Detection of water deficit stress from images of leaf wilting in peach

从桃叶枯萎图像检测水分亏缺胁迫

• 批准号: 21K05585
• 负责人: 山根 崇嘉
• 金额: $ 2.66万
• 依托单位: National Agriculture and Food Research Organization
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K05585/
• 关键词: 水ストレス; モモ; 画像解析

モモ樹の水ストレスは果実の大きさや糖度、渋み、新梢生育などに影響する。果実品質や生育を制御する精密な水管理を行うためには、樹の水分状態を直接把握することが必要となる。樹の水分状態は日中の枝の水ポテンシャル（Ψstem）を用いて測定可能であるが、高額な機器と労力を要する。本研究では画像を深層学習で判別し、水ストレスを検出することを目的とする。2021年度までポット樹の画像からΨstemを推定する深層学習モデルを作成してきた。2022年度はポット樹ではなく、ほ場の地植え樹について、撮影条件を明らかにするとともに、判別モデルを開発した。特に、果樹は一般に樹体が大きく、画像診断を行うために樹全体を撮影しようとすると樹から離れて撮影する必要があり、全体が入り切らない場合や他の樹などが映り込み、樹以外の背景の割合が増加するといった課題があったことから、大きな樹の画像診断法として、樹の近接動画から複数の静止画（フレーム）を切り出し深層学習および検証に用いるとともに、予測精度向上のため、動画から得られる複数フレームの予測値を平均化する方法を試みた。結果としては、学習させた深層学習モデルによる予測値と実測値との間には有意な相関（r2=0.767）が認められたが、誤差が大きかった。このとき、同一動画由来の全フレームの予測値の分布は正規分布となった。解析した全フレームの予測値を平均化し、平均予測値と実測値との間の関係をみたところ、決定係数が大きく向上し、非常に高い相関が認められた（r2=0。927）。これらのことから、動画のフレームの予測値の平均値を用いることで樹の水ポテンシャルを高精度に予測できることが明らかとなった。

Youdaoplaceholder0 tree water ストレス ストレス fruit <s:1> large さや さや sugar content, 渋み and new shoot growth な <s:1> に influence する. Fruit quality be や fertility を suppression す る line precision な water management を う た め に は, tree の moisture condition を directly grasp す る こ と が necessary と な る. の の moisture state は japan-china の branches water ポ テ ン シ ャ ル (Ψ stem) を with い て determination may で あ る が, high な machine と を 労 force to す る. In this study, the deep learning of で ストレスを検 portraits を is used to discriminate <s:1> and ストレスを検 water is used for する とを とを とを purpose とする. The 2021 までポット tree <s:1> portrait する らΨstemを presumes that する deep learning モデ を を results in を て た た た た た. 2022 annual は ポ ッ ト tree で は な く, ほ field の え trees に つ い て, pinch of shadow conditions を Ming ら か に す る と と も に, discriminant モ デ ル を open 発 し た. に, fruit trees, general に は tree が big き く line, portrait diagnose を う た め に tree all を pinch of shadow し よ う と す る と tree か ら from れ て pinch of shadow す る necessary が あ り cut, all が り ら な や い occasions he の な ど が reflected り 込 み, background の cut trees outside の が raised plus す る と い っ た subject が あ っ た こ と か ら, big き な tree の portrait diagnostics と し て , tree の nearly meet animation か ら plural の static painting (フ レ ー ム) を り cutting out し deep learning お よ び 検 card に with い る と と も に, to measure precision up の た め, animation か ら have ら れ る plural フ レ ー ム の to measure numerical を averageness す る method を try み た. Results と し て は, learning さ せ た deep learning モ デ ル に よ る to measure numerical と be measured numerical と の between に は intentionally な phase masato (r2 = 0.767) が recognize め ら れ た が, big error が き か っ た. Youdaoplaceholder0 と と, the origin of the same animation is complete フレ ム ム ム <s:1> distribution of <s:1> pre-measured values <e:1> regular distribution となった. Parsing し た full フ レ ー ム の to measure numerical を averageness し, on average to test numerical と be measured numerical と の between の masato is を み た と こ ろ, big decision coefficient が き く し upward, very high に い masato が recognize め ら れ た (r2 = 0. "927). こ れ ら の こ と か ら, animation の フ レ ー ム の to measure numerical の on average numerical を with い る こ と で tree の water ポ テ ン シ ャ ル を high-precision に to で き る こ と が Ming ら か と な っ た.

项目成果

深層学習に基づくモモ樹近接動画のフレーム予測値の平均化による水ストレス予測精度の向上

基于深度学习对桃树邻近视频帧预测值进行平均，提高水分胁迫预测精度

• 发表时间: 2023
• 作者: Islam Md Parvez;Yamane Takayoshi;山根崇嘉・ハバラガムワ ハルシナ・杉浦 綾・高橋太郎・羽山裕子・三谷宣仁
• 通讯作者: 山根崇嘉・ハバラガムワ ハルシナ・杉浦 綾・高橋太郎・羽山裕子・三谷宣仁

画像判定方法及び画像判定装置

图像判断方法及图像判断装置

• 发表时间: 2023

幹の水ポテンシャルの予想方法および幹の水ポテンシャルの予想システム

树干水势预测方法及树干水势预测系统

• 发表时间: 2021

Water stress detection from images by a deep learning-based regression model in peach

通过基于深度学习的回归模型从图像中检测桃子水分胁迫

• 发表时间: 2022
• 作者: Islam Md Parvez;Yamane Takayoshi;山根崇嘉・ハバラガムワ ハルシナ・杉浦 綾・高橋太郎・羽山裕子・三谷宣仁;山根崇嘉・ハバラガムワ ハルシナ・杉浦 綾・高橋太郎・羽山裕子・三谷宣仁
• 通讯作者: 山根崇嘉・ハバラガムワ ハルシナ・杉浦 綾・高橋太郎・羽山裕子・三谷宣仁

水ストレス診断方法及び水ストレス診断装置

水分胁迫诊断方法及水分胁迫诊断装置

• 发表时间: 2023