2021 Fiscal Year Annual Research Report
深層学習に基づくイネバイオマスの汎用的推定モデル構築とその応用
| Project/Area Number |
20H02968
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
田中 佑 京都大学, 農学研究科, 助教 (50634474)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
桂 圭佑 東京農工大学, (連合)農学研究科(研究院), 准教授 (20432338)
辻本 泰弘 国立研究開発法人国際農林水産業研究センター, 生産環境・畜産領域, プロジェクトリーダー (20588511)
高井 俊之 国立研究開発法人国際農林水産業研究センター, 生産環境・畜産領域, 主任研究員 (40547725)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | イネ / 深層学習 / 画像解析 / バイオマス |
|---|
| Outline of Annual Research Achievements |
本年度は，深層学習を用いてイネ群落の可視画像から，地上部バイオマスを推定するモデルについて，撮影面積の拡大による実用性の向上を行った．すなわち，前年度まで隣接する2株を撮影対象としていたものを，本年度より1平方メートルに拡大することで，より大規模な圃場の生育量を把握するうえでの利便性向上を目指した．
撮影範囲を拡大したことでデータ収集の労力は増大したが，国内外の圃場より約2000点の画像およびそれに対応する地上部バイオマスを収集することが出来た．
構築されたデータベースをもとに深層学習モデルを作成したところ，学習に用いていないtestデータに対してR2値が0.78，相対RMSEが0.36程度となった．これは隣接2株撮影モデルよりも低い精度であり，原因として，撮影面積が拡大したことによる画像情報の複雑さの増大が考えられた．そこで今後は，更なるデータの積み増しとモデル作成条件の最適化により，精度の向上を目指すべきであると考えられた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究計画の時点で構想していた隣接2株のバイオマス推定モデルはおよそ完成し，より広い面積をカバーするモデルの構築を開始した．
撮影面積の拡大により精度の低下が発生したものの，今後精度を向上させる余地はあると考えられたことから，研究計画はおおむね順調に進展しているといえる．
|
| Strategy for Future Research Activity |
上述のように，撮影面積を1平方メートルに拡大した際の，イネバイオマスの推定精度低下が課題である．
精度の向上には，データ量の積み増し，モデルのハイパーパラメータの最適化が有効であるため，これらを適用し精度の向上を図る．ただし，労力および栽培面積の関係から，1平方メートルのイネ群落の撮影画像と実測のバイオマスデータを大幅に積み増すことは現実的でないことから，何らかの方法で効率的にデータ量を増加させる必要があると考えられた．
|
