雑草は作物の生育に悪影響なため雑草防除を行うが,圃場全体を確認するには時間や労力がかかります.そこで,機械学習を用いた雑草発見の研究が行われていますが,大量のデータが必要で,アサガオは微小なため手動のアノテーションは困難です.そこで本研究では,マルチスペクトル画像を用いたアノテーションの自動化および別日に撮影した画像によるデータ拡張を行っています.

実験では, マルチスペクトル画像から植生指標を作成しアサガオのアノテーションの自動化をしました.また,異なる気象の日に撮影した画像を用いてデータ拡張をするため,ヒストグラムマッチングで画像間の明るさの差を減らしました.

U-NetとSegNetで学習しましたが,結果として,データ拡張をし,U-Netで学習することでアサガオ推定精度が向上しました.誤検出の箇所も見られますが,画像内全てのアサガオを検出することができました.
今後は,さらに別日に撮影した画像でデータ拡張することで推定精度が向上するか検証していきます.