特表 2024-516419 地下の水素蓄積を識別するためのシステム及び方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-04-15

(54)【発明の名称】地下の水素蓄積を識別するためのシステム及び方法

(51)【国際特許分類】

   G01V 8/02 20060101AFI20240408BHJP

【ＦＩ】

G01V8/02

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2023566779

(86)(22)【出願日】2022-04-29

(85)【翻訳文提出日】2023-12-18

(86)【国際出願番号】 IB2022054008

(87)【国際公開番号】W WO2022229928

(87)【国際公開日】2022-11-03

(31)【優先権主張番号】63/182,624

(32)【優先日】2021-04-30

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】514137997

【氏名又は名称】オハイオ・ステイト・イノベーション・ファウンデーション

(74)【代理人】

【識別番号】100095407

【弁理士】

【氏名又は名称】木村 満

(74)【代理人】

【識別番号】100132883

【弁理士】

【氏名又は名称】森川 泰司

(74)【代理人】

【識別番号】100148633

【弁理士】

【氏名又は名称】桜田 圭

(74)【代理人】

【識別番号】100147924

【弁理士】

【氏名又は名称】美恵 英樹

(72)【発明者】

【氏名】ダラー、トーマス

(72)【発明者】

【氏名】ホワット、イアン

(72)【発明者】

【氏名】モルトガット、ヨアヒム

(72)【発明者】

【氏名】ホワイト、コリン

【テーマコード（参考）】

2G105

【Ｆターム（参考）】

2G105AA02

2G105BB11

2G105CC01

2G105DD02

2G105EE06

2G105GG03

2G105LL07

(57)【要約】

画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するためのシステム、装置、方法、及びコンピュータプログラム製品が開示されている。例示的な方法は、通信回路によって、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信することを含み、地下の水素蓄積と一致する表面特徴は、卵形表面陥凹部を含む。例示的な方法は、モデル生成装置によって、かつ訓練データセットを使用して、画像分析エンジンの画像分類モデルを訓練して、新しい画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することを更に含む。例示的な方法は、画像分析エンジンによって画像分類モデルをホストすることを更に含む。
【選択図】図１

【特許請求の範囲】

【請求項1】

画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための方法であって、前記方法が、
通信回路によって、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像のセットを含む訓練データセットを受信することであって、前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含む、受信することと、
モデル生成装置によって、かつ前記訓練データセットを使用して、前記画像分析エンジンの画像分類モデルを訓練して、画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することと、
前記画像分析エンジンによって、訓練された前記画像分類モデルをホストすることと、を含む、方法。

【請求項2】

前記通信回路によって、対象画像を受信することと、
前記画像分析エンジンによって、かつ前記画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、を更に含む、請求項１に記載の方法。

【請求項3】

前記画像分類モデルが、物体検出モデルを含み、
前記画像分類モデルを訓練することが、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することを更に含む、請求項１又は２に記載の方法。

【請求項4】

前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対する境界ボックスのセットを含み、特定の画像に対する各境界ボックスが、地下の水素蓄積と一致する表面特徴を含む前記特定の画像の対応するセグメントを囲む、請求項３に記載の方法。

【請求項5】

前記画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記画像分類モデルを訓練することが、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別することを含む、請求項１～４のいずれか一項に記載の方法。

【請求項6】

前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対するピクセル単位のマスクのセットを含み、特定の画像に対する前記ピクセル単位のマスクのセットが集合的に、前記特定の画像の全てのピクセルが地下の水素蓄積と一致する表面特徴に対応するかどうかを識別する、請求項５に記載の方法。

【請求項7】

前記画像分類モデルが、畳み込みニューラルネットワークを含む、請求項１～６のいずれか一項に記載の方法。

【請求項8】

前記ラベル付けされた画像のセットが、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、請求項１～７のいずれか一項に記載の方法。

【請求項9】

画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための装置であって、前記装置が、
地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像のセットを含む訓練データセットを受信するように構成された通信回路であって、前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含む、通信回路と、
前記訓練データセットを使用して、前記画像分析エンジンの画像分類モデルを訓練して、画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別するように構成されたモデル生成装置と、を備え、
前記画像分析エンジンが、訓練された前記画像分類モデルをホストするように構成されている、装置。

【請求項10】

前記通信回路が、対象画像を受信するように更に構成されており、
前記画像分析エンジンが、前記画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別するように更に構成されている、請求項９に記載の装置。

【請求項11】

前記画像分類モデルが、物体検出モデルを含み、
前記モデル生成装置が、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別するように構成されている、請求項９又は１０に記載の装置。

【請求項12】

前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対する境界ボックスのセットを含み、特定の画像に対する各境界ボックスが、地下の水素蓄積と一致する表面特徴を含む前記特定の画像の対応するセグメントを囲む、請求項１１に記載の装置。

【請求項13】

前記画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記モデル生成装置が、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別するように構成されている、請求項９～１２のいずれか一項に記載の装置。

【請求項14】

前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対するピクセル単位のマスクのセットを含み、特定の画像に対する前記ピクセル単位のマスクのセットが集合的に、前記特定の画像の全てのピクセルが地下の水素蓄積と一致する表面特徴に対応するかどうかを識別する、請求項１３に記載の装置。

【請求項15】

前記画像分類モデルが、畳み込みニューラルネットワークを含む、請求項９～１４のいずれか一項に記載の装置。

【請求項16】

前記ラベル付けされた画像のセットが、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、請求項９～１５のいずれか一項に記載の装置。

【請求項17】

画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を備え、前記ソフトウェア命令が、実行されたときに、装置に、
地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像のセットを含む訓練データセットを受信することであって、前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含む、受信することと、
前記訓練データセットを使用して、前記画像分析エンジンの画像分類モデルを訓練して、画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することと、を行わせ、
訓練された前記画像分類モデルが、前記画像分析エンジンによってホストされる、コンピュータプログラム製品。

【請求項18】

前記ソフトウェア命令が、実行されたときに、前記装置に、
対象画像を受信することと、
前記画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、を更に行わせる、請求項１７に記載のコンピュータプログラム製品。

【請求項19】

前記画像分類モデルが、物体検出モデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することを更に行わせる、請求項１７又は１８に記載のコンピュータプログラム製品。

【請求項20】

前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対する境界ボックスのセットを含み、特定の画像に対する各境界ボックスが、地下の水素蓄積と一致する表面特徴を含む前記特定の画像の対応するセグメントを囲む、請求項１９に記載のコンピュータプログラム製品。

【請求項21】

前記画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別することを更に行わせる、請求項１７～２０のいずれか一項に記載のコンピュータプログラム製品。

【請求項22】

前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対するピクセル単位のマスクのセットを含み、特定の画像に対する前記ピクセル単位のマスクのセットが集合的に、前記特定の画像の全てのピクセルが地下の水素蓄積と一致する表面特徴に対応するかどうかを識別する、請求項２１に記載のコンピュータプログラム製品。

【請求項23】

前記画像分類モデルが、畳み込みニューラルネットワークを含む、請求項１７～２２のいずれか一項に記載のコンピュータプログラム製品。

【請求項24】

前記ラベル付けされた画像のセットが、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、請求項１７～２３のいずれか一項に記載のコンピュータプログラム製品。

【請求項25】

地下の水素蓄積と一致する地上の表面特徴を自動的に識別するための方法であって、前記方法が、
通信回路によって、対象画像を受信することと、
画像分析エンジンによって、かつ訓練された画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、
前記通信回路によって、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力することと、を含む、方法。

【請求項26】

前記訓練された画像分類モデルが、物体検出モデルを含み、
前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することが、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を識別することを含み、
前記方法が、前記通信回路によって、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を出力することを更に含む、請求項２５に記載の方法。

【請求項27】

前記訓練された画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することが、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルを識別することを含み、
前記方法が、前記通信回路によって、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルの指標を出力することを更に含む、請求項２５又は２６に記載の方法。

【請求項28】

前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別する前に、前記画像分析エンジンによって、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に含む、請求項２５～２７のいずれか一項に記載の方法。

【請求項29】

前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含むか、又は卵形表面陥凹部の作成につながる、請求項２５～２８のいずれか一項に記載の方法。

【請求項30】

前記訓練された画像分類モデルが、畳み込みニューラルネットワークを含む、請求項２５～２９のいずれか一項に記載の方法。

【請求項31】

前記対象画像が、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、請求項２５～３０のいずれか一項に記載の方法。

【請求項32】

前記通信回路によって、対象画像のセットを受信することと、
前記画像分析エンジンによって、かつ前記訓練された画像分類モデルを使用して、地下の水素蓄積と一致する任意の表面特徴を含む前記対象画像のセットからの全ての対象画像を識別することと、
前記通信回路によって、地下の水素蓄積と一致する表面特徴を含む前記対象画像のセットからの全ての対象画像の指標を出力することと、を更に含む、請求項２５～３１のいずれか一項に記載の方法。

【請求項33】

地下の水素蓄積と一致する地上の表面特徴を自動的に識別するための装置であって、前記装置が、
対象画像を受信するように構成された通信回路と、
訓練された画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別するように構成された画像分析エンジンと、を備え、
前記通信回路が、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力するように更に構成されている、装置。

【請求項34】

前記訓練された画像分類モデルが、物体検出モデルを含み、
前記画像分析エンジンが、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別するように構成されており、
前記通信回路が、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を出力するように構成されている、請求項３３に記載の装置。

【請求項35】

前記訓練された画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記画像分析エンジンが、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルを識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別するように構成されており、
前記通信回路が、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルの指標を出力するように構成されている、請求項３３又は３４に記載の装置。

【請求項36】

前記画像分析エンジンが、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去するように更に構成されている、請求項３３～３５のいずれか一項に記載の装置。

【請求項37】

前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含むか、又は卵形表面陥凹部の作成につながる、請求項３３～３６のいずれか一項に記載の装置。

【請求項38】

前記訓練された画像分類モデルが、畳み込みニューラルネットワークを含む、請求項３３～３７のいずれか一項に記載の装置。

【請求項39】

前記対象画像が、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、請求項３３～３８のいずれか一項に記載の装置。

【請求項40】

前記通信回路が、対象画像のセットを受信するように構成されており、
前記画像分析エンジンが、前記訓練された画像分類モデルを使用して、地下の水素蓄積と一致する任意の表面特徴を含む前記対象画像のセットからの全ての対象画像を識別するように構成されており、
前記通信回路が、地下の水素蓄積と一致する表面特徴を含む前記対象画像のセットからの全ての対象画像の指標を出力するように更に構成されている、請求項３３～３９のいずれか一項に記載の装置。

【請求項41】

地下の水素蓄積と一致する地上の表面特徴を自動的に識別するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を備え、前記ソフトウェア命令が、実行されたときに、装置に、
対象画像を受信することと、
訓練された画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、
前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力することと、を行わせる、コンピュータプログラム製品。

【請求項42】

前記訓練された画像分類モデルが、物体検出モデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別させ、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を出力させる、請求項４１に記載のコンピュータプログラム製品。

【請求項43】

前記訓練された画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルを識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別させ、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルの指標を出力させる、請求項４１又は４２に記載のコンピュータプログラム製品。

【請求項44】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に行わせる、請求項４１～４３のいずれか一項に記載のコンピュータプログラム製品。

【請求項45】

前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含むか、又は卵形表面陥凹部の作成につながる、請求項４１～４４のいずれか一項に記載のコンピュータプログラム製品。

【請求項46】

前記訓練された画像分類モデルが、畳み込みニューラルネットワークを含む、請求項４１～４５のいずれか一項に記載のコンピュータプログラム製品。

【請求項47】

前記対象画像が、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、請求項４１～４６のいずれか一項に記載のコンピュータプログラム製品。

【請求項48】

前記ソフトウェア命令が、実行されたときに、前記装置に、
対象画像のセットを受信することと、
前記訓練された画像分類モデルを使用して、地下の水素蓄積と一致する任意の表面特徴を含む前記対象画像のセットからの全ての対象画像を識別することと、
地下の水素蓄積と一致する表面特徴を含む前記対象画像のセットからの全ての対象画像の指標を出力することと、を行わせる、請求項４１～４７のいずれか一項に記載のコンピュータプログラム製品。

【請求項49】

活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための方法であって、前記方法が、
通信回路によって、前記地上の卵形表面特徴を記述する情報を受信することと、
関連性決定エンジンによって、前記卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記関連性決定エンジンによって、前記推定された可能性が所定の閾値を満たすかどうかを決定することと、
前記推定された可能性が前記所定の閾値を満たす事例では、前記通信回路によって、前記卵形表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を含む、方法。

【請求項50】

前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記卵形表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記関連性決定エンジンによって、前記卵形表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、請求項４９に記載の方法。

【請求項51】

前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記卵形表面特徴の１つ以上の輪郭の変化率を決定することと、
前記関連性決定エンジンによって、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、請求項４９又は５０に記載の方法。

【請求項52】

前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定することが、
前記通信回路によって、異なる時間に取り込まれた前記卵形表面特徴の２つの画像を取得することと、
前記関連性決定エンジンによって、前記２つの画像の取り込みの間の経過時間を計算することと、
前記関連性決定エンジンによって、前記卵形表面特徴に対応するセグメント間の前記２つの画像の差の程度を計算することと、
前記関連性決定エンジンによって、前記２つの画像の取り込みの間の前記経過時間、及び前記卵形表面特徴に対応する前記セグメント間の前記２つの画像の前記計算された差の程度に基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、を含む、請求項５１に記載の方法。

【請求項53】

前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定することが、
前記関連性決定エンジンによって、前記卵形表面特徴の地理的位置を識別することと、
前記通信回路によって、前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示すデータを受信することと、
前記関連性決定エンジンによって、前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示す前記データに基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、を含む、請求項５１に記載の方法。

【請求項54】

前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記卵形表面特徴の地理的位置を識別することと、
前記通信回路によって、前記卵形表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信することと、
前記関連性決定エンジンによって、前記層序単位に関する前記受信した情報に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、請求項４９～５３のいずれか一項に記載の方法。

【請求項55】

前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記卵形表面特徴の前記地理的位置への水素移動経路、
前記卵形表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、請求項５４に記載の方法。

【請求項56】

前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
画像分析システムによって、前記卵形表面特徴の輪郭を分析して、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる可能性を決定することを含み、
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性が、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる前記可能性を含む、請求項４９～５５のいずれか一項に記載の方法。

【請求項57】

活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための装置であって、前記装置が、
前記地上の卵形表面特徴を記述する情報を受信するように構成された通信回路と、
関連性決定エンジンであって、
前記卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記推定された可能性が所定の閾値を満たすかどうかを決定することと、を行うように構成されている、関連性決定エンジンと、を備え、
前記通信回路が、前記推定された可能性が前記所定の閾値を満たす事例では、前記卵形表面特徴が活性地下の水素蓄積を示すという指標を出力するように更に構成されている、装置。

【請求項58】

前記関連性決定エンジンが、
前記卵形表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記卵形表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、請求項５７に記載の装置。

【請求項59】

前記関連性決定エンジンが、
前記卵形表面特徴の１つ以上の輪郭の変化率を決定することと、
前記卵形表面特徴の前記１つ以上の輪郭の前記変化率に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、請求項５７又は５８に記載の装置。

【請求項60】

前記通信回路が、異なる時間で取り込まれた前記卵形表面特徴の２つの画像を取得するように更に構成されており、
前記関連性決定エンジンが、
前記２つの画像の取り込みの間の経過時間を計算することと、
前記卵形表面特徴に対応するセグメント間の前記２つの画像の差の程度を計算することと、
前記２つの画像の取り込みの間の前記経過時間、及び前記卵形表面特徴に対応する前記セグメント間の前記２つの画像の前記計算された差の程度に基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、によって、前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定するように構成されている、請求項５９に記載の装置。

【請求項61】

前記関連性決定エンジンが、前記卵形表面特徴の地理的位置を識別するように構成されており、
前記通信回路が、前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示すデータを受信するように構成されており、
前記関連性決定エンジンが、前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示す前記データに基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することによって、前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定するように構成されている、請求項５９に記載の装置。

【請求項62】

前記関連性決定エンジンが、前記卵形表面特徴の地理的位置を識別するように構成されており、
前記通信回路が、前記卵形表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信するように構成されており、
前記関連性決定エンジンが、前記層序単位に関する前記受信した情報に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することによって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、請求項５７～６１のいずれか一項に記載の装置。

【請求項63】

前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記卵形表面特徴の前記地理的位置への水素移動経路、
前記卵形表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、請求項６２に記載の装置。

【請求項64】

画像分析システムが、前記卵形表面特徴の輪郭を分析して、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる可能性を決定するように構成されており、
前記関連性決定エンジンが、前記画像分析システムに、前記卵形表面特徴の輪郭を分析して、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる可能性を決定させることによって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されており、
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性が、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる前記可能性を含む、請求項５７～６３のいずれか一項に記載の装置。

【請求項65】

活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を備え、前記ソフトウェア命令が、実行されたときに、装置に、
前記地上の卵形表面特徴を記述する情報を受信することと、
前記卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記推定された可能性が所定の閾値を満たすかどうかを決定することと、
前記推定された可能性が前記所定の閾値を満たす事例では、前記表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を行わせる、コンピュータプログラム製品。

【請求項66】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記卵形表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記卵形表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、請求項６５に記載のコンピュータプログラム製品。

【請求項67】

前記ソフトウェア命令が、実行されたときに、前記装置に、
関連性決定エンジンによって、前記卵形表面特徴の１つ以上の輪郭の変化率を決定することと、
前記関連性決定エンジンによって、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、請求項６５又は６６に記載のコンピュータプログラム製品。

【請求項68】

前記ソフトウェア命令が、実行されたときに、前記装置に、
異なる時間に取り込まれた前記卵形表面特徴の２つの画像を取得することと、
前記２つの画像の取り込みの間の経過時間を計算することと、
前記卵形表面特徴に対応するセグメント間の前記２つの画像の差の程度を計算することと、
前記２つの画像の取り込みの間の前記経過時間、及び前記卵形表面特徴に対応する前記セグメント間の前記２つの画像の前記計算された差の程度に基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、によって、前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定させる、請求項６７に記載のコンピュータプログラム製品。

【請求項69】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記卵形表面特徴の地理的位置を識別することと、
前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示すデータを受信することと、
前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示す前記データに基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、によって、前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定させる、請求項６７に記載のコンピュータプログラム製品。

【請求項70】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記卵形表面特徴の地理的位置を識別することと、
前記卵形表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信することと、
前記層序単位に関する前記受信した情報に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、請求項６５～６９のいずれか一項に記載のコンピュータプログラム製品。

【請求項71】

前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記卵形表面特徴の前記地理的位置への水素移動経路、
前記卵形表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、請求項７０に記載のコンピュータプログラム製品。

【請求項72】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記卵形表面特徴の輪郭を分析して、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる可能性を決定することによって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させ、
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性が、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる前記可能性を含む、請求項６５～７１のいずれか一項に記載のコンピュータプログラム製品。

【請求項73】

活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための方法であって、前記方法が、
通信回路によって、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信することと、
モデル生成装置によって、かつ前記訓練データセットを使用して、物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することと、
前記通信回路によって、対象画像を受信することと、
画像分析エンジンによって、かつ前記物体検出モデルを使用して、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別することと、
関連性決定エンジンによって、前記表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記関連性決定エンジンによって、前記推定された可能性が所定の閾値を満たすかどうかを決定することと、
前記推定された可能性が前記所定の閾値を満たす事例では、前記通信回路によって、前記表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を含む、方法。

【請求項74】

前記物体検出モデルが、セマンティックセグメンテーションモデルを含み、
前記物体検出モデルを訓練することが、前記物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別することを含み、
地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別することが、前記表面特徴に対応する前記対象画像内の全てのピクセルを識別することを含む、請求項７３に記載の方法。

【請求項75】

前記画像分析エンジンによって、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の前記領域を識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に含む、請求項７３又は７４に記載の方法。

【請求項76】

前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記関連性決定エンジンによって、前記表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、請求項７３～７５のいずれか一項に記載の方法。

【請求項77】

前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記表面特徴の１つ以上の輪郭の変化率を決定することと、
前記関連性決定エンジンによって、前記表面特徴の前記１つ以上の輪郭の前記決定された変化率に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、請求項７３～７６のいずれか一項に記載の方法。

【請求項78】

前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記表面特徴の地理的位置を識別することと、
前記通信回路によって、前記表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信することと、
前記関連性決定エンジンによって、前記層序単位に関する前記受信した情報に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、請求項７３～７７のいずれか一項に記載の方法。

【請求項79】

前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記表面特徴の前記地理的位置への水素移動経路、
前記表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、請求項７８に記載の方法。

【請求項80】

活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための装置であって、前記装置が、
地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信するように構成された通信回路と、
前記訓練データセットを使用して、物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別するように構成されたモデル生成装置であって、
前記通信回路が、対象画像を受信するように更に構成されている、モデル生成装置と、
前記物体検出モデルを使用して、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別するように構成された画像分析エンジンと、
関連性決定エンジンであって、
前記表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記推定された可能性が所定の閾値を満たすかどうかを決定することと、を行うように構成されている、関連性決定エンジンと、を備え、
前記通信回路が、前記推定された可能性が前記所定の閾値を満たす事例では、前記表面特徴が活性地下の水素蓄積を示すという指標を出力するように更に構成されている、装置。

【請求項81】

前記物体検出モデルが、セマンティックセグメンテーションモデルを含み、
前記モデル生成装置が、前記セマンティックセグメンテーションモデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別するように構成されており、
前記画像分析エンジンが、前記表面特徴に対応する前記対象画像内の全てのピクセルを識別するように構成されている、請求項８０に記載の装置。

【請求項82】

前記画像分析エンジンが、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の前記領域を識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去するように更に構成されている、請求項８０又は８１に記載の装置。

【請求項83】

前記関連性決定エンジンが、
前記表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、請求項８０～８２のいずれか一項に記載の装置。

【請求項84】

前記関連性決定エンジンが、
前記表面特徴の１つ以上の輪郭の変化率を決定することと、
前記表面特徴の前記１つ以上の輪郭の前記決定された変化率に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、請求項８０～８３のいずれか一項に記載の装置。

【請求項85】

前記関連性決定エンジンが、前記表面特徴の地理的位置を識別するように更に構成されており、
前記通信回路が、前記表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信するように更に構成されており、
前記関連性決定エンジンが、前記層序単位に関する前記受信した情報に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することによって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、請求項８０～８４のいずれか一項に記載の装置。

【請求項86】

前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記表面特徴の前記地理的位置への水素移動経路、
前記表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、請求項８５に記載の装置。

【請求項87】

活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を備え、前記ソフトウェア命令が、実行されたときに、装置に、
地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信することと、
前記訓練データセットを使用して、物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することと、
対象画像を受信することと、
地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別することと、
前記表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記推定された可能性が所定の閾値を満たすかどうかを決定することと、
前記推定された可能性が前記所定の閾値を満たす事例では、前記表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を行わせる、コンピュータプログラム製品。

【請求項88】

前記物体検出モデルが、セマンティックセグメンテーションモデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、前記物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別させ、
前記ソフトウェア命令が、実行されたときに、前記装置に、前記表面特徴に対応する前記対象画像内の全てのピクセルを識別することによって、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別させる、請求項８７に記載のコンピュータプログラム製品。

【請求項89】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記地下の水素蓄積と一致する表面特徴を含む前記対象画像内の前記領域を識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に行わせる、請求項８７又は８８に記載のコンピュータプログラム製品。

【請求項90】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、請求項８７～８９のいずれか一項に記載のコンピュータプログラム製品。

【請求項91】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記表面特徴の１つ以上の輪郭の変化率を決定することと、
前記表面特徴の前記１つ以上の輪郭の前記決定された変化率に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、請求項８７～９０のいずれか一項に記載のコンピュータプログラム製品。

【請求項92】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記表面特徴の地理的位置を識別することと、
前記表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信することと、
前記層序単位に関する前記受信した情報に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、請求項８７～９１のいずれか一項に記載のコンピュータプログラム製品。

【請求項93】

前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記表面特徴の前記地理的位置への水素移動経路、
前記表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、請求項９２に記載のコンピュータプログラム製品。

【発明の詳細な説明】

【背景技術】

【0001】

水素は、予想される低炭素未来への世界的な移行において根本的に重要な資源とみなされ、社会が燃料の代替物を探すのにつれて、その需要は今後数十年にわたって著しく増加すると予想される。水素は、ユニバースで最も豊富な元素であるが、今日の使用可能な水素の主要な根源は、炭素集約型（蒸気－メタン改質又は石炭ガス化など）又はエネルギー集約型（水の電気分解など）のいずれかである。結果として、ほとんどの水素は、非効率に生成され、水素は、一次エネルギー源ではなくエネルギーキャリアの役割に追いやられている。大量の水素は、地上の地下で自然に生成されるが、天然水素の地下探査、並びに関連する生成戦略は、依然としてその形成段階にある。１８５０年代の炭化水素探査の状態と同様に、これまでのほとんど全ての水素掘削標的が、石油、地熱、若しくは地下水資源の探査中に、又は水素が豊富な表面滲出液の観察を通して、偶発的に発見されている。

【発明の概要】

【0002】

天然水素（地理学的又は自然水素とも呼ばれる場合もある）の発見は、主に偶発的又は蛇行的な発見であったか、又は表面滲出液中の水素濃度の上昇の観察に基づいていた。更に、大陸環境における水素生成の可能性は、適切な根源岩（苦鉄質岩及び超苦鉄質岩は大陸地殻の１０％以上を占める）の存在量に基づいて拡大する。しかしながら、自然水素の地質蓄積の探査は、苦鉄質岩及び超苦鉄質岩が水素の有意な根源を構成する条件、水素貯蔵部、トラップ、及びシールとして機能する形成物、並びに酸化、生物学的利用、拡散損失、及び粘土鉱物への吸着による浅い地殻における水素消費のレベルについての不十分な理解によって、著しく制限されている。経済的な体積の天然水素を生成するには、探査戦略は、水素生成を可能にし、かつ水素の保持を許可し、かつ水素を消費する微生物を含有する酸化水又は新鮮な水の水素貯蔵部への透過を防止する、適切な地理学的設定の識別に基づいている必要がある。一旦識別されると、石油及び地熱エネルギー産業の両方で使用される掘削技術は、エネルギー又は化学物質供給原料の非炭素源として天然水素を経済的に活用するように適合され得る。

【0003】

地下の水素蓄積を識別するための方法、装置、及びシステムが本明細書に開示されている。以下に記載されるように、例示的な実施形態は、機械学習及び遠隔感知を適用して、地下の水素蓄積と一致する地形学的特徴を自動的に識別する。更に、様々な例示的な実施形態は、こうした地形学的特徴を分析して、生成可能な水素の活性源（例えば、現在水素を生成している根源）である可能性が最も高いものを識別するための技術を記載する。

【0004】

１つの例示的な実施形態では、画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための方法が提供されている。方法は、通信回路によって、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信することであって、地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含む、受信することと、モデル生成装置によって、かつ訓練データセットを使用して、画像分析エンジンの画像分類モデルを訓練して、画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することと、画像分析エンジンによって、訓練された画像分類モデルをホストすることと、を含む。

【0005】

関連する実施形態では、画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための対応する装置が提供されている。装置は、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信するように構成された通信回路であって、地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含む、通信回路と、訓練データセットを使用して、画像分析エンジンの画像分類モデルを訓練して、画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別するように構成されたモデル生成装置と、を含み、画像分析エンジンは、訓練された画像分類モデルをホストするように構成されている。

【0006】

別の関連する実施形態では、画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための対応するコンピュータプログラム製品が提供されている。コンピュータプログラム製品は、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を含み、ソフトウェア命令は、実行されたときに、装置に、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信することであって、地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含む、受信することと、訓練データセットを使用して、画像分析エンジンの画像分類モデルを訓練して、画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することと、を行わせ、訓練された画像分類モデルは、画像分析エンジンによってホストされる。

【0007】

別の例示的な実施形態では、地下の水素蓄積と一致する地上の表面特徴を自動的に識別するための方法が提供されている。方法は、通信回路によって、対象画像を受信することと、画像分析エンジンによって、かつ訓練された画像分類モデルを使用して、対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、通信回路によって、対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力することと、を含む。

【0008】

関連する実施形態では、画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための対応する装置が提供されている。装置は、対象画像を受信するように構成された通信回路と、訓練された画像分類モデルを使用して、対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別するように構成された画像分析エンジンと、を含み、通信回路は、対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力するように更に構成されている。

【0009】

別の関連する実施形態では、画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための対応するコンピュータプログラム製品が提供されている。コンピュータプログラム製品は、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を含み、ソフトウェア命令は、実行されたときに、装置に、対象画像を受信することと、訓練された画像分類モデルを使用して、対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力することと、を行わせる。

【0010】

なおも別の例示的な実施形態では、活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための方法が提供されている。方法は、通信回路によって、地上の卵形表面特徴を記述する情報を受信することと、関連性決定エンジンによって、卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、関連性決定エンジンによって、推定された可能性が所定の閾値を満たすかどうかを決定することと、推定された可能性が所定の閾値を満たす事例では、通信回路によって、表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を含む。

【0011】

なおも別の例示的な実施形態では、活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための方法が提供されている。方法は、通信回路によって、地上の卵形表面特徴を記述する情報を受信することと、関連性決定エンジンによって、卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、関連性決定エンジンによって、推定された可能性が所定の閾値を満たすかどうかを決定することと、推定された可能性が所定の閾値を満たす事例では、通信回路によって、表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を含む。

【0012】

別の関連する実施形態では、活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための対応するコンピュータプログラム製品が提供されている。コンピュータプログラム製品は、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を含み、ソフトウェア命令は、実行されたときに、装置に、地上の卵形表面特徴を記述する情報を受信することと、卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、推定された可能性が所定の閾値を満たすかどうかを決定することと、推定された可能性が所定の閾値を満たす事例では、表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を行わせる。

【0013】

最後に、なおも別の例示的な実施形態は、活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための方法を記載する。方法は、通信回路によって、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信することと、モデル生成装置によって、かつ訓練データセットを使用して、物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することと、を含む。方法は、通信回路によって、対象画像を受信することと、画像分析エンジンによって、かつ物体検出モデルを使用して、地下の水素蓄積と一致する表面特徴を含む対象画像内の領域を識別することと、を更に含む。方法は、関連性決定エンジンによって、識別された表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、関連性決定エンジンによって、推定された可能性が所定の閾値を満たすかどうかを決定することと、推定された可能性が所定の閾値を満たす事例では、通信回路によって、表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を更に含む。

【0014】

関連する実施形態では、活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための対応する装置が提供されている。装置は、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信するように構成された通信回路と、訓練データセットを使用して、物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別するように構成されたモデル生成装置であって、通信回路が、対象画像を受信するように更に構成されている、モデル生成装置と、を含む。装置は、物体検出モデルを使用して、地下の水素蓄積と一致する表面特徴を含む対象画像内の領域を識別するように構成された画像分析エンジンと、関連性決定エンジンであって、識別された表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、推定された可能性が所定の閾値を満たすかどうかを決定することと、を行うように構成されている、関連性決定エンジンと、を更に含み、通信回路は、推定された可能性が所定の閾値を満たす事例では、表面特徴が活性地下の水素蓄積を示すという指標を出力するように更に構成されている。

【0015】

別の関連する実施形態では、活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための対応するコンピュータプログラム製品が提供されている。コンピュータプログラム製品は、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を含み、ソフトウェア命令は、実行されたときに、装置に、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信することと、訓練データセットを使用して、物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することと、を行わせる。ソフトウェア命令は、実行されたときに、装置に、対象画像を受信することと、地下の水素蓄積と一致する表面特徴を含む対象画像内の領域を識別することと、識別された表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、を更に行わせる。ソフトウェア命令は、実行されたときに、装置に、推定された可能性が所定の閾値を満たすかどうかを決定することと、推定された可能性が所定の閾値を満たす事例では、表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を更に行わせる。

【0016】

前述の簡潔な要約は、単に本明細書に記載の一部の例示的な実施形態を要約する目的で提供されている。上述の実施形態は単なる実施例であるため、本開示の範囲をいかなる方法でも狭めるものと解釈されるべきではない。本開示の範囲は、上記に要約したものに加えて多くの潜在的な実施形態を包含し、その一部は以下で更に詳細に説明されることが理解されるであろう。

【図面の簡単な説明】

【0017】

上記の一般的な用語で特定の例示的な実施形態について説明してきた。次に添付の図面を参照するが、これは必ずしも縮尺通りに描かれていない。一部の実施形態は、図に示すものよりも少ない又は多い構成要素を含み得る。

【0018】

【図1】一部の例示的な実施形態が水素の地下の蓄積を識別するために使用され得る、例示的なシステムを示す。

【図2】本明細書に記載の一部の例示的な実施形態に従って、様々な動作を実施し得るシステムデバイスを具体化する、例示的な回路の概略ブロック図を示す。

【図3】ノースカロライナ州ロベソン郡にあるカロライナ湾の３００平方マイルのレーザ撮像、検出、及び測位（ＬｉＤＡＲ）標高画像を示す。

【図4】本明細書に記載の一部の例示的な実施形態による、画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための例示的なフローチャートを示す。

【図5】本明細書に記載の一部の例示的な実施形態による、地下の水素蓄積と一致する地上の表面特徴を自動的に識別するための例示的なフローチャートを示す。

【図6】本明細書に記載の一部の例示的な実施形態による、活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための別の例示的なフローチャートを示す。

【発明を実施するための形態】

【0019】

ここで、一部の例示的な実施形態を、添付の図面を参照してより完全に説明し、必ずしも全てではないが、一部の実施形態が示されている。本明細書に記載される発明は、多くの異なる形態で具現化され得るため、本発明は、本明細書に記載される実施形態のみに限定されるべきではなく、むしろ、これらの実施形態は、本開示が適用可能な法的要件を満たすように提供される。

【0020】

「コンピューティングデバイス」という用語は、本明細書において、産業コンピュータ、デスクトップコンピュータ、個人データアシスタント（ＰＤＡ）、ラップトップコンピュータ、タブレットコンピュータ、スマートブック、パソコン、スマートフォン、ウェアラブルデバイス（例えば、ヘッドセット、スマートウォッチ、又はこれに類するもの）、プログラム可能な論理コントローラ（ＰＬＣ）、プログラム可能な自動化コントローラ（ＰＡＣ）、並びに本明細書に記述される様々な動作を必然的に実施するために、少なくともプロセッサ及び任意の他の物理的構成要素を備えた類似の電子デバイスのうちのいずれか１つ又は全てを指すために使用される。スマートフォン、ラップトップコンピュータ、タブレットコンピュータ、及びウェアラブルデバイスなどのデバイスは、概して、集合的にモバイルデバイスと呼ばれる。

【0021】

「サーバ」又は「サーバデバイス」という用語は、マスター交換サーバ、ウェブサーバ、メールサーバ、文書サーバ、又は任意の他のタイプのサーバなどのサーバとして機能することができる任意のコンピューティングデバイスを指すために使用される。サーバは、コンピューティングデバイスをサーバとして動作させる、コンピューティングデバイスによってホストされる専用コンピューティングデバイス又はサーバモジュール（例えば、アプリケーション）であり得る。

【0022】

概要
地下における天然水素蓄積の存在に対する認識の欠如により、歴史的に、天然水素探査技術に対する大きな需要はなかった。結果として、地下における水素蓄積の既存の体積に関する知識が不足しており、水素の地下の蓄積の特定の位置を識別するための適切な概念モデルがない。したがって、抽出のための地下の天然水素資源を識別及び評価することは、これまで非常に困難であった。活性地下の水素蓄積の存在を示す可能性が高い地形学的表面特徴の識別を可能にする方法、装置、システム、及びコンピュータプログラム製品が本明細書に記載される。

【0023】

本明細書に記載される例示的な解決策は、根源（Ｓｏｕｒｃｅ）、移動（Ｍｉｇｒａｔｉｏｎ）、貯蔵部（Ｒｅｓｅｒｖｏｉｒ）、トラップ（Ｔｒａｐ）、及びシール（Ｓｅａｌ）モデルの文脈において、衛星又は空中遠隔感知観察からの地理学的特徴を、天然地下の水素探査の潜在的な標的として自動的に識別することができる画像分類ツールを訓練及び適用する。更に、遠隔感知データ及び関心の表面特徴の他の特徴の分析と組み合わせた機械学習アルゴリズム（例えば、ニューラルネットワークを使用した深層学習）の適用を通して、例示的な実施形態は、水素ＳＭａＲＴＳシステムの好適な構成要素の地形学的表面特徴への近接に基づいて、潜在的な天然水素蓄積の識別を可能にする。

【0024】

これらの解決策の根底にあるのは、地下の水素蓄積と一致する表面特徴の理解における新しい進歩である。特に、卵形表面の特徴（「ベイ」又は「フェアリーサークル」とも呼ばれる）は、米国、ブラジル、フランス、ロシア、及び他の場所での水素浸潤と関連付けられており、最近、マリ、ブラジル、及び米国での水素生成について調査されている。具体的には、数百メートル～数キロメートルの範囲の直径を有する楕円形又は円形の表面陥凹部を含む、「カロライナベイ（Ｃａｒｏｌｉｎａ Ｂａｙｓ）」型卵形特徴（図３に示す）は、集束水素移動経路及び水素トラップの流出点を通過する水素の流出と関連付けられてきた。

【0025】

既知のカロライナベイ卵形表面特徴は、自由に入手可能な衛星画像から視覚的に識別され得る。したがって、本明細書に記載の例示的な実施形態は、機械学習技術を利用して、これらのタイプの卵形を検出し、表面水素浸潤と関連付けられるものを、他の地形学的プロセス（例えば、シンクホール、ケトルフレーク、メトライト衝撃など）によって形成されるものと区別する。水素関連卵形特徴（すなわち、標的）が識別されると、これらの特徴の撮像（例えば、ＬｉＤＡＲ）及び／又はＧＰＳ監視を使用して、表面変形を厳密に監視することができる。活性変形のゾーンは、流体移動及び／又は蛇行中に水素反応によって誘発される天然水素生成、移動、又は水滴反応を現在経験している地下システムと近接する（すなわち、水圧連通する）可能性が高い。逆に、静的な「標的」（すなわち、変形なし）ゾーンは、水素移動の前段階の証拠を記録する可能性が高い。前者の場合、活性水素システムの識別を使用して、従来の地下技術（例えば、良好な石油物理学的ロギング、シーズ反射）による水素ＳＭａＲＴＳシステムの堅牢な特徴付けと組み合わせた場合、掘削戦略を優先し、かつ生存可能な掘削標的を識別することができる。後者の場合、従来の地下技術（例えば、良好な石油物理学的ロギング、シーズ反射）による後続の特徴付けに基づいて、この情報を使用して、いくつかの「標的」を排除するか（不要な掘削支出を防止）、又は代替的に、従来の地下技術（例えば、良好な石油物理学的ロギング、シーズ反射）による隣接する水素ＳＭａＲＴＳシステムの適切な特徴付けに応じて、潜在的な標的の二次データベースを確立することができる。したがって、衛星及び空中浮遊（例えば、ＬｉＤＡＲ）データは、以前に調査されなかった標的を識別することができ、かつ／又は活性表面変形によって証明されるように、現代の水素活性のゾーンの優先順位付けを可能にすることもできる。

【0026】

多くの地理学的「カロライナベイ型」卵形特徴は、ある時点で水素移動経路と関連付けられることが可能であったが、（小さな）サブセットのみが活性水素生成システムと関連付けられる。更に、活性水素生成と関連付けられた卵形特徴のサブセットは、水素の地下堆積を生成するために、又は実質的に回収可能な水素の以前に荷電した地下の貯蔵部の存在を生成するために、水素ＳＭａＲＴＳシステムの適切な構成要素を含んでもよく、又は含まなくてもよい。しかしながら、最も魅力的な位置（すなわち、最も優先度の高い標的）は、局所的な降水パターンに関連する主要な季節的旋回の可能性とともに、ミリメートル～センチメートル／年程度の活性／動的表面変形（例えば、膨張又は収縮）を呈する。変形をもたらす機構は、複数倍であり得、地下の蛇行反応及び脱炭酸反応を含み、これらは局所的に拡張する（蛇行、マグネサイト、及び他の炭酸塩へのＣＯ_２鉱化中に最大で約４４％）ことができる。

【0027】

したがって、例示的な実施形態は、地下の水素探査のための有望な標的として動的卵形特徴を検出するように設計される。ランドスライド、フォールトゾーン、又はシンクホールと同様に、能動的に変形する卵形表面特徴は、周囲の環境から地形及び生態学的特徴がますます分岐する。こうしたダイナミクスを検出するために、高解像度（＜３０ｍ）のマルチスペクトル画像は、植物化における異常、及び素地の場合、変形率に関連し得る変化を取り込むことができる。同様に、卵形がより活性であるほど、その表面形態は周囲の環境とは対照的であるべきである。したがって、例示的な実施形態は、水平では１０ｍ超、垂直では５ｍ超の解像度を有するデジタル仰角モデル（ＤＥＭ）を利用して、マルチスペクトル画像と組み合わせてこれらの変則的な特徴を識別する。最後に、例示的な実施形態は、一部の事例では、例えば、Ｓｅｎｔｉｎｅｌ－１、ＴｅｒｒａＳＡＲ－Ｘ、ＴａｎＤＥＭ－Ｘなどの、空気及び空間の両方から収集されたＬＩＤＡＲ及び干渉法合成開口レーダー（ＩｎＳＡＲ）を使用した遠隔感知観察を介して表面変形を直接的に明らかにし得る。ＩｎＳＡＲからの正常な測定は、画像間の高マイクロ波コヒーレンスを必要とし、したがって、より乾燥した低植物面積にのみ適用することが可能であり得る。いずれにしても、遠隔感知観察の組み合わせに基づいて動的であると疑われる卵形表面特徴は、その後、地理真理を提供するために、グローバルナビゲーション衛星システム（ＧＮＳＳ）調査の対象とすることができる。

【0028】

本明細書に記載されるように、例示的な実施形態は、自動画像分析、遠隔感知、及び水素に対するＳＭａＲＴＳ概念モデルの適用を通して、地下の水素蓄積の改善された識別を可能にする方法及び装置を提供する。人造の水素を生成するための現在の方法の炭素強度及び／又はエネルギー強度と組み合わせた天然水素に対する需要の近年及び予想される将来の成長を考慮すると、地下における天然水素の生成を可能にするツールに対する大きく、かつ成長するニーズがある。例示的な実施形態は、水素が、地下における経済的な体積内に生成、輸送、及び最も重要なことに蓄積（すなわち、捕捉）された可能性が高い場所を識別するための、自動化、体系的、及び包括的なアプローチを提供する、こうしたツールを提供する。

【0029】

例示的な実施形態の動作の高レベルの説明が上記で提供されているが、一部の例示的な実施形態の構成に関する具体的な詳細を以下に提供する。

【0030】

地下水素形成
天然系では、豊富な橄欖石及び輝石鉱物を含有するＦｅリッチな点火岩の水和は、以下に表される蛇行反応を通して、水素、マグネタイト（Ｆｅ_３Ｏ_４）、及び他の鉄を含む鉱物を生成することが知られている（表１）。海水が加熱された苦鉄質岩及び超苦鉄質岩と相互作用する中海の隆起に沿って最も頻繁に観察されるが、これらの反応は、全世界の大陸クラストの約１０％を包含する、地下水が鉄に富む火成岩の貫入物と接触する大陸環境でも起こり得る。適切な地理設定、環境条件（例えば、温度、ｐＨ、酸素の流動性、化学組成、圧力）、及び水と岩の相互作用時間が存在する場合、経済的な体積の天然水素が生成され、炭素を含まないエネルギー源として利用される可能性がある。

【表1】

【0031】

しかしながら、天然水素の地下探査、並びに関連する生産戦略は、その形成段階にあり、経時的に大量の天然水素を生成し、天然水素を適切に保持する（すなわち、消費又は別の化学相に変換することを防止する）、最適な地質設定及び地下環境条件に関する根本的な誤解に悩まされている。これにより、天然水素が蓄積し、地下におけるアクセス可能かつ経済的貯蔵部に保存されることが可能となる。例えば、地下の蓄積水素の長期の持続性は、比較的適度な温度（１５～２００℃）であっても生分解若しくは化学酸化の影響を受けやすく、粘土吸着又は密封ユニットを通した拡散性損失によって貯留流体から失われ、かつ／又は約２００℃を超える温度で非発熱性メタン形成によって消費される。これらの要因の多くはオイル及びガス資源にも関連するが、これらの条件に対する感度は、高度に不安定な水素分子に対して著しく高い。

【0032】

これらの要因及び地下におけるそれらの特性を予測するためのツールを十分に理解しなければ、天然水素蓄積を利用する探査戦略及び／又は掘削プログラムの開発は、本質的にランダムであり、混沌としたものであり、かつ経済的又は技術的に健全ではない石油探査の初期履歴によって証明される通りのものである。今日でも、地下科学の著しい技術的進歩にもかかわらず、炭化水素資源の滲出掘削（ｓｅｅｐ－ｄｒｉｌｌｉｎｇ）及び試掘は、依然として極めて確率の低い（場合によっては高額の報酬が得られる）取り組みである。現在の水素掘削戦略の徹底的なレビューは、これらの同じナイーブ戦略が、現在天然水素を探索するために導入されていることを明らかにする。水素の挙動に基づいて、天然水素探査及び生産戦略の開発を可能にするために、予測地下特性並びにデータサイエンス及びデータ処理技術に著しくより大きな依存が必要である。

【0033】

水素に関するＳＭａＲＴＳモデル
石油の地理学は、約１５０年間にわたって開発及び改良された「ＳＭａＲＴＳ」概念モデルを利用し、石油の探査及び生産における試行及び誤差が見出された。この非常に高価で、時間がかかり、反復的なプロセスの結果は、堆積基底における炭化水素の生成、蓄積、及び保持のためのアプローチである。これらの炭化水素「ＳＭａＲＴＳ」システムは、存在する場合に、かつ適切な特性を有する場合に、石油沈降システムにおける油及びガス資源の特定及び評価、並びにその後の石油回収の成功率を大幅に向上させる、５つの主要な構成要素（根源（Ｓｏｕｒｃｅ）、移動（Ｍｉｇｒａｔｉｏｎ）、貯蔵部（Ｒｅｓｅｒｖｏｉｒ）、トラップ（Ｔｒａｐ）、及びシール（Ｓｅａｌ））を含む。

【0034】

様々な石油企業は独自のバージョン及びＳＭａＲＴＳモデルの派生を有しているが、一般的なアプローチには以下の理解が必要である。１）根源（例えば、炭化水素系のシェール）、これには、石油が生成される岩石単位を決定すること、いつ及びどの程度の石油が生成されるかが含まれる、２）移動、これには、根源岩からの石油の移動のタイミング、石油が地下をどのように移動するか（つまり、そのメカニズム）（例えば、地殻変動に応じて一時的に、漏洩根源岩及びシールに応じて継続的に拡散する）、流体が貯蔵部、トラップ、シールに流れる際に石油がどの程度分解されるか、並びに最初に貯蔵部、トラップ、シールに到達した後の炭化水素の分解及び移動の後期段階（つまり、三次移動）が含まれる、３）貯蔵部の厳密な特性評価、これは、多孔質で透過性の高い地層（例えば、砂岩、石灰岩）の理想的な大きな３次元構造であり、大量の炭化水素を蓄積して保存し、後で炭化水素を比較的容易に採収井に流すことができる、４）トラップ、これは、横方向に広がる不浸透性のユニットに囲まれた構造的又は層序的なシーケンスであり、資源蓄積の３次元ボリュームを確立する、５）シール、これは、シェール、蒸発岩、又は低気孔率で破砕されていない（すなわち、低浸透性の）火成体などの不浸透性ユニットであり、炭化水素の更なる浮遊移動を妨げ、特に、シールの有効性は流体の組成に応じて変化する。これらの各構成要素の存在、完全性、及び進化を経時的に特徴付けることは、水素を含む地下から経済的に資源を生成するために重要である。

【0035】

炭化水素回収のためのＳＭａＲＴＳ戦略は信頼性があり、成功しているが、天然水素資源開発には、同等の概念モデル又はワークフローは存在しない。更に、上述のように、水素探査モデルの初期戦略は、ナイーブで未成熟であり、水素資源に適したものではなく、炭化水素探査に関連した戦略に焦点を当てているように見える。したがって、水素ＳＭａＲＴＳの堅牢な戦略を適時に開発する必要性が存在する。こうした１つのアプローチが本明細書に記述される。

【0036】

最初の問題として、層状／構造トラップ用のハード岩類似物とソフト岩類似物の両方、及び石油産業で標的化された高品質のシールは、天然水素システムにとって好適であるが、これらの構成要素の地理的性質は非常に異なる場合がある。特に、地理学的設定、これらの構成要素の各々を構成する形成物、及びそれらが経時的にどのように機能するかの解釈は、多くの場合、従来の炭化水素探査戦略とは異なる。なぜなら、これらの要素は通常、火成体（苦鉄質又は超苦鉄質）体の内部又はその近傍に存在するからである。

【0037】

その結果、経済的な天然水素のための根源岩は、苦鉄質及び超苦鉄質の点火岩（橄欖石及び輝石を含み、還元鉄（Ｆｅ^２＋）含有量が増加している）、並びにこれらの岩の異形成残渣である。天然水素の蓄積を位置識別するためには、自然に最適化された熱化学的条件、油圧流、及び変形を有する地理的及び層状領域に水素根源岩を位置識別することが重要である。水は蛇行が起こるのに必要な反応物質であるため、根源岩の表面積と接触する十分な油圧流が必要である。深い埋設リソロジーでは過剰な一次又は二次的空隙率は稀であり、したがって、熱力学的完了に達するのに十分な水滴反応の表面積を達成するために、空隙率、透過性、及び／又は脆性変形（すなわち、自然破砕）が強化された根源岩を見つけるために、更なる検討が必要である。

【0038】

水素移動のタイミング及びメカニズムを特徴付けることはまた、水素の長期安定性を評価するために、かつ／又は水素ＳＭａＲＴＳモデルのＲＴＳ構成要素に対する実行可能な標的である根源岩に隣接する形成を適切に評価するために重要である。水素の場合、化学酸化、呼吸、異形成メタン形成、及び／又は拡散性損失の可能性を考慮すると、流体（例えば、水素、細孔水、地熱水、及び地下へ導入されるメテオリック水）の移動は重要である。水素が移動するメカニズム（例えば、浮流）は、多孔性リソロジー及び／又は透過性変形特徴（例えば、破砕、障害）を通した対流流体流又は浮流移動を含む、他の深層由来ガス（例えば、ＣＯ_２、炭化水素）のメカニズムと類似している。

【0039】

最適な貯蔵部は、高い浸透性及び空隙率を有し、したがって、堆積盤に苦鉄質岩及び超苦鉄質岩が定置されている場合、従来の炭化水素システムのような砂石又は石灰石からなり得る。しかしながら、水素ＳＭａＲＴＳシステムが点火及び／又は異型テランに存在する可能性を考慮すると、破断した岩石貯蔵部も水素システムにとって重要なタイプの貯蔵部である可能性が高い。脱炭酸と関連付けられた点火式の定置並びに／又は蛇行及び鉱化のプロセスが非常に作用すると、脆いクラストの強い破砕につながる可能性があり、同一位置の破断した貯蔵部の開発を可能にし得ることに留意することが重要である。

【0040】

水素の長期間の保持のためには、貯蔵部は、好適なシールによって覆われたトラップ内になければならない。最後に、好適なシールは、水素の保持を可能にする水素の流れを遅らせるのに好適な非常に低い空隙率及び浸透性（すなわち、ナノダルシースケール）を有しなければならず、同時に水素を含む微生物を含有する酸化又は新鮮な水の水素貯蔵部への透過を防止する。

【0041】

シールは、シェール、エバポライト、又は他の重度にセメントされた堆積ユニットからなり得る。しかしながら、貯蔵部のように予想される水素生成の地理学的設定はまた、優れた低気孔率で破砕されていないシル、高度にセメント化／鉱化された優れた低気孔率で破砕されたシル、又はリフティング後に蒸着された蒸発物などの追加のシールオプションを提供し、後者の場合、天然蛇行及び脱炭酸反応は、開いた細孔空間（細孔、穴、及び／又は亀裂）に鉱物を沈殿させ、透水係数を低下させ、水素の発生を防ぐことができるセルフシールユニットを作成するのに十分であり得る。これらのシール及び貯蔵部の存在下で、３次元構造的又は層状トラップを識別し、アクセスすることができる。

【0042】

天然水素生成が予測可能に発生し、経済回復の可能性を有する一般的な地理的設定には、大陸リフト（例えば、中部大陸リフト（米国）、サンフランシスコ盆地（ブラジル）、三畳紀リフト盆地（東海岸））、オフィオライト（例えば、ニューカレドニア（フランス）、海岸山脈オフィオライト（米国）、オマーン北部）、鉄玄武岩質／ソレアイト火山が発見される地域（例えば、アイスランド、ソルトントラフ（米国及びメキシコ））が含まれる。

【0043】

システムアーキテクチャ
本明細書に記載の例示的な実施形態は、様々なコンピューティングデバイス又はサーバのいずれかを使用して実装され得る。この目的のために、図１は、様々な実施形態が動作し得る例示的な環境を示す。図示するように、水素標的化システム１０２は、データストア１０６と通信するシステムデバイス１０４を含み得る。システムデバイス１０４及びデータストア１０６は、単一の形態で説明されているが、一部の実施形態は、２つ以上のシステムデバイス１０４及び／又は２つ以上のデータストア１０６を利用し得る。追加的に、水素標的化システム１０２の一部の実施形態は、データストア１０６を全く必要としない場合があり、代わりに、必要に応じて、通信ネットワーク１１２（例えば、インターネット）を介して、第三者データソース（図１には示されていない）から関連する地球化学又は地球物理データにアクセスし得る。水素標的化システム１０２は、画像分析エンジン１０８を更に含み、画像分析エンジン１０８は、機械学習モデリングを利用して、画像を分析し、地下における水素蓄積と一致する地形学的特徴を識別し得る。水素標的化システム１０２は、所与の表面特徴（画像分析エンジン１０８を介して、又は別の機構を介して識別される）が活性地下の水素蓄積を示す可能性を推定し得る、関連性決定エンジン１１０を更に含む。以下でより詳細に説明するように、画像分析エンジン１０８及び関連性決定エンジン１１０は、システムデバイス１０４の構成要素であり得、又は水素標的化システム１０２の別個の構成要素であり得る。実装にかかわらず、水素標的化システム１０２及びその構成の構成要素は、通信ネットワーク１１２を介して、１つ以上の遠隔感知デバイス１１４及び１つ以上のユーザデバイス（例えば、ユーザデバイス１１８Ａ、ユーザデバイス１１８Ｂ～ユーザデバイス１１８Ｎ）などの任意の数の他のデバイスと情報を交換し得る。

【0044】

システムデバイス１０４は、水素標的化システム１０２の他の構成要素に物理的に近接し得、又はそうでなくてもよい、１つ以上のサーバとして実装され得る。更に、システムデバイス１０４の一部の構成要素は、水素標的化システム１０２の他の構成要素に物理的に近接し得るが、他の構成要素には近接しない。システムデバイス１０４は、データ、信号、及び電子情報を受信、処理、生成、及び送信して、水素標的化システム１０２の動作を容易にし得る。この目的のために、システムデバイス１０４のメモリは、制御信号、デバイス特性、及びアクセス証明書を記憶し、水素標的化システム１０２と、例えば、遠隔感知デバイス１１４、ユーザデバイス１１８Ａ～１１８Ｎなどの１つ以上の外部デバイスとの間の相互作用を可能にする。システムデバイス１０４の特定の構成要素は、図２に関連して装置２００を参照して以下でより詳細に説明される。

【0045】

データストア１０６は、システムデバイス１０４とは異なる構成要素を含み得、又はシステムデバイス１０４の要素（例えば、図２に関連して以下に説明するようなメモリ２０４）を含み得る。データストア１０６は、１つ以上の直接接続ストレージ（ＤＡＳ）デバイス（例えば、ハードドライブ、ソリッドステートドライブ、光ディスクドライブなど）として具体化され得、又は代替的に、通信ネットワーク（例えば、通信ネットワーク１１２）に独立して接続される１つ以上のネットワーク接続ストレージ（ＮＡＳ）デバイスを含み得る。データストア１０６は、既存の石油井及び地熱井、並びに湧出物に関する地球化学データセット（例えば、流体化学、坑井の岩石物理学的記録、地震反射データなど）などの水素標的化システム１０２の動作中に信頼される情報を記憶し得、これらは、土地管理局、米国地質調査所、米国エネルギー省などの政府機関を通じて、又は外部の文献若しくはガス地球化学データの独自の情報源から一般に入手可能である場合がある。データストア１０６は、これに関して、オイル及びガス、地熱、ＣＯ_２、並びに他の工業ウェル、フマル、ガス浸潤、ばね及び水供給ボアホールからの水素及び他の重要なガス、並びに水性地球化学トレーサー（希ガスなど）の測定値の広範な収集を記憶し得る。データストア１０６は、世界中の様々な層序単位に関するデータ、並びに先進国地震システム（ＡＮＳＳ）、ＵＳアレイ、又は世界中の地震活動に関する広範なデータの他の同様のソースなどの様々なソースから収集され、かつ水素標的化システム１０２によって使用され得る、地震データ、重力データ、又は他の地球物理データを更に記憶し得る。

【0046】

画像分析エンジン１０８及び関連性決定エンジン１１０は、一部の実施形態では、システムデバイス１０４の構成要素を含み得るため、これらの要素は、システムデバイス１０４の様々な構成要素の説明に関連して、以下でより詳細に説明される。しかしながら、本明細書の他の箇所に記載されるように、これらの構成要素は、水素標的化システム１０２の個別の物理的要素を備えてもよく、水素標的化システム１０２の他の構成要素と共存され得、又は一部の実施形態では、互いに、若しくは水素標的化システム１０２の他の構成要素から遠隔に位置し得ることが理解されよう。

【0047】

遠隔感知デバイス１１４は、多数の異なる遠隔感知デバイスのうちのいずれかを備え得る。例えば、例示的な遠隔感知デバイス１１４は、ランドサット７若しくは８のいずれかなどの衛星若しくは衛星システム、又はＤｉｇｉｔａｌＧｌｏｂｅ／Ｍａｘａｒ’ｓ ＷｏｒｌｄＶｉｅｗコンステレーション（衛星１、２、及び３）などのより高解像度の商業衛星などの衛星搭載デバイスであり得る。追加的に、又は代替的に、遠隔感知デバイス１１４は、航空機又は無人航空機（ＵＡＶ）などの航空デバイスを含み得る。各遠隔感知デバイス１１４は、特定の地形学的特徴又は領域１１６に関するデータを取得し得、受動的に（太陽光などの別の信号の反射が取り込まれる場合）、又は能動的に（遠隔感知デバイス１１４が信号を発し、信号の反射を検出する場合）行い得る。取り込まれたデータは、衛星若しくは航空観察（全色、マルチスペクトル、若しくはハイパースペクトル画像を含む）、又は表面（存在する場合、植物を含む）、又はフォトグラム法、フォトクロミノメトリ、干渉法、ＬｉＤＡＲ、若しくはレーダー高度測量からの地表の標高など、様々なタイプの情報のうちのいずれかを含み得る。）

【0048】

１つ以上のユーザデバイス１１８Ａ～１１８Ｎは、デスクトップ又はラップトップコンピュータ、タブレットデバイス、スマートフォン、又はこれに類するものなど、当技術分野で公知の任意のコンピューティングデバイスによって具体化され得る。ユーザデバイス１１８Ａ～１１８Ｎは、水素標的化システム１０２と相互作用する、又はそれを操作する様々な個人によって利用され得る。例えば、第１のユーザは、水素標的化システム１０２に近接し得、ユーザデバイス１１８Ａを利用して、水素標的化システム１０２と相互作用し得る。一方、第２のユーザは、関心のある特定の表面特徴の近くの現場に位置し得、ユーザデバイス１１８Ｂを利用して、水素標的化システム１０２と相互作用し得る。任意の数の追加のユーザはまた、ユーザデバイスを利用して、水素標的化システム１０２又はその他のユーザと相互作用し得る。１つ以上のユーザデバイス１１８Ａ～１１８Ｎは、それ自体が独立したデバイスである必要はなく、他のコンピューティングデバイスに通信可能に結合された周辺デバイスであり得る。

【0049】

図１は、水素標的化システム１０２がユーザデバイス１１８Ａ～１１８Ｎのうちのいずれかと相互作用する環境及び実装形態を示すが、一部の実施形態では、ユーザは、水素標的化システム１０２と直接的に相互作用し得（例えば、システムデバイス１０４の入力／出力回路を介して）、その場合、別個のユーザデバイスを必要としない場合がある。直接の相互作用によって、又は別個のユーザデバイスを介して、ユーザは、水素標的化システム１０２と通信、動作、制御、修正、又はその他の方法で相互作用して、様々な機能を実施し、本明細書に記載される様々な利益を達成し得る。

【0050】

例示の実装装置
水素標的化システム１０２のシステムデバイス１０４（図１を参照して前述した）は、図２の装置２００として示される、１つ以上のコンピューティングデバイス又はサーバによって具現化され得る。図２に示すように、装置２００は、プロセッサ２０２、メモリ２０４、通信回路２０６、入力－出力回路２０８、モデル生成装置２１０、画像分析エンジン２１２、及び関連性決定エンジン２１４を含み得、それらの各々は以下でより詳細に説明される。様々な構成要素は、プロセッサ２０２と接続されているものとして図２にのみ示されているが、装置２００は、装置２００の様々な構成要素の任意の組み合わせの中から情報を渡すためのバス（図２に明示的に示されていない）を更に備え得る。装置２００は、図１に関連して上述した、かつ図４～図６に関連して以下に説明される様々な動作を実行するように構成され得る。

【0051】

プロセッサ２０２（及び／又はコプロセッサ、又はプロセッサを支援するか、若しくはそうでなければプロセッサと関連付けられる任意の他のプロセッサ）は、装置の構成要素間で情報を渡すためのバスを介してメモリ２０４と通信し得る。プロセッサ２０２は、いくつかの異なる方法で具体化され得、例えば、独立して実施されるように構成された１つ以上の処理デバイスを含み得る。更に、プロセッサは、ソフトウェア命令、パイプライン、及び／又はマルチスレッドの独立した実行を可能にするために、バスを介してタンデムに構成された１つ以上のプロセッサを含み得る。「プロセッサ」という用語の使用は、単一のコアプロセッサ、マルチコアプロセッサ、装置２００の複数のプロセッサ、遠隔プロセッサ若しくは「クラウド」プロセッサ、又はそれらの任意の組み合わせを含むものと理解され得る。本明細書で使用される場合、プロセッサ２０２という用語は、水素標的化システム１０２の動作を制御するように概して設計された１つ以上の中央処理装置（ＣＰＵ）、並びに特に、様々な機械学習モデルの訓練及び利用のためにモデル生成装置２１０及び／又は画像分析エンジン２１２によって利用され得る１つ以上の別個のグラフィック処理ユニット（ＧＰＵ）を含む、いくつかのタイプの処理デバイスのうちのいずれかを指し得る。

【0052】

プロセッサ２０２は、メモリ２０４に記憶されたソフトウェア命令を実行するか、又はあるいはプロセッサにアクセス可能であるように構成され得る。一部の事例では、プロセッサは、ハードコードされた機能を実行するように構成され得る。このように、ハードウェア若しくはソフトウェア方法によって構成されているか、又はハードウェアとソフトウェアの組み合わせによって構成されているかにかかわらず、プロセッサ２０２は、それに応じて構成されている一方で、本発明の様々な実施形態による動作を実施することができるエンティティ（例えば、回路内に物理的に具現化される）を表す。代替的に、別の実施例として、プロセッサ２０２がソフトウェア命令の実行者として具体化されるときに、ソフトウェア命令は、ソフトウェア命令が実行されるときに本明細書に記載されるアルゴリズム及び／又は動作を実施するようにプロセッサ２０２を具体的に構成し得る。

【0053】

メモリ２０４は、非一時的であり、例えば、１つ以上の揮発性及び／又は不揮発性メモリを含み得る。言い換えれば、例えば、メモリ２０４は、電子記憶デバイス（例えば、コンピュータ可読記憶媒体）であり得る。メモリ２０４は、本明細書で企図される例示的な実施形態に従って、装置が様々な機能を実行することを可能にするために、情報、データ、コンテンツ、アプリケーション、ソフトウェア命令などを記憶するように構成され得る。前述したように、データストア１０６は、一部の実施形態では、メモリ２０４によって記憶され得る。

【0054】

通信回路２０６は、装置２００と通信するネットワーク及び／又は任意の他のデバイス、回路、若しくはモジュールとの間でデータを受信及び／又は送信するように構成されたハードウェア又はハードウェアとソフトウェアの組み合わせのいずれかに具体化されたデバイス又は回路などの任意の手段であり得る。これに関して、通信回路２０６は、例えば、有線又は無線通信ネットワークとの通信を可能にするためのネットワークインターフェースを含み得る。例えば、通信回路２０６は、１つ以上のネットワークインターフェースカード、アンテナ、バス、スイッチ、ルータ、モデム、及びサポートハードウェア及び／若しくはソフトウェア、又はネットワークを介した通信を可能にするのに適した任意の他のデバイスを含み得る。更に、通信回路２０６は、ネットワークへのこうした信号の送信を引き起こすため、又はネットワークから受信した信号の受信を処理するための処理回路を含み得る。

【0055】

装置２００は、ユーザに出力を提供し、一部の実施形態では、ユーザ入力の指標を受信するように構成された入力－出力回路２０８を含み得る。一部の実施形態は、入力－出力回路２０８を含まないことになり、その場合、ユーザ入力は、ユーザデバイス１１８Ａ～１１８Ｎ（図１に示す）のうちの１つなどの別個のデバイスを介して受信され得ることに留意されたい。入力－出力回路２０８は、ディスプレイなどのユーザインターフェースを備え得、例えば、ウェブブラウザ、モバイルアプリケーション、専用クライアントデバイスなどのユーザインターフェースの使用を管理する構成要素を更に備え得る。一部の実施形態では、入力－出力回路２０８は、キーボード、マウス、タッチスクリーン、タッチ領域、ソフトキー、マイク、スピーカ、及び／又は他の入力／出力機構を含み得る。入力－出力回路２０８は、プロセッサ２０２を利用して、プロセッサ２０２にアクセス可能なメモリ（例えば、メモリ２０４）に記憶されたソフトウェア命令（例えば、アプリケーションソフトウェア、及び／又はファームウェアなどのシステムソフトウェア）を介して、これらのユーザインターフェース要素のうちの１つ以上の１つ以上の機能を制御し得る。

【0056】

加えて、装置２００は、訓練データセットを使用して、画像分類モデルを訓練して、画像が地下の水素蓄積と一致する地形学的特徴の画像を含むかどうかを識別するように構成されたモデル生成装置２１０を更に備える。下記の図３に関連して説明したように、モデル生成装置２１０は、プロセッサ２０２、メモリ２０４、又は装置２００に含まれる任意の他のハードウェア構成要素を利用して、これらの機能を実施し得る。モデル生成装置２１０は、画像分類モデルを含み得る、いくつかの異なるタイプの機械学習モデルのうちのいずれかを訓練するように構成され得る。モデル生成装置２１０によって訓練された特定の画像分類モデルは、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別するための物体検出モデルを含み得、又は地下の水素蓄積と一致する表面特徴に対応する画像のピクセルを識別するためのセマンティックセグメンテーションモデルを含み得る。モデル生成装置２１０は、畳み込みニューラルネットワーク（例えば、Ｕ－Ｎｅｔ又はＲｅｓＮｅｔのような残存ニューラルネットワーク）などの画像分類モデルとして、任意の種類の深層人工ニューラルネットワークを訓練するように構成され得る。モデル生成装置は、図４に関連して以下に説明するように、画像分類モデルを訓練し得る。モデル生成装置２１０は、通信回路２０６を更に利用して、様々なソース（例えば、図１に示すようなユーザデバイス１１８Ａ～ユーザデバイス１１８Ｎ）にデータを送信及び／又はそこからデータを受信し得、入力－出力回路２０８を利用して、ユーザにデータを送信及び／又はユーザからデータを受信し得る。

【0057】

加えて、装置２００はまた、地下における水素蓄積と一致する地形学的特徴を識別するように訓練された機械学習モデルをホストするように構成された画像分析エンジン２１２を備え得る。機械学習モデルは、モデル生成装置２１０によって訓練されて、画像分類、物体検出、セマンティックセグメンテーションなどを含む画像分析を実施し得る、画像分類モデルを備え得る。画像分析エンジン２１２は、以下の図４及び図５に関連して説明するように、プロセッサ２０２、メモリ２０４、又は装置２００に含まれる任意の他のハードウェア構成要素を利用して、その様々な動作を実施し得る。画像分析エンジン２１２は、通信回路２０６を更に利用して、様々なソース（例えば、図１に示すような、ユーザデバイス１１８Ａ～ユーザデバイス１１８Ｎ、データストア１０６、遠隔感知デバイス１１４、又はこれに類するもの）からデータを収集し得、入力－出力回路２０８を利用して、ユーザとデータを交換し得る。画像分析エンジン２１２は、一部の実施形態では、専用の物理的構成要素を使用して、その動作を可能にする、別個の専用要素を備え得ることを理解されたい。

【0058】

最後に、装置２００はまた、所与の卵形表面特徴が活性地下の水素蓄積を示す可能性を推定するように構成された関連性決定エンジン２１４を備え得る。関連性決定エンジン２１４は、以下の図６に関連して説明するように、プロセッサ２０２、メモリ２０４、又は装置２００に含まれる任意の他のハードウェア構成要素を利用して、この動作を実施し得る。関連性決定エンジン２１４は、通信回路２０６を更に利用して、様々なソース（例えば、図１に示すような、ユーザデバイス１１８Ａ～ユーザデバイス１１８Ｎ、データストア１０６、遠隔感知デバイス１１４、又はこれに類するもの）からデータを収集し得、入力－出力回路２０８を利用して、ユーザとデータを交換し得る。関連性決定エンジン２１４は、一部の実施形態では、専用の物理的構成要素を使用して、その動作を可能にする、別個の専用要素を備え得ることを理解されよう。

【0059】

構成要素２０２～２１４は、機能言語を使用して部分的に説明されているが、特定の実装形態は、必然的に特定のハードウェアの使用を含むことが理解されよう。これらの構成要素２０２～２１４のいくつかは、類似又は共通のハードウェアを含み得ることがまた理解されるべきである。例えば、モデル生成装置２１０、画像分析エンジン２１２、及び関連性決定エンジン２１４は各々、プロセッサ２０２、メモリ２０４、通信回路２０６、又は入力－出力回路２０８の使用を利用することがあり得、それにより、装置２００のこれらの物理的要素の動作を容易にするために重複したハードウェアは必要ない（ただし、並列性の向上が望まれ得る実施形態など、一部の実施形態では、これらの構成要素のうちのいずれかに専用のハードウェア要素が使用されてもよい）。したがって、装置の要素に関する用語「回路」及び「エンジン」の使用は、説明される特定の要素と関連付けられた機能を実施するように構成された特定のハードウェアを必然的に含むと解釈されるべきである。もちろん、「回路」及び「エンジン」という用語は、ハードウェアを含むように広く理解されるべきであるが、一部の実施形態では、「回路」及び「エンジン」という用語は、本明細書に記載の様々な機能を実施するように装置２００のハードウェア構成要素を構成する、ソフトウェア命令を更に指し得る。

【0060】

モデル生成装置２１０は、画像分析エンジン２１２、及び関連性決定エンジン２１４は、上述のプロセッサ２０２、メモリ２０４、通信回路２０６、又は入力－出力回路２０８を利用し得るが、装置２００のこれらの要素のうちのいずれかは、対応する機能を実施するために、１つ以上の専用プロセッサ、特別に構成されたフィールドプログラマブルゲートアレイ（ＦＰＧＡ）、又は特定用途向けインターフェース回路（ＡＳＩＣ）を含み得、したがって、専用のハードウェア要素によって実施されない任意の機能を可能にするために、メモリ（例えば、メモリ２０４）に記憶されたソフトウェアを実行するプロセッサ２０２、若しくはメモリ２０４、通信回路２０６、又は入力－出力回路２０８を利用し得ることが理解されよう。しかしながら、全ての実施形態では、モデル生成装置２１０、画像分析エンジン２１２、及び関連性決定エンジン２１４は、装置２００のこうした要素に関連して本明細書に記載される機能を実施するために設計された特定の機械を介して実装されることが理解されよう。

【0061】

一部の実施形態では、装置２００の様々な構成要素は、遠隔で（例えば、１つ以上のクラウドサーバによって）ホストされ得、したがって、対応する装置２００上に物理的に存在する必要はない。前述のように、画像分析エンジン２１２及び関連性決定エンジン２１４は、水素標的化システム１０２のシステムデバイス１０４とは別個の構成要素を備え得る。したがって、本明細書に記載の機能の一部又は全ては、第三者回路によって提供され得る。例えば、所与の装置２００は、装置２００と第三者回路との間のデータ及び電子情報の送信を容易にする任意の種類のネットワーク接続を介して、１つ以上の第三者回路にアクセスし得る。次いで、その装置２００は、装置２００を備えるように、上述の他の構成要素のうちの１つ以上と遠隔通信し得る。

【0062】

本開示に基づいて理解されるように、本明細書で企図される例示的な実施形態は、装置２００によって実装され得る。更に、一部の例示的な実施形態は、少なくとも１つの非一時的コンピュータ可読記憶媒体（例えば、メモリ２０４）上に記憶されたソフトウェア命令を含むコンピュータプログラム製品の形態を取り得る。任意の適切な非一時的コンピュータ可読記憶媒体が、こうした実施形態で利用され得、その一部の例は、非一時的ハードディスク、ＣＤ－ＲＯＭ、フラッシュメモリ、光学記憶デバイス、及び磁気記憶デバイスである。当然のことながら、図２に記載されるように装置２００によって具体化される特定のデバイスに関して、ソフトウェア命令をコンピューティングデバイス又は装置にロードすることは、本明細書に記載される様々な機能を実装するための手段を備える専用機械を生成する。

【0063】

例示的な装置２００の特定の構成要素について説明してきたが、例示的な実施形態は、一連のフローチャートに関連して以下に説明される。

【0064】

例示的な動作
図４、図５、及び図６を参照すると、水素の地下の蓄積の識別に関連する例示的な動作を含む例示的なフローチャートが示されている。図４～図６に示される動作は、例えば、図１に示す水素標的化システム１０２によって、より具体的には、図２に関連して示され、かつ説明される装置２００によって具体化され得るシステムデバイス１０４によって、実施され得る。以下に記載する動作を実施するために、装置２００は、プロセッサ２０２、メモリ２０４、通信回路２０６、入力－出力回路２０８、モデル生成装置２１０、画像分析エンジン２１２、関連性決定エンジン２１４、及び／又はそれらの任意の組み合わせのうちの１つ以上を利用し得る。水素標的化システム１０２とのユーザ相互作用は、入力－出力回路２０８を介して直接的に発生し得、又は代わりに別個のユーザデバイス（例えば、図１に示したようなユーザデバイス１１８Ａ～１１８Ｎ）によって促進され得、またこうしたユーザ相互作用を容易にする類似又は同等の物理的構成要素を有し得ることが理解されよう。

【0065】

まず図４を参照すると、画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための例示的な動作が示されている。

【0066】

動作４０２に示すように、装置２００は、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信するための、メモリ２０４、通信回路２０６、入力－出力回路２０８などの手段を含む。訓練データセットは、通信回路２０６を介して別個のデバイスから受信され得る。追加的に、又は代替的に、訓練データセットは、入力－出力回路２０８を介してユーザ又は周辺デバイスから受信され得る。もちろん、一部のシナリオでは、訓練データは、別個のソースから受信されない場合があるが、装置２００にローカルに記憶され得る。あるいは、装置２００は、訓練データが既にホストされているローカルシステム環境に展開するなどしてデータを取得し得、それによって、ある場所から別の場所へ大量の訓練データを送信する計算負荷が軽減される。前述したように、地下の水素蓄積と一致する受信された表面特徴は、卵形表面陥凹部を含み得る。もちろん、他の表面特徴は、地下の水素蓄積の存在と一致し、一部の事例では、地下の水素蓄積の存在を別々に示し得る、様々な受信画像に示される。訓練されるべき画像分類モデルが物体検出モデルを含む実装形態では、訓練データセットはまた、ラベル付けされた画像のセットの各画像に対する境界ボックスのセットを含み得、特定の画像に対する各境界ボックスは、地下の水素蓄積と一致する表面特徴を含む画像の対応するセグメントを囲む。訓練されるべき画像分類モデルがセマンティックセグメンテーションモデルを含む実装形態では、訓練データセットは、ラベル付けされた画像のセットの各画像に対するピクセル単位のマスクのセットを含み得、識別する特定の画像に対するピクセル単位のマスクのセットは集合的に、特定の画像の全てのピクセルが地下の水素蓄積と一致する表面特徴に対応するかどうかを識別する。

【0067】

動作４０４によって示されるように、装置２００は、訓練データセットを使用して画像分類モデルを訓練するための、例えば、モデル生成装置２１０などの手段を含む。モデル生成装置２１０は、人工ニューラルネットワークを画像分類モデルとして訓練するように構成され得る。人工ニューラルネットワークは、完全畳み込みニューラルネットワークを含み得る。「Ｕ－Ｎｅｔ」ファミリー内のものなどの完全畳み込みニューラルネットワークは、複数の空間スケールで特徴を識別することを学習する、いくつかの「デコーダ」及び「エンコーダ」、又はダウンサンプラー及びアップサンプラーを含む。容易に利用可能なＵ－Ｎｅｔ実装の欠点は、小さな画像であっても、固定サイズの入力画像及び大量のコンピュータメモリを必要とすることが多いことである。遠隔感知デバイス１１４から受信される画像は、こうしたモデリング解決策によって典型的に利用される画像よりもしばしば著しく大きいため、Ｕ－Ｎｅｔ及びＲｅｓＮｅｔなどの多くの隠れ層を有する深層ニューラルネットワークの利用は、特定の非効率を呈する場合がある。したがって、モデル生成装置２１０はまた、消費者グラフィックカード（ＧＰＵ）上のフルサイズのＬａｎｄｓａｔ、ＧｅｏＥｙｅ、ＱｕｉｃｋＢｉｒｄ、ＷｏｒｌｄＶｉｅｗ、Ｐｌａｎｅｔ、又は他の衛星画像（すなわち、約１０億ピクセル）の直接処理を数秒以内に可能にする、畳み込みニューラルネットワークの修正されたバージョンを利用し得る。こうした修正は、１）任意の画像サイズを可能にする入力層、２）Ｕ－Ｎｅｔ様ネットワーク内の数又はエンコーダ／デコーダ層を低減すること、３）各畳み込み層内のカーネルサイズを最適化すること、４）入力を空間的にダウンスケールするために最大プーリングの代わりにストライドを使用すること、５）ニューラルネットワークの受信フィールドを増加させること、及び／又は６）ニューラルネットワークの全ての層にわたって特徴マップのサイズを一定に保つこと、のうちのいずれかを伴い得る。これらの最適化は、メモリ及び計算要件を最小化しながら、多数の訓練可能なパラメータを可能にする。

【0068】

一部の実施形態では、画像分類モデルは、物体検出モデルを含み、その場合、モデル生成装置２１０は、画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別し得る。他の実施形態では、画像分類モデルは、セマンティックセグメンテーションモデルを含み、この場合、モデル生成装置２１０は、画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別し得る。

【0069】

動作４０６によって示されるように、装置２００は、訓練された画像分類モデルをホストするための、例えば、画像分析エンジン２１２などの手段を含む。画像分類モデルをホストすることは、画像分析エンジン２１２と関連付けられたメモリに訓練されたものを記憶して、画像分析エンジン２１２による訓練された画像分類モデルのその後の利用を容易にすることを含み得る。

【0070】

一部の実施形態では、手順は、動作４０６の完了後に終了し得る。しかしながら、他の実施形態では、手順は、その後、図５に示され、かつ以下に説明される動作のセットに進み得、その場合、訓練された画像分類モデルは、装置２００によって受信された新しい画像を分析するために適用され得る。

【0071】

次に図５を参照すると、地下の水素蓄積と一致する表面特徴を自動的に識別するための例示的な動作が示されている。上述のように、図５に示す一連の動作は、所与の手順における動作の初期セットとして実施され得、又は図４に記載されるような画像分類モデルの訓練後に実施され得、その場合、動作５０２は、動作４０６の完了後に到達し得る。

【0072】

動作５０２によって示されるように、装置２００は、対象画像を受信するための、例えば、メモリ２０４、通信回路２０６、入力－出力回路２０８などの手段を含む。一部の事例では、対象画像は、パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、衛星画像、パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像、又は表面特徴を取り込み得る任意の他のタイプの画像であり得る。対象画像は、様々なソースから受信され得る。例えば、対象画像は、装置２００のローカルメモリ２０４から受信され得、ローカルメモリ２０４は、別個のデバイスから装置２００が受信した後に対象画像を事前に記憶している可能性がある。対象画像は、代替的に、遠隔感知デバイス１１４、ユーザデバイス（例えば、ユーザデバイス１１８Ａ～１１８Ｎのうちの１つ）、又は対象画像を含む遠隔データストアなどの別個のデバイスから対象画像を受信し得る、通信回路２０６によって受信され得る。なお更に、情報は、対象画像が周辺デバイスを介してなど、ユーザによって直接的に提供されるシナリオでは、入力－出力回路２０８から受信され得る。

【0073】

動作５０４によって示されるように、装置２００は、対象画像を分析して、水素の地下の蓄積と一致する表面特徴の存在を決定するための、例えば、画像分析エンジン２１２などの手段を含む。対象画像を分析する前に、画像分析エンジン２１２は、一部の事例では、まず対象画像に対してオルソ補正を実施して、画像及び対象画像に示された表面特徴を取り込む衛星の相対位置によって生じる歪みを除去し得る。オルソ補正は、全ての実施形態で必要ではない場合があり、対象画像のオルソ補正の必要性は、対象画像のソースに依存し得る。対象画像を分析するために、画像分析エンジン２１２は、訓練された画像分類モデルを使用して、対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別し得る。この訓練された画像分類モデルは、前述したように、深層ニューラルネットワークを含み得る。一部の実施形態では、画像分類モデルは、物体検出モデルを含み得、その場合、画像分析エンジン２１２は、物体検出モデルを使用して対象画像を分析して、地下の水素蓄積と一致する表面特徴を含む対象画像内の全ての領域を識別し得る。一部の実施形態では、画像分類モデルは、セマンティックセグメンテーションモデルを含み得、その場合、画像分析エンジン２１２は、セマンティックセグメンテーションモデルを使用して対象画像を分析して、地下の水素蓄積と一致する表面特徴に対応する対象画像内の全てのピクセルを識別し得る。

【0074】

画像分析エンジン２１２は、単一の画像の分析に限定されず、代わりに、対象画像のシーケンスを分析し得ることが理解されよう。この目的のために、画像分析エンジン２１２は、対象画像のセットを受信し得、対象画像のセットの対象画像の全てを分析し得る。

【0075】

動作５０６によって示されるように、装置２００は、対象画像の分析の結果を出力するための、例えば、メモリ２０４、通信回路２０６、入力－出力回路２０８、画像分析エンジン２１２などの手段を含む。この出力は、対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別し得る。画像分類モデルが物体検出モデルを含む実装形態では、出力は、画像上に境界ボックスを重ね合わせることによってなど、地下の水素蓄積と一致する表面特徴を含む対象画像内の任意の領域を識別し得、各境界ボックスは、対応する関連領域を含む。画像分類モデルがセマンティックセグメンテーションモデルを含む実装形態では、出力は、地下の水素蓄積と一致する表面特徴に対応する対象画像内の全てのピクセルを識別し得る。

【0076】

装置２００が複数の対象画像を分析する場合、その後、装置２００は、地下の水素蓄積と一致する表面特徴を含む複数の対象画像の全ての対象画像の指標を出力し得る。この目的のために、装置２００は、それらの類似性に基づいて、様々な識別された表面特徴を一緒にクラスタリングするための、関連性決定エンジン２１４などの手段を含み得る。これを行うために、モデル生成装置２１０は、Ｋ平均／Ｋ中央値クラスタリング、平均シフトクラスタリング、又はノイズを用いたアプリケーションの密度ベースの空間クラスタリング（ＤＢＳＣＡＮ）、ガウス混合物、又は類似のものを使用して、教師あり又は教師なし機械学習モデルを訓練して、上述の様式で識別された表面特徴上のクラスタリングを実施し得る。表面特徴のセットの識別後、装置２００は、訓練されたクラスタリングモデルを使用して表面特徴のセットをクラスタリングするための、画像分析エンジン２１２などの手段を含み得る。その後、関連性決定エンジン２１４は、クラスタ化された表面特徴を利用して、様々な表面特徴が活性地下の水素蓄積を示す可能性に適用される重みを調整し得る（その推定については、図６の動作６０４に関連して以下に説明する）。

【0077】

一部の実施形態では、手順は、動作５０６の完了後に終了し得る。しかしながら、他の実施形態では、手順は、その後、図６に例示され、かつ以下に記載される一連の動作に進み得、その場合、識別された表面特徴を分析して、活性地下の水素蓄積を示すその可能性を推定する。

【0078】

次に図６を参照すると、表面特徴が活性地下の水素蓄積を示すかどうかを自動的に識別するための例示的な動作が示されている。上記で直接的に述べたように、図６に示す一連の動作は、所与の手順における動作の初期セットとして実施され得、又は図５に記載されるような装置２００による１つ以上の対象画像の分析後に実施され得、その場合、動作６０２は、動作５０６の完了後に到達し得る。

【0079】

動作６０２によって示されるように、装置２００は、地上の卵形表面特徴を記述する情報を受信するための、例えば、プロセッサ２０２、メモリ２０４、通信回路２０６、入力－出力回路２０８、モデル生成装置２１０、画像分析エンジン２１２、関連性決定エンジン２１４などの手段を含む。この情報は、様々なソースから受信され得る。例えば、情報は、表面への地下の水素移動と一致する表面特徴を含む対象画像の画像分析エンジン２１２による識別時に、画像分析エンジン２１２から受信され得る。前述のように、こうした表面特徴は、多くの場合、卵形表面特徴を含み得る。あるいは、この情報は、図５に関連して記載される手順の実施中に以前に情報を記憶している場合がある、又は別のデバイスから以前に情報を受信している場合がある、装置２００のローカルメモリ２０４から受信され得る。別の方法として、情報は、通信回路２０６によって受信され得、通信回路２０６は、図５に記載の手順を実施する別個のデバイスから、又はユーザデバイス（例えば、ユーザデバイス１１８Ａ～１１８Ｎのうちの１つ）から、又は卵形表面特徴を記述する情報を含む別個のデータストアから情報を収集し得る。なお更に、情報は、情報が周辺デバイスを介してなど、ユーザによって直接的に提供されるシナリオでは、入力－出力回路２０８から受信され得る。

【0080】

上述のように、卵形表面特徴、特に表面陥凹部は、場合によっては、地下からの水素浸潤によって引き起こされ、したがって、地下における水素の蓄積と一致する地形学的特徴を含む。しかしながら、多くの卵形表面特徴は、地下への水素の蓄積と一致する地形学的特徴であるにもかかわらず、水素蓄積とは無関係な地理学的事象（例えば、シンクホール、ケトルフレーク、メトライト衝撃など）によって作成される。加えて、多くの卵形表面特徴は、水素の活性蓄積に接続されておらず、枯渇したシステムからの水素浸潤によって作成された。したがって、所与の卵形特徴の更なる評価は、活性地下の水素蓄積の指標である可能性が高いかどうかの決定を可能にする。

【0081】

オンサイト評価は、卵形表面特徴が、地下からの活性水素浸潤によって引き起こされるかどうかを決定するための解決策を提供し得るが、世界中で数千個の卵形表面特徴があり、こうした表面特徴の全てをオンサイト評価することは実用的ではない。したがって、所与の卵形表面特徴が活性地下の水素蓄積の指標である可能性を推定することができるツールを用いて、公知の卵形表面特徴を更に調べる必要性が存在する。そうすることで、卵形表面特徴を識別し、活性地下の水素蓄積に対するそれらの関連性についてランク付けすることができ、それによって、オンサイト探索ソリューションの割り当てが可能になる。

【0082】

動作６０４によって示されるように、装置２００は、所与の卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定するための、例えば、関連性決定エンジン２１４などの手段を含む。自動で可能性を推定する様々な方法が本明細書で企図され、これは一般的に４つのカテゴリーに分類され得る。第１のカテゴリーは、卵形表面特徴とその周囲の地形との間の地形分化（ｇｅｏｍｏｒｐｈｉｃ ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ）の指標の検出を含む。第２のカテゴリーは、卵形表面特徴の１つ以上の輪郭の変化率の指標の検出を含む。第３のカテゴリーは、卵形表面特徴を含む層序単位に関する指標の検出を含む。また、第４のカテゴリーは、卵形特徴の特定の輪郭から明らかであり得る指標の検出を含む。したがって、関連性決定エンジン２１４は、（ｉ）卵形表面と１つ以上の周囲表面特徴との間の地形分化の程度、（ｉｉ）卵形表面特徴の１つ以上の輪郭の変化率、（ｉｉｉ）卵形表面特徴を含む層序単位の周りの指標、又は（ｉｖ）卵形特徴の特定の輪郭形成に基づいて、卵形表面特徴が活性地下の水素蓄積を示す可能性を推定し得る。

【0083】

地形分化は、様々な方法で存在する。一実施例として、水素毒性は、多くのタイプの植物の寿命を殺すため、卵形表面特徴の地理的位置における植物の痕跡、又はその欠如は、近くの地下のいずれかの場所で活性地下の水素蓄積を示す、水平面水素浸潤を示し得る。別の実施例として、裸地の場合、周囲の地形とバランスが取れていない表面特徴の変化は、卵形表面特徴に関連して存在する場合、活性表面水素浸潤の可能性も示す、変形速度の上昇を示し得る。例示的な実施形態は、水平で約１０ｍ超、垂直で約５ｍ超の解像度を有するＤＥＭを利用して、マルチスペクトル画像、又はＬｉＤＡＲ若しくはＩｎＳＡＲからの地形分化の領域を識別し得る。対象の表面特徴は、典型的には、卵形の閉じた表面陥凹部を形成し、したがって、識別を補助することができる別個の３次元形状を有する。

【0084】

地形分化を評価する別の方法として、関連性決定エンジン２１４は、（メモリ２０４から、通信回路２０６を介して別のデバイスから、又は入力－出力回路２０８を介してユーザから）卵形表面特徴の画像を受信し得る。関連性決定エンジン２１４は、１つ以上の技術を利用して、受信した画像から、卵形表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を識別し得る。例えば、モデル生成装置２１０によって訓練され、かつ画像分析エンジン２１２によってホストされる１つ以上の物体検出モデルは、所与の画像全体をセグメント化して、水素蓄積と一致する表面特徴だけでなく、所与の画像に存在する他の表面特徴を検出し得る。関連性決定エンジン２１４は、水素蓄積と一致する表面特徴と周囲の表面特徴との間の地形分化の程度を計算するための、１つ以上のルールセット又は統計アプローチを含み得る。

【0085】

卵形表面特徴の１つ以上の輪郭の変化率の評価は、多くの方法で実施され得る。例えば、複数の画像の比較分析が使用され得る。この目的のために、関連性決定エンジン２１４は、異なる時間に取り込まれた卵形表面特徴の２つの画像を受信し得る。これらの２つの画像は、通信回路２０６によって、別個のデバイス（例えば、遠隔感知デバイス１１４、ユーザデバイス１１８Ａ～１１８Ｎ）又はデータストアから、ローカルメモリ２０４から、入力－出力回路２０８を介してユーザから、又はこれらの経路の組み合わせから取得され得る。多くの遠隔感知システムは、何年も遡る履歴画像データを保存し、一部の事例では、この画像データは、十分に高解像度であるため、きめの細かい比較分析を行って、卵形表面の輪郭の変化をセンチメートルスケールで明らかにすることができる。対応する領域に位置する卵形表面特徴については、この種類の履歴画像データは、異なる時間に取り込まれた卵形表面特徴の画像の自動的かつ即時の評価を可能にして、卵形表面特徴の表面変形又は変化（又はその欠如）を識別する。代替的に、履歴画像データが利用できない場合、関連性決定エンジン２１４は、将来のこの種類のその後のレビュー及び分析のために、卵形表面特徴の新しい画像データの取り込みを自動的に促し得る。その後、関連性決定エンジン２１４は、２つの取得された画像の取り込みの間の経過時間を計算し得、卵形表面特徴に対応する２つの画像のセグメントの差の程度を計算し得る。この目的のために、一部の実施形態では、２つの画像の共登録を実施して、画像が空間的に整列し、より正確な比較を可能にすることを確実にする必要がある場合がある。共登録では、２つの画像又は標高モデルを空間内に整列させる。画像共登録は、画像間のピクセル輝度のパターンの相互相関を使用し、一方で、ＤＥＭ共登録は、表面起伏の類似性を使用する。両方とも、画像座標のシフトを解決して、基礎となる画像又はＤＥＭ情報自体を変更することなく、１つの画像を別の画像に整列させる。２つの画像が整列していることを確立した後、したがって、関連性決定エンジン２１４は、卵形表面特徴が大きくなるか小さくなるなどの画像間の変化、表面形態の変化（例えば、ＳＡＲが検出され得る表面粗さ又は水分含量）、又は卵形表面特徴（水素標的化システム１０２によって光学的に生成されたＤＥＭ、ＬｉＤＡＲとして受信され得る、又は１つ以上の遠隔感知デバイス１１４から受信される他のデータ）の上昇プロファイルの変化を評価し得る。画像間の経過時間及び２つの画像の差の程度の両方を計算した後、したがって、関連性決定エンジン２１４は、卵形表面特徴の１つ以上の輪郭の変化率を決定し得る。

【0086】

卵形表面特徴の１つ以上の輪郭の変化率を評価するための別のメカニズムは、地震及び／又は他の地理物理学的（例えば、重力）データを利用するためのものである。この目的のために、関連性決定エンジン２１４は、最初に卵形表面特徴の地理的位置を識別し得る。これは、その中に卵形表面特徴が識別される対象画像と関連付けられたメタデータに基づいて、画像内の卵形表面特徴の様々な特徴の評価から行われ得、又は地理的位置は、卵形表面特徴に関する他の情報とともに動作６０２で単に受信され得る。その後、関連性決定エンジン２１４は、卵形表面特徴の地理的位置における過去の地震（微小地震を含む）活動を示すデータを受信し得る。このデータは、通信回路２０６によって、別個のデバイス（例えば、遠隔感知デバイス１１４、ユーザデバイス１１８Ａ～１１８Ｎ）又はデータストア（例えば、データストア１０６）から、ローカルメモリ２０４又はデータストア１０６から、入力－出力回路２０８を介してユーザから、又はこれらの経路の組み合わせから取得され得る。既存の地震調査、アクティブ地震計、受振器は世界中に存在し、地震活動を常に監視しており、そのデータは多くの場合公開されている。卵形表面特徴の特定の位置に応じて、卵形表面特徴又はその近くにおける地下活性への洞察を可能にするのに十分に正確な地震活動の歴史的記録が存在し得る。したがって、関連性決定エンジン２１４は、卵形表面特徴の地理的位置での過去の地震活動に基づいて、卵形表面の１つ以上の輪郭の変化率を決定し得る。

【0087】

卵形表面特徴を含む層序単位に関する指標は、公的に利用可能な、又は専有の層状セクション、ウェルログ、及び／若しくはデータストア１０６から、又は卵形表面特徴を含む領域の地理に関する様々な他のリソースから、ソース付けられ得る。この目的のために、関連性決定エンジン２１４は、卵形表面特徴の地理的位置を識別し得、その後、識別された地理的位置を含む層序単位についての情報を受信し得る。この情報は、通信回路２０６によって、別個のデバイス（例えば、遠隔感知デバイス１１４、ユーザデバイス１１８Ａ～１１８Ｎ）又はデータストア（例えば、データストア１０６）から、ローカルメモリ２０４又はデータストア１０６から、公的に利用可能な又は専有の層状セクション、ウェルログから、入力－出力回路２０８を介してユーザから、又はこれらの経路の組み合わせから取得され得る。層序単位についての情報は、（ｉ）層序単位の地理学的特徴、（ｉｉ）近くの貯蔵部、トラップ、及びシールへの水素移動経路、並びに卵形表面特徴又は他の滲出液の地理的位置、（ｉｉｉ）卵形表面特徴の地理的位置に対して近位の水素トラップ又はシールに関する情報、又は（ｉｖ）層序単位の１つ以上の部分の熱成熟度及び／又は現在の温度を含み得る。

【0088】

最後に、卵形特徴の特定の輪郭は、卵形表面特徴が活性地下の水素蓄積を示す可能性に影響を与え得る。この目的のために、水素浸潤にリンク付けされたより多くの卵形表面特徴が識別されると、モデル生成装置２１０は、画像分類モデルをより正確に訓練して、他のタイプの卵形表面特徴とは対照的に、こうした卵形表面特徴と関連付けられた固有の特徴又は輪郭を識別し得る。したがって、画像分類モデルを含む画像分析エンジン２１２は、関連性決定エンジン２１４によって起動されて、卵形表面特徴の輪郭を分析して、卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる可能性を決定し得、ここで、卵形表面特徴が活性地下の水素蓄積を示す可能性は、別の地理学的事象ではなく、卵形表面特徴が表面水素浸潤によって引き起こされる可能性を含む。

【0089】

動作６０６によって示されるように、装置２００は、卵形表面特徴が活性地下の水素蓄積を示す推定された可能性が所定の閾値を満たすかどうかを決定するための、例えば、関連性決定エンジン２１４などの手段を含む。この所定の閾値は、動作６０６中に取得するために装置２００のメモリ２０４によって事前に定義され、かつ記憶され得、又は特定の卵形表面特徴の分析を開始した個人若しくはエンティティのリスク選好に基づいて、ユーザ定義され得る。所定の閾値の満足は、推定された可能性が特定の確率と等しいか、又はそれを超える場合に達成され得る。一部の実施形態では、関連性決定エンジン２１４は、卵形表面特徴が活性地下の水素蓄積を示さないと推定される可能性を計算し得、このような実施形態では、関連性決定エンジン２１４が、可能性が特定の確率を下回ると推定する場合に、所定の閾値の満足は実際に達成され得ることが理解されよう。推定された可能性が所定の閾値を満たすかどうかに基づいて、手順は、動作６０８（所定の閾値が満たされていない）又は動作６１０（所定の閾値が満たされている）のうちのいずれかに進み得る。

【0090】

動作６０８によって示されるように、装置２００は、表面特徴が活性地下の水素蓄積を示さないという指標を出力するための、例えば、メモリ２０４、通信回路２０６、入力－出力回路２０８などの手段を含む。メモリ２０４は、後続の使用のための指標を記憶し得る。通信回路２０６は、指標を別個のデバイス（ユーザデバイス１１８Ａ～１１８Ｎのうちの１つなど）に出力し得、又は指標を遠隔データストアに出力し得る。入力－出力回路２０８は、指標を装置２００と相互作用するユーザに直接的に送達し得る。一部の実施形態では、動作６０８は、装置２００が所定の閾値が満たされない場合に何もしない場合があるように、任意であり得る。こうした実施形態では、装置２００は、所定の閾値が満たされたときにのみ出力を生成し、したがって、データの出力を、高値表面特徴が識別されるシナリオに制限する。

【0091】

動作６１０によって示されるように、装置２００は、表面特徴が活性地下の水素蓄積を示すという指標を出力するための、例えば、メモリ２０４、通信回路２０６、入力－出力回路２０８などの手段を含む。動作６０８と同様に、メモリ２０４は、後続の使用のための指標を記憶し得る。通信回路２０６は、指標を別個のデバイス（ユーザデバイス１１８Ａ～１１８Ｎのうちの１つなど）に出力し得、又は指標を遠隔データストアに出力し得る。入力－出力回路２０８は、マップインターフェース（例えば、Ｇｏｏｇｌｅ Ｍａｐｓ又はＧＩＳソフトウェア）上にオーバーレイされた可視化層を介してなど、装置２００と相互作用するユーザに直接的に指標を送達し得る。しかしながら、一部の実施形態では、装置２００は、所定の閾値が満たされる場合、動作６１０で動作を行わなくてもよく、その場合、装置２００は、高値表面特徴が評価されるときのみを示す警報デバイスとして本質的に機能する。一部の実施形態では、動作６１０は、装置２００が所定の閾値が満たされた場合に何もしない場合があるように、任意であり得る。こうした実施形態では、装置２００は、所定の閾値が満たされていないときにのみ出力を生成し、したがって、特定の卵形表面特徴が廃棄され得るほど十分に低い値のシナリオに、データの出力を制限する。

【0092】

装置２００は、表面特徴が活性地下の水素蓄積を示すかどうかの指標を提供し得る一方で、随意の動作６１２は、装置２００が、表面特徴が活性地下の水素蓄積を示す可能性を推定した後に、卵形表面特徴が活性地下の水素蓄積を示す実際の推定される可能性の指標を出力するための、例えば、メモリ２０４、通信回路２０６、入力－出力回路２０８などの手段を更に含み得ることを示すことが理解されるであろう。この動作は、指標をメモリ２０４に書き込むこと、指標を別個のデバイス（例えば、図１に記載されるユーザデバイス１１８Ａ～１１８Ｎ）に送信すること、又は指標を、入力－出力回路２０８を介して装置２００と相互作用するユーザに送達することを含み得る。装置２００は、動作６０６、６０８、若しくは６１０の実施の前に、後に、又はそれと同時にこの指標を出力し得、又は動作６０６、６０８、若しくは６１０の実施の代替としてこの指標を出力し得る。一部の実施形態では、装置２００は、動作６０４（図６に示すような）の性能に応答して、又は動作６０８若しくは６１０のうちのいずれか（又は両方）の性能に応答して、この指標を出力し得る。例えば、推定された可能性の指標は、所定の閾値を満たさない場合に保留され得（例えば、手順が動作６０８に進む場合、動作６１２は呼び出されない）、なぜなら、一部の実装形態では、可能性が低い場合に、特定の卵形表面特徴が活性地下蓄積を示すという特定の推定された可能性に関する知識は無関係であるためである。代替的に、卵形表面特徴に対する特定の推定された可能性の知識が、卵形表面特徴が更なる関心を引くに値すると既に決定されている場合に、無関係である実施形態では、推定された可能性の指標は、所定の閾値を満たす場合に保留され得る（例えば、手順が動作６１０に進む場合、動作６１２は呼び出されない）。

【0093】

上述のように、例示的な実施形態は、地下の水素蓄積の改善された識別を可能にする方法及び装置を提供する。人造の水素を生成するための現在の方法の低炭素強度及び／又は低エネルギー強度と組み合わせた水素に対する需要の近年及び予想される将来の成長を考慮すると、地下における天然水素の生成を可能にするツールに対する大きく、かつ成長するニーズがある。例示的な実施形態は、水素が、地下における経済的な体積内に生成、輸送、及び最も重要なことに蓄積（すなわち、捕捉）された可能性が高い場所を識別するための、自動化、体系的、及び包括的なアプローチを提供する、こうしたツールを提供する。

【0094】

図４、図５、及び図６は、様々な例示的な実施形態による、装置、方法、及びコンピュータプログラム製品によって実施される動作を示す。各フローチャートブロック、及びフローチャートブロックの各組み合わせは、ハードウェア、ファームウェア、回路、及び／又は１つ以上のソフトウェア命令を含むソフトウェアの実行と関連付けられた他のデバイスとして具体化される、様々な手段によって実装され得ることが理解されよう。例えば、上述の動作のうちの１つ以上は、ソフトウェア命令によって具体化され得る。これに関して、上述の手順を具現化するソフトウェア命令は、本発明の実施形態を用いる装置のメモリによって記憶され、その装置のプロセッサによって実行され得る。理解される通り、任意のこうしたソフトウェア命令は、コンピューティングデバイス又は他のプログラム可能な装置（例えば、ハードウェア）にロードされて、機械を生成し得、その結果、結果として得られるコンピューティングデバイス又は他のプログラム可能な装置は、フローチャートブロックに指定された機能を実装する。これらのソフトウェア命令はまた、コンピュータ可読メモリに記憶されたソフトウェア命令が製造品を生成するように、コンピューティングデバイス又は他のプログラム可能な装置に特定の様式で機能するように指示し得るコンピュータ可読メモリに記憶され得、その実行は、フローチャートブロックに指定された機能を実装する。ソフトウェア命令はまた、コンピューティングデバイス又は他のプログラム可能な装置上にロードされて、コンピューティングデバイス又は他のプログラム可能な装置上で一連の動作を実施させて、コンピュータ実装プロセスを生成し得、その結果、コンピューティングデバイス又は他のプログラム可能な装置上で実行されるソフトウェア命令は、フローチャートブロックに指定された機能を実装するための動作を提供する。

【0095】

フローチャートブロックは、指定された機能を実施するための手段の組み合わせ、及び指定された機能を実施するための動作の組み合わせをサポートする。個々のフローチャートブロック、及び／又はフローチャートブロックの組み合わせは、特定の機能を実施する特殊用途向けハードウェアベースのコンピューティングデバイス、又は特殊用途向けハードウェアとソフトウェア命令の組み合わせによって実装され得ることが理解されよう。

【0096】

一部の実施形態では、上記の動作の一部は、修正又は更に増幅され得る。更に、一部の実施形態では、追加の任意の動作が含まれ得る。上記の動作に対する修正、増幅、又は追加は、任意の順序及び任意の組み合わせで実施され得る。

【0097】

結論
本明細書に記載される本発明の多くの修正及び他の実施形態は、前述の説明及び関連する図面に提示された教示の恩恵を受けて、これらの発明が関連する当業者には思い浮かぶであろう。したがって、本発明は、開示される特定の実施形態に限定されるものではなく、修正及び他の実施形態は、添付の特許請求の範囲に含まれることが意図されることが理解されるべきである。更に、前述の説明及び関連する図面は、要素及び／又は機能の特定の例示的な組み合わせの文脈における例示的な実施形態を記載するが、当然のことながら、添付の特許請求の範囲のから逸脱することなく、代替的な実施形態によって、要素及び／又は機能の異なる組み合わせが提供され得る。これに関して、例えば、添付の特許請求の範囲の一部に記載されるように、上記に明示的に記載されたものとは異なる要素及び／又は機能の組み合わせがまた企図される。特定の用語が本明細書で使用されるが、それらは、限定の目的のためではなく、一般的かつ記述的な意味でのみ使用される。

【0098】

（付記１）
画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための方法であって、前記方法が、
通信回路によって、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像のセットを含む訓練データセットを受信することであって、前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含む、受信することと、
モデル生成装置によって、かつ前記訓練データセットを使用して、前記画像分析エンジンの画像分類モデルを訓練して、画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することと、
前記画像分析エンジンによって、訓練された前記画像分類モデルをホストすることと、を含む、方法。

【0099】

（付記２）
前記通信回路によって、対象画像を受信することと、
前記画像分析エンジンによって、かつ前記画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、を更に含む、付記１に記載の方法。

【0100】

（付記３）
前記画像分類モデルが、物体検出モデルを含み、
前記画像分類モデルを訓練することが、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することを更に含む、付記１又は２に記載の方法。

【0101】

（付記４）
前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対する境界ボックスのセットを含み、特定の画像に対する各境界ボックスが、地下の水素蓄積と一致する表面特徴を含む前記特定の画像の対応するセグメントを囲む、付記３に記載の方法。

【0102】

（付記５）
前記画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記画像分類モデルを訓練することが、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別することを含む、付記１～４のいずれか一つに記載の方法。

【0103】

（付記６）
前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対するピクセル単位のマスクのセットを含み、特定の画像に対する前記ピクセル単位のマスクのセットが集合的に、前記特定の画像の全てのピクセルが地下の水素蓄積と一致する表面特徴に対応するかどうかを識別する、付記５に記載の方法。

【0104】

（付記７）
前記画像分類モデルが、畳み込みニューラルネットワークを含む、付記１～６のいずれか一つに記載の方法。

【0105】

（付記８）
前記ラベル付けされた画像のセットが、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、付記１～７のいずれか一つに記載の方法。

【0106】

（付記９）
画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するための装置であって、前記装置が、
地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像のセットを含む訓練データセットを受信するように構成された通信回路であって、前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含む、通信回路と、
前記訓練データセットを使用して、前記画像分析エンジンの画像分類モデルを訓練して、画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別するように構成されたモデル生成装置と、を備え、
前記画像分析エンジンが、訓練された前記画像分類モデルをホストするように構成されている、装置。

【0107】

（付記１０）
前記通信回路が、対象画像を受信するように更に構成されており、
前記画像分析エンジンが、前記画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別するように更に構成されている、付記９に記載の装置。

【0108】

（付記１１）
前記画像分類モデルが、物体検出モデルを含み、
前記モデル生成装置が、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別するように構成されている、付記９又は１０に記載の装置。

【0109】

（付記１２）
前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対する境界ボックスのセットを含み、特定の画像に対する各境界ボックスが、地下の水素蓄積と一致する表面特徴を含む前記特定の画像の対応するセグメントを囲む、付記１１に記載の装置。

【0110】

（付記１３）
前記画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記モデル生成装置が、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別するように構成されている、付記９～１２のいずれか一つに記載の装置。

【0111】

（付記１４）
前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対するピクセル単位のマスクのセットを含み、特定の画像に対する前記ピクセル単位のマスクのセットが集合的に、前記特定の画像の全てのピクセルが地下の水素蓄積と一致する表面特徴に対応するかどうかを識別する、付記１３に記載の装置。

【0112】

（付記１５）
前記画像分類モデルが、畳み込みニューラルネットワークを含む、付記９～１４のいずれか一つに記載の装置。

【0113】

（付記１６）
前記ラベル付けされた画像のセットが、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、付記９～１５のいずれか一つに記載の装置。

【0114】

（付記１７）
画像分析エンジンを訓練して、地下の水素蓄積と一致する地上の表面特徴を識別するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を備え、前記ソフトウェア命令が、実行されたときに、装置に、
地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像のセットを含む訓練データセットを受信することであって、前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含む、受信することと、
前記訓練データセットを使用して、前記画像分析エンジンの画像分類モデルを訓練して、画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することと、を行わせ、
訓練された前記画像分類モデルが、前記画像分析エンジンによってホストされる、コンピュータプログラム製品。

【0115】

（付記１８）
前記ソフトウェア命令が、実行されたときに、前記装置に、
対象画像を受信することと、
前記画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、を更に行わせる、付記１７に記載のコンピュータプログラム製品。

【0116】

（付記１９）
前記画像分類モデルが、物体検出モデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することを更に行わせる、付記１７又は１８に記載のコンピュータプログラム製品。

【0117】

（付記２０）
前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対する境界ボックスのセットを含み、特定の画像に対する各境界ボックスが、地下の水素蓄積と一致する表面特徴を含む前記特定の画像の対応するセグメントを囲む、付記１９に記載のコンピュータプログラム製品。

【0118】

（付記２１）
前記画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、前記画像分類モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別することを更に行わせる、付記１７～２０のいずれか一つに記載のコンピュータプログラム製品。

【0119】

（付記２２）
前記訓練データセットが、前記ラベル付けされた画像のセットの各画像に対するピクセル単位のマスクのセットを含み、特定の画像に対する前記ピクセル単位のマスクのセットが集合的に、前記特定の画像の全てのピクセルが地下の水素蓄積と一致する表面特徴に対応するかどうかを識別する、付記２１に記載のコンピュータプログラム製品。

【0120】

（付記２３）
前記画像分類モデルが、畳み込みニューラルネットワークを含む、付記１７～２２のいずれか一つに記載のコンピュータプログラム製品。

【0121】

（付記２４）
前記ラベル付けされた画像のセットが、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、付記１７～２３のいずれか一つに記載のコンピュータプログラム製品。

【0122】

（付記２５）
地下の水素蓄積と一致する地上の表面特徴を自動的に識別するための方法であって、前記方法が、
通信回路によって、対象画像を受信することと、
画像分析エンジンによって、かつ訓練された画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、
前記通信回路によって、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力することと、を含む、方法。

【0123】

（付記２６）
前記訓練された画像分類モデルが、物体検出モデルを含み、
前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することが、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を識別することを含み、
前記方法が、前記通信回路によって、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を出力することを更に含む、付記２５に記載の方法。

【0124】

（付記２７）
前記訓練された画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することが、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルを識別することを含み、
前記方法が、前記通信回路によって、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルの指標を出力することを更に含む、付記２５又は２６に記載の方法。

【0125】

（付記２８）
前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別する前に、前記画像分析エンジンによって、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に含む、付記２５～２７のいずれか一つに記載の方法。

【0126】

（付記２９）
前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含むか、又は卵形表面陥凹部の作成につながる、付記２５～２８のいずれか一つに記載の方法。

【0127】

（付記３０）
前記訓練された画像分類モデルが、畳み込みニューラルネットワークを含む、付記２５～２９のいずれか一つに記載の方法。

【0128】

（付記３１）
前記対象画像が、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、付記２５～３０のいずれか一つに記載の方法。

【0129】

（付記３２）
前記通信回路によって、対象画像のセットを受信することと、
前記画像分析エンジンによって、かつ前記訓練された画像分類モデルを使用して、地下の水素蓄積と一致する任意の表面特徴を含む前記対象画像のセットからの全ての対象画像を識別することと、
前記通信回路によって、地下の水素蓄積と一致する表面特徴を含む前記対象画像のセットからの全ての対象画像の指標を出力することと、を更に含む、付記２５～３１のいずれか一つに記載の方法。

【0130】

（付記３３）
地下の水素蓄積と一致する地上の表面特徴を自動的に識別するための装置であって、前記装置が、
対象画像を受信するように構成された通信回路と、
訓練された画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別するように構成された画像分析エンジンと、を備え、
前記通信回路が、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力するように更に構成されている、装置。

【0131】

（付記３４）
前記訓練された画像分類モデルが、物体検出モデルを含み、
前記画像分析エンジンが、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別するように構成されており、
前記通信回路が、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を出力するように構成されている、付記３３に記載の装置。

【0132】

（付記３５）
前記訓練された画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記画像分析エンジンが、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルを識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別するように構成されており、
前記通信回路が、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルの指標を出力するように構成されている、付記３３又は３４に記載の装置。

【0133】

（付記３６）
前記画像分析エンジンが、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去するように更に構成されている、付記３３～３５のいずれか一つに記載の装置。

【0134】

（付記３７）
前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含むか、又は卵形表面陥凹部の作成につながる、付記３３～３６のいずれか一つに記載の装置。

【0135】

（付記３８）
前記訓練された画像分類モデルが、畳み込みニューラルネットワークを含む、付記３３～３７のいずれか一つに記載の装置。

【0136】

（付記３９）
前記対象画像が、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、付記３３～３８のいずれか一つに記載の装置。

【0137】

（付記４０）
前記通信回路が、対象画像のセットを受信するように構成されており、
前記画像分析エンジンが、前記訓練された画像分類モデルを使用して、地下の水素蓄積と一致する任意の表面特徴を含む前記対象画像のセットからの全ての対象画像を識別するように構成されており、
前記通信回路が、地下の水素蓄積と一致する表面特徴を含む前記対象画像のセットからの全ての対象画像の指標を出力するように更に構成されている、付記３３～３９のいずれか一つに記載の装置。

【0138】

（付記４１）
地下の水素蓄積と一致する地上の表面特徴を自動的に識別するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を備え、前記ソフトウェア命令が、実行されたときに、装置に、
対象画像を受信することと、
訓練された画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、
前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力することと、を行わせる、コンピュータプログラム製品。

【0139】

（付記４２）
前記訓練された画像分類モデルが、物体検出モデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別させ、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を出力させる、付記４１に記載のコンピュータプログラム製品。

【0140】

（付記４３）
前記訓練された画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルを識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別させ、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルの指標を出力させる、付記４１又は４２に記載のコンピュータプログラム製品。

【0141】

（付記４４）
前記ソフトウェア命令が、実行されたときに、前記装置に、
前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に行わせる、付記４１～４３のいずれか一つに記載のコンピュータプログラム製品。

【0142】

（付記４５）
前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含むか、又は卵形表面陥凹部の作成につながる、付記４１～４４のいずれか一つに記載のコンピュータプログラム製品。

【0143】

（付記４６）
前記訓練された画像分類モデルが、畳み込みニューラルネットワークを含む、付記４１～４５のいずれか一つに記載のコンピュータプログラム製品。

【0144】

（付記４７）
前記対象画像が、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、付記４１～４６のいずれか一つに記載のコンピュータプログラム製品。

【0145】

（付記４８）
前記ソフトウェア命令が、実行されたときに、前記装置に、
対象画像のセットを受信することと、
前記訓練された画像分類モデルを使用して、地下の水素蓄積と一致する任意の表面特徴を含む前記対象画像のセットからの全ての対象画像を識別することと、
地下の水素蓄積と一致する表面特徴を含む前記対象画像のセットからの全ての対象画像の指標を出力することと、を行わせる、付記４１～４７のいずれか一つに記載のコンピュータプログラム製品。

【0146】

（付記４９）
活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための方法であって、前記方法が、
通信回路によって、前記地上の卵形表面特徴を記述する情報を受信することと、
関連性決定エンジンによって、前記卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記関連性決定エンジンによって、前記推定された可能性が所定の閾値を満たすかどうかを決定することと、
前記推定された可能性が前記所定の閾値を満たす事例では、前記通信回路によって、前記卵形表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を含む、方法。

【0147】

（付記５０）
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記卵形表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記関連性決定エンジンによって、前記卵形表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、付記４９に記載の方法。

【0148】

（付記５１）
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記卵形表面特徴の１つ以上の輪郭の変化率を決定することと、
前記関連性決定エンジンによって、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、付記４９又は５０に記載の方法。

【0149】

（付記５２）
前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定することが、
前記通信回路によって、異なる時間に取り込まれた前記卵形表面特徴の２つの画像を取得することと、
前記関連性決定エンジンによって、前記２つの画像の取り込みの間の経過時間を計算することと、
前記関連性決定エンジンによって、前記卵形表面特徴に対応するセグメント間の前記２つの画像の差の程度を計算することと、
前記関連性決定エンジンによって、前記２つの画像の取り込みの間の前記経過時間、及び前記卵形表面特徴に対応する前記セグメント間の前記２つの画像の前記計算された差の程度に基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、を含む、付記５１に記載の方法。

【0150】

（付記５３）
前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定することが、
前記関連性決定エンジンによって、前記卵形表面特徴の地理的位置を識別することと、
前記通信回路によって、前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示すデータを受信することと、
前記関連性決定エンジンによって、前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示す前記データに基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、を含む、付記５１に記載の方法。

【0151】

（付記５４）
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記卵形表面特徴の地理的位置を識別することと、
前記通信回路によって、前記卵形表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信することと、
前記関連性決定エンジンによって、前記層序単位に関する前記受信した情報に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、付記４９～５３のいずれか一つに記載の方法。

【0152】

（付記５５）
前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記卵形表面特徴の前記地理的位置への水素移動経路、
前記卵形表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、付記５４に記載の方法。

【0153】

（付記５６）
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
画像分析システムによって、前記卵形表面特徴の輪郭を分析して、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる可能性を決定することを含み、
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性が、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる前記可能性を含む、付記４９～５５のいずれか一つに記載の方法。

【0154】

（付記５７）
活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための装置であって、前記装置が、
前記地上の卵形表面特徴を記述する情報を受信するように構成された通信回路と、
関連性決定エンジンであって、
前記卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記推定された可能性が所定の閾値を満たすかどうかを決定することと、を行うように構成されている、関連性決定エンジンと、を備え、
前記通信回路が、前記推定された可能性が前記所定の閾値を満たす事例では、前記卵形表面特徴が活性地下の水素蓄積を示すという指標を出力するように更に構成されている、装置。

【0155】

（付記５８）
前記関連性決定エンジンが、
前記卵形表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記卵形表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、付記５７に記載の装置。

【0156】

（付記５９）
前記関連性決定エンジンが、
前記卵形表面特徴の１つ以上の輪郭の変化率を決定することと、
前記卵形表面特徴の前記１つ以上の輪郭の前記変化率に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、付記５７又は５８に記載の装置。

【0157】

（付記６０）
前記通信回路が、異なる時間で取り込まれた前記卵形表面特徴の２つの画像を取得するように更に構成されており、
前記関連性決定エンジンが、
前記２つの画像の取り込みの間の経過時間を計算することと、
前記卵形表面特徴に対応するセグメント間の前記２つの画像の差の程度を計算することと、
前記２つの画像の取り込みの間の前記経過時間、及び前記卵形表面特徴に対応する前記セグメント間の前記２つの画像の前記計算された差の程度に基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、によって、前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定するように構成されている、付記５９に記載の装置。

【0158】

（付記６１）
前記関連性決定エンジンが、前記卵形表面特徴の地理的位置を識別するように構成されており、
前記通信回路が、前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示すデータを受信するように構成されており、
前記関連性決定エンジンが、前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示す前記データに基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することによって、前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定するように構成されている、付記５９に記載の装置。

【0159】

（付記６２）
前記関連性決定エンジンが、前記卵形表面特徴の地理的位置を識別するように構成されており、
前記通信回路が、前記卵形表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信するように構成されており、
前記関連性決定エンジンが、前記層序単位に関する前記受信した情報に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することによって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、付記５７～６１のいずれか一つに記載の装置。

【0160】

（付記６３）
前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記卵形表面特徴の前記地理的位置への水素移動経路、
前記卵形表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、付記６２に記載の装置。

【0161】

（付記６４）
画像分析システムが、前記卵形表面特徴の輪郭を分析して、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる可能性を決定するように構成されており、
前記関連性決定エンジンが、前記画像分析システムに、前記卵形表面特徴の輪郭を分析して、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる可能性を決定させることによって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されており、
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性が、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる前記可能性を含む、付記５７～６３のいずれか一つに記載の装置。

【0162】

（付記６５）
活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を備え、前記ソフトウェア命令が、実行されたときに、装置に、
前記地上の卵形表面特徴を記述する情報を受信することと、
前記卵形表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記推定された可能性が所定の閾値を満たすかどうかを決定することと、
前記推定された可能性が前記所定の閾値を満たす事例では、前記表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を行わせる、コンピュータプログラム製品。

【0163】

（付記６６）
前記ソフトウェア命令が、実行されたときに、前記装置に、
前記卵形表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記卵形表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、付記６５に記載のコンピュータプログラム製品。

【0164】

（付記６７）
前記ソフトウェア命令が、実行されたときに、前記装置に、
関連性決定エンジンによって、前記卵形表面特徴の１つ以上の輪郭の変化率を決定することと、
前記関連性決定エンジンによって、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、付記６５又は６６に記載のコンピュータプログラム製品。

【0165】

（付記６８）
前記ソフトウェア命令が、実行されたときに、前記装置に、
異なる時間に取り込まれた前記卵形表面特徴の２つの画像を取得することと、
前記２つの画像の取り込みの間の経過時間を計算することと、
前記卵形表面特徴に対応するセグメント間の前記２つの画像の差の程度を計算することと、
前記２つの画像の取り込みの間の前記経過時間、及び前記卵形表面特徴に対応する前記セグメント間の前記２つの画像の前記計算された差の程度に基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、によって、前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定させる、付記６７に記載のコンピュータプログラム製品。

【0166】

（付記６９）
前記ソフトウェア命令が、実行されたときに、前記装置に、
前記卵形表面特徴の地理的位置を識別することと、
前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示すデータを受信することと、
前記卵形表面特徴の前記地理的位置での過去の微小地震活動を示す前記データに基づいて、前記卵形表面特徴の前記１つ以上の輪郭の前記変化率を決定することと、によって、前記卵形表面特徴の１つ以上の輪郭の前記変化率を決定させる、付記６７に記載のコンピュータプログラム製品。

【0167】

（付記７０）
前記ソフトウェア命令が、実行されたときに、前記装置に、
前記卵形表面特徴の地理的位置を識別することと、
前記卵形表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信することと、
前記層序単位に関する前記受信した情報に基づいて、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、付記６５～６９のいずれか一つに記載のコンピュータプログラム製品。

【0168】

（付記７１）
前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記卵形表面特徴の前記地理的位置への水素移動経路、
前記卵形表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、付記７０に記載のコンピュータプログラム製品。

【0169】

（付記７２）
前記ソフトウェア命令が、実行されたときに、前記装置に、
前記卵形表面特徴の輪郭を分析して、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる可能性を決定することによって、前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させ、
前記卵形表面特徴が活性地下の水素蓄積を示す前記可能性が、前記卵形表面特徴が別の地理学的事象ではなく、表面水素浸潤によって引き起こされる前記可能性を含む、付記６５～７１のいずれか一つに記載のコンピュータプログラム製品。

【0170】

（付記７３）
活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための方法であって、前記方法が、
通信回路によって、地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信することと、
モデル生成装置によって、かつ前記訓練データセットを使用して、物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することと、
前記通信回路によって、対象画像を受信することと、
画像分析エンジンによって、かつ前記物体検出モデルを使用して、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別することと、
関連性決定エンジンによって、前記表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記関連性決定エンジンによって、前記推定された可能性が所定の閾値を満たすかどうかを決定することと、
前記推定された可能性が前記所定の閾値を満たす事例では、前記通信回路によって、前記表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を含む、方法。

【0171】

（付記７４）
前記物体検出モデルが、セマンティックセグメンテーションモデルを含み、
前記物体検出モデルを訓練することが、前記物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別することを含み、
地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別することが、前記表面特徴に対応する前記対象画像内の全てのピクセルを識別することを含む、付記７３に記載の方法。

【0172】

（付記７５）
前記画像分析エンジンによって、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の前記領域を識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に含む、付記７３又は７４に記載の方法。

【0173】

（付記７６）
前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記関連性決定エンジンによって、前記表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、付記７３～７５のいずれか一つに記載の方法。

【0174】

（付記７７）
前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記表面特徴の１つ以上の輪郭の変化率を決定することと、
前記関連性決定エンジンによって、前記表面特徴の前記１つ以上の輪郭の前記決定された変化率に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、付記７３～７６のいずれか一つに記載の方法。

【0175】

（付記７８）
前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定することが、
前記関連性決定エンジンによって、前記表面特徴の地理的位置を識別することと、
前記通信回路によって、前記表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信することと、
前記関連性決定エンジンによって、前記層序単位に関する前記受信した情報に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、を含む、付記７３～７７のいずれか一つに記載の方法。

【0176】

（付記７９）
前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記表面特徴の前記地理的位置への水素移動経路、
前記表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、付記７８に記載の方法。

【0177】

（付記８０）
活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するための装置であって、前記装置が、
地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信するように構成された通信回路と、
前記訓練データセットを使用して、物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別するように構成されたモデル生成装置であって、
前記通信回路が、対象画像を受信するように更に構成されている、モデル生成装置と、
前記物体検出モデルを使用して、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別するように構成された画像分析エンジンと、
関連性決定エンジンであって、
前記表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記推定された可能性が所定の閾値を満たすかどうかを決定することと、を行うように構成されている、関連性決定エンジンと、を備え、
前記通信回路が、前記推定された可能性が前記所定の閾値を満たす事例では、前記表面特徴が活性地下の水素蓄積を示すという指標を出力するように更に構成されている、装置。

【0178】

（付記８１）
前記物体検出モデルが、セマンティックセグメンテーションモデルを含み、
前記モデル生成装置が、前記セマンティックセグメンテーションモデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別するように構成されており、
前記画像分析エンジンが、前記表面特徴に対応する前記対象画像内の全てのピクセルを識別するように構成されている、付記８０に記載の装置。

【0179】

（付記８２）
前記画像分析エンジンが、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の前記領域を識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去するように更に構成されている、付記８０又は８１に記載の装置。

【0180】

（付記８３）
前記関連性決定エンジンが、
前記表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、付記８０～８２のいずれか一つに記載の装置。

【0181】

（付記８４）
前記関連性決定エンジンが、
前記表面特徴の１つ以上の輪郭の変化率を決定することと、
前記表面特徴の前記１つ以上の輪郭の前記決定された変化率に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、付記８０～８３のいずれか一つに記載の装置。

【0182】

（付記８５）
前記関連性決定エンジンが、前記表面特徴の地理的位置を識別するように更に構成されており、
前記通信回路が、前記表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信するように更に構成されており、
前記関連性決定エンジンが、前記層序単位に関する前記受信した情報に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することによって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定するように構成されている、付記８０～８４のいずれか一つに記載の装置。

【0183】

（付記８６）
前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記表面特徴の前記地理的位置への水素移動経路、
前記表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、付記８５に記載の装置。

【0184】

（付記８７）
活性地下の水素蓄積を示す地上の表面特徴を自動的に識別するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を備え、前記ソフトウェア命令が、実行されたときに、装置に、
地下の水素蓄積と一致する表面特徴を示すラベル付けされた画像の訓練データセットを受信することと、
前記訓練データセットを使用して、物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴を含む画像内の領域を識別することと、
対象画像を受信することと、
地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別することと、
前記表面特徴が活性地下の水素蓄積を示す可能性を自動的に推定することと、
前記推定された可能性が所定の閾値を満たすかどうかを決定することと、
前記推定された可能性が前記所定の閾値を満たす事例では、前記表面特徴が活性地下の水素蓄積を示すという指標を出力することと、を行わせる、コンピュータプログラム製品。

【0185】

（付記８８）
前記物体検出モデルが、セマンティックセグメンテーションモデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、前記物体検出モデルを訓練して、地下の水素蓄積と一致する表面特徴に対応する画像の全てのピクセルを識別させ、
前記ソフトウェア命令が、実行されたときに、前記装置に、前記表面特徴に対応する前記対象画像内の全てのピクセルを識別することによって、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の領域を識別させる、付記８７に記載のコンピュータプログラム製品。

【0186】

（付記８９）
前記ソフトウェア命令が、実行されたときに、前記装置に、
前記地下の水素蓄積と一致する表面特徴を含む前記対象画像内の前記領域を識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に行わせる、付記８７又は８８に記載のコンピュータプログラム製品。

【0187】

（付記９０）
前記ソフトウェア命令が、実行されたときに、前記装置に、
前記表面特徴と１つ以上の周囲表面特徴との間の地形分化の程度を決定することと、
前記表面特徴と前記１つ以上の周囲表面特徴との間の前記地形分化の程度に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、付記８７～８９のいずれか一つに記載のコンピュータプログラム製品。

【0188】

（付記９１）
前記ソフトウェア命令が、実行されたときに、前記装置に、
前記表面特徴の１つ以上の輪郭の変化率を決定することと、
前記表面特徴の前記１つ以上の輪郭の前記決定された変化率に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、付記８７～９０のいずれか一つに記載のコンピュータプログラム製品。

【0189】

（付記９２）
前記ソフトウェア命令が、実行されたときに、前記装置に、
前記表面特徴の地理的位置を識別することと、
前記表面特徴の前記識別された地理的位置を含む層序単位についての情報を受信することと、
前記層序単位に関する前記受信した情報に基づいて、前記表面特徴が活性地下の水素蓄積を示す前記可能性を推定することと、によって、前記表面特徴が活性地下の水素蓄積を示す前記可能性を自動的に推定させる、付記８７～９１のいずれか一つに記載のコンピュータプログラム製品。

【0190】

（付記９３）
前記層序単位についての前記情報が、
前記層序単位の地理学的特徴、
前記表面特徴の前記地理的位置への水素移動経路、
前記表面特徴の前記地理的位置の近位の水素トラップ若しくはシール、又は
前記層序単位の１つ以上の部分の熱成熟度若しくは現在の温度条件のうちの少なくとも１つを含む、付記９２に記載のコンピュータプログラム製品。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【手続補正書】

【提出日】2023-12-18

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

地下の水素蓄積と一致する地上の表面特徴を自動的に識別するための方法であって、前記方法が、
通信回路によって、対象画像を受信することと、
画像分析エンジンによって、かつ訓練された画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、
前記通信回路によって、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力することと、を含む、方法。

【請求項2】

前記訓練された画像分類モデルが、物体検出モデルを含み、
前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することが、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を識別することを含み、
前記方法が、前記通信回路によって、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を出力することを更に含む、請求項１に記載の方法。

【請求項3】

前記訓練された画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別することが、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルを識別することを含み、
前記方法が、前記通信回路によって、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルの指標を出力することを更に含む、請求項１に記載の方法。

【請求項4】

前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別する前に、前記画像分析エンジンによって、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に含む、請求項１に記載の方法。

【請求項5】

前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含むか、又は卵形表面陥凹部の作成につながる、請求項１に記載の方法。

【請求項6】

前記訓練された画像分類モデルが、畳み込みニューラルネットワークを含む、請求項１に記載の方法。

【請求項7】

前記対象画像が、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、請求項１に記載の方法。

【請求項8】

前記通信回路によって、対象画像のセットを受信することと、
前記画像分析エンジンによって、かつ前記訓練された画像分類モデルを使用して、地下の水素蓄積と一致する任意の表面特徴を含む前記対象画像のセットからの全ての対象画像を識別することと、
前記通信回路によって、地下の水素蓄積と一致する表面特徴を含む前記対象画像のセットからの全ての対象画像の指標を出力することと、を更に含む、請求項１に記載の方法。

【請求項9】

地下の水素蓄積と一致する地上の表面特徴を自動的に識別するための装置であって、前記装置が、
対象画像を受信するように構成された通信回路と、
訓練された画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別するように構成された画像分析エンジンと、を備え、
前記通信回路が、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力するように更に構成されている、装置。

【請求項10】

前記訓練された画像分類モデルが、物体検出モデルを含み、
前記画像分析エンジンが、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別するように構成されており、
前記通信回路が、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を出力するように構成されている、請求項９に記載の装置。

【請求項11】

前記訓練された画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記画像分析エンジンが、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルを識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別するように構成されており、
前記通信回路が、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルの指標を出力するように構成されている、請求項９に記載の装置。

【請求項12】

前記画像分析エンジンが、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去するように更に構成されている、請求項９に記載の装置。

【請求項13】

前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含むか、又は卵形表面陥凹部の作成につながる、請求項９に記載の装置。

【請求項14】

前記訓練された画像分類モデルが、畳み込みニューラルネットワークを含む、請求項９に記載の装置。

【請求項15】

前記対象画像が、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、請求項９に記載の装置。

【請求項16】

前記通信回路が、対象画像のセットを受信するように構成されており、
前記画像分析エンジンが、前記訓練された画像分類モデルを使用して、地下の水素蓄積と一致する任意の表面特徴を含む前記対象画像のセットからの全ての対象画像を識別するように構成されており、
前記通信回路が、地下の水素蓄積と一致する表面特徴を含む前記対象画像のセットからの全ての対象画像の指標を出力するように更に構成されている、請求項９に記載の装置。

【請求項17】

地下の水素蓄積と一致する地上の表面特徴を自動的に識別するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、ソフトウェア命令を記憶する少なくとも１つの非一時的コンピュータ可読記憶媒体を備え、前記ソフトウェア命令が、実行されたときに、装置に、
対象画像を受信することと、
訓練された画像分類モデルを使用して、前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別することと、
前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかの指標を出力することと、を行わせる、コンピュータプログラム製品。

【請求項18】

前記訓練された画像分類モデルが、物体検出モデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別させ、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴を含む前記対象画像内の任意の領域を出力させる、請求項１７に記載のコンピュータプログラム製品。

【請求項19】

前記訓練された画像分類モデルが、セマンティックセグメンテーションモデルを含み、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルを識別することによって、前記対象画像が地下の水素蓄積と一致する表面特徴を含むかどうかを識別させ、
前記ソフトウェア命令が、実行されたときに、前記装置に、地下の水素蓄積と一致する表面特徴に対応する前記対象画像内の全てのピクセルの指標を出力させる、請求項１７に記載のコンピュータプログラム製品。

【請求項20】

前記ソフトウェア命令が、実行されたときに、前記装置に、
前記対象画像が地下の水素蓄積と一致する任意の表面特徴を含むかどうかを識別する前に、前記対象画像に対してオルソ補正を実施して、歪みを除去することを更に行わせる、請求項１７に記載のコンピュータプログラム製品。

【請求項21】

前記地下の水素蓄積と一致する表面特徴が、卵形表面陥凹部を含むか、又は卵形表面陥凹部の作成につながる、請求項１７に記載のコンピュータプログラム製品。

【請求項22】

前記訓練された画像分類モデルが、畳み込みニューラルネットワークを含む、請求項１７に記載のコンピュータプログラム製品。

【請求項23】

前記対象画像が、
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル画像、
衛星画像、又は
パンクロマティック、マルチスペクトル、若しくはハイパースペクトル衛星画像を含む、請求項１７に記載のコンピュータプログラム製品。

【請求項24】

前記ソフトウェア命令が、実行されたときに、前記装置に、
対象画像のセットを受信することと、
前記訓練された画像分類モデルを使用して、地下の水素蓄積と一致する任意の表面特徴を含む前記対象画像のセットからの全ての対象画像を識別することと、
地下の水素蓄積と一致する表面特徴を含む前記対象画像のセットからの全ての対象画像の指標を出力することと、を行わせる、請求項１７に記載のコンピュータプログラム製品。

【国際調査報告】