講演詳細

経営部門[Forest Management]

日付	2024年3月8日
開始時刻	ポスター発表
会場名	531
講演番号	PD-23（学生ポスター賞審査対象）
発表題目	汎用CNNを用いたドローン空撮画像からの照葉樹種判別 Evergreen trees identification using a general-purpose convolutional neural network from aerial images taken with drones
所属	高知大学
要旨本文	森林の効率的な調査のための、機械学習とリモートセンシング技術を用いた解析方法が研究されている。高知県海岸部には多様な有用照葉樹が自生しており、その資源管理のためにはこれらの技術が有効と考えられるが、当地域の照葉樹を高精度で判別可能なモデルを作成した既往研究は、現時点では見当たらない。　そこで本研究では、ドローンを用いて作成した高解像度オルソ画像から当地域の主要樹種(ウバメガシ、タブノキ、ヤマモモ、クスノキ、ツブラジイ、アカマツ、ヒノキ、枯木)を分類できる判別器を、汎用CNNを用いて作成し、その性能を評価した。国立室戸青少年自然の家の敷地内に150m四方(2.25ha)のプロットを2つ(プロットA,B)設定し(プロットA,B)、プロットAから生成した4800枚の画像でCNNを学習させ、プロットBから生成した4800枚の画像で精度検証した。ResNet50では、バッチサイズ32・バッチ正規化を用いた場合に最大で73%の精度を持つ判別器が作成できたが、判別器の再現度は低かった。VGG16をバッチサイズ64・バッチ正規化を用いた場合、判別器の再現度は高く安定したが、精度は最大で58%であった。これらの判別器は特定の樹種の判別性能が低くなる傾向がみられた。
著者氏名	○大中昭徳 ・ 守口海
著者所属	高知大学農林海洋科学部
キーワード	畳み込みニューラルネットワーク, オルソ画像, 照葉樹, ドローン, 樹種判別
Key word	convolutional neural network, ortho images, evergreen trees, drone, tree species identification