An ultra-rapid 3D imaging method for crop root systems in soil using image processing

点击翻译按钮获取中文摘要

短いスキャン時間でノイズの増加したエックス線CT画像（以下、低画質CT画像）からノイズを除去するために、以下2種類の深層学習モデルを構築した。1) 低画質CT画像から長いスキャン時間でノイズの少ないエックス線CT画像（以下、高画質CT画像）への画像変換をディープラーニングで記述し学習させた。この変換は一般的にノイズリダクションと言われている。2)高画質のCT画像から根の領域のみを抽出し、根のマスク画像とした。低画質ＣＴ画像から根のマスク画像への画像変換をディープラーニングで記述し学習させた。この変換は一般的にセグメンテーション（領域ごとにラベル分けする深層学習タスクの一つ）と言われている。セグメンテーションはノイズ除去ではないが、出力される根のマスク画像をノイズのない根のみの画像ととらえることができる。どちらのモデルを用いた場合でも低画質ＣＴ画像からノイズ成分を除去することができた。ノイズリダクションでは、全体的に画像がぼやけた。ディープラーニングを用いないノイズ除去では、近傍のピクセルの値を参照し平均値や中央値に置き換える平均値フィルターや中央値フィルターが用いられることがある。今回のノイズリダクションのモデルでも似たような画像変換となったと考えられる。セグメンテーションモデルでは、一部ノイズに負けてしまうような薄い根に関してはセグメンテーションがうまくいかなかったが、全体的に効率よく根のセグメンテーションを作成できた。