| 研究課題/領域番号 |
20K21345
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分41:社会経済農学、農業工学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
細井 文樹 東京大学, 大学院農学生命科学研究科(農学部), 准教授 (80526468)
|
|---|
| 研究期間 (年度) |
2020-07-30 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2022年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2020年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
|
|---|
| キーワード | 深層学習 / 樹木 / ３次元点群画像 / ライダー / 点群画像 / SfM / 画像生成 / 植生 / リモートセンシング |
|---|
| 研究開始時の研究の概要 |
本研究では植生を上空から測定して解析する３次元植生リモートセンシングにおいて、画像生成を行うGANを適用し、センサーの死角部分の画像生成を行い、3次元的に補間する方法を開発する。また、VAEとGANをベースに、上空からのリモートセンシング画像中の植生より、枯死や病変している個体を識別する方法の開発にも取り組む。GANやVAEでは、精度に影響する多くの要素の最適化等、その技術的難易度は高いが、本方法により、深層学習の画像生成技術と、ICTの植生モニタリング技術の融合がかなえば、有効な環境問題への処方箋を与えるという意味で、挑戦的かつ意義の高い研究となる。
|
| 研究成果の概要 |
植生リモートセンシングにおいて、植生内部や影などセンサーの死角部分の情報が欠落する問題があり、特に３次元植生情報を得るのにこれは大きな問題であった。これを解決するため、本研究では欠落部分に深層学習のＧＡＮ(Generative Adversarial Net-work）による補間を試みた。また、植生の病虫害検知のため、ＶＡＥ(Variational Auto Encoder)の導入も行った。これらの方法は現在、試行錯誤中であるが、その処理に必要な点群内での個々の樹木の識別や各器官の分離に関して、深層学習や点群特徴量を利用することで、精度の高い分離を可能とする方法を開発することができた。
|
| 研究成果の学術的意義や社会的意義 |
植生リモートセンシングにおいて、植生内部や影などセンサーの死角部分の情報が欠落する問題や植生の病虫害検知に関しては、技術的改善が急務であったが、GANによる植生領域欠落部補間の検討及びVAE異常部識別器の開発がなされることで、その改善が大幅に進むこととなる。現在、この技術の開発は進行中であるが、その処理に必要な点群内での個々の樹木の識別や各器官の分離に関しては有効な技術を開発することができた。また、各器官の分離技術を転用し、ドローンから果実の検出を行う技術やトラクターで動的に収穫物をカウントする技術の開発など、農業分野への適用が可能な技術を新たに開発することができた。
|
