| 研究課題/領域番号 |
16K16043
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
情報ネットワーク
|
|---|
| 研究機関 | 信州大学 |
|---|
研究代表者 |
小林 一樹 信州大学, 学術研究院工学系, 准教授 (00434895)
|
|---|
| 研究協力者 |
源野 広和
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2016年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 農園モニタリング / フィールドモニタリング / 農業情報 / 深層学習 / 訓練データ拡張 / 植物3次元構造復元 / スマート農業 / 植物情報 / IoT / 深度情報 / 植物骨格モデル / 機械学習 / スマートセンサ情報システム / モニタリング |
|---|
| 研究成果の概要 |
本研究では，農園モニタリングシステムからの収集画像を用いて，深層学習による果実外形の数値情報の自動抽出を実現した．具体的には，移動型農園モニタリングシステムからの収集画像を用いて，草丈の数値情報の自動抽出を行う技術や，深層学習を用いて農園モニタリング画像から果樹の果実の場所を特定するとともに，その形状情報を自動的に抽出するシステムを開発した．一般に，深層学習では訓練データの収集に多く労力を要するが，自動的にアノテーション付き訓練画像を生成する技術を開発し，訓練データを生成するのに必要な時間と労力とを大幅に削減した．
|
| 研究成果の学術的意義や社会的意義 |
本研究で開発した手法で数値化された植物構造情報を抽出することにより，作物の成長予測シミュレーションや予測モデルの構築に活用できる．単視点画像であっても数値化された植物情報を抽出する技術も開発したため，過去の農園画像に対しても利用が可能である．また，観察データから重要な遺伝子の働きを特定するフェノミクス研究において，遺伝子型と表現型との対応付けの効率化に貢献できる．
|
