Image-based analysis of brood condition in honey bee combs

2018 Fiscal Year Research-status Report

• Project/Area Number: 18K11346
• Research Institution: Utsunomiya University
• Principal Investigator: 長谷川 まどか 宇都宮大学, 工学部, 教授 (80322014)
• Co-Investigator(Kenkyū-buntansha): 篠田 一馬 宇都宮大学, 工学部, 助教 (50639200)
• Project Period (FY): 2018-04-01 – 2021-03-31
• Keywords: 画像解析 / 養蜂用巣脾 / ミツバチ / CNN

Outline of Annual Research Achievements

本研究では、養蜂用西洋ミツバチの巣房状態の把握と生育管理への利用を目指し、巣脾を撮影した画像から巣房の状態を機械学習等を用いて自動判別する方法の検討を行っている。日本国内では、機械学習をミツバチの巣房状態の分類に応用した例はなく、応用分野の面で新規性がある。また、巣房は使用頻度が高くなるほど黒ずんでくるため、この色の違いを補正して判別する必要があり、これを実現する点に独創性がある。
研究初年度である本年は、まず、評価の基準となる正解画像を作成するため、現存するRGB形式の養蜂用巣脾画像のアノテーション作業を行った。本研究で取り扱う巣礎には、おおよそ縦４０個×横８０個の計３２００個の巣穴パターンが配置されており、この上に形成される巣房の状態を撮影した画像上で着色し、以後の検討の基準となる正解画像を作成した。また、原画像を復元可能な画像コントラスト調整法についても検討を行った。
さらに、自動分類の手法として、畳み込みニューラルネットワーク(CNN)に着目し、１画素単位で巣房の状態を判定する手法の検討を行った。本年の検討では、蜂の育成状況に関連の深い、有蓋蜂児域、蜜(有蓋)、蜜(無蓋)、蜂成虫、幼虫、花粉の６クラス分類を行った。実験の結果、平均分類正解率が９０％に達した。ただし、サンプル数の少ない花粉領域や、１つの巣房よりもサイズが大きい蜂成虫領域は、入力画像によっては、正解率が６０％程度と低くなる場合があった。今後、学習用画像サンプルの収集を継続するとともに、CNNのネットワーク構成や入力画像サイズの検討を進め、正解率の向上を図る予定である。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

養蜂用巣脾画像のアノテーション作業と畳み込みニューラルネットワークを用いた巣房状態の自動分類の検討は当初の予定通り進んでいる。これらの成果発表は2年目の6月頃を予定している。

Strategy for Future Research Activity

2年目は、初年度に検討を行ったCNNのネットワーク構成を改良するとともに、入力画像サイズやカラーバランス調整法の検討を進め、正解率の向上を図る予定である。初年度は、巣房の色の違いを手作業で調整していたが、本年はこれを画素値分布の統計量をもとに自動的に調整するための基礎検討を行う。
また、産卵数はコロニーの繁殖力を知る上で重要であることから、分類クラスに卵領域も加えて自動分類の検討を行う。加えて、ミツバチへのヘギイタダニの寄生が問題となっていることから、巣板画像中のダニを自動検出する手法も探る。卵およびヘギイタダニは1～2ミリ程度と微小であるため、従来よりも解像度の高い撮像系で画像を撮影し、巣房状態の自動分類やダニの自動検出の実現可能性を検討する。
さらに、IR撮影が可能なカメラを使用して巣礎のRGB+IR画像を撮影する環境の構築とデータ収集を行う。相異なる波長帯のIRフィルタを用いて巣房の状態判別に有用な帯域の調査を行う。

Causes of Carryover

養蜂用蜂巣の撮影交渉に若干遅れが生じたため、撮影機材の購入に遅延が生じた。この差額は、翌年度分として請求した助成金と合わせ、カメラ、フィルタ等の撮影機材や画像解析用機材の購入に充てる予定である。