Generalization of rice growth estimation using UAV with the utilization of crop science knowledge and assistance of pseudo-labeling

利用作物科学知识和伪标签辅助的无人机水稻生长估算的推广

基本信息

批准号：
22KJ1240
负责人：
山口友亮
金额：
$ 1.09万
依托单位：
Tokyo University of Agriculture and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22KJ1240/
关键词：
イネ生育予測 UAV リモートセンシング機械学習深層学習

项目摘要

本研究は品種による形態の影響を受けない汎用性の高いイネの生育推定モデルの構築を主な目的とした。当該年度は、まず、多様なイネ品種を対象にUAV空撮画像と実測の生育データの収集を行った。データ収集は本年度まで4年間継続して行っており、数千点のデータを蓄積した。高精度のモデルの構築には、データセットの拡張が有効である。そこで、植物体のサンプリングを行う株数を縮小して効率的に構築したデータセットが、生育推定モデルの開発に利用可能であるかを調査した。その結果、単回帰分析に基づく生育推定モデルは、サンプリングの株数を縮小したデータから構築した場合でも、従来と同程度の精度を実現できることが明らかとなった。さらに、サンプリングの株数を縮小したデータは、機械学習モデルの予測精度の向上にも寄与できることが示された。既往の研究では、複数株のサンプリングに基づくデータを集約して1点のデータとし、データセットが構築されることが一般的であったが、今回の結果から、省力的に収集可能な単一の株に基づくデータセットもモデル開発に活用できることが示された。以上の成果を活用し、多様なイネ品種群を含む計2000点以上のデータから成るデータセットを構築した。本データセットから様々な機械学習アルゴリズムを用いて生育推定モデルを構築し、モデルが適用可能な品種群を調査した。その結果、群落のテクスチャが複雑な品種群で比較的精度が低かったものの、明瞭な傾向は確認できなかった。これは、イネ品種についてデータが離散的であり、トレーニングに用いた品種群に対して内挿となる性質を持つような未知のイネ品種であっても、推定が困難であったことが一因であると考えられた。現在、イネ品種についてより連続に近いデータの生成に向け、異なる品種に由来するデータの融合を試みている。

这项研究主要旨在构建不受该品种形态影响的多功能水稻增长估计模型。在这个财政年度，我们首先收集了空中无人机图像和各种水稻品种的实际测量生长数据。数据收集持续了四年，直到今年为止，并且积累了数千个数据。数据集的扩展对于构建高精度模型有效。因此，我们研究了是否通过减少植物中采样的植物数量有效构建的数据集可以使用来开发生长估计模型。结果，已经揭示了基于单个回归分析的增长估计模型也可以达到与以前相同的准确性，即使是通过减少样品数量的数据构建的。此外，已经显示出样品数量减少的数据也可以有助于提高机器学习模型的预测准确性。在先前的研究中，通常是根据采样多种菌株汇总数据以形成单点数据并构建数据集，但是当前的结果表明，基于单个菌株的数据集也可以以储蓄方式收集，也可以用于模型开发。使用上述结果，我们构建了一个由2,000多个数据组成的数据集，包括各种各样的水稻品种。使用多种机器学习算法来构建该数据集的增长估计模型，并研究了可以应用模型的品种。结果，尽管具有复杂纹理的品种组的精度相对较低，但尚无明确的趋势。人们认为这部分是因为关于水稻品种的数据是离散的，即使对于具有与用于训练的品种群体插值的特性的未知水稻品种也很难估算。目前，我们正在尝试融合来自不同品种的数据，以生成更接近水稻品种的数据。