Extraction of high-order information by deep learning from environment monitoring data on greenhouses
| Project/Area Number |
19K06323
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 41040:Agricultural environmental engineering and agricultural information engineering-related
|
|---|
| Research Institution | Kindai University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2019: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | 培養液管理システム / エッジコンピューティング / 保守管理 / 環境制御システム / 高度異常監視 / Raspberry Pi / 深層学習モデル / UECS / 環境予測 / Python / 多層パーセプトロンモデル / 深層学習 / 施設園芸 / 環境モニタリング / 施設気象データ / モデリング / イチゴ / 施設園芸生産 / 環境計測制御システム / AI / ビッグデータ |
|---|
| Outline of Research at the Start |
園芸施設から得られる多量の施設環境記録データから、環境制御ノウハウ、機器性能の劣化、ヒューマンエラーの発生等の高次情報を抽出する。高次情報の抽出のため、前処理方法、深層学習により効果的に弁別・変換するためのANN構造・学習アルゴリズム等について検討する。このような高次情報を利用することで、施設植物生産の生産性の改善、事故等のリスク軽減、日本の多棟分散施設における環境計測器等の機器設置コストの軽減に資することが期待される。
|
| Outline of Final Research Achievements |
For the advanced utilization of environmental measurement and control data, an intelligent monitoring system for inspection and maintenance of greenhouses using a deep learning (DL) model has been discussed. The DL model has learned normal greenhouse environment from the big-data record. A Raspberry Pi installed the learned DL model is attended to a greenhouse LAN with working the Ubiquitous Environment Control System (UECS), and compares predicted values by DL with measured real values every minute. The results of a demonstration tests confirmed that the system was able to detect delicate control abnormalities that are difficult to detect only by observing abnormal environmental measurement values and abnormal plant growth. A UECS node that automatically measures the amount of water and fertilizer absorbed by crops every minute was also designed and developed. The utilization as the training data sets for DL applications for advanced nutrient management in hydroponics is expected.
|
| Academic Significance and Societal Importance of the Research Achievements |
環境制御システムの普及で，日本で2018年に約1870憶個が記録されたと試算されるなど，園芸施設の環境計測制御電子記録データが大量に自動取得されている．しかし，過去データのグラフ化程度が主で，生産に資する活用がされていない．本研究では，深層学習の教師データとしてこれを活用し，環境制御不調を高度監視して，点検・保守に活用可能にした．開発システムは，高度な保守管理サービスとして農業クラウドビジネスでの事業化が期待できる．また，開発した深層学習施設環境モデルは，従来の重回帰モデルと比較して4～6倍高精度であり，時系列情報も不要である．施設園芸用環境モデルとして各種応用が今後期待できる．
|
Report
(4 results)
Research Products
(15 results)
