| 研究概要 |
本研究の目的は,重力の作物生育へのマクロな影響を解析する手法を確立することにある.具体的には,(1)テクスチャー解析法を作物群のイメージに効果的に適用する(2)画像データから得られる統計的特徴量(生育パターンを示すパラメータ)を出力,環境データ(重力,光,温度など)および出力の一部を入力としてカルマンニューロを適用して生育パターンの同定を行い,供試作物の動的生長ニューロモデルを得る.(3)生育パラメータと作物生育に関するの物理的指標(乾物重など)の対応関係をニューロ同定することである.
(1)ソフトウェア開発
背景を含め生育中の作物の画像データから高速で16階調(モノクロY,G信号を用いる)の濃度共起行列を計算するアルゴリズムの開発を行った.1次データはビデオテープに保存される.また,2次データは光磁気ディスクに保存する.画像の特徴量を出力とし,重力を含む環境パラメータおよびダイナミックモデルにするための出力の一部を入力とするカルマンニューロ計算システムを構築を試みた.
(2)実験システム構築
ソフトウェア開発と平行してカルマンニューロのトレーニングデータを収集するため,スペーストロンに画像データ収集システムを取り付けた実験システムを組み上げるためのハードウェアシステムの設計を検討した.供試作物はレタス,ミツバなどを用いた.
(3)生育パラメータの選択
作物の生育過程で,テクスチャー解析により得られる14種の画像特徴量の内,特定の作物の生長に伴う変化率が比較的大きいものをいくつか選ぶ生育パラメータの選択を行った.
(4)トレーニングデータの収集
環境条件下を変化させ作物を栽培し,ミューロントレーニングに適用可能なデータ収集を行う.
(5)カルマンニューロによるシステム同定
トレーニングデータを用いて,最適ニューロ構造の決定を含めカルマンニューロの学習を行った.
|
