Reassessment of the role of wild grass and weed species in the agro-ecosystem services for adaptive crop and natural resource management

2021 Fiscal Year Annual Research Report

• 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: 雑草

Outline of Annual Research Achievements

雑草は、作物生産に対する主要な生物学的ストレスと考えられている。本研究では精密な雑草の局所管理による、次世代の農資源管理の技術基盤を形成するため、雑草の芽生えの自動識別のための深層学習アルゴリズム開発を進めた。また、将来的に農業と情報科学の融合が飛躍的に進むことを見据え、雑草解析のためのトレーニングデータのデータベース構築も進めた。予備実験として温室内で大量の雑草を手植えで栽培し、雑草画像を手動撮影により大量に取得、VGGNet-16 DLモデルを用いて異なる分類方法での性能を比較した。その結果、種による分類＜生育ステージによる分類＜科・形態による分類と、識別性能にばらつきがあることがわかった。しかし、雑草のラベル付け（トレーニングデータ作成）は、雑草に関する専門知識を必要とする難しい作業である。このため、トレーニングデータ量を飛躍的に増やすことが出来なかった。そこで、Generative Adversarial Network（GAN）を用いてデータ生成を行い、生成モデルの原理の雑草識別への応用可能性を検討した。SNGANとACGANの組み合わせにより、異なる雑草種を条件とする合成雑草画像を生成した。その結果、GANによる合成データの雑草種の同定精度を評価したところ、平均91%の同定精度を達成し、現在の最先端ネットワークより優れた生成結果を得ることができた。現在の所、GANは異なる雑草種の雑草画像の生成を可能にする一方、異なる成長段階のデータを自動生成することはできない。今後、この点の技術的な解決を進める予定である。