Shape and location of wood cell on cross section of Japanese cedar predicated by machine learning

2023 Fiscal Year Annual Research Report

• Project/Area Number: 21K05702
• Research Institution: The University of Tokyo
• Principal Investigator: 堀 成人 東京大学, 大学院農学生命科学研究科(農学部), 助教 (80313071)
• Co-Investigator(Kenkyū-buntansha): 竹村 彰夫 東京大学, 大学院農学生命科学研究科(農学部), 教授 (50183455) [Withdrawn] ; 山口 哲生 東京大学, 大学院農学生命科学研究科(農学部), 准教授 (20466783)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Keywords: 年輪気象学 / 画像解析 / 機械学習

Outline of Annual Research Achievements

本課題の目的は機械学習（Machine Learning, 以降ML）を新機軸とし、木材組織学におけるこれまでにない発見の探索にある。その前半部はスギ横断面で観察できる組織の画像認識法を確立することにあり、本年度はその足がかりをつけた。画像認識におけるMLの具体的な環境は次の通りである：ディープラーニングによる機械学習、画像の識別・学習方法に畳み込みニューラルネットワーク、事前学習あり、前処理段階では教師あり、numpyおよびGoogle TensorFlowを解析ライブラリ、プログラミング言語にPythonとC++を併用した。木材横断面の画像取得は高性能スキャナで行うとともに、インターネットにある画像も著作権に注意を払いながら利用した。既往の研究では年輪幅を横断面の数カ所を測定し、その平均値などで評価しているが、本検討ではMLによる画像識別を用いて年輪界を検出し、より詳細な年輪幅を得られる方法を開発することにある。そのための解析プログラムを作製し研究の基盤として整備した。申請書図3に示したように、年輪画像を極座標系から直交座標系へ変換することでMLでの取り扱いが容易になり、帯状の年輪をΣan(x)^nで表される多項式で表現することに成功した。そしてその多項式で複数の木材横断面の画像を解析し、機械学習で最適化できることを示した。その際に、過学習に至らないよう中心に近い年輪の関数を重要視し、より外側の関数の次元を小さくするよう試行錯誤した。なお、極座標系から直交座標系に変換するにあたり、座標系の中心(髄）に行くほど画素が少なくなり情報が疎になるが、周りの画素から勾配を利用して予測し、画素を補完する方法を採った。