畳み込みニューラルネットワークを用いて果実画像の生育度分類を行う場合の果実拡大率の影響

抄録

本研究では，畳み込みニューラルネットワーク（CNN）を用いて果実画像の生育度分類を行う場合に，果実拡大率の影響を明らかにする．生育度分類に用いた果実画像は，リンゴのふじとあいかの香りであり，果実が膨らみだした時期から収穫直前まで約2週間毎に撮影し，撮影日に基づく生育度を数値としてクラス設定した．果実画像の果実拡大率は，0.462–6.000倍の範囲で13段階に設定して，果実拡大率毎に学習を行った．学習済CNNを用いてテスト用画像を分類した結果，果実拡大率は，ふじで0.545と1.000の時に，あいかの香りで0.500，0.600，1.000の時に，正解率が高くなった．また，両品種とも，果実拡大率が1.000から増加するにともなって正解率が減少した．これらから，CNNが生育度分類を行う際には，果実の輪郭や周辺領域を参照しており，また，果実全体の色彩分布を参照していると推察された．両品種ともに，果実拡大率1.000のときに正解率が高かったことから，本研究では，スマートフォンで果実を撮影した時に，果実拡大率が約1倍になる果実画像が自動で切り出され，推定生育度が自動表示される生育評価アプリケーションを例示した．