2019 Fiscal Year Annual Research Report
Growth Diagnosis System of Rice Leaf Using The Gaze of Expoerts
| Project/Area Number |
17K18319
|
|---|
| Research Institution | Kumamoto Industrial Research Institute |
|---|
Principal Investigator |
渡辺 秀典 熊本県産業技術センター(ものづくり室、材料・地域資源室、食品加工室), その他部局等, 研究員 (10734288)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 視線 / 熟練技術 / 生育診断 / 画像計測 / 画像処理 |
|---|
| Outline of Annual Research Achievements |
本研究では導入コストが低く、労働負担が少ない稲の生育診断システムを確立することを目的とし、診断時の条件が悪いと診断の精度が悪くなる場合があるというこれまでの課題を解決するために熟練者の視線に注目した研究を行った。
最終年度の研究では、圃場において熟練者が生育診断を実施した際の視線データを深層学習に学習させることで、熟練者の視線の機械化を実現した。セマンティックセグメンテーション等の技術で視線の機械化を実現する場合は圃場画像とヒートマップ等の画像セットを大量に用意する必要がある。しかし、本研究期間内でこれらの画像セットを十分に用意することが困難であったことから、本研究では熟練者の視線を機械化する際の中核技術として深層学習による異常検知手法を利用した。これにより画像セットが潤沢ではない状況においても視線を機械化するために十分なデータを得ることができた。本研究で提案した手法は訓練データに含まれない未知の圃場画像が与えられても熟練者が注目しやすい場所を可視化することが可能であったことから、稲の生育診断を実施する熟練者の視線を機械化する手法として有効であることが確認された。
従来のシステムでは圃場を撮影した後に利用者が診断したい場所を選択していたが、研究代表者による初年度の研究で利用者が場所を選ぶよりも熟練者の視線が集まりやすい部分に重みをおいて診断を行った場合の方が診断の精度が向上する可能性があることが示唆された。本研究により熟練者の視線を機械化することができたため、生育診断システムと結合することで診断精度のさらなる向上につながることが示唆された。
|
