| 研究課題/領域番号 |
22H02405
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
土川 覚 名古屋大学, 生命農学研究科, 教授 (30227417)
|
|---|
| 研究分担者 |
稲垣 哲也 名古屋大学, 生命農学研究科, 准教授 (70612878)
馬 特 名古屋大学, 生命農学研究科, 特任講師 (70824316)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| キーワード | 近赤外分光法 / ハイパースペクトラル画像 / CNN / 認識科学分析手法 |
|---|
| 研究実績の概要 |
本研究の目的は、スナップショット型近赤外ハイパースペクトラルイメージング（NIR-ssHSI）法によって得られた一連の分光画像データと各種解析・計算技法を連動させて、「木材内部の水分移動３Dモニタリング」と「自由水と結合水の水素結合性の違いを予測するモデル構築」を分子レベルでの水分動態解析という立場から行い、さらに、観察断面の膨潤・収縮率マッピングを有限要素解析することによって、曲がり・割れ等の発生を推定するとともに、機械学習に基づいて柱材の最適乾燥スケジュールを構築することである。
今年度は、まず、NIR-ssHSI測定に関わる計測システムの向上を目指して、近赤外領域の水分に関する吸収帯のスペクトル情報の検出を可能とするスナップショット型HSI測定装置のSN比改善および適切な画像分解能を得るための検出位置設定等について検討を加えた。その結果、プッシュブルーム型HSIと比較して波長間の連続性が乏しいスナップショット型の分光器でも水分による吸収情報を抽出する測定方法・解析方法が見いだされた。
さらに、木材自然乾燥下および人工乾燥下でのNIR-ssHSI測定および水分動態をモニタリングし、木材試料乾燥下における各断面の分光画像から、樹種、温度、湿度、時間を摂動とする拡散方程式に基づいて自由水および結合水の材内移動シミュレーションモデルの構築を試みた。その結果、プッシュブルーム型では測定が困難な丸太木口面全体における自由水の分布をシミュレーションすることができた。また結合水においてもシミュレーションが可能となるアルゴリズムを考案することができた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
購入装置の画像取り込みに関しては、周縁機器の不具合やソフトウェアのバグ対応で相応の時間を費やしたが、最終的には、スナップショットという短時間での画像取り込みの優位性とＳＮ比改善とのトレードオフを十分に検討することによって、木材の乾燥経過（とくに水分移動という観点から）をモニタリングできるシステムが構築できたことは大きな進捗であった。
これを踏まえて、実際の木材乾燥経過を当該装置で観察したところ、スナップショット型近赤外ハイパースペクトラルイメージング（NIR-ssHSI）装置による観察は、短時間での測定と高精度のスペクトル解析を可能にすることが確認できた。特に、丸太の木口面全体における自由水と結合水の動態を観察できたことは大きな進展であり、得られた分光画像データを解析することで、温度や湿度などの環境条件における水分移動の特徴を明らかにすることができた。これにより、機械学習を用いた最適乾燥スケジュール構築に向けたデータベースの整備が順調に進行している。また、有限要素解析による膨潤・収縮率マッピングとの連動により、曲がりや割れの発生を予測するためのモデル精度の向上が期待され、実用化に向けた有望な成果を得た。
したがって、現在までの進捗状況は「おおむね順調に進展している」と判断する。
|
| 今後の研究の推進方策 |
当該研究最終年度には、下記の項目に注力する。
１．木材乾燥中の曲がりや割れの予測
「拡散方程式構築およびNIR-ssHSIによる水素結合状態の空間分布把握」→「膨潤・収縮率マッピングの有限要素解析」によって、木材乾燥中の自由水・結合水の移動にともなう曲がりや割れの予測を試みる。本研究では、細胞壁レベル（拡散方程式）で水素結合状態をモデリングし、その妥当性をNIR-ssHSIによる水素結合状態マッピングの結果と照らし合わせて確認する。さらに、経時変化から各ピクセルの膨潤・収縮率を求め、これを有限要素解析することによって、曲がりや割れをシミュレートする。実際の木材乾燥で生じた曲がりや割れの状況と比較し、予測の妥当性を確認する。
２．機械学習による柱材最適乾燥スケジュールの構築
本課題の総括として、柱材両端面の自由水・結合水マッピングから最適乾燥スケジュールを策定することを試みる。スギおよびヒノキ生材から柱材（10cm×10cm×200cm程度）を各樹種10本準備し、両端面のNIR-ssHSIを撮影する。上記研究で得られた知見に基づいて、所定の温度・湿度条件下における柱材の水分動態をシミュレーションし、曲がりや割れの程度も同時に推定する。これを繰り返すことにより、最適な乾燥スケジュールを機械学習によって求める。
|
