| 研究課題/領域番号 |
21K05624
|
|---|
| 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39050:昆虫科学関連
|
|---|
| 研究機関 | 福岡大学 |
|---|
研究代表者 |
高橋 伸弥 福岡大学, 工学部, 教授 (40330899)
|
|---|
| 研究分担者 |
藍 浩之 福岡大学, 理学部, 准教授 (20330897)
鶴田 直之 福岡大学, 工学部, 教授 (60227478)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | ミツバチ / 動物行動学 / 行動追跡 / 深層学習 / トラッキング |
|---|
| 研究開始時の研究の概要 |
本研究の目的は，社会性昆虫であるミツバチの巣内行動を記録した大量の録画データから機械学習により対象の画像特徴を学習し，複数個体の行動軌跡の同時追跡を可能とするシステムを開発することである．このシステムは，人工ニューラルネットの１種である深層表現学習を用いて，正解ラベルが付与されていない膨大なデータに対して教師なし学習を行い，画像中から対象を検出する．更にフレーム間の最適対応づけを行うことで複数個体の行動軌跡の同時追跡を実現する．本研究では，これまで長期間にわたり記録してきたミツバチ観察巣箱の動画を対象として，提案システムにより採餌バチおよび周辺個体の巣内での行動を追跡することを試みる．
|
| 研究実績の概要 |
2023年度に実施した研究に関する実績は、1)DeepLabCutを用いた触覚運動解析手法の検討ならびに巣内行動追跡への応用方法の検討、2）Transoformer ベースの物体追跡アルゴリズムの調査とミツバチ行動追跡への応用方法の検討、の2つである。
1）では、近年、動物行動解析の分野で注目されている、DeepLabCutをミツバチ行動観察に利用できないか検討し、触角の動きを自動追跡するプロトタ イプシステムを作成した。学習画像の枚数を20枚、40枚、60枚と増やし、学習の反復回数も１万回から１０万回まで様々なパラメータで試してみた結果、学習枚数をさほど増やさなくても学習回数を増やすことで精度を高めることができることが確認できた。また触覚の動きのような基本的に他の動きがない動画であればうまく行くものの、ミツバチの巣内行動を記録した動画のような複数個体が動き回るケースではなかなか難しいことも確認できた。
次に2）では、先行研究の調査および適用可能性の検討を行った。先行研究としては、Facebook社の開発した物体検出ＡＩであるDETRや、DETRをさらに拡張した物体追跡AIのTrackformerなどを調査した。さらにシャーレ内のアリの行動追跡を行うda-trackerの実行環境を構築した。いずれもミツバチの行動解析に使うためには事前に学習データを用意する必要があり、それらを効率的に行うためのツールの開発を行った。
以上の実績については、２０２３年度中の発表が間に合わなかったため、2024年度に行う予定としている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
当初、初年度に購入予定だったGPU搭載の機械学習専用のワークステーションが購入できなかったため、やや実験計画がずれ込んでしまっている。2022年度後半には購入できたが、開発環境の準備等の遅れにより、2023年度に実験を十分に進めることができなかった。現在は、環境準備が整ったので、Trackformer等の新方式による実験を進めている状況である。
|
| 今後の研究の推進方策 |
1年間の延長が認められたので、2024年度は、前半までに最新の移動物体追跡ＡＩをミツバチの行動追跡に適用し、その結果を国内外の学会で発表する予定としている。
|
