サケ鱗相画像解析による自動年齢計測へのニューロ・コンピューティングの応用

神经计算在鲑鱼鳞片相位图像分析自动年龄测量中的应用

• 批准号: 06856024
• 负责人: 林崎 健一
• 金额: $ 0.51万
• 依托单位: Kitasato University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1994
• 资助国家: 日本
• 起止时间: 1994 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-06856024/
• 关键词: ニューロコンピューティング; バックプロパゲーション; シロザケ; 鱗相; 年齢; 年齢査定; 画像解析; 学習

シロザケの鱗の輪紋パターンから、年齢の判別を自動化するための基礎的ソフトウェアの開発とその評価を行った。鱗の顕微鏡画像をCCDカメラを用いて取り込み、ぼかし法により画像変換して年輪である休止帯を強調した後、最長軸方向に鱗の焦点から縁辺部までの濃淡の値を計測し、さらに0から1の間の値に変換したものをニューロシステムへの入力とした。ニューロコンピューティングにはSUN SparcSattionl上でニューラルネットシミュレータPlaNet5.7を用い、学習方法には逆誤差伝搬学習法(バックプロパゲーション)を用いた。多数標本に基づく学習では、200から300回程度の学習で収束し、学習済みのデータに対して100%の認識率を得たものの、未学習のデータに対しては正確な判別ができなかった。さらに、学習後のシステムの中間層の隠れニューロンとニューロン間の結合荷重の観察を行ったところ、中間層の隠れニューロンの値は、各年齢内でよく似た反応パターンを示した。また、結合荷重の観察から、鱗の縁辺部分から外の空白領域に比較的強い反応が認められた。このことから、学習後のニューラルネットは、年齢に対してある程度の認識を行っているものの、その情報は鱗のサイズの寄与が大きかったものと推察された。さらにこの例では、入力ニューロンの数が450と大きいのに対してデータの数が少なかったため、局所的な最適解(local minimum)に落ち込んでいるのかもしれない。大標本に基づく学習は現在解析中であるが、今後は、年齢の位置情報を認識可能であるかを検討する必要があるものと考えられる。そのためにはノイズの少ない人工のデータを用いた実験を行い、学習方法の改良も検討する必要がある。

Please make sure that you do not need to make a decision on the basis of self-customization. You will start a business operation. The micro-portrait, the CCD image, the micro-portrait, the focal point, the longest direction, the longest direction, the focus, the focal point, the longest direction, the longest direction, the focus, the focus, the weight, the strength, the strength. This means that you can use the PlaNet5.7 method and the learning method to use the reverse error transfer method. Most of the standards are based on the basic knowledge, 200 and 300 degrees of study, and the percentage of students who are successful at 100% is high. If you do not, you can correctly identify the students. After the school, after the school year, it seems that the situation is similar to that in each year. In combination with the load monitoring and monitoring, there is a strong negative effect on the comparison of external blank areas in some areas. After studying, I would like to know how much I know and how much I want to know. I don't know. For example, the number of people in the office is 450, the number of people in the office is very small, and the local minimum of the bureau is the best solution. In the analysis of the basic knowledge of the big headers, the location information of the future and the year may not be known as necessary. In order to improve the method, it is necessary to use the method to improve the situation.