| 研究課題/領域番号 |
20K06323
|
|---|
| 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41040:農業環境工学および農業情報工学関連
|
|---|
| 研究機関 | 琉球大学 |
|---|
研究代表者 |
光岡 宗司 琉球大学, 農学部, 准教授 (60437770)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 農業機械の作業情 / 複数時系列データ / 特徴量抽出 / 機械学習 / 機械の異常検出 / 作業状態の分類 |
|---|
| 研究成果の概要 |
本研究では，農業機械の作業中の振動時系列情報のみから作業特徴量を抽出し，作業状態を数値化することを最終的な目標に，振動時系列データに基づく作業状態の違いの把握に寄与する特徴量の抽出および機械学習による作業条件の分類を試みた。
その結果，機体の剛性が高い部位に設置した慣性センサー（3軸並進加速度および回転角速度）から得られる時系列データが最も機械の稼働状態を把握する上で有用であった。さらに，トラクタのロータリ耕うん作業を対象に、異なる作業条件および圃場条件を組み合わせた16パターンの条件を設定し，計測された振動時系列データを用いた機械学習の結果，約95 %の精度で判別可能であった。
|
| 自由記述の分野 |
農業情報工学
|
| 研究成果の学術的意義や社会的意義 |
一般的に熟練作業者ほど圃場の土壌や作物の状態，機械から伝わる振動・騒音および作業精度等の情報から作業状態を総合的に判断して操作を行っている。また，作業中に機体を通じて作業者に暴露される力覚データは機械の状態を作業者に知覚させる重要な情報であり、機械の不具合や異常検知における判断・意思決定に大きく影響を及ぼす。
そこで本研究では、計測された多変数データを用いた異常の早期検出手法を開発することで作業適期中の機械の故障による経済的損失の低減、メンテナンス性や使用耐久年数および機械の安全性の向上に極めて高い寄与が期待できる。
|
