2022 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 / バイオマス / 深層学習 |
|---|
| Outline of Annual Research Achievements |
前年度までの研究により，1平方メートルを撮影範囲としたイネ群落画像から，地上部バイオマスを推定する深層学習モデルを構築することが出来た．ただし，当該モデルは学習に用いていないデータセットに対する推定精度がR2=0.78程度にとどまった．さらに未知の栽培地点，未知の品種に対する推定精度はR2=0.52程度と，実用的とはいえなかった．
そこで本年度は，モデルの汎用性と精度を向上させるため，学習データの増強を行った．具体的には，新規に撮影したイネ群落画像に対し，初年度に構築した高精度な隣接2株のバイオマス推定モデルを適用し，算出された推定バイオマスを真値として採用した．これにより，新規の画像-バイオマスデータセットを省力的かつ大量に生成することが出来た．これを前年度までのデータセットに加え，合計4000点近い画像-バイオマスデータセットを用いて深層学習モデルを再構築したところ，学習に用いていないデータセットに対するバイオマス推定精度がR2=0.93程度まで向上した．
以上により，1平方メートルを撮影範囲とし，実用的な推定精度を持つ簡便なイネバイオマス推定モデルを構築することが出来た．
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
