2021 Fiscal Year Annual Research Report
Extraction of high-order information by deep learning from environment monitoring data on greenhouses
| Project/Area Number |
19K06323
|
|---|
| Research Institution | Kindai University |
|---|
Principal Investigator |
星 岳彦 近畿大学, 生物理工学部, 教授 (80219162)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | エッジコンピューティング / 環境予測 / Python / 多層パーセプトロンモデル / UECS |
|---|
| Outline of Annual Research Achievements |
深層学習技術でスマート農業の実現に繋がる高次情報抽出の可能性を検討した．UECS設置温室の環境制御状態を深層学習モデルでリアルタイム予測し，高度異常監視システム開発を目指した研究を実施した．最終年度は，教師付き深層学習による教師データ量(期間)の違いが学習性能に及ぼす影響をまず調べた．最長3年間の教師データを使用して，相対誤差が最小で，過学習が発生しないニューラルネット構造と学習条件を探索し，この深層学習モデルで室内気温，相対湿度，CO2濃度を予測させた．すると，長期間より，直近1年間の教師データのモデル構築時の平均相対予測誤差が最小になった．加えて，直近1週間程度のデータを転移学習させると，異常検出の感度がさらに約2割高まった．また，予測誤差の平方相対値を60分間移動平均する信号処理で異常検出がより容易になった．続いて，GPU搭載のJetson Nanoにモデルを移植し，深層学習を逐次行うシステムを開発した．その結果，1年間分の教師データを約16分間で深層学習できた．学習にPCを用いず，単体でリアルタイム学習し，高度監視ができるようになった．異常検出信号処理とハードウェアの変更により，生産現場設置が容易で実用性の高いシステムに改善できた．さらに，培養液など地下部の環境データを対象にする総合的高度監視システムを構築する教師データセットを自動収集するために，給排培養液量，液温，導電率を低コストで自動計測するUECS利用の低コストシステムを開発し，イチゴの吸水・吸肥を分単位でリアルタイム計測・記録できるようにした．今後，深層学習モデルと組み合わせることで，イチゴ成育の早期異常発見システム，最適培養液管理システムの構築を目指したデータセット収集が容易に行えるようになった．今後，共同研究機関を募り，実証研究プロジェクトの実施に向けた提案を行っていきたいと考える．
|
