Classifying vegetation using deep learning: clarification of characteristics of vegetation

2022 Fiscal Year Final Research Report

• Project/Area Number: 18H03357
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 63010:Environmental dynamic analysis-related
• Research Institution: Kyoto University
• Principal Investigator: ISE TAKESHI 京都大学, フィールド科学教育研究センター, 准教授 (00518318)
• Co-Investigator(Kenkyū-buntansha): 佐藤 永 国立研究開発法人海洋研究開発機構, 地球環境部門(北極環境変動総合研究センター), 研究員 (50392965) ; 渡部 俊太郎 京都大学, フィールド科学教育研究センター, 研究員 (00782335)
• Project Period (FY): 2018-04-01 – 2023-03-31
• Keywords: 人工知能 / CNN / 非接触観測 / 外来生物 / 林業 / 物質循環 / 生物多様性

Outline of Final Research Achievements

This study was conducted with the goal of making innovative advances in the use of deep learning for non-contact and non-destructive observations of vegetation. Deep learning techniques were developed and refined, and experiments were conducted to identify multiple target vegetation types. As a result, we were able to obtain good results in estimating the type and size of forest vegetation, as well as the distribution of invasive plants. The developed deep learning technique has potential for various applications in the future.

Free Research Field

植物生態学

Academic Significance and Societal Importance of the Research Achievements

本研究によって、従来は識別が困難とされていた不定形な植物を画像中で認識することが可能となった。ドライブレコーダーのような手段で撮影された画像からも特定の植物を認識することが可能であることが示されたため、今後は効率的に収集された大量の画像データを自動処理し、人力では不可能な範囲における植物の分布を一律の基準で定量的に推定することにつながる。これは、外来植物の分布の把握や、植物が人の心理に与える文化的生態系サービスの理解など、多様な社会的意義を持つ。