米乐m6官方网站[中钵良二会长]（以下简称“AIST”）日本地质调查局地质信息研究部[田中雄一郎，研究主任] 板木卓也，NEC株式会社海洋地质研究组首席研究员[代表董事、总裁兼首席执行官新野隆]（以下简称“NEC”），Micro Support株式会社[代表董事兼总裁松本太二]（以下简称“Micro Support”），三谷商事株式会社[代表董事兼总裁三谷“Satoshi”（以下简称“三谷商事”）的联合开发小组从构成地层的沉积物中包含的各种颗粒中创造出了一种极其脆弱且形态复杂的材料。微化石大量使用 AI（人工智能）自动分离。有了这个系统，以前需要人类花费大量时间和精力的微化石分选过程现在可以自动高速完成。通过微化石的识别来确定地质地层，并根据分离的微化石估算详细年龄，可以在石油勘探和其他领域进行快速且高精度的地质地层分析。
 |
多种微化石的显微照片
可以看到各种形式的放射虫和硅藻的微化石。 |
现代社会经常需要对地质构造进行分析，例如资源勘探和地质灾害对策。分析地质地层的有效工具之一是“微化石”。微化石是在地质构造中发现的生物化石，例如放射虫、有孔虫和硅藻，尺寸从几微米到几毫米不等。通过识别微化石，可以确定地层形成的时代以及当时的环境。此外，通过测量微化石的微量元素组成和同位素组成，我们可以获得地质形成时期及其环境的详细信息。因此，微化石是推进地质地层分析的重要指标，是研究地质地层形成和全球环境变化的重要工具。
然而，由于微化石形状复杂，以前技术精湛的微化石专家必须在显微镜下长时间手动识别每一个微化石。此外，为了测量微化石的微量元素组成和同位素比组成，需要在显微镜下将微化石一一拾取，并在特殊的样品台上将它们组织和重新排列，即使对于专业工程师来说，这也需要相当多的时间和精力。此外，不仅在采矿业、农林水产业，而且在处理微化石而处理微小颗粒的医疗领域，也需要确保人力资源并减少工作时间。
日本产业省地质调查所拥有大量微化石专业工程师，通过海洋和陆地调查积累了丰富的知识和数据。然而，自从使用微化石进行地质地层分析以来，50多年来，在显微镜下逐一识别微化石并由专业工程师将其分离的艰苦过程基本上没有改变。
自2016年以来，AIST一直与多年来开发AI技术的NEC、已将精确微操作技术商业化的Micro Support以及专门从事精确显微成像的三谷公司合作，开发可在物种层面识别和分离大量微化石的系统，旨在创新利用微化石的地质分析技术。
此开发基于日本学术振兴会的新学术领域研究（研究领域提案类型）“南大洋的古海洋动力学”(JSPS KAKENHI 拨款号10194_10256JSPS KAKENHI 拨款号JP18H01329)的支持。
新开发的系统由显微镜部分、显微操作器部分和 AI 部分组成（图 1）。显微镜部分配备计算机控制的电动X-Y载物台和高分辨率CCD显微镜相机，可自动捕捉微化石等各种颗粒的图像并精确记录其位置。微操作部具有根据微化石的位置信息分离微化石并将其堆积在规定位置的功能。为了分离精致的微化石而不破坏它们，显微操作器的尖端不是典型的筷子形尖端，使用两根针拾取微化石，而是使用滴管式尖端，通过超薄玻璃管吸入空气来吸附微化石。 AI部门的学习算法包括卷积神经网络（卷积神经网络;配备CNN）深度学习的软件，可以快速准确地识别具有复杂形状的微化石，这对于传统的机器学习来说是困难的。此外，当在显微镜载物台上分散粒子时，多个粒子会重叠并在图像处理过程中被错误地识别为单个粒子，因此我们设计并创建了一个新的样品台，可以使分散的粒子以规则的间隔排列。通过开发具有这些多功能的综合系统，可以自动、连续地获取显微镜台上样品台上散布的大量颗粒的图像，使用人工智能识别其中包含的微化石，并使用显微操作器将它们分离而不破坏它们。
 |
图1 本次开发的系统整体形象
左下照片：微化石散布在样品台上，并使用机械手进行分离。
右下照片：机械手尖端的放大图。 |
新开发的系统的工作包括学习阶段和操作阶段（图 2）。
在学习阶段，1) 使用 AIST 保存的地质集合获取大量粒子图像，并将其准备为训练图像（教师数据）； 2）人工智能将学习各种颗粒的形状，包括特定的微化石，并建立模型。例如，在①中，过去需要几个月的时间才能获取30,000张粒子图像作为训练数据，但通过使用新开发的系统中安装的图像处理功能，可以在短短几天内收集它们。在②中，我们将使用训练数据构建一个模型，让人工智能能够识别特定的微化石。通过反复测试和重建模型，直到正确答案率足够高，我们能够构建一个能够自动识别两个非常相似的放射虫物种的模型，正确答案率超过 90%，如图 3 所示。
在操作阶段，首先①自动采集显微镜台上样品台上散布的含有微化石的颗粒图像，同时系统记忆样品台上的位置信息。接下来，使用学习阶段第 2 步中构建的模型识别微化石。 ③ 一旦在系统中选择了待分选的微化石，微操作器就会根据记忆的位置信息对微化石进行分选，并将其堆积在预定位置。这些大量积累的微化石可作为微量元素组成、同位素组成等化学分析的样品。
传统上，要开展此类工作，需要花费数年的时间来培训具有专业识别技能的人力资源，花费数月的时间来获取和准备用作训练数据的图像，并花费几天的时间来识别和分离单个物种的 1,000 个微化石。另一方面，使用新开发的系统，需要几个月的时间来获取图像作为训练数据并使用人工智能建立模型，并且可以在大约三个小时内识别和分类单个物种的 1,000 个个体微化石。在运行阶段，可以长时间自动进行特定微体化石的采集和积累，使地质分析更加高效。此外，在石油勘探和其他领域，该系统可以实现快速、高精度的地质构造分析。此外，还可以收集和收集小于100微米的微化石，这在以前是人工难以做到的，所以新开发的系统为地质分析技术提供了新的路径。
 |
| 图2 使用本次开发的系统的工作流程 |
 |
图 3 可以使用新开发的系统识别的两种非常相似的放射虫物种的示例
这两个物种的区分准确率高达 90% 以上。 |
为了通过人工智能学习工作丰富实用模型，我们将为更多类型的微化石准备训练数据。今后，新开发的系统将用于高效推进实际石油勘探现场、调查研究现场的地质分析工作，确认其有效性，并促进该系统的推广。此外，我们还将验证该系统对矿物和火山灰等微化石以外的颗粒的有用性，旨在利用该系统处理微观颗粒的能力，使其在社会上得到普遍应用。