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

点击翻译按钮获取中文摘要

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。