2022 Fiscal Year Annual Research Report
Estimation of water stress of plant by deep learning of leaf images
| Project/Area Number |
20K06328
|
|---|
| Research Institution | Toin University of Yokohama |
|---|
Principal Investigator |
佐野 元昭 桐蔭横浜大学, 医用工学部, 教授 (90206003)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
杉本 恒美 桐蔭横浜大学, 工学研究科, 教授 (80257427)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 植物の水ストレス / 葉の固有振動数 / Webカメラ / 深層学習 / 最適灌水制御 |
|---|
| Outline of Annual Research Achievements |
植物の水ストレスの推定法として、我々は葉の固有振動数に着目しており、これまでに、葉の固有振動数は日周変動し、健全な葉と水ストレスを受けた葉では、その振る舞いが異なること見出した。また、葉の振動計測の自動化を考えた場合、カメラ映像の相関追尾法では特徴点の設定がネックになるため、特徴点を必要としない方法として、フレーム画像を碁盤の目のような矩形領域に分割し、各矩形領域の平均画素値の変化から葉の振動を計測する方法を提案し、その際、葉の振動を反映した領域の選択に、深層学習ニューラルネットワークが使えないか検討してきた。併せて、深層学習によって直接的に葉の画像を学習させて、葉の萎れが検出できないかも検討してきた。
昨年までは、開発環境としてSonyが公開しているNeural Network Consoleを利用し、葉の振動を反映した矩形領域の選択や、インターネット等で集めた様々なトマトの葉の画像の萎れの判定を、深層学習の一つであるCNN（Convolutional Neural Network）を用いて行い、何れも90%以上の精度が得られた。
今年度は、これを葉の振動計測システムに組み込むため、CNNのプログラムをPythonで作り直すと共に、併せてC++で書かれていた計測プログラムもPythonで作り直し、葉の計測システムの完全自動化を目指した。開発環境としては、今回はTensorflowのKerasを利用した。
作成したニューラルネットワークの性能評価のために、既存のデータをその自動計測システムで処理した結果、自動化前の手動判定の結果とほぼ同等の結果を得たので、まだ学習の改善等の課題はあるものの、プログラムの大枠は完成した。しかし、完成したプログラムを長時間走らせると処理が徐々に重たくなり、最後は停止してしまうという現象が発生しているので、C++で作り直すことが望ましいと考えられる。
|
Research Products
(2 results)
