Generalization of rice growth estimation using UAV with the utilization of crop science knowledge and assistance of pseudo-labeling

利用作物科学知识和伪标签辅助的无人机水稻生长估算的推广

基本信息

批准号：
22KJ1240
负责人：
山口友亮
金额：
$ 1.09万
依托单位：
Tokyo University of Agriculture and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22KJ1240/
关键词：
イネ生育予測 UAV リモートセンシング機械学習深層学習

项目摘要

本研究は品種による形態の影響を受けない汎用性の高いイネの生育推定モデルの構築を主な目的とした。当該年度は、まず、多様なイネ品種を対象にUAV空撮画像と実測の生育データの収集を行った。データ収集は本年度まで4年間継続して行っており、数千点のデータを蓄積した。高精度のモデルの構築には、データセットの拡張が有効である。そこで、植物体のサンプリングを行う株数を縮小して効率的に構築したデータセットが、生育推定モデルの開発に利用可能であるかを調査した。その結果、単回帰分析に基づく生育推定モデルは、サンプリングの株数を縮小したデータから構築した場合でも、従来と同程度の精度を実現できることが明らかとなった。さらに、サンプリングの株数を縮小したデータは、機械学習モデルの予測精度の向上にも寄与できることが示された。既往の研究では、複数株のサンプリングに基づくデータを集約して1点のデータとし、データセットが構築されることが一般的であったが、今回の結果から、省力的に収集可能な単一の株に基づくデータセットもモデル開発に活用できることが示された。以上の成果を活用し、多様なイネ品種群を含む計2000点以上のデータから成るデータセットを構築した。本データセットから様々な機械学習アルゴリズムを用いて生育推定モデルを構築し、モデルが適用可能な品種群を調査した。その結果、群落のテクスチャが複雑な品種群で比較的精度が低かったものの、明瞭な傾向は確認できなかった。これは、イネ品種についてデータが離散的であり、トレーニングに用いた品種群に対して内挿となる性質を持つような未知のイネ品種であっても、推定が困難であったことが一因であると考えられた。現在、イネ品種についてより連続に近いデータの生成に向け、異なる品種に由来するデータの融合を試みている。

本研究的主要目的是构建一个不受品种形态影响的高度通用的水稻生长估计模型。今年，我们首先收集了无人机航拍图像并测量了各种水稻品种的生长数据。到今年为止，数据收集已经持续了四年，已经积累了数千个数据点。扩展数据集对于构建高精度模型非常有效。因此，我们研究了通过减少植物采样数量而有效构建的数据集是否可用于开发生长估计模型。结果表明，即使根据样本植物数量减少的数据构建，基于简单回归分析的生长估计模型也可以达到与传统模型相同的精度水平。此外，研究表明，减少样本股票数量的数据也有助于提高机器学习模型的预测准确性。在之前的研究中，数据集一般是通过将多个菌株采样的数据聚合到一个数据点来构建的，但从本研究的结果来看，我们发现可以省力地收集单个数据集，这表明：基于菌株的数据集也可用于模型开发。利用上述结果，我们构建了一个由 2,000 多个数据点组成的数据集，其中包括不同的水稻品种组。我们使用各种机器学习算法根据该数据集构建了生长估计模型，并研究了该模型可以应用的品种组。因此，尽管对于群落结构复杂的品种来说，准确度相对较低，但无法确认明显的趋势。部分原因是水稻品种的数据是离散的，即使对于具有从用于训练的品种组中插值的特性的未知水稻品种也很难进行估计。目前，我们正在尝试结合来自不同水稻品种的数据，以生成更连续的水稻品种数据。