2023 Fiscal Year Final Research Report
Shape and location of wood cell on cross section of Japanese cedar predicated by machine learning
| Project/Area Number |
21K05702
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 40020:Wood science-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
Hori Naruhito 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)
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 / 組織形状 / 画像解析 / 機械学習 |
|---|
| Outline of Final Research Achievements |
The objective of this project is to explore unprecedented discoveries in wood histology using machine learning (ML) as a new approach. The first part aims to establish an image recognition method for the tissue observed in cross-sections of Japanese cedar (sugi). Previous studies have evaluated annual ring widths by measuring several locations on the cross-section and averaging these values. However, this study aims to develop a method to detect annual ring boundaries using ML-based image recognition, allowing for a more detailed measurement of annual ring widths. To achieve this, an analysis program was developed and established as the foundation of the research. As shown in Figure 3 of the application, transforming the annual ring images from polar coordinates to Cartesian coordinates makes it easier to handle them with ML. This transformation allowed us to successfully represent the strip-shaped annual rings with a polynomial expressed as Σan(x)^n.
|
| Free Research Field |
木材科学
|
| Academic Significance and Societal Importance of the Research Achievements |
MLが実用化されてから日は浅いが、その技術は瞬く間に社会基盤となった。 木質科学の領域に目を向けると機械学習を取り入れた研究は少なく、加えて内容も分類・予測の確度を高めることに重きが置かれている。ML自体の研究は、さまざまな要求に対応できるよう計算アルゴリズムを洗練させることにある。そしてMLによる分類・予測は産業の分野で大きな期待が寄せられている。しかし本来MLにおいて最も重要なのは学習成果にある。学習をさせたMLがどのような理由でそのように分類・予測したのかを抽出し、そこから人間には導けなかった原因を発見する点に学術的な意義がある。ここに本課題の目標を位置づける。
|
