可視・近赤外画像のセマンティックセグメンテーションによるバレイショ塊茎表面の病害検出
キーワード:
potato common scab,
semantic segmentation,
near infrared image,
principal component analysis,
support vector machine
2022 年 3 巻 J2 号 p. 175-181
詳細
2022 年 3 巻 J2 号 p. 175-181
農業人口の減少に伴い農作物の選果の自動化が進む中，特に種バレイショの選別ではそうか病の完全排除が求められる．本研究では，バレイショ表面のそうか病発症部位の検出を目的とし，カラー画像および波長960nmの近赤外画像の2種類の画像の入力によるそうか病発症部位の検出を行った．そうか病発症部位を目視にてラベル付けを行い，セマンティックセグメンテーションによる検出モデルと，主成分分析とサポートベクターマシンによる従来モデル（PCA-SVM）との比較を行った．その結果，セマンティックセグメンテーションは PCA-SVM に比べ検出精度が高く，発症部位はほぼ確実に検出された．また，カラー画像のみの入力と比較し，RGBと近赤外画像の4入力で高い検出精度が得られ，近赤外画像入力の有用性も示唆された．
