| Project/Area Number |
18KT0087
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 特設分野 |
|---|
| Research Field |
Agricultural Resources for the Next Generation
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
KATO YOICHIRO 東京大学, 大学院農学生命科学研究科(農学部), 教授 (50463881)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
深野 祐也 東京大学, 大学院農学生命科学研究科(農学部), 助教 (70713535)
郭 威 東京大学, 大学院農学生命科学研究科(農学部), 助教 (70745455)
小山 明日香 国立研究開発法人森林研究・整備機構, 森林総合研究所, 主任研究員 等 (90812462)
|
|---|
| Project Period (FY) |
2018-07-18 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2019: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2018: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 雑草 / 野外植物 / 作物栽培 / 農資源管理学 |
|---|
| Outline of Final Research Achievements |
This study aimed to develop an automatic plant species identification system for images of seedlings or vegetative organs. The development processes consisted of preparing a database of training data and developing a deep learning algorithm for automatic plant species identification. Using the prepared image database, a deep learning model was constructed, and a species identification rate of over 95% was obtained. Since it was anticipated that further improvement of the identification rate would require a dramatic increase in the amount of training data, we tried to develop the plant image synthesis using Generative Adversarial Network, and a practical algorithm with an average identification accuracy of 91% was successfully prepared.
|
| Academic Significance and Societal Importance of the Research Achievements |
作物生産と生態系保全が高度に両立した農業システムを確立するには、耕地・草地における生物多様性の高精度モニタリング技術の確立が不可欠である。植物種の自動認識技術は、環境に優しい局所雑草管理（必要な箇所にスポット状に適切な除草剤を散布）の確立にも貢献する。本研究は、農耕地の主要な雑草種を極めて高い精度で自動識別する技術を開発した。それだけでなく、現実世界の実生画像とほぼ変わりない精度の合成画像データを深層学習によって人為的に作出することに成功した。大量のトレーニングデータ取得の困難さゆえに深層学習技術を適用しづらかった野外植物科学の現状の突破につながる画期的な発見である。
|
