Automatic analysis of spatial and temporal periodicity and modulation in plants based on image recognition
Publicly Offered Research
Project Area | Intrinsic periodicity of cellular systems and its modulation as the driving force behind plant development |
Project/Area Number |
20H05423
|
Research Category |
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
|
Allocation Type | Single-year Grants |
Review Section |
Biological Sciences
|
Research Institution | Osaka Prefecture University |
Principal Investigator |
内海 ゆづ子 大阪府立大学, 工学(系)研究科(研究院), 講師 (80613489)
|
Project Period (FY) |
2020-04-01 – 2022-03-31
|
Project Status |
Completed (Fiscal Year 2021)
|
Budget Amount *help |
¥7,800,000 (Direct Cost: ¥6,000,000、Indirect Cost: ¥1,800,000)
Fiscal Year 2021: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2020: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
|
Keywords | 植物画像処理 / セグメンテーション / 深層学習 / コンピュータビジョン / RBG-D 画像 / CT 画像 / 花弁の順序推定 / メタ学習 / 画像合成 / 植物画像計測 / RGB-D画像 / 3次元復元 |
Outline of Research at the Start |
本研究では,植物の茎,葉などのマクロな器官の空間的・時間的な周期性,変調を抽出することを目的とする.まず,空間的な周期と変調の抽出・検出では,植物全体の3 次元形状を計測し,これを解析することで,器官の空間的配置の周期性や変調を検出する.続いて,時間的な周期と変調の抽出・検出では,植物の発芽から結実までを継続して撮影し,その中での出葉,枝分かれなどの生育イベントを検出し,検出結果の時系列データを解析することで周期性と変調を検出する.
|
Outline of Annual Research Achievements |
領域内の研究者からイチリンソウとその近縁種の花画像,ツバキ,キクタニギクのCTデータの提供を受け,それらの解析に必要な手法の検討をしたり,イチリンソウとその近縁種に関しては,画像が入力されると解析結果を出力するシステムの作成をした. イチリンソウとその近縁種の花画像では,2020年度で作成した花弁の重なり順の推定アルゴリズムで得られた結果をもとに,花弁の配置パターンを予測することが可能となった.また,撮影した画像から花の領域と花弁の重なり部分の検出,花弁の重なり順推定から花弁のパターンまでを行うアプリケーションを作成した. ツバキの花のCT 画像については,スライス画像から,花弁ごとにセグメンテーションを行った.花弁同士が接触している部分では分割がうまく出来なかったことから,まず,接触部分の有無で花弁の領域を分割した.そして,画像を,画素を1つのノードと考え,画素値の差によりリンクの重みを変化させたグラフと考え,スペクトラルクラスタリングを適用して,花弁同士の接触がない部分の領域のみを切り出し,花弁ごとにセグメンテーションを行うことに成功した. キクタニギクの花のCT 画像では,スライス画像から小花,花床,総苞の器官のセグメンテーションを行った.最初は,同じ器官であっても,1つ1つの個体を識別してセグメンテーションを行うインスタンスセグメンテーションを行っていたが,セグメンテーション手法が変形に弱いことと,データが少量しか得られないことから,個々の器官を区別しないセマンティックセグメンテーションを適用することにした.また,現在,4個体分のデータしかなく,深層学習ベースの手法にはデータが少ない.そのため,データを増やすために,小花のみのデータを用意してもらい学習に利用した.実験の結果,各器官のセグメンテーションに成功し,そのDice 係数は0.93であった.
|
Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
Report
(2 results)
Research Products
(5 results)