植物工場のための画像認識
会社で働きながらB4で卒論を書いているという謎のステータスなのでたまにはメモ程度に卒論について
僕が専攻しているところが工学部でありながらなんでもありな学科(経済系からいわゆるAI系や環境系など)ですが
僕はキャンパスが家から近いのが絶対条件だったので人気がなさそうな環境系を選びました。
そしたら”植物工場を作るために植物の状態を観測したい、ディープラーニングってやつでなんとかして”って感じの研究室で
運良く趣味の延長線上みたいなことをやることになりました。
そのため、備忘程度に呼んだ論文や軽く調べたことを書こうと思います。
生育状態の観測
”植物の生育状態がどうか”というのを継続的に&&自動的に観測するというのが、植物工場実現の上で重要のようです。
例えば、生育状態を元にしたフィードバック制御で温度管理などを行うようで、
”生育状態”をいくつかにブレイクダウンし継続的に計測をしたいみたいですね。
”生育状態”の指標として、例えば、花実の数、葉面積などのメトリクスがあり、これらを計測したいというニーズがあるみたいです。
そんなわけで最初はこの論文を読みました。
①Deep Count: Fruit Counting Based on Deep Simulated Learning
この論文のすごいとこ
① trainの画像データは実際の写真でなく人工的に作ったもので代用可能である
② 花実の数を90%程度の精度で当てる
いくつかある学習済みのモデルは植物の種類が変わったとしても多少大丈夫程度のロバストさはあるものの、
やはり精度は足りないようで、植物の種類、生育環境ごとにモデルを組み直すのがよくあるみたいなようですが、
アノテーション済みのデータセットの不足(手間がかかる)により、あまり芳しくない結果となることが多いようです。
そのため、人工的に訓練データを作成してしまえばええやんというコンセプトで
実際にそこそこの精度を出しているのがこの論文のようです。
いくつか関連しそうな論文の中でまず手につけるタスクとして一番これがイメージに近いかなという感じです。
コードを作って共有できればと思います。
②Data synthesis methods for semantic segmentation in agriculture: A Capsicum annuum dataset. Computers and Electronics in Agriculture
この論文のすごいところ
① 花実にとどまらずに植物の3次元データからtrainDataを作り出せるっぽい?
まだ読み途中ですが、わりと有用そう。
ただ本筋とはそれそうなので時間があったら読む
やはりapplicationの人間なのでacademicな議論は向いてないなぁと思った一日でした