2022 Fiscal Year Annual Research Report
Learning-based outdoor plant trait measurement method using images
| Project/Area Number |
18K18074
|
|---|
| Research Institution | Osaka Metropolitan University |
|---|
Principal Investigator |
内海 ゆづ子 大阪公立大学, 大学院情報学研究科, 講師 (80613489)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 植物計測 / 分げつ数推定 / 深層学習 / 植物画像処理 |
|---|
| Outline of Annual Research Achievements |
本研究課題では，単子葉植物の枝分かれである分げつ数を，1枚の画像から深層学習を用いて推定する手法を提案している．今年度は，この提案手法の精度検証のための実験を実施した．
実験では，画像を用いた分げつ数の推定手法の従来手法であるFahlgrenらの手法を，本研究で用いたデータに対して適用した．Fahlgren らは，我々が評価に用いたものと同じデータセットを使って，画像に占める植物の面積から植物の新鮮重量を線形回帰を用いて求め，さらに，新鮮重量と画像中の植物の縦横比から，線形回帰により分げつ数を推定する手法を提案している．我々の提案手法では，Fahlgren らが用いた画像を縮小したものを用いて評価を実施したことから，実験の条件が異なっていた．そのため，公平な評価を行うため，画像の解像度を我々の提案手法と同じにして実験を実施した．実験の結果， Fahlgren らの手法の平均絶対誤差（Mean absolute error, MAE）が1.187 であったのに対し，提案手法のMAE が0.57であり，提案手法がFahlgren らの手法よりもよりよい推定精度を示した．
加えて，提案手法の分げつ数推定にかかる計算時間の評価を実施した．画像から特徴抽出をし，分げつ数を推定するまでにかかった時間を計算したところ，提案手法で線形回帰を用いて推定精度を計算した場合，Support vector regression (SVR) を利用した場合がそれぞれ98, 191 ms であったのに対し，Fahlgren らの手法は0.6 ms であった．しかし，精提案手法の計算時間も十分短い上，度評価の結果から提案手法の方がFahlgren らの手法よりもより良い推定精度を示していることもあり，特に問題ではないと考えられる．
|
