ハイパースペクトル画像解析による作物雑草識別法を用いた機械除草システムの開発
| Project/Area Number |
16780176
|
|---|
| Research Category |
Grant-in-Aid for Young Scientists (B)
|
| Allocation Type | Single-year Grants |
|---|
| Research Field |
Agricultural environmental engineering
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
岡本 博史 北海道大学, 大学院・農学研究科, 助手 (40322838)
|
|---|
| Project Period (FY) |
2004 – 2005
|
| Project Status |
Completed (Fiscal Year 2005)
|
| Budget Amount *help |
¥2,900,000 (Direct Cost: ¥2,900,000)
Fiscal Year 2005: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2004: ¥2,100,000 (Direct Cost: ¥2,100,000)
|
|---|
| Keywords | ハイパースペクトル画像 / 画像処理 / 雑草 / ソフトウェア / 自動化 / 栽培管理 / 情報処理 / 機械 / ハイパースペクトル / 除草 / パターン認識 / ソフトウェアフレームワーク / センシング |
|---|
| Research Abstract |
本研究では,機械除草システムのための作物雑草識別を目的として,ハイパースペクトル画像解析による識別アルゴリズムの設計を行った。
雑草といってもさまざまな種類が存在し,それぞれの種類が固有の特徴を持っているため,作物雑草識別アルゴリズムを設計する際,多種の雑草を同一のものとして扱うことはできない。そこで,まず,植物体を作物・雑草にかかわらず,個々の種に分類推定し,次に作物およびその他雑草グループの2つに再分類することとした。
植物種分類アルゴリズムの処理の流れにおいて,画素スペクトルデータの低次元化と分類推定処理の2つに分離することができる。
画素スペクトルデータには多次元の情報が含まれており,このデータをそのまま推定モデル作成に用いた場合,推定アルゴリズムが複雑になり,また処理速度の面でも不利である.そこでまず,画素スペクトルデータの低次元化を検討する必要があるが,データ次元が小さくなってもセンシング対象の特徴情報はできるだけ失われないような手法が望ましい.本研究ではデータ低次元化の手法として,ステップワイズ変数増減法による変数選択を採用した。
変数選択により低次元化された画素スペクトルデータを推定モデルに入力することで,その画素の植物種を推定する。推定モデルの設計の際には,多群を対象とした判別分析を採用した。
以上の処理手順により,画像中の各画素について植物種が推定されるが,実際には画素単位ではなく,植物個体単位で種が推定できればよい。そこで,各画素の推定結果から多数決原理により植物個体の推定種を決定した。このように,波長分析に加えて,空間情報の分析も加えることにより,より精度の高い植物種推定が可能となった。
|
Report
(2 results)
Research Products
(1 results)
