大豆圃場におけるアサガオ密集領域の検出率向上のための擬似画像を用いたデータ拡張

近年,農業従事者の減少や高齢化により,広い圃場の雑草管理が困難になっています.特に大豆圃場では,帰化アサガオ(マルバルコウやマメアサガオ)の侵入が確認されており,放置すると大豆収量が大幅に減少します.そこで,ドローンとAIを活用した雑草検出の研究が期待されています本研究では,大豆圃場をドローンで撮影し,畝間のアサガオを検出することを目的とします.特に雑草が密集している領域の検出率の低さに着目し,擬似密集画像を生成し,アサガオの密集や混在領域を含むデータセットを生成します.さらに,クラス不均衡問題を緩和するためにFocal Loss損失関数を適用し,検出精度の向上を図ります. 

Fig. 1:教師画像

実験では,擬似密集画像ありとなしのデータセットの比較と損失関数をCross Entropy(CE)で学習した時とFocal Loss(FL)で学習した時で比較しました. 

Fig. 2:各条件における推定結果の比較(擬似密集画像なし:左,擬似密集画像あり(CE):中,擬似密集画像あり(FL):右)

擬似画像を追加することで推定できている領域が増加しました.また,損失関数をFocal Lossへ変更して,背景の損失の影響を抑えることでさらに推定できている領域が増加しました. 

今後は,新しいモデルで学習を行うことと,雑草クラスの損失の影響を大きくして学習を行っていきたいです.