講演詳細

経営部門[Forest Management]

日付	2024年3月8日
開始時刻	14:45
会場名	413
講演番号	D11
発表題目	深層学習を用いた林内画像による林分情報の解析 Analysis of forest stand information based on forest images using deep learning
所属	京都府立大学大学院
要旨本文	近年コンピュータ技術の急激な進歩に伴い，画像認識分野では，深層学習を用いた研究が大きな成果をあげている。一方，森林調査方法の一つにビッターリッヒ法があるが，これは林内を視準することで胸高断面積合計が得られる簡易な測定法である。そこで，本研究では林内を視準することを画像認識と捉え，視準時に得られた林内画像に深層学習を適用することで胸高断面積合計や材積といった林分情報が推定できるか検証した。入力データには，0.5秒おきに360°撮影した林内画像を，出力データには林内で画像を撮影した地点にてビッターリッヒ法から算出した胸高断面積合計および材積を用いた。深層学習は，SONY社のNNCを用い，深層学習アルゴリズムには，ResNeXt－101およびVGG16を用いて，それぞれ分類および回帰モデルを構築した。解析結果の評価指標は，分類モデルでは正解率およびMCCを，回帰モデルでは決定係数および平均絶対誤差を用いた。結果より，分類モデルでは，各アルゴリズムともに高い正解率とMCCが得られた。一方，回帰モデルはモデルごとに数値にばらつきはあるものの0.9以上と比較的高い決定係数が得られ，平均絶対誤差も低いものとなった。
著者氏名	○浅井天哉 ・ 藤橋杏一 ・ 美濃羽靖
著者所属	京都府立大学大学院生命環境科学研究科
キーワード	林内画像, 深層学習, 林分情報, ビッターリッヒ法, Neural Network Console
Key word	forest images, deep learning, forest stand information, Bitterlich method, Neural Network Console