外部刺激の影響を考慮した機械学習による植物概日時計のリアルタイム計測手法の構築

点击翻译按钮获取中文摘要

外部刺激の影響を考慮した機械学習による植物概日時計のリアルタイム計測手法の構築を目指して研究を行なった．植物工場は，栽培ベッドの多段化による栽培面積の効率化や環境制御による生産の効率化が利点として挙げられ，耕作不適地や宇宙環境など多種な用途での利用が期待されている．しかし，植物工場は屋外栽培と比較した場合、初期費用やランニングコストの高さが課題となっており，これにより多くの植物工場は黒字化に至っていない．これらの課題を克服するために，これまで，産業用植物工場でオプティカルフロー手法を用いて通常のカラー画像からリズム成分を抽出し，機械学習を用いて成長予測するモデルの構築に取り組んできた．本年度は，成長予測に起因する概日時計のリアルタイム計測手法の開発，成長予測モデルの高精度化を目指し，以下の成果を得た．1) ハイパースペクトルカメラを用いた概日時計の非破壊計測手法を構築し，学術雑誌に投稿した．2) 成長予測モデルの高精度化を目指し，植物工場内で植物画像の投影葉面積を高い精度で抽出する解析手法を構築した．さらに，Optical Flow手法により取得した153株のパネルを実験，数理モデル双方で比較することで，成長予測に大きく起因するオプティカルフロー由来の特徴量がパネル内レタスの相互作用で説明できる可能性を見出した．これらの研究成果は，今後発展が求められる植物工場システムを普及させていく上で，非常に有用な解析手法を示すものである．