研究課題/領域番号 |
21K05702
|
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40020:木質科学関連
|
研究機関 | 東京大学 |
研究代表者 |
堀 成人 東京大学, 大学院農学生命科学研究科(農学部), 助教 (80313071)
|
研究分担者 |
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)
|
研究期間 (年度) |
2021-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2023年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2022年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2021年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
|
キーワード | 年輪気象学 / 組織形状 / 画像解析 / 機械学習 / ディープラーニング / スギ / 画像認識 |
研究開始時の研究の概要 |
本課題の目的は機械学習(Machine Learning, 以降ML)を新機軸とし、木材組織学におけるこれまでにない発見にある。研究の概要は次の通りである。 1. MLによる組織形状の画像認識を確立し、形状に関する新たな規則性の導出 2. 計算機の容量限界を克服し、横断面上にある組織すべての形状と位置の記録 3. 複数の気象要素が合わさって発現する年輪幅への影響因子をMLで探索 4. 気象が組織生長に及ぼす影響について、年輪気象学を組織レベルへ精密化 5. 乾燥過程で変化する組織の形状と位置を追跡し、新規の作業仮説を提示
|
研究成果の概要 |
本課題の目的は機械学習MLを新機軸とし、木材組織学におけるこれまでにない発見の探索にある。その前半部はスギ横断面で観察できる組織の画像認識法を確立することにある。既往の研究では年輪幅を横断面の数カ所を測定し、その平均値などで評価しているが、本検討ではMLによる画像識別を用いて年輪界を検出し、より詳細な年輪幅を得られる方法を開発することにある。そのための解析プログラムを作製し研究の基盤として整備した。申請書図3に示したように、年輪画像を極座標系から直交座標系へ変換することでMLでの取り扱いが容易になり、帯状の年輪をΣan(x)^nで表される多項式で表現することに成功した。
|
研究成果の学術的意義や社会的意義 |
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。
|