令和元年度農業食料工学会東北支部会

1. Mask-RCNN を用いた
キャベツの生育状況の判定
岩手大学
○塚野正洋，武田純一，小出章二，庄野浩資，折笠貴寛
岩手大学
○塚野正洋，武田純一，小出章二，庄野浩資，折笠貴寛
Mask-RCNN を用いた
キャベツの生育状況の判定

2. 目次
1. 実験の背景・目的
2. キャベツ結球認識モデルの構築

3. 研究目標
• ドローンと画像処理を用いて
キャベツの生育状況を把握
(サイズ・収量)
精密農業(施肥・農薬散布)

4. 研究目標
• 先行研究：
物体検出によるキャベツの結球認識
画像認識精度の向上
解像度が低く
不安定

5. 目次
1. 実験の背景・目的
2. キャベツ結球認識モデルの構築

6. Mask-RCNN
• 物体検出に加え、セグメンテーションが可能な手法
• 物体検出よりも詳細な特徴が認識できる
pyimagesearch:
Instance segmentation with OpenCV

7. 学習データの作成
学習に必要なデータ
• 画像データ
• アノテーションデータ
(画像中の座標と種類)

8. 学習データの構成
画像データの撮影環境
• 岩手大学附属滝沢農場
• 農事組合法人 種沢ファーム(秋田)
６枚のキャベツ圃場写真
(結球50、キャベツ株60)

9. 学習環境と設定
• 解像度：長辺1024ピクセル
• 特徴抽出：ResNet-101(101層のニューラルネット)
クラウド環境のGoogle Colaboratoryを使用
時間制限はあるが基本無料
登録すれば誰でもすぐに使える

10. 学習画像
出力される結果
１)マスク領域
・認識した物体にピッタリ
重なるように作成される
・個体ごとに色が異なる
２)バウンディングボックス
・物体に外接する矩形

11. 学習画像
高度4m
１)結球
・葉の重なりにより多少
形が異なる部分があるが、
十分に認識できている
２)キャベツ株
・認識できている
葉の重なりも概ね正しい

12. 学習画像
高度7m
１)結球
・2個体を1個体と認識
・対象の約3割を見逃し
解像度の不足と考えられる
・同様の学習データを増やす
・キャベツを大きく撮影する

13. 学習画像と同じ圃場の画像
１)結球
・認識できているものの
マスク範囲が不十分
２)キャベツ株
・対象の半分程度しか認識
されず、マスク範囲も不十分

14. 学習画像と同じ圃場の画像
１)結球
・認識できているものの
マスク範囲が不十分
２)キャベツ全体
・対象の半分程度しか認識
されず、マスク範囲も不十分

15. 成果と課題
• 物体検出よりも詳細な情報を取得できる
• 物体検出よりも大幅に少ないデータ量で認識が可能
• 計算コストが大きい
• 情報量が少ない場合には、多くの学習データが必要

16. 撮影方法
• オルソモザイク処理：
複数の画像を合成する際に
地形の凹凸や写真の傾きを補正
• 測量や衛星写真に使われる
メリット
・天頂方向からの画像が得られる
・重複計測の回避
・高解像度
国土地理院
オルソ画像について

17. 今後の予定
• 様々な環境の圃場でオルソモザイク画像を作成する
• 撮影した画像をもとに結球認識モデルを作成する
• 認識結果と実際のサイズの対応関係を調査する

18. 謝辞
研究に協力していただいた皆様に謝意を表します
由比 進(岩手大学附属滝沢農場)
中西 啓(岩手大学附属滝沢農場)
齋藤雅憲(秋田県農業試験場)
柿崎理央(農作業システム学研究室)
上野美咲(農作業システム学研究室)