A Active JP6842624B2 (ja) | 2017-05-10 | 2018-05-10 | 解析装置、解析方法、およびプログラム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11448634B2 (ja) |
EP (1) | EP3637154A4 (ja) |
JP (1) | JP6842624B2 (ja) |
CN (1) | CN110622042A (ja) |
BR (1) | BR112019023381A2 (ja) |
WO (1) | WO2018207885A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083720A (zh) * | 2020-08-18 | 2020-12-15 | 谈斯聪 | 一种水陆两用的勘探,考查装置,系统及方法 |
CN113092725B (zh) * | 2021-04-09 | 2021-12-07 | 中国科学院地质与地球物理研究所 | 一种矿化微化石的确定方法和应用 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004354250A (ja) * | 2003-05-29 | 2004-12-16 | Nidek Co Ltd | 欠陥検査装置 |
CN101477630A (zh) * | 2009-02-17 | 2009-07-08 | 吴俊� | 智能化水处理微生物机器视觉辨识系统和方法 |
CN104199124A (zh) * | 2014-08-26 | 2014-12-10 | 中国石油天然气股份有限公司 | 混相地层分析方法和装置 |
CN104331712A (zh) * | 2014-11-24 | 2015-02-04 | 齐齐哈尔格林环保科技开发有限公司 | 一种藻类细胞图像自动分类方法 |
JP2015512075A (ja) * | 2012-01-23 | 2015-04-23 | パーセプティメッド インコーポレイテッドPerceptimed, Inc. | 自動化された医薬品錠剤の識別 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1331289A1 (ru) | 1985-05-30 | 1995-04-30 | В.М. Бяков | Способ определения абсолютного возраста осадочных горных пород |
US7333650B2 (en) | 2003-05-29 | 2008-02-19 | Nidek Co., Ltd. | Defect inspection apparatus |
EA010117B1 (ru) | 2006-10-26 | 2008-06-30 | Кыргызско-Российский Славянский Университет | Способ определения возраста осадочных горных пород |
RU2586348C2 (ru) * | 2012-01-19 | 2016-06-10 | Халлибертон Энерджи Сервисез, Инк. | Устройство распознавания ископаемых, а также соответствующая система и способ |
FR3018354B1 (fr) * | 2014-03-05 | 2017-06-09 | Total Sa | Procede d'analyse d'echantillons sedimentaires avec reconnaissance automatique de nannofossiles |
US10502863B2 (en) * | 2015-02-13 | 2019-12-10 | Schlumberger Technology Corporation | Diagenetic and depositional rock analysis |
US10656254B2 (en) | 2015-11-19 | 2020-05-19 | Analog Devices, Inc. | Analog ultrasound beamformer |
CN105608447B (zh) * | 2016-02-17 | 2018-12-07 | 陕西师范大学 | 对人体面部微笑表情深度卷积神经网络的检测方法 |
GB2567325B (en) * | 2016-07-15 | 2021-11-17 | Landmark Graphics Corp | Determining a numerical age for geological events within a scheme |
CN106327451A (zh) * | 2016-11-28 | 2017-01-11 | 玉溪师范学院 | 一种古生物化石的图像修复方法 |
FR3067500B1 (fr) * | 2017-06-13 | 2021-04-16 | Ifp Energies Now | Procede d'exploitation d'un bassin sedimentaire comportant des hydrocarbures, au moyen d'une modelisation de l'accumulation de la matiere organique terrestre |
US10838976B2 (en) * | 2017-10-17 | 2020-11-17 | Saudi Arabian Oil Company | Paleo fossil and sedimentary structure data mining and datum for biostratigraphy |
-
2018
- 2018-05-10 US US16/611,263 patent/US11448634B2/en active Active
- 2018-05-10 WO PCT/JP2018/018172 patent/WO2018207885A1/ja unknown
- 2018-05-10 BR BR112019023381-4A patent/BR112019023381A2/pt not_active Application Discontinuation
- 2018-05-10 CN CN201880030929.5A patent/CN110622042A/zh active Pending
- 2018-05-10 EP EP18799136.9A patent/EP3637154A4/en not_active Withdrawn
- 2018-05-10 JP JP2019517700A patent/JP6842624B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004354250A (ja) * | 2003-05-29 | 2004-12-16 | Nidek Co Ltd | 欠陥検査装置 |
CN101477630A (zh) * | 2009-02-17 | 2009-07-08 | 吴俊� | 智能化水处理微生物机器视觉辨识系统和方法 |
JP2015512075A (ja) * | 2012-01-23 | 2015-04-23 | パーセプティメッド インコーポレイテッドPerceptimed, Inc. | 自動化された医薬品錠剤の識別 |
CN104199124A (zh) * | 2014-08-26 | 2014-12-10 | 中国石油天然气股份有限公司 | 混相地层分析方法和装置 |
CN104331712A (zh) * | 2014-11-24 | 2015-02-04 | 齐齐哈尔格林环保科技开发有限公司 | 一种藻类细胞图像自动分类方法 |
Non-Patent Citations (2)
Title |
---|
弘原海 清: "情報地質学の現状と将来", 情報地質, vol. 第1986巻,第11号, JPN7020002300, 31 October 1986 (1986-10-31), pages 1 - 6, ISSN: 0004317928 * |
渡辺 真人 他: "房総半島木の根層・天津層の珪藻化石生層序−神川ルートにおける検討結果−", 日本地質学会学術大会講演要旨, vol. 第102年学術大会, JPN7020002301, 20 March 1995 (1995-03-20), pages 137, ISSN: 0004317929 * |
Also Published As
Publication number | Publication date |
---|---|
BR112019023381A2 (pt) | 2020-06-16 |
JP6842624B2 (ja) | 2021-03-17 |
WO2018207885A1 (ja) | 2018-11-15 |
US11448634B2 (en) | 2022-09-20 |
EP3637154A4 (en) | 2021-02-17 |
EP3637154A1 (en) | 2020-04-15 |
CN110622042A (zh) | 2019-12-27 |
US20200166497A1 (en) | 2020-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lefcheck et al. | Choosing and using multiple traits in functional diversity research | |
US10049447B2 (en) | Pathology case review, analysis and prediction | |
Chase et al. | A framework for disentangling ecological mechanisms underlying the island species–area relationship | |
CN111738064B (zh) | 一种雾霾图像的雾浓度识别方法 | |
CN111861588B (zh) | 流失预测模型的训练方法、玩家流失原因分析方法及装置 | |
US20220156583A1 (en) | Method of generating classifier by using small number of labeled images | |
Rajala et al. | Detecting multivariate interactions in spatial point patterns with Gibbs models and variable selection | |
Gingerich et al. | Fluted point manufacture in eastern North America: an assessment of form and technology using traditional metrics and 3D digital morphometrics | |
US11263258B2 (en) | Information processing method, information processing apparatus, and non-transitory computer-readable storage medium for storing information processing program of scoring with respect to combination of imaging method and trained model | |
Depaoli et al. | Implementing continuous non-normal skewed distributions in latent growth mixture modeling: An assessment of specification errors and class enumeration | |
JPWO2018207885A1 (ja) | 解析装置、地層年代推定装置、解析方法、地層年代推定方法、およびプログラム | |
Schiff et al. | Predicting deep neural network generalization with perturbation response curves | |
Medeiros et al. | Computer vision and machine learning for tuna and salmon meat classification | |
Muca et al. | Principal components and the maximum likelihood methods as tools to analyze large data with a psychological testing example | |
Majeed et al. | Current state of art of academic data mining and future vision | |
Poulin | Quantifying parasite diversity | |
Cuesta-Albertos et al. | Functional classification and the random Tukey depth. Practical issues | |
JP6968241B1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN114550918A (zh) | 一种基于绘画特征数据的心理障碍测评方法及系统 | |
Khadka | Data analysis theory and practice: Case: Python and Excel Tools | |
CN108027969A (zh) | 识别图像中对象之间的间隙的方法和装置 | |
Orczyk et al. | Investigation of the impact of missing value imputation methods on the k-NN classification accuracy | |
Pavón-Vázquez et al. | Ontogenetic drivers of morphological evolution in monitor lizards and allies (Squamata: Paleoanguimorpha), a clade with extreme body size disparity | |
CN114638596B (zh) | 一种自然资源业务流程审查方法、系统、设备和介质 | |
Jameel et al. | Principal Component Analysis Technique for Finding the Best Applicant for a Job |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191107 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200804 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201005 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6842624 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |