| 研究課題/領域番号 |
19K06321
|
|---|
| 研究機関 | 京都府立大学 |
|---|
研究代表者 |
長島 啓子 京都府立大学, 生命環境科学研究科, 教授 (40582987)
|
|---|
| 研究分担者 |
杜 偉薇 京都工芸繊維大学, 情報工学・人間科学系, 准教授 (00512790)
神代 圭輔 京都府立大学, 生命環境科学研究科, 准教授 (00548448)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | 木口の断面画像 / 特徴量 / 年輪情報 / 動的ヤング率 / 原木の強度推定 / 強度等級 |
|---|
| 研究実績の概要 |
本研究は，需要に応じた品質の原木の供給を実現するため，画像解析および機械学習により，(1) 「見た目」で経験的に把握されてきた材質を定量的に把握すること，(2) 原木強度と「見た目」の材質との関係を把握し，原木強度を推定すること，を目的としている。
目的(1)では、2020年度から取り組んでいた深層学習であるConvolutional Neural Network(CNN)を用いて、ノイズの少ない部分から年輪情報を抽出する方法を確立したところ、屋内にて撮影された画像の解析に有効であることが判明した。一方、山土場（屋外）で撮影されたスギ丸太332本の末口の画像に適用を行ったところ、年輪の抽出精度が低く、野外での木口画像による年輪情報の抽出には課題が残された。
目的（２）について、最終年度では、画像解析によって抽出された年輪情報と動的ヤング率から算出した強度等級の関係から、機械学習(Support Vector Machine: SVM, Backpropatation; BP)によるモデル構築を行い、強度等級E90を除いた場合には、85.31％の推定制度を得ることができた。年輪抽出の精度の向上に伴い今後の精度の向上が期待される。
一方、３年間で収集した合計1560本のスギ丸太の木口画像の目視による年輪情報と、動的ヤング率を基に算出した強度等級から判定された強度グループ（強度の弱い「Low」と強度の高い「High」）の関係から、機械学習（SVM）を用いて強度グループを予測するモデルを構築したところ、Highグループの適合率が62.5％となった。このことは、強度Highである原木を 100 本購入したい場合，無作為では433 本購入しなければならないが， 予測モデルを使用すれば 160 本 の購入で済むことを示しており、年輪情報からの強度推定の有効性を示すことができた。
|
