91亚色

生物资源环境科学科では、日ごろからの研究活动に係わる情报の共有、また、学科贵顿活动の一环として２カ月に一度研究セミナーを実施しています。令和５年度第１回セミナーを以下の通り実施いたします。

学生の聴讲も可能です。多くの方の参加をお待ちしています。

———

令和５年度第１回?物资源科学セミナー
日时：令和５年５?３１?（?）午后３时３０分?４时３０分
於 农学部大講義室（連獣棟４階）
题?：画像解析による植物モニタリング－础滨画像解析とファンクショナルイメージング－
講師：荊木 康臣 先?

（讲演内容）
　画像解析は、非破壊的计测、客観的?定量的评価などのメリットを有し、近年の人工知能（础滨）技术の进展に伴い、研究ツールから生产现场での実用ツールとしての活用が进みつつあります。今回のセミナーでは、础滨を活用した画像解析（础滨画像解析）と植物ファンクショナルイメージングに焦点を绞り、それらの作物生产への応用に関して、现状や方向性について、研究例に触れながら绍介します。
一般的な画像解析では、色情報を利用した閾値処理などで対象物を抽出した後、その対象物の特徴量を算出します。よって作物を対象にした画像解析では、背景から作物部分を分離しやすいように画像を撮影することが要求されますが、実際の生産の場面でその要求を満たすのは難しいです。一方、AI画像解析では、セマンティクセグメンテーション、インスタンスセグメンテーションなど、画像中の領域を自動に分割する手法を利用することで、背景から植物部分を自動抽出できる可能性があります。さらに、花、果実など植物の特定の部位を抽出（部位の認識や解析領域の選択）するのにも、上記のセグメンテーション手法や物体検出手法などが有効です。さらに、AI画像解析は、対象を抽出せずに、画像からそこに写っている対象物の情報を得ることにも利用できます。Convolutional neural network（CNN）を利用した分類モデルでは、画像中の対象の状態から、そのものが何であるか、どのような状態なのかをカテゴリに分類する出力が得られ、さらにCNN回帰モデルでは、画像からその画像が表す数値を出力することができます。これらの応用例として、山口オリジナル花きの生育ステージ評価、画像からの葉面積指数推定、捕虫トラップ上の害虫数の自動計数などを紹介します。
　植物の光合成に関するファンクショナルイメージング法としては、クロロフィル蛍光、分光反射、热赤外线放射の画像化が考えられますが、どれも、叶が受けている光の强さが判っていないと、适切な评価はできません。そこで、叶面の光强度分布を画像计测する手法と组み合わせた、光合成电子伝达速度マッピング手法を绍介します。
　最后にこれらの植物モニタリング技术の农业のグリーン化に向けた活用に関してもお话したいと思います。

セミナーに関する问い合わせ先：鈴木（kenjis(at)yamaguchi-u.ac.jp）