Generalization of rice growth estimation using UAV with the utilization of crop science knowledge and assistance of pseudo-labeling
Project/Area Number |
22KJ1240
|
Project/Area Number (Other) |
22J13389 (2022)
|
Research Category |
Grant-in-Aid for JSPS Fellows
|
Allocation Type | Multi-year Fund (2023) Single-year Grants (2022) |
Section | 国内 |
Review Section |
Basic Section 39020:Crop production science-related
|
Research Institution | Tokyo University of Agriculture and Technology |
Principal Investigator |
山口 友亮 東京農工大学, 大学院連合農学研究科, 特別研究員(DC2)
|
Project Period (FY) |
2023-03-08 – 2024-03-31
|
Project Status |
Completed (Fiscal Year 2023)
|
Budget Amount *help |
¥1,700,000 (Direct Cost: ¥1,700,000)
Fiscal Year 2023: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2022: ¥900,000 (Direct Cost: ¥900,000)
|
Keywords | 水稲 / XAI / UAV / 生育推定 / バイオマス / 機械学習 / イネ / 生育予測 / リモートセンシング / 深層学習 |
Outline of Research at the Start |
UAVは作物の生育診断を効率化してきたが、栽培条件による影響を大きく受けるため、汎用的な推定手法の開発が望まれてきた。これまで、イネのバイオマスおよび葉面積の推定において、品種による形態的な差異が大きな影響を及ぼすことを明らかにした。本研究では、その影響が生じる要因を解明し、得られた知見を活用してUAV空撮イネ画像から特徴量を抽出する。また、これまで利用されてこなかった実測値未知のUAV空撮イネ画像を疑似ラベリングで新たに活用する。これらを組み合わせ、品種による影響を低減した汎用性の高いモデルを構築する。さらに、開発したモデルは農家圃場で運用し、栽培管理の最適化への応用可能性も検証する。
|
Outline of Annual Research Achievements |
UAV空撮画像による水稲の生育推定モデルの構築のためのデータセットについて、その構築に必要な実測値収集の効率化に関する研究を論文としてまとめた。具体的には、これまで当該研究分野における実測値収集は複数株の刈り取りに基づくものが主であったが、本研究では、より省力的に収集できる1株の刈り取りに基づくデータセットも単回帰モデルの構築および機械学習による回帰モデルの精度向上に活用できることが示された。本成果は査読ありの国際誌であるPlant Production Science誌に学術論文として出版された。本手法を活用して、実際にデータセットを構築し、多様な品種に対してより高い精度でバイオマスを推定できる独自のニューラルネットワークモデルの構築に取り組んだ。本モデルにおいては、作物学的な解釈性を付与することも狙いとした。具体的には、multi-output neural networkとregressor chainと呼ばれる構造を独自に融合したmulti-traits-output-chained neural networkを提案した。本構造によるモデルは、従来手法よりも高い精度で多様な形態を持つ24品種のバイオマスを推定した。さらに、各品種のバイオマス生産に影響する形質の重要度が異なるという解釈が本モデルから得られ、従来のモデルよりも高い解釈性を付与できた。本成果は日本作物学会第257回講演会で発表されたほか、査読ありの国際誌であるComputers and electronics in agriculture誌に学術論文として出版された。
|
Report
(2 results)
Research Products
(8 results)