高指向性超音波放射圧を利用した非接触ピンポイント全自動受粉システムの開発研究

高定向超声波辐射压非接触式精准全自动授粉系统的研发

• 批准号: 17H03894
• 负责人: 清水 浩
• 金额: $ 11.4万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2017
• 资助国家: 日本
• 起止时间: 2017-04-01 至 2022-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-17H03894/
• 关键词: 施設園芸・植物工場; 自動化; 植物工場; 超音波放射圧; 画像処理; 機械学習

2018年度は、３Dカメラ（Intel RealSense F200）で取得したイチゴの画像（カラー画像と距離画像）のうち、カラー画像を使用してイチゴの花の認識を行った。具体的には、モデル作成に用いた画像データは愛媛県のイチゴ農場で撮影された188枚のイチゴ画像に画像処理を施して3384枚にしたものを使用した。そのうちの338枚を検証データ、残りの3046枚を学習データとした。次にアノテーションとして画像中の物体名と物体を囲む矩形の情報を記録していった。次にモデルの損失関数の値が減少しなくなるまで学習を行った。損失関数とは検出モデルの予測領域と正解領域のズレおよび分類のズレを数値化する関数で、学習が進む度に値が更新されていく。パラメータ選択にはIoU、ｍAPという精度指標を使用した。IoUとは予測領域と正解領域の重なり具合を示す指標で、ｍAPとは検出した物体が正しいかどうかを示す指標である。過学習が起こる直前の最も汎用性の高いパラメータセットの確認を試みたが、学習データと検証データの類似度が高く確認できなかった。パラメータの更新回数は十分であったので最も高精度のものを選択した。2つのモデルに対して検証データを入力しIoU、mAP、処理時間の比較を行った。精度は両モデルとも良い結果を示したが、処理時間に関してはv2が2倍ほど速く処理を完了した。想定する環境では動画を処理することとなり処理速度が重要であると考えた。以上よりYOLOv2を制御プログラムに実装することとした。

在2018年，我们使用彩色图像来识别使用3D摄像头（Intel Realsense F200）获得的草莓图像（颜色图像和距离图像）的草莓花。具体而言，用于创建该模型的图像数据是在Ehime县一个草莓农场拍摄的188张草莓图像的3,384张图像。其中338用作验证数据，其余3,046用作培训数据。接下来，作为注释，记录了图像中的对象名称以及对象周围的矩形信息。接下来，进行学习，直到模型中损耗函数的值停止降低为止。损耗函数是量化预测区域和检测模型的正确答案区域的偏差和分类的函数，并且随着学习的进行，该值会更新。诸如IOU和MAP之类的精度指标用于参数选择。一个iou是指示预测区域和正确答案区域之间重叠的索引，地图是指示检测到的对象是否正确的索引。我们试图在过度学习之前检查最通用的参数集，但是我们无法确认训练数据和验证数据之间的高相似性。参数的更新数量就足够了，因此选择了最高的精度。输入了两个模型的验证数据，并在IOU，MAP和处理时间之间进行了比较。两种模型均显示出良好的精度，但是V2完成了处理时间的速度大约是两倍。我们认为视频将在预期的环境中进行处理，因此处理速度很重要。从以上，Yolov2已在控制程序中实现。