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

点击翻译按钮获取中文摘要

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。