| 研究課題/領域番号 |
20K12286
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分64060:環境政策および環境配慮型社会関連
|
|---|
| 研究機関 | 大東文化大学 |
|---|
研究代表者 |
浅野 美代子 大東文化大学, 法学部, 教授 (00307141)
|
|---|
| 研究分担者 |
浅野 良晴 信州大学, 工学部, 特任教授 (20140551)
鄭 宏杰 東洋大学, 理工学部, 助教 (20778576)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2022-03-31
|
| 研究課題ステータス |
中途終了 (2021年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
|
|---|
| キーワード | CNN / 木材個体識別 / 木材トレーサビリティ / ＣＮＮと線形回帰分析のハイブリッド解析法 / 深層学習 / RFID：ICチップタグ / 年輪画像識別 / 木材IOT実装 / 木材個別識別 / 木材IoT 実装 / RFIDチップタグ / 木材管理データベース / 森林持続可能性 / ニューラル・ネットワーク |
|---|
| 研究開始時の研究の概要 |
林業の活性化や森林持続可能性に寄与するため「木材資源循環」と「木材トレーサビリティ」が重要で、林業の課題は、素材丸太から木材製品になり建築物になるまでの一貫した木材管理である。木材にRFIDチップを埋め込んだ実験が行われているが、赤外線年輪画像を用いるとより効率的であり、「Convolutional Neural Network (CNN)と線形回帰分析のハイブリッド解析法」によるシステムを作成する。ＣＮＮ解析は予測精度が高いが、年輪画像のような類似性が強い画像解析では予測精度が確認されていないので ①ＣＮＮ分析、②線形回帰分析、③「ＣＮＮと線形回帰分析のハイブリッド解析法」の比較を行なう。
|
| 研究実績の概要 |
① 年輪の赤外線画像分析。多摩木材センター協同組合（東京都青梅市）で、赤外線カメラによる木材画像撮影会を６回実施。木材は現場で伐採されてセンターに運ばれ伐採者ごとに積まれる。各々の赤外線年輪画像を最低３枚撮影し、JPG形式に変換して素材丸太を円形に切り抜く。次にConvolutional Neural Network（CNN）手法を用いて画像特性を学習した識別器を生成する。入力データベースに，ImageDataGeneratorクラスを用いて年輪赤外線画像を回転・明度・拡大と縮小で水増しした。CNNによる木材特定の識別分析を行った。
② 林業のトレーサビリティ検討（林業の６次化と木材セキュリティーの実現）。新型コロナ感染防止のために海外出張ができなかった。都道府県庁・町役場に出張して林業政策についてヒヤリングを行ない，議論をおこなった。北海道庁，むかわ町役場，山形県飯豊町役場，福島県庁，香川県庁，宮崎県庁（ZOOM会議），大分県庁（TEAMS会議）と関連機関を訪問。林業トレーサビリティ実施手順は、年輪赤外線画像を収集して、「木材管理データベース」を作成する。伐採時に各木材にRFIDタグ（ICチップ）を埋め込んでキーと伐採場所などを記入する。キーによる「木材管理データベース」をクラウドに作成して管理に用いた。
③ 年輪赤外線画像から「Convolutional Neural Network (CNN)と線形回帰分析のハイブリッド解析法」解析。ＣＮＮ解析は予測精度が高いが、年輪画像のような類似性が強い画像解析では、まだ確認が行われていない。 （１）ＣＮＮ分析、（２）線形回帰分析、（３）「ＣＮＮと線形回帰分析のハイブリッド解析法」、それぞれの結果を比較して分析を行った。成果の公表は今後行う。
④ 研究代表者浅野美代子は、一般財団法人日本経済研究所客員上席研究主幹となり研究をつづける。
|
