2020 Fiscal Year Research-status Report
Reassessment of the role of wild grass and weed species in the agro-ecosystem services for adaptive crop and natural resource management
| Project/Area Number |
18KT0087
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
加藤 洋一郎 東京大学, 大学院農学生命科学研究科(農学部), 教授 (50463881)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
深野 祐也 東京大学, 大学院農学生命科学研究科(農学部), 助教 (70713535)
郭 威 東京大学, 大学院農学生命科学研究科(農学部), 助教 (70745455)
小山 明日香 国立研究開発法人森林研究・整備機構, 森林総合研究所, 主任研究員 等 (90812462)
|
|---|
| Project Period (FY) |
2018-07-18 – 2022-03-31
|
| Keywords | 野外植物 / 雑草 |
|---|
| Outline of Annual Research Achievements |
農業において畑に生えている雑草を除去することは、農作物を育成するために重要な作業である。しかし広大な農地の雑草を人手で除草することは非常にコストがかかる。除草剤は有効な除草手段であるが金銭的・人的コストがかかると同時に農作物・地域の生物多様性へのへの悪影響もあるため、ドローンをはじめとしたICTを利用した効率的な農薬散布が求められている。ICTを利用して雑草のみに除草剤を散布するためには、カメラで取得した画像を基に農作物と雑草を自動で識別する必要がある。そこで本研究ではディープラーニング(畳み込みニューラルネットワーク)を使って、雑草の画像の自動で識別するためのモデルを構築した。昨年度までの研究により、主要な畑地雑草10種に関して、ディープラーニング(畳み込みニューラルネットワーク)を使って、雑草画像から種を自動で識別するためのモデルを構築した。これらのモデルでは、テストデータへの適合度が著しく低くなる場合もあるものの、識別の精度は平均して90%程度であった。しかし、これまでのモデルでは特定の生育ステージのみの写真を利用しているため、野外で生育する多様な雑草画像を識別するのは難しいだろう。野外シーンで利用できるモデルを構築するためには、より多様でより多くの雑草画像を取得する必要がある。そこで本年度は、オープンソース型の自動栽培キットであるfarmbotを導入し、雑草画像を大量に取得するシステムの構築を目指した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
コロナ禍での実験には大きな制約を伴ったが、主要な雑草に関して、大量の画像情報取得方法がほぼ確立に至った点が大きな前進である。画像解析方法についてもメドが立ったため、種を自動で識別するためのモデル構築に取り掛かっている。
|
| Strategy for Future Research Activity |
市販品のfarmbotをカスタマイズし、雑草自動栽培・自動撮影に特化した装置を組み上げる予定である。そのような装置を用いて、365日24時間雑草画像を取得し、あらゆる生育ステージの画像データの大量のデータベースを構築し、モデル精度向上を進める。
|
| Causes of Carryover |
コロナ禍で実験遂行に制約がかかったが、新型コロナウイルス感染症リスク管理が整備されたため、今後は各生育ステージの雑草画像の大量取得とデータベース構築を進める。また、作物の多元素吸収量の解析（イオノーム）も進める。
|
