研究課題/領域番号 |
18K18074
|
研究機関 | 大阪府立大学 |
研究代表者 |
内海 ゆづ子 大阪府立大学, 工学(系)研究科(研究院), 講師 (80613489)
|
研究期間 (年度) |
2018-04-01 – 2022-03-31
|
キーワード | 植物形態計測 / 深層学習 / 分げつ / Pretext task / 単子葉植物 |
研究実績の概要 |
農学では,育種を目的として,植物の計上を詳細に計測する必要性が高まっている.しかし,計測は人手に頼っており,大きな労力と時間がかかるため,研究のボトルネックとなっている.そこで,本研究では,形態計測の作業負荷軽減と計測可能な形態情報を増やすことを目的とし,画像による植物の形態計測手法の開発を行う. 本研究は,これまで,単子葉植物の枝分かれである分げつ数を1枚の画像から深層学習を用いて推定する手法を提案してきた.深層学習では,従来大量の正解ラベルの付与された画像データが必要とされる.しかし,分げつ数は計数に大変労力がかかるため,大量のデータが収集困難である.そこで,自動でラベルが付与できる形態情報を用いてネットワークを学習し,得られた特徴量を用いて少数のラベル付きデータで学習可能な手法を用いて分げつ数を推定している.この,自動でラベルが付与出来る形態情報を予測するタスクをPretext task と呼ぶ.本研究では,このPretext taskで,画像中の植物の縦横比や,画像中の植物の面積を回帰や識別を用いて予測し,特徴量をもとにSupport Vector Regression (SVR)や深層学習の全結合層を用いて分げつの推定を行い,従来手法と比較してより良い推定精度を示している. 2020年度は,論文執筆を念頭に,その提案手法の詳細な精度評価を行った.具体的には,特徴の学習に用いるデータと,分げつの推定を行うデータから重複したデータを除き,評価の公平性を図った.結果,特徴量の学習と分げつ数推定のデータの重なりがない場合でも,これまでと同等の推定精度を示すことが明らかとなった.
|
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
今年度は,提案手法の詳細な精度評価を行った.これまで用いていたデータデータベースは,深層学習での特徴表現の学習を行うpretext task 用のデータと,ラベルのついた分げつ数推定用のデータには重複がある可能性があった.そこで,データの詳細を調査し,重複のないデータを用いて評価を行った.評価の結果,これまでと同等の推定精度を示すことが明らかとなった. 進捗が遅れた理由としては,データの詳細が提示されてない部分があり,その調査に時間がかかった点が挙げられる.
|
今後の研究の推進方策 |
今後は,屋外で栽培された植物でもこの手法が適用可能かを評価する.そのためには,まず,屋外の植物個体を画像中から切り出す手法を適用し,提案手法を適用できる画像の生成を行う必要がある.また,屋外で栽培された植物は,屋内のポットで栽培された植物と比較して生育状態が異なることから,正解ラベル付きデータだけでなく,pretext task も屋外で栽培された植物によって再学習して評価を行う.
|
次年度使用額が生じた理由 |
進捗状況が遅れたため,研究成果の論文投稿が次年度となった.そのため,論文の校正費用,掲載料としての利用を予定している.また,屋外でのデータ収集や,データのラベル付け等に,研究補助員の雇用や外部委託を行う予定にしている.
|