Indoor Monitoring System using Living Plants as Sensor Agents

2019 Fiscal Year Annual Research Report

• Project/Area Number: 17K00783
• Research Institution: Kanazawa University
• Principal Investigator: 南保 英孝 金沢大学, 電子情報通信学系, 准教授 (30322118)
• Project Period (FY): 2017-04-01 – 2020-03-31
• Keywords: 室内モニタリング / IoT / 植物センサ / 高齢化社会

Outline of Annual Research Achievements

高齢化社会の進行に伴い、独居老人世帯などのモニタリングの需要は高まっている。本研究では、植物生体電位を用いた室内モニタリングシステムの構築を目的としている。植物をセンサとして用いることで、モニタリングの対象となる居住者の心理的不安を取り除くことが可能になると考える。しかし、植物によるセンサは検知精度と検知範囲が狭いという問題があるため、本研究では複数の植物を同時に用いるとき精度改善と各植物で測定されたデータの処理方法について検討を行い、室内モニタリングシステムの開発を行った。
検知精度の改善に対しては、測定した植物生体電位データから深層学習手法によって居住者の位置を推定するモデルを構築する際の、学習アルゴリズムの検討を行った。畳み込みニューラルネットワーク(CNN)とLSTMの比較を行い、CNNを用いる方が精度が高い事を示した。人の動きが植物生体電位に与える影響の強さは距離に依存する。そのため、短い時間で考えたとき、居住者の位置は、時系列よりも振幅に与える影響がの方が大きくなり、時系列データを扱うことが多いLSTMよりもCNN方が良い精度になったと考えられる。次に、データの処理方法について検討を行った。計測したデータの処理を各植物で行い、処理結果を集約して推定を行う場合と、データを集約してサーバに相当する場所で推定を行う場合の比較を行った。複数のデータを集約して推定できるため、精度の面では後者が有意となったが、前者は植物の追加・削除が容易となり、複数の植物の活用が容易となる利点があり、後者の精度改善を行うことが、室内モニタリングの実現には必要であるという結論となった。また、現時点では、十分な精度を達成しているとは言えないが、高精度を必要としない応用についても考えていく必要があると思われる。