パラメトリックモデリングに基づく合成データで訓練された教師あり学習モデルを用いた自動岩盤接合部経路マッピング

arXiv:2602.07590v1 発表タイプ：新 要約：本稿は、画像から自動的な岩盤接合部経路マッピングを実現するための地質学駆動型機械学習手法を提示する。本アプローチは、限られた実データとクラス的不平衡の問題に対処するために、地質学モデル化、合成データ生成、および教師あり画像分割を組み合わせる。第一に、パラメトリックモデリングを用いた場観測におけるスケールに適合する接合部のある岩盤画像を生成するために、離散骨折ネットワークモデルが使用され、接合部の持続性、接続性、およびノードタイプ分布が保持される。第二に、混合訓練とプリトレーニングが組み合わされてトレーニングされ、その後、実画像でのフィネチューニングにより分割モデルを訓練する。本手法は、数々の実データを対象としたボックスおよび斜面領域でテストされた。結果は、実データが不足している場合でも、教師あり接合部経路検出を支援できる合成データが有効であることを示している。実ラベルが一貫性がある場合（例：ボックス領域）、混合訓練は良好な性能を示す一方、ノイズのあるラベルの場合（例：ラベルがバイアス、不完全、および一貫性に欠ける斜面領域）、フィネチューニングの方がより頑健である。完全なゼロショット予測は合成モデルから限定的なのみであるが、少量の実データをフィネチューニングすることによる有用な汎用性が達成される。定性的な解析では、定量的指標だけでは示せないより明確で地質学的に意味のある接合部経路が得られている。提案された手法は信頼性の高い接合部マッピングをサポートし、ドメイン適応および評価に関するさらなる研究の基礎を提供する。

arXiv:2602.07590v1 Announce Type: new Abstract: This paper presents a geology-driven machine learning method for automated rock joint trace mapping from images. The approach combines geological modelling, synthetic data generation, and supervised image segmentation to address limited real data and class imbalance. First, discrete fracture network models are used to generate synthetic jointed rock images at field-relevant scales via parametric modelling, preserving joint persistence, connectivity, and node-type distributions. Second, segmentation models are trained using mixed training and pretraining followed by fine-tuning on real images. The method is tested in box and slope domains using several real datasets. The results show that synthetic data can support supervised joint trace detection when real data are scarce. Mixed training performs well when real labels are consistent (e.g. box-domain), while fine-tuning is more robust when labels are noisy (e.g. slope-domain where labels can be biased, incomplete, and inconsistent). Fully zero-shot prediction from synthetic model remains limited, but useful generalisation is achieved by fine-tuning with a small number of real data. Qualitative analysis shows clearer and more geologically meaningful joint traces than indicated by quantitative metrics alone. The proposed method supports reliable joint mapping and provides a basis for further work on domain adaptation and evaluation.