WEKO3
-
RootNode
アイテム
多次元空間ネットワークと機械学習を用いた計測器の較正法の提案およびこれを適用した色彩センサーの農業分野への応用に関する研究
https://doi.org/10.24795/0002000665
https://doi.org/10.24795/000200066537617b17-1362-4aa7-9320-ed3c596cfe5e
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
全文 (4.8 MB)
|
|
|
|
要旨 (63 KB)
|
|
|
|
審査結果 (46 KB)
|
|
| Item type | 学位論文 / Thesis or Dissertati(1) | |||||||
|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-10-21 | |||||||
| タイトル | ||||||||
| タイトル | 多次元空間ネットワークと機械学習を用いた計測器の較正法の提案およびこれを適用した色彩センサーの農業分野への応用に関する研究 | |||||||
| 言語 | ja | |||||||
| 言語 | ||||||||
| 言語 | jpn | |||||||
| 資源タイプ | ||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_db06 | |||||||
| 資源タイプ | doctoral thesis | |||||||
| ID登録 | ||||||||
| ID登録 | 10.24795/0002000665 | |||||||
| ID登録タイプ | JaLC | |||||||
| 著者 |
植野, 伸哉
× 植野, 伸哉
|
|||||||
| 学位名 | ||||||||
| 言語 | ja | |||||||
| 学位名 | 博士（工学） | |||||||
| 学位授与機関 | ||||||||
| 言語 | ja | |||||||
| 学位授与機関名 | 滋賀県立大学 | |||||||
| 学位授与年月日 | ||||||||
| 学位授与年月日 | 2024-09-26 | |||||||
| 学位授与番号 | ||||||||
| 学位授与番号 | 甲第139号 | |||||||
| 内容記述 | ||||||||
| 内容記述タイプ | Other | |||||||
| 内容記述 | 工課第24号 | |||||||
| 言語 | ja | |||||||
| 内容記述 | ||||||||
| 内容記述タイプ | Abstract | |||||||
| 内容記述 | 本論文は、センシングシステムに対する、多次元ネットワークと機械学習を用いた構成手法の提案及び、この手法を用いて較正した色彩センサーの農業応用に関する論文である。 まず、第一章で、研究の背景について説明している。センシングシステムに関する研究は古くから現在に至るまで続けられているが、それらは高機能・高精度化に向けた研究が多くを占め、低価格帯のセンサーデバイスに対する研究はあまり行われてこなかった。一方で、近年は工場や農業などの現場での活用も増えており、複数の低価格センサーを用いた評価のニーズが高まっている。そこで、本研究では、安価かつ高精度なセンサーを実現するための、機械学習を用いた手法を提案している。 第二章では本研究に於いて用いた技術・表現方法について、周辺技術も含めて網羅的に 説明している。本研究においては色彩センサーを用いており、これに関連した色彩の表現 方法について説明した後、較正に用いた機械学習について紹介している。また、機械学習の際に用いる多次元データに対して、その偏りや欠損に対する新しいアプローチ手法も提案するが、これに関する従来の技術について紹介した後、提案する手法に用いる多次元ネットワークに関する基礎知識に付いて説明している。 第三章では、色カタログ及び実際の梨を用いて、教師あり学習のモデルを構築し、これによる色彩センサーの較正を試みた。また、CCDカメラによるPixelデータを用いて、その較正結果の確からしさを確認した。その後、得られた学習モデルを活用し、実際の果実の収穫時期の判別を試みた。その結果から、教師あり学習を用いた較正の有用性を示し、また収穫時期を判別できることを確認した。しかしながら、同時に、学習に用いた教師データに含まれる欠損や偏りの影響により、教師データが疎である部分において、較正の精度が低くなっていることも確認した。 第四章では、このような欠損や偏りを含む多次元データの取り扱いについて、ネットワーク科学の観点から、新たなアプローチ手法を提案した。訓練データとして用いるデータセットから多次元ネットワークを構築し、そのネットワーク位相及び次数分布を用いて、データセットの持つ偏りや欠損の検出を試みた。また、得られた次数分布を元にクラスター分類を行い、教師あり学習の際の重み付けに活用した。この結果、欠損や偏りの存在を自動的に検出し、また、教師あり学習の平均絶対誤差を減少させることに成功した。 第五章では、ネットワークを構成する際のユークリッド距離の閾値の適正化を行った。 また、重み付け後の較正結果として得られた色彩データに加え、近赤外線情報、着果位置情報も含めた教師なし学習による糖度の推測を試みている。この結果、第4章で行ったネットワーク構成に於いて不十分であった、接続の可否を決定する閾値を最適化し、これらの較正手法を用いて着果状態の梨の正確な色彩情報の表現に成功した。また、着果状態での糖度の推定に於いても、一定の成果を得られた。 第六章では、上記を踏まえた本論文の結論を述べる。 |
|||||||
| 言語 | ja | |||||||
| 著者版フラグ | ||||||||
| 出版タイプ | VoR | |||||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||
| アクセス権 | ||||||||
| アクセス権 | open access | |||||||
| アクセス権URI | http://purl.org/coar/access_right/c_abf2 | |||||||
| 書誌情報 |
p. 1 |
|||||||
