2021 Fiscal Year Annual Research Report
機械学習を活用した分光反射特性からの茶樹生葉の品質・ストレス評価
| Project/Area Number |
19K06313
|
|---|
| Research Institution | Shizuoka University |
|---|
Principal Investigator |
薗部 礼 静岡大学, 農学部, 助教 (40755352)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
廣野 祐平 国立研究開発法人農業・食品産業技術総合研究機構, 果樹茶業研究部門, 上級研究員 (10391418)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 分光反射特性 |
|---|
| Outline of Annual Research Achievements |
本研究では，400～780nm における分光反射率を用いて，遮光処理が実施された茶葉のクロロフィルa，bおよびカロテノイド含量の推定を試みた。分光反射率からこれらの葉内含量を推定する上ではKernel-based Extreme Learning Machine (KELM), Deep Belief Network (DBN), Random Forests (RF)およびSupport Vector Machine (SVM)といった機械学習アルゴリズムを使用し，これらの推定精度の比較を実施した。なお，推定モデルをロバストかつシンプルなものとするために，遺伝的アルゴリズムによる変数選択を行うことによって，分光反射特性の冗長性を下げた。加えて，機械学習アルゴリズムのハイパーパラメータをチューニングする際にベイズ最適化を用いることによって，自動的に各機械学習アルゴリズムに対して最適なハイパーパラメータの組み合わせを決定した。各アルゴリズムによる推定モデルを評価用データセットに対する推定精度をもとに評価すると，すべての色素含量の推定においてKELM が最も優れていた。
また茶の旨味成分であるテアニンの含量を評価する上では，1735 nmにおける反射率と1755 nmにおける反射率の差(D (1735, 1755))を使用すると，推定モデルとして十分な精度を達成することができた。
|
Research Products
(6 results)
