Infra Red image Analysis of Tree-rings using the Hybrid Analysis Method of the Convolutional Neural Network and Linear Regression

卷积神经网络与线性回归混合分析方法对树木年轮的红外图像分析

基本信息

批准号：
20K12286
负责人：
浅野美代子
金额：
$ 2.75万
依托单位：
Daito Bunka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2022-03-31
项目状态：
已结题

项目摘要

① 年輪の赤外線画像分析。多摩木材センター協同組合（東京都青梅市）で、赤外線カメラによる木材画像撮影会を６回実施。木材は現場で伐採されてセンターに運ばれ伐採者ごとに積まれる。各々の赤外線年輪画像を最低３枚撮影し、JPG形式に変換して素材丸太を円形に切り抜く。次にConvolutional Neural Network（CNN）手法を用いて画像特性を学習した識別器を生成する。入力データベースに，ImageDataGeneratorクラスを用いて年輪赤外線画像を回転・明度・拡大と縮小で水増しした。CNNによる木材特定の識別分析を行った。② 林業のトレーサビリティ検討（林業の６次化と木材セキュリティーの実現）。新型コロナ感染防止のために海外出張ができなかった。都道府県庁・町役場に出張して林業政策についてヒヤリングを行ない，議論をおこなった。北海道庁，むかわ町役場，山形県飯豊町役場，福島県庁，香川県庁，宮崎県庁（ZOOM会議），大分県庁（TEAMS会議）と関連機関を訪問。林業トレーサビリティ実施手順は、年輪赤外線画像を収集して、「木材管理データベース」を作成する。伐採時に各木材にRFIDタグ（ICチップ）を埋め込んでキーと伐採場所などを記入する。キーによる「木材管理データベース」をクラウドに作成して管理に用いた。③ 年輪赤外線画像から「Convolutional Neural Network (CNN)と線形回帰分析のハイブリッド解析法」解析。ＣＮＮ解析は予測精度が高いが、年輪画像のような類似性が強い画像解析では、まだ確認が行われていない。（１）ＣＮＮ分析、（２）線形回帰分析、（３）「ＣＮＮと線形回帰分析のハイブリッド解析法」、それぞれの結果を比較して分析を行った。成果の公表は今後行う。④ 研究代表者浅野美代子は、一般財団法人日本経済研究所客員上席研究主幹となり研究をつづける。

①树木年轮红外图像分析。在多摩木材中心合作社（东京青梅市），我们使用红外线相机举办了六次木材摄影会议。木材在现场砍伐并运输到中心，为每个伐木者堆放。每个树木年轮至少拍摄三张红外树木年轮图像，将其转换为JPG格式，并将材料日志剪成圆形。接下来，使用卷积神经网络（CNN）方法生成学习了图像特征的分类器。 ImageDataGenerator 类用作输入数据库，通过旋转、增亮、放大和缩小树木年轮红外图像来扩充树木年轮红外图像。使用CNN对木材识别进行判别分析。 ②林业追溯检查（林业六级、木材安全实现）。为了防止新型冠状病毒的传播，我无法出国旅行。我们前往县和镇办事处进行采访并讨论林业政策。访问了北海道厅、向川町厅、山形县饭丰町厅、福岛县厅、香川县厅、宫崎县厅（ZOOM会议）、大分县厅（TEAMS会议）等相关机构。林业追溯实施程序包括收集树木年轮的红外图像并创建“木材管理数据库”。砍伐时，每棵树都会嵌入RFID标签（IC芯片），记录钥匙和砍伐地点。在云端创建基于密钥的“木材管理数据库”并用于管理。 ③采用卷积神经网络（CNN）和线性回归分析的混合分析方法对树木年轮红外图像进行分析。 CNN分析具有较高的预测精度，但尚未通过树木年轮图像等相似性强的图像分析得到证实。通过比较(1)CNN分析、(2)线性回归分析和(3)“CNN和线性回归分析的混合分析方法”的结果来进行分析。结果将于日后公布。 ④ 研究代表浅野美代子将作为日本经济研究所客座高级研究主任继续研究。