2017年9月28日木曜日

LEDでの光源作成 & Rsapberry Pi専用カメラモジュール

本日の研究会では、前回、先生や先輩方から以下のようなアドバイスをいただいたので、その内容をもとに、LED素子を用いた光源の製作並びに、Raspberry Pi専用カメラモジュールを用いての撮影方法とMatlabを用いたRaspberry Piの操作方法についてを先生や先輩の前で発表を行なった。
  • 研究室の先輩が、励起状態を用いた人工光合成の研究を1年生の後期に行われる環境問題事例研究で行なったので、それらの知識を活用してみればいいのではないのか(→インターネット上でそれらの情報を閲覧することは可能である)
  • 人工光合成について、まだ完璧に解明し実現した研究者はおらず、完成させればノーベル賞をもらえるかもしれない
  • 人工光合成について、世界各国で様々な研究者が研究を行なっているので、それらの知識はとても参考になるのでは?
このことについて、人工光合成については、あくまでも自分の研究の付属した研究として取り組んで行こうとしているので、あまり調査が進んでいないので、今回は、先日ようやく研究室に届いたLED素子を用いた光源製作についてをメインに、このブログの記事では、書き記して行こうと思う。

LED素子について全部で以下の5つの光の波長を出力する素子を先生に購入してもらい、以下の6つのLED素子における植物の成長変化を調べて行こうと思う。(白色については、もともと持っているLEDスタンドを使用する)

  • 赤外線(940nm)
  • 遠赤色(720nm)
  • 赤色(620nm〜625nm)
  • 青色(460nm〜463nm)
  • 紫外線に近い紫色(395nm〜405nm)
  • 白色

このことについて、以下の図1のように、光の波長が短いほど、人間の体に悪影響を及ぼしてしまうので、紫外線を用いず、紫外線に近い紫色の光の波長を出力するLED素子を用いた。

図1. 光の波長について

また、それぞれのLED素子に対する定格電圧と定格電流を考慮しつつ、LED素子に負担がかからないように、それぞれのそれぞれのLED素子の+極側にオームの法則により求めた理論的な抵抗を回路に組み込みました。

このことにより、LED素子はイメージどうりに点灯したので、あとは、自家製水耕栽培機を作成したら実験を開始して行こうと思う。

また、Raspberry Piワークショップで学んだことを生かして、Matlabを用いたRaspberry Piの操作を行なって行こうと思い、先生に早速Matlabを購入してもらったが、MatlabにRaspberry Piの専用パッケージをダウンロードし、Raspberry Piと同期しなければならないことを研究会の前に知ったので、その作業を優先に、次回の研究会までに、行なって行こうと思います。

さらに、以下の図2のようなRaspberry Pi専用カメラモジュールを先生に先日購入してもらったので、以下には、その操作方法を記述する。

図2. Raspberry Pi専用カメラモジュール

Raspberry Pi専用カメラモジュールについて、図2のような機器を図3のような場所に装着することにより、Raspberry Piを用いての撮影を行うことができる。

図3. Raspberry Piのカメラモジュール設置場所

したがって、上記の図3で示した場所にRaspberry Pi専用カメラモジュールを設置し、撮影を行なっていく。(参考文献: Raspberry Pi専用カメラモジュールの使い方)
また、撮影を行うためのコマンドは以下の通りである。

  • 静止画を撮る場合 ... raspistill
  • 圧縮していない画像を撮る場合 ... raspiyuv
  • 動画を撮る場合 ... raspivid
また、それぞれのコマンドを行う際に、以下のようなコマンドを入力することにより、撮影をよりよく調節することができる。
(raspistillコマンドを用いる場合)

(raspividコマンドを用いる場合)

(raspiyuvコマンドを用いる場合)

また、プレビューをディスプレイに表示させることによって、どのように撮影ができているかがわかるようにするコマンドも存在する。

さらに、画像処理を行うことのできるコマンドも存在する。

したがって、撮影後に画像を加工する手間を省くことができ、初めから設定しておくと、自動的にその画像処理の設定で撮影を行なってくれるのである。

このことより、Raspberry Pi専用カメラモジュールと上記で説明したコマンドを用いて撮影することにより、植物の状態を観察できるのではないかと考えた。

よって、様々な参考文献を調べるにあたって、motionと呼ばれるアプリケーションをRaspberry Piにダウンロードすることにより、インターネットのブラウザ上でリアルタイムに観察できるのではないかと考え、motionというアプリケーションを以下のようなコマンドを行うことによって、ダウンロードし、実行を行なえるようにした。(参考文献: Raspberry Piでカメラ, 純正カメラモジュールを用いて監視カメラ作成)

  1. ターミナルを開く
  2. sudo apt-get install motion を実行
  3. localhostのみしか見ることのできない設定になっているので、設定を変更する
  4. sudo motion -n でmotionの実行を行う
  5. http://xxx.xxx.xxx.xxx:8081/ (xxx.xxx.xxx.xxxはRaspberry PiのIPアドレス)をブラウザで検索することによって、インターネット上でカメラに写っているものを観察することができる


しかし、Raspberry Pi専用カメラモジュールは、Video for Linux 2というものに対応していないため、ライブカメラを用いてのみしか実行はできなかった。このことより、motionの設定を確認して見るかあるいは、他の方法を用いて観察できるように、次回の研究会までには、様々な参考文献を調べ直そうと思う。

これらのことより、先生や先輩方から以下のようなアドバイスをもらった。

  • Matlabは、有料アプリケーションで、設定もフリーのアプリケーションに比べて簡単なのでは?
  • Matlabを用いて植物の観察を行ない、成長過程を画像処理を用いて観察を行うことにより、植物を定量的に評価することができている動画を、Raspberry Piワークショップの最後で拝見したので、それをMatlabとRaspberry Piを用いて実現してみればいいのではないか。
  • Raspberry Piは、低価格であるが、非常に高性能なので、気温や湿度を測ることやLEDの制御、画像処理だけでは、機能が霊視してしまうことはない。
  • 複数のRaspberry Piを用いることにより、IoT水耕栽培機「foop」の実験だけでなく、自家製の水耕栽培機にもカメラをつけてみればどうか。
したがって、次回の研究までに、上記で示したことについて、もう一度参考書や他の研究者が書いた論文を調べて、知識を身に付けようと思うが、特に、Matlebを用いてRaspberry Piを制御する方法について詳しく考えていこうと思う。

また、本日の研究会での先輩方の発表や意見・アドバイスとして、以下のようなことがあげられたので、それも参考にし、卒業論文における研究を進めて行こうと思う。

<音源分離についての研究>
  • 二乗誤差分離は、以下のようなコマンドが示す式を考えることによって、実行することができる。
  1. H=.*(Y*U')./((H*U)*U');
  2. U=U.*(H'*Y)./(H'*(H*U));
  • onesは、Matlabでは、各行列の成分に数値1を含んだ行列であるが、サイズが合わないからといって、onesを計算過程に含めると、計算が合わなくなってしまう
  • 音声は行列の複素数で表す
  • KLダイバージェンスの二乗誤差分離と同じ結果を示すはずだが、同じ結果がうまく出力されなかった
<強化学習についての研究>
  • Q学習について、Q値表というものから、最適解を導く
  • ネズミ型迷路を作成し、一番早く指定した場所まで行くことができるのかをQ値を用いて考えることができる
  • 迷路を解く強化学習をやって行く上で、道の形が同じで、位置が判断できない場合は、かなり不利となる
  • 現在の研究では、遺伝子アルゴリズムより、Deep-Q Learningを行なっている(→Deep learningとQ学習を組み合わせたもの)
  • 遺伝子アルゴリズムよりも、Deep LearningとQ学習を考えて結びつけるべし
<犬の個体識別についての研究>
  • Matlabは、解析を行う際にはとても有用であるが、アプリケーションの開発を行うのには、少し難しくなってしまう
  • RubyやHTMLは、アプリケーションの開発にはとても強いが、解析を行うのに用いるのは少し難しい
  • Pythonhは、解析とアプリケーションの開発の両方を行うことが簡単であるが、フリーソフトなため、インストールなどに時間がかかってしまう
  • Jupiter notebookと呼ばれる仮想空間とネットを繋げるものがある
  • Jupiter notebookさえあれば、ブラウザに繋ぐことにより、パソコン内の操作ができる
  • AzureとAWSについて、Deep Learningを行う際に、用いると便利な機能があるが、使えば使うほど料金が上がってしまう

2017年9月26日火曜日

Raspberry Pi ワークショップに参加しました!!

本日(2017/09/26(火))、北九州市立大学ひびきのキャンパスで開かれたRaspberry Pi ワークショップ ~MATLAB & Simulinkを使った画像処理アルゴリズム組み込み体験~というセミナーに参加しました。(詳しい資料は、以下の図1を参照)

図1. Raspberry Pi ワークショップ

ここでは、Matlab&Simulinkを用いたRaspberry Piの操作方法を学びました。
自分自身、MatlabとRaspberry Piを使ったのは初めてでなく、操作方法については、だいたい理解していましたが、Simulinkを用いたことはなく、ブロック線図を作ることによって、簡単にプログラムできることを知り、自分の研究内容である「光を用いたデザイン農業」の植物を観察するための機器にRaspberry Piを用いることができるのではないかと考えました。なので、このセミナーは、とても自分の研究と繋げることができて、とても有意義な時間を過ごせたと思います。

最後に、このセミナーを開催してくださった講師の方々並びに永原先生、ありがとうございました。これから先、いろいろとお世話になることがあると思いますが、どうぞ宜しくお願い致します。

2017年9月22日金曜日

農業 x 画像情報学セミナー&植物と光の関係性

本日の研究会では、前回、先生や先輩方から以下のようなアドバイスをいただいたので、その内容をもとに、2017/10/4(水)に九州大学で開催される農業x画像処理学のセミナーについてや植物と光の関係性、人工光合成についてを先生や先輩の前で発表を行なった。
  • LEDが届き次第、実験を再開できるように準備すること
  • 光合成は、様々な研究者が研究をしているが、詳しいことまでは明確にわかっていない
  • 紫外線は、熱射病や熱中症の原因となるらしく、人間に悪影響を及ぼす危険性がある
  • 手動でブレッドボードを変えることによって、LEDの光の波長を変えるのではなく、Raspberry Piを用いて、自動で制御する方が良いのでは?
  • 主観的意見でなく、情報を数値化することにより、比較すべき(→葉や茎の太さや長さなど)
これらのことより、赤色と青色と遠赤色の光を出力するLED素子は本日(2017/09/22(金))研究室に届いたので、それらの回路を今週中に仕上げ、紫外線と赤外線を放出するLEDは、届き次第、同じようにブレッドボード上に回路を製作し、光源を完成させようと思う。
また、以下の図1のようなRaspberry Pi専用のカメラモジュールが届いた。

図1. Raspberry Pi専用カメラモジュール

したがって、図1に示したカメラモジュールを用いて自動撮影を行いつつ、IoT水耕栽培機「foop」内の情報をライブ配信できるかについて考え、できそうであれば行なってみようと思う。

また、今回の研究会で紹介した「農業x画像情報学」のセミナーのについて、研究の先輩が電子情報通信学会から送られてきたメールを読み、自分に教えていただきました。このことより、このブログを通して、再び感謝を申し上げます。ありがとうございました!!

このセミナーについて、農業研究における情報技術を活用した植物の計測評価技術の開発について、七夕 高也 博士が講演してくれるそうです。その中でも、自分が特に注目していることは、農業研究における情報技術を活用した植物の評価技術を教えていただけることで、私の研究では、以前の記事で述べたように、自分の育てた植物を数学的に評価しなければならなかったので、とても興味を持っています。

ですので、2017/10/4(水)は九州大学伊都キャンパスに行き、セミナーに参加しようと思うので、気になった方は、2017/10/4(水)は九州大学伊都キャンパスに行ってみてください。ちなみに、講演は、11時〜12時で、参加費無料で事前登録なしらしいです。

次に先週の続きで、RuBP(リブロース-1,5-ビスリン酸)、トリオースリン酸、カルビンベンソン回路が植物の光合成において、重要な役割を果たしていることから、それらの光との関係性を話したいと思います。
このことについて、光合成は、CO2濃度に強く依存しており、以下の図2で示すように、CO2濃度は、一定の値までは、高い方が光合成速度が早くなることがわかった。

図2. CO2濃度と光合成速度の関係について

したがって、葉緑体などの植物の構造と光の波長について考えると、光合成は、光の波長よりCO2濃度に依存していることがわかったので、このアプローチは、あまり良い結果が得られないのではないかと思った。なので、自分の今後の植物と光の関係性について、植物の育成により生じる光害について重点的に調べて考察していこうと考えた。
このことについて、山口大学農学部環境情報学研究所の山本 晴彦教授が、以下に示すように、植物と光の関係性について、植物に光が当たることによって起こる悪影響を研究しているので、この人を中心的にかつ関連した教授の研究を調べていこうと思った。
  • ほうれん草や稲は、光の影響を受けやすく、それぞれの植物によって成長を早めてしまうことや遅めてしまうことがある
  • 野外で農業を行う際に、農作物における影響を考慮して電灯を減らすと、周辺が暗くなってしまい、夜間の外出にはあまり適さなくなってしまい、安全面を配慮できていないので、農作物に影響の出ない光の波長を用いた電灯の設置に取り組んでいる
また、以下の図3に示す本を読むことによって、光合成についての知識を深めた。
  •  光化学協会 井上 晴夫(2016) 『夢の新エネルギー「人工光合成」とは何か: 世界をリードする日本の科学技術』 講談社
図3. 人工光合成とは何か

この本を読むことによって、人工的に光合成を行うことにより、エネルギーを生み出すことができ、資源に困ることが無くなるのではないかと考えることができるので、とても素晴らしい技術だと感じた。なので、自分の実験では、植物と光の波長の関係を示し、より良いIoT水耕栽培機を製作することだが、理論的に考え、卒業論文でまとめるにあたり、人工光合成についても調べて、自分なりに考察し、人工光合成についてまとめても良いのではないかと考えた。

このことについて、先生や先輩方から以下のようなアドバイスをもらった。
  • 研究室の先輩が、励起状態を用いた人工光合成の研究を1年生の後期に行われる環境問題事例研究で行なったので、それらの知識を活用してみればいいのではないのか(→インターネット上でそれらの情報を閲覧することは可能である)
  • 人工光合成について、まだ完璧に解明し実現した研究者はおらず、完成させればノーベル賞をもらえるかもしれない
  • 人工光合成について、世界各国で様々な研究者が研究を行なっているので、それらの知識はとても参考になるのでは?
したがって、次回の研究までに、上記で示したことについて、もう一度参考書や他の研究者が書いた論文を調べて、知識を身に付けようと思う。

また、本日の研究会での先輩方の発表や意見・アドバイスとして、以下のようなことがあげられたので、それも参考にし、卒業論文における研究を進めて行こうと思う。

<音源分離についての研究>
  • NMF(非負値行列因子分解)について、二乗誤差元は収束部分が等しくなる
  • NMF(非負値行列因子分解)について、二乗誤差を考える際に、繰り返しを大きくしすぎてもデータが変わってしまう
  • NMF(非負値行列因子分解)について、パラメータを調節することにより、値を収束させなければならない
  • NMF(非負値行列因子分解)について、基底数=データの個数となる
  • 最適化問題を解くアルゴリズムについて、更新を調節するパラメータがあるはず
  • 最適化問題を解くアルゴリズムの更新を調節するパラメータを早く収束する値にすればするほど結果は、発散したり振動したりする
  • 最適化問題を解くアルゴリズムの更新を調節するパラメータを推測することにより、結果の値を収束させる
  • イメージとして、フーリエ逆変換やフーリエ変換を考えるみたいに、複数の正弦波に分解することで音源を分離できる
<強化学習についての研究>
  • 強化学習の中に、Q学習と呼ばれる学習方法があり、以下のような手順で学習を行う
  1. 試行開始
  2. 状態を観測
  3. 行動の選択
  4. 行動の実行と状態の遷移
  5. 状態と報酬を観測
  6. 学習則の計算
  7. 報酬が存在する
  8. 終了条件を考える(→満たさない場合は2へ遷移)
  • Q学習には、Q値と呼ばれる状態と行動によって変化する値が存在し、その値について考えていくことが重要である

2017年9月16日土曜日

すぐわかる線形代数解き終わりました!!

本日(2017/09/16(土))に、研究室のゼミで取り組んでいる永原式ドリルのすぐわかる線形代数の問題を全て解き終えました!!

解き終えた感想として、自分が1年前期や1年後期で習った線形代数の知識を総復習することができ、忘れていたことについては、とてもわかりやすい解説が載っていたので、とても良い教科書だと感じました!!

また、自分は、線形代数の中で、次元や基底の分野が少し苦手なことがわかったので、もう一度、大学1年生で勉強するのに用いたレジュメや教科書を使って復習していこうと思いました。

次回からは、すぐわかる微分積分を解いていこうと思います!!

2017年9月15日金曜日

第2回IoT水耕栽培機「foop」実験内容 & 生物学について

本日の研究会では、前回、先生や先輩方から以下のようなアドバイスをいただいたので、その内容をもとに、第2回IoT水耕栽培機「foop」を用いた実験計画と光合成をについての理論を中心とした生物学についての知識を整理したので、それらのことについて先生や先輩方の前で発表を行なった。
  • 光源をブレッドボードに作り、Raspberry Piに繋げることで、成長段階における光の波長の制御を行うことができるのではないか
  • Arduinoを用いて、LEDを光らせることは、大学の3年前期に受けた講義で行なったので、同じようにRaspberry Piでもできるのでは。(→もしくは、Raspberry PiArduinoを合体させる)
これらのことより、今週も、先週に引き続いてRaspberry Piの知識を身に付け、それらを用いて、IoT水耕栽培機「foop」にどのように装着し、表示を行うのかを考えていたのだが、知識を深めたら深めるほど、難しくなるのは当然のことだが、時間がかかってしまいすぎるのではないかという問題が発生した。また、松田 鶴夫教授とRaspberry Piについて雑談している時に、時間をかけることも重要だが、かけすぎると卒業論文の発表までの期間を余裕で過ぎてしまうというアドバイスをもらったので、Raspberry Piの知識については、あくまでも浅く広く学びつつ、IoT水耕栽培機「foop」を用いての実験を進めつつ、Raspberry Piを用いたセンサーの改良を行い、従来より植物の成長が早く、商品価値の高い植物を生産できるようにしていこうと思う。

また、IoT水耕栽培機「foop」を用いての第2回実験を行うにあたって、自分の卒業論文のテーマは「光を用いたデザイン農業」なので、以下の図1のように、IoT水耕栽培機「foop」内にブレッドボードを設置し、センサーとLEDを取り付けようと思う。

図1. IoT水耕栽培機「foop」内のブレッドボードの設置場所

このことについて、なぜ図1のような位置につけるのかというと、ioT水耕栽培機「foop」内に設置されている白色LEDとファンの邪魔にならない場所だからである。
したがって、これまでの研究会で発表してきた内容から、赤色と青色の光の波長が植物を育てるにあたって重要となるので、それらの知識を用いて、以下に示す6色の光の波長を出力するLEDを用いて、実験を行なっていこうと思う。
  • 赤外線を出力するLED
  • 遠赤色の光を放出するLED
  • 赤色の光を放出するLED
  • 青色の光を放出するLED
  • 紫外線を放出するLED
また、LEDでの光源を作成するにあたって、LEDの接続方法を考えると、直列つなぎと並列つなぎの2つが存在する。このことについて、それぞれのつなぎ方によって以下のようなメリットとデメリットがあることがわかった。
(直列つなぎにおけるメリット)
  • 等しい電流を流すことができるので、明るさが等しくなる
(直列つなぎにおけるデメリット)
  • 一つの素子の不具合がおこると、電流が流れなくなる
(並列つなぎのメリット)
  • 電圧が等しいので、低い電圧で多くの素子を制御できる
(並列つなぎのデメリット)
  • 電流が等しくないので、明るさがばらついてしまう
よって、これらのことを踏まえ、LEDが届き次第、実際に回路を組んでみて、どのようにするかを考えようと思うが、オームの法則から、以下のような計算を行うことによって、LEDの回路に必要な抵抗値がわかるので、それぞれのLEDに適している抵抗を用いて回路を設計していこうと思う
  • 抵抗値[Ω]=(電源電圧[V]-LED定格電圧[V])/定格電流[A]
また、第2回の実験を行うにあたって、IoT水耕栽培機「foop」を用いて実験を行うが、以下の図2のような自作の水耕栽培機を製作し、それぞれのLED単体の光の波長による植物の成長変化を調べていこうと思う。

図2. ペットボトルを用いた簡単な水耕栽培機

したがって、IoT水耕栽培機「foop」では、Raspberry Piを用いてIoT化を行うことにより、成長日数や環境条件による複数のLEDの光の波長の制御を行い、自作水耕栽培機では、単体の光における植物の成長変化を調べるということで、この結果を、第3回IoT水耕栽培機「foop」を用いた実験に結びつけて、より良いIoTを用いた水耕栽培を行っていこうと考えています。

さらに、植物の光合成について、生物学や生態学の面から調べたところ、RuBP(リブロース-1,5-ビスリン酸)、トリオースリン酸、カルビンベンソン回路が植物の光合成において、重要な役割を果たしていることがわかったので、これらのキーワードを元に、次回の研究会では、これらの物質や組織が光の波長とどのような関係を持っているのかを調べていこうと思う。

これらのことより、先生や先輩方から以下のようなアドバイスをもらった。
  • LEDが届き次第、実験を再開できるように準備すること
  • 光合成は、様々な研究者が研究をしているが、詳しいことまでは明確にわかっていない
  • 紫外線は、熱射病や熱中症の原因となるらしく、人間に悪影響を及ぼす危険性がある
  • 手動でブレッドボードを変えることによって、LEDの光の波長を変えるのではなく、Raspberry Piを用いて、自動で制御する方が良いのでは?
  • 主観的意見でなく、情報を数値化することにより、比較すべき(→葉や茎の太さや長さなど)
したがって、次回の研究までに、上記で示したことについて、もう一度参考書や他の研究者が書いた論文を調べて、知識を身に付けようと思う。

また、本日の研究会での先輩方の発表や意見・アドバイスとして、以下のようなことがあげられたので、それも参考にし、卒業論文における研究を進めて行こうと思う。

<強化学習の研究についての研究>
  • キリン型ロボットの進化学習アルゴリズムとして、より良い長さをプログラムで導出することができる
  • 実際の進化学習は、数理モデルが未知なので難しくなる
  • 実世界とコンピュータの仮想世界のつながりとして、実世界の実際のロボットから得られたデータからモデル化を行い、強化学習を用いたロボットシミュレーションで、学習結果を与えることの繰り返しで、進化学習を行なっている。
<音源分離についての研究>
  • プログラムが正しいかどうかより、数学的な理論があっているかや式があっているかを調べた方が良い(→行列の掛け算などの数学的理論をチェックすべし)
  • 非負値行列因子分解(NMF)は、時刻ごとに分解して考えている
  • 情報量基準について、周辺尤度を計算して比較を行なっている
  • ノンパラメトリックベイズアプローチというアプローチの方法もある

2017年9月8日金曜日

Raspberry Piを用いてセンサー製作&植物と光の波長

本日の研究会では、前回、先生や先輩方から以下のようなアドバイスをいただいたので、その内容をもとに、IoT水耕栽培機「foop」に取り付けるセンサーを、Raspberry Piを用いて製作したことについて発表を行なった。また、植物と光の関係性や光が人間に与える悪影響についても、様々な論文や参考資料を拝見し、考察を行なった。
  • ライフサイクルアセスメントは、人件費や流通費なども含めて考えないといけないので、自分が示したライフサイクルアセスメントの数理モデルは、細かく示されていない
  • IoT水耕栽培機「foop」に取り付けるセンサーとして、株式会社SERAKUが開発したみどりクラウドに取り付けられていたラズベリーパイ(Razspberry Pi)を用いることにより独自のセンサーを開発することができる
  • 山口県で有名なお酒である獺祭は、センサーを取り付け、IoTを導入することによって、気温や湿度を管理することで、美味しいお酒を作っているので、参考になるのではないか
これらのことより、今回の研究会では、Raspberry PiとはなんなのかということとRaspberry Piで今週までに行なったことについてブログの記事にまとめようと思う。

Raspberry Piとは、図1に示すような機器を示し、ARMプロセッサを搭載したシングルボードコンピュータのことであり、Linuxベースの非常に低コストなコンピュータなので、近年ITやIoTなどの分野でよく使われているらしいです。

図1. Raspberry Piについて

また、なぜRaspberry Piという名前になったのかというと、以下に示すように、昔からマイクロコンピュータと呼ばれるものには、果実の名前がつけられていたためだと言われています(驚)!!(参考サイトURL Raspberry Piの由来)

  • AppleⅡ(りんご)
  • Apricot(杏)
  • Tangerine(橘)
  • etc...

さらに、図2で示しているようなRaspberry Piと類似した機器であるArduinoと呼ばれる初心者でも簡単に扱えるマイコンもあります。

図2. Arduinoについて

これらの違いについて、参考書やインターネットを用いて調べると、以下のようなことがあることがわかった。(参考サイトURL Raspberry PiとArduinoの違い)

  • Raspberry Piには、OSが搭載されているが、Arduinoには、OSが搭載されていない
  • OSが搭載されていることにより、インターネット上に公開されているライブラリを使用することができる。このことより、Raspberry Piは、Linuxベースの公開ライブラリを使うことができる
  • 以下の図3のように、ArduinoはOSが搭載されていないため、インターネット上に公開されているライブラリを直接的には使用することができないが、OSに依存しないため、Ms Timer2を使うことにより、リアルタイム性を確保することができる

図3. Raspberry PiとArduinoの違い

  • 上記の図3で示したように、Raspberry Piは、複数のタスクを同時に行うことができるが、Arduinoは、1つのタスクごとしか作業をすることができない

これらのことより、Raspberry Piは以下のような場合に用いるのが適していることがわかった。
  • ものづくりを行う際に、ネットワーク接続を行ったものを製作する場合
  • WEBサーバやメール、データの転送などを行いたい場合
  • ネットワーク経由の制御を行いたい場合
また、Arduinoは以下のような場合に用いるのが適していることがわかった。
  • 組み込み制御を行いたい場合
  • ハードウェアや制御の勉強を行いたい場合
  • 単純で高速な処理を行いたい場合
  • リアルタイム性を保証したい場合

これらのことより、今回は、IoT水耕栽培機「foop」にセンサーを取り付けて、グラフ化やインターネット経由で、植物の様子を観察したいため、Raspberry Piを用いて、センサーの製作を行なった。

したがって、今週の研究会までに、Raspberry Piに気温・湿度センサーを取り付け、さらに、値を出力することができたので、それらをtextファイルに保存できるようにしようと思った。

さらに、植物と光の関係性について、育成光線(波長: 6〜15μm)と呼ばれる遠赤外線に属する光の波長は、植物や動物、虫などが心地よく感じる光の波長であり、その波長を植物に当て続けることにより、植物をより早く成長するのではないかと考えることができるが、虫も心地よく感じてしまうことから、害虫を寄せ付けてしまうのではないかと考えることもできるので、もう一度考え直さなけらばならないと考えた。
よって、赤外線を用いての植物育成は、メリットとして、夜間の光害問題を解決でき、より早く植物を成長できるかもしれないが、デメリットとして、害虫を寄せ付けてしまうのではないかということも考えられることがわかった。

また、様々な研究者が書いた論文を参照することにより、赤色の光の波長と青色の光の波長を放出するLEDの個数の比について、赤:青=10:1の場合が良いのではないかということが書かれていたため、今後の実験で、光源を製作する際に、これらの知識を用いて、植物に対してより良い光源を製作しようと思った。

これらのことより、先生や先輩方から以下のようなアドバイスをもらった。
  • 光源をブレッドボードに作り、Raspberry Piに繋げることで、成長段階における光の波長の制御を行うことができるのではないか
  • Arduinoを用いて、LEDを光らせることは、大学の3年前期に受けた講義で行なったので、同じようにRaspberry Piでもできるのでは。(→もしくは、Raspberry PiArduinoを合体させる)

したがって、次回の研究までに、上記で示したことについて、もう一度参考書や他の研究者が書いた論文を調べて、知識を身に付けようと思う。

また、本日の研究会での先輩方の発表や意見・アドバイスとして、以下のようなことがあげられたので、それも参考にし、卒業論文における研究を進めて行こうと思う。

<犬の個体識別についての研究>
  • Deep Learningのサンプルコードがインターネット上に存在するので、その中の学習データのみを削除すれば、簡単にできるのではないか
  • 先生が購入したDeep Learning専用マシンで、Deep Learningをやるとスムーズにできる
<音源分離についての研究>
  • 音源分離は、ノイズ除去にも用いられている
  • Matlabの専用ツールであるcvx(2重混合分布)を用いるとやりやすい
  • Matlabは、スパースな表現をすることがあるので、それに注意すべき
  • 音源分離で、非負値行列因子分解とは、以下の図4のように非負値行列を2つの非負値行列に分解することであり、Yは観測行列、Hは基底行列、Uは係数行列つ呼ばれる
図4. 非負値行列因子分解について

  • 非負値行列因子(NMF)は、計算量が莫大なので、手動で計算して、アルゴリズムを導出した方が良い
  • 現実世界は、実数で表現できるが、虚数を用いることにより、表現方法が変わる
<強化学習についての研究>
  • 進化学習は、強化学習という分類の中に存在する
  • 進化学習は、その物体がどのようなものであるのかを符号化す流ことによって表している
  • 進化学習では、現実と仮想的なシミュレーションの違いを考慮しなければならない
  • Excelについて、.xlsファイルはExcel独自のものなので、Excelでしか開くことができないが、.xlsxファイルは、openファイルを用いているので、Excel以外でも開くことができる

2017年8月24日木曜日

永原式ドリル始動!!

本日(2017/08/24)から、永原式ドリルをゼミで開始しました。

永原式ドリルとは、以下の図1から図3で示している「すぐわかるシリーズ」の教科書を用いて、大学時代に勉強する数学を完璧にしようとするために開かれた永原研究室独自のゼミです。

  • 石川 園子(2012) 『すぐわかる線形代数』 東京出版
図1. すぐわかる線形代数
  • 石川 園子(2012) 『すぐわかる微分積分』 東京出版
図2. すぐわかる微分積分
  • 石川 園子(1995) 『すぐわかる微分方程式』 東京出版
図3. すぐわかる微分方程式


このゼミの進め方として、上記に示した教科書に記述してある説明を理解したのち、例題と演習問題を解き、各章の最後にある総合問題で最終確認を行うことによって、数学力を極めて行きます。

また、このゼミのスタイルは、KUMON式と似たようなスタイルをとっており、学習して解き終えたプリントは、先生が確認するらしいです(笑)

したがって、永原研究室では、上記で示した「すぐわかるシリーズ」の教科書を用いたゼミを、今日から2017年の最後まで行い、最終的には3冊全て解き終えて、大学で勉強する数学を完璧していくので、自分も先輩方に負けないように問題を解き、数学力を身につけていこうと思います!!

2017年8月7日月曜日

農業 x IoTセミナーで学んだこと

本日の研究会では、前回、先生や先輩方から以下のようなアドバイスをいただいたので、その内容をもとに、2017/7/29(土に)開催された「農業 x IoTセミナー」に参加したので、そのセミナーを通して学んだことを先生や先輩の前で発表した。
  • 乾燥状態が続くことによっておこる辛さを除去するために、加湿器を設置すれば良いのではないか
  • 今回の初期実験では、指定した時間における気温や湿度、CO2濃度などのデータした取得できなかったため、データが離散的になってしまっているので、自らセンサーを取り付けることによって、データを連続的にすれば良いのでは
  • センサーの数を増やすことによって、取得できるデータ数が増えるので、必要物資を買うべきである
このことについて、IoT水耕栽培機「foop」に、市販で販売されているセンサーを取り付け、データを周期的に取得し、グラフ化を行うことにより、連続的に表現できるようにしようと考えました。

また、2017/7/29(土に)開催された「農業 x IoTセミナー」について、以下の図1に示しているセミナーに参加し、農業とIoTについての知識を深めた。


図1. 農業 x IoTセミナー

このセミナーでは、実際にITコーディネータや農業のIT化に取り組んでいる企業の人たちのお話を、生で聞くことができてとても勉強になりました。セミナーを開催していただいたみなさま、並びに講演をしていただいたITコーディネータの中尾 克代さん、株式会社システムフォレストの代表取締役富山 孝治さん、ありがとうございました。

したがって、今回の研究会では、以下のようなことを、このセミナーで学んだので、その内容を先生や先輩方に説明しました。
  • ITコーディネータとは、経済産業省推進の資格保持者のことであり、経営とITの両方に精通したプロフェッショナルのことです。(→参考サイト(ITコーディネータとは?))
  • ITコーディネータは、中小企業の経営者に対して、ITの導入を進め、手助けを行なっているそうです。
  • コンピュータシステムを導入した電子商取引を進めるEDI化が近年進められている
  • IoTは、介護分野から発展しており、今となっては、トイレや風呂場などの様々な場所に導入されている
  • IoTは、テクノロジーの面だけでなく、どのように使い、成果を出すのかを事業分野別に考えないといけない。(→この中で、ユーザー目線が特に重要となっている)
  • 農業は、天候などに左右されやすく、行き当たりばったりの作業なので、IoTを導入することによって、過程を知ることができる
  • 農業のこれからについて、バリューチェーンを考えることが重要である(→参考URL バリューチェーンとは)
  • 農業は、最終的には、食生活と繋がっており、FBI戦略を考える必要がある(参考URL FBI戦略とは?)
  • 農業分野での経営で、これから重要となることは、以下の3つのことである
  1. 固定シェアをいかに増やすか
  2. 医療分野といかに結びつけるか(→健康食品として売り出すことなど)
  3. 実需と連携するための流通の考慮を行うこと
  • 農業戦略のヒントとして、以下の2つのことがあげられる
  1. 中小企業で経営を分担する
  2. 付加価値を生まない仕事の省力化
  • 株式会社SERAKUが開発したみどりクラウドについて、クラウドを用いてデータを貯蓄している
  • 農業分野におけるITの現状として、貯蔵しているデータが少ないことがあげられるので、いかにデータを持っているかが重要となっている
  • 株式会社SERAKUが開発したみどりクラウドは、農業分野の可視化とノウハウの共有を目的として、農業におけるデータの記録と計測に特化して作られた
  • 株式会社SERAKUが開発したみどりクラウドは、環境モニタリングをラズベリーパイ(Razspberry Pi)を用いて開発を行なった
  • 環境モニタリングの方法として、積算温度と呼ばれる方法を用いて農作物の収穫時期を判断している
  • カメラで撮影する際に、大きく変化が見られた場合のみに撮影を行なっている
  • 株式会社SERAKUが開発したみどりクラウドは、Microsoft Azureを用いてデータの管理を行なっている
  • 今後の株式会社SERAKUの活動として、環境データ・作業データ・気象データなどのデータから、機械学習を用いてデータの予測などを行おうとしている
これらのことより、自分は、大学2年生の後期に、「環境と経済」という講義を受講し、そこで、ライフサイクルアセスメントというアプローチを学び、生産と流通の関係を勉強したので、今回IoT水耕栽培機「foop」を用いて自分が育てたベビーリーフと市販で売られているベビーリーフの値段を参考までに比べて見た。

これらのことより、先生や先輩方から以下のようなアドバイスをもらった。
  • ライフサイクルアセスメントは、人件費や流通費なども含めて考えないといけないので、自分が示したライフサイクルアセスメントの数理モデルは、細かく示されていない
  • IoT水耕栽培機「foop」に取り付けるセンサーとして、株式会社SERAKUが開発したみどりクラウドに取り付けられていたラズベリーパイ(Razspberry Pi)を用いることにより独自のセンサーを開発することができる
  • 山口県で有名なお酒である獺祭は、センサーを取り付け、IoTを導入することによって、気温や湿度を管理することで、美味しいお酒を作っているので、参考になるのではないか
したがって、次回の研究までに、上記で示したことについて、もう一度参考書や他の研究者が書いた論文を調べて、知識を身に付けようと思う。

また、本日の研究会での先輩方の発表や意見・アドバイスとして、以下のようなことがあげられたので、それも参考にし、卒業論文における研究を進めて行こうと思う。

<犬の個体識別についての研究>
  • Deep Learningを行うには、GPU向け汎用並列コンピュータプラットフォームであるCUDAをダウンロードしなければならない
  • Deep Learningを行うには、DeelもしくはCNNをダウンロードしなければならない
<Brainstormingの電子化についての研究>
  • 画像内の付箋をよりよく検出するために、Word2Vecを用いてそれぞれのベクトルを検出させると抽出がよりよくなる
  • Word2Vec内の、One-hot vectorやword-embeddings、CBOW(ニューラルネットワーク)を用いることによって画像内の付箋の抽出がうまくいくのではないか
<強化学習についての研究>
  • 遺伝子アルゴリズムを用いて、遺伝子アルゴリズムを製作することができる。(→前回の染色体の変化を示すアルゴリズムと同じである)
  • アルゴリズムの流れは以下の通りである
  1. 初期個体生成
  2. 交叉と突然変異について考える
  3. 復号化を行い、適応度を計算する
  4. 最も良い遺伝子を抽出する
  5. 終了判定を満たしているかを調べる(→示していない場合は、2へ戻る)
  • 遺伝子アルゴリズムの欠点として、最終地点がなく、結果が収束しないことである
  • 難しいアルゴリズムとは、簡単なアルゴリズムの組み合わせであり、大きく分けて入力とシステムと出力に分けられる
  • 突然変異とは、意外と簡単におきるが、おきることと従来のものより優れているかという問題は違う(→突然変異しても、従来より優れていなければ衰退してしまう)

2017年7月24日月曜日

IoT水耕栽培機「foop」を用いての実験成果(初期実験終了)

本日の研究会では、前回、先生や先輩方から以下のようなアドバイスをいただいたので、その内容をもとに、IoT水耕栽培機「foop」を用いての初期実験が終了したので、初期実験の実験結果について考察を行い、実際に研究室の先輩方を含めて試食を行ったので、それらの結果の発表を行った。
  • 光についての研究をするのか、それともIoTについての研究をするのかを絞るか優先順位を決めた方が良いのではないか
  • 白色LEDがIoT水耕栽培機「foop」に設置されているが、もともと設置されているLEDだけでは足りず、いくつか自分で設置してみれば良いのでは
  • 白色LEDなどの可視光領域の光を使わず、赤外線や紫外線を用いた農業をすることによって、公害を抑制できるのではないか
  • LEDを用いて回路を作る際に、独自のより良い回路を製作してみてはどうか
  • IoT水耕栽培機をベースに、色々改造してみた方が良いのでは(→新しくIoT水耕栽培機「foop」よりも良い水耕栽培機を作るよりは改造した方が良いということである)
このことについて、自分の卒業論文のタイトルは、「光を用いたデザイン農業」なので、光と植物の関係性について考察を行い、IoTはあくまでもツールとして用いることにした方が良いのではないかと考えた。しかし、自分が所属しているのは情報メディア工学科なので、IoTについては中途半端な知識を身につけず、より良いIoTを用いたセンサー等の道具を製作していこうと思う

また、LEDの装着について、株式会社 Living Farmが行った実験内容以外にも、教授や企業が実験を行っているはずなので、それらの知識を身につけて、情報をまとめたのちに、より良いLEDの種類や個数を導き出し、IoT水耕栽培機「foop」に取り付けようと思う。それから、回路の製作に進めば、実験も順調に進むのではないかと考えることができる。

さらに、IoT水耕栽培機「foop」内には、気温や湿度などを計測するセンサーが取り付けているので、それらの位置や取り付け方法、回路図などを調べて見ようと思う。

初期実験の考察としては、市販で売られているベビーリーフと自ら育てたベビーリーフを食べ比べて、先生や先輩方から意見をもらった。その中で、特に多かった意見として、自分が育てたベビーリーフは辛いという意見が挙げられます。このことについて、ベビーリーフは、もともと少し辛みがある野菜で知られているらしいのですが、乾燥状態や成長しすぎると、辛さが増してしまうということが植物図鑑やインターネットなどの参考文献で記述されていた。ですので、IoT水耕栽培機「foop」のアプリケーションは、単に日数だけをカウントして指定の日数が経過すると、収穫時期になったという通知がくるのではないかということがわかった。
したがって、最終的には、現在勉強している機械学習と結びつけて、植物の育成状況や環境より、食べごろを検出できるようになればよりよくなるのではないかと考えたので、機械学習についての知識を復習し直し、プログラムで記述することができるようになろうと思った。

これらのことより、先生や先輩方から以下のようなアドバイスをもらった。
  • 乾燥状態が続くことによっておこる辛さを除去するために、加湿器を設置すれば良いのではないか
  • 今回の初期実験では、指定した時間における気温や湿度、CO2濃度などのデータした取得できなかったため、データが離散的になってしまっているので、自らセンサーを取り付けることによって、データを連続的にすれば良いのでは
  • センサーの数を増やすことによって、取得できるデータ数が増えるので、必要物資を買うべきである
したがって、次回の研究までに、上記で示したことについて、もう一度参考書や他の研究者が書いた論文を調べて、知識を身に付けようと思う。

また、本日の研究会での先輩方の発表や意見・アドバイスとして、以下のようなことがあげられたので、それも参考にし、卒業論文における研究を進めて行こうと思う。
<音源分離についての研究>
  • NMF(非負値行列因子分解)とは、非負値行列を2つの非負値行列に分解することである
  • NMF(非負値行列因子分解)の基本性質として、低ランク近似を行っており、基底数は観測ベクトルの個数より小さく設定しなければならない
  • NMF(非負値行列因子分解)の基本性質として、共起成分のグルーピング効果が重要となる
  • NMF(非負値行列因子分解)の中でも、Iダイバージェンス規準複素NMFや板倉斎藤擬距離NMF、βダイバージェンス規準NMFなどが存在する
  • Matlabでnnmf()を用いるのであれば、行列内の成分を非負値にしなければならない
<強化学習についての研究>
  • 人口知能について、進化計算というものが使われているが、規準(何が一番重要か)ということを決めないと1番良いものを選べない
  • 進化計算について、自ら判断して適応的に振舞うことが重要である
  • 従来のロボットと最近のロボットの違いとして、動きが観測値で決まっているか適応的に動きが生成されているかの違いがあり、例として、従来のロボットは、産業用ロボットが挙げられ、最近のロボットは、ヒューマノイドロボットが挙げられる
  • 進化計算について、染色体をプログラムでイメージすることができる(→突然変異などを含めてより良い染色体を選択することができる)
<犬の個体識別についての研究>
  • FAISに置いてあるコンピュータを用いてDeepLearningを行うと、高性能でかつ早く行うことができる(→性能が良い PCが置いてあるため)
  • CainerとCaffeeの違いについて、それぞれを使うことによってのメリットとデメリットが存在する(→学習されたデータを使うこともできるが学習せずにできるものも存在する)
  • Deeplearningの研究において、識別後に誰もしていないことを行うことが重要であり、学習させるためのデータを作ることや値段が安いものであってもクオリティーが高いものを作こと、良い精度が見込めるものを作ることが重要である
  • Deeplearningの研究において、良い精度を出すには、層をどれだけ厚くするかやデータをどれだけ多く持っているか、高性能なPCを持っているかが重要となってくる
  • Deeplearningの研究において、画像を回転させることやノイズを載せること画像を加工することによって、データを増やすことは、良い性能を出力させることにつながる(→仮想的に画像を増やすということ)
<Brainstormingの電子化についての研究>
  • 画像内から、付箋を抽出することについて、光の影響を多く受けてしまうので、細かい部分を見ていけば良いのではないか
  • Conter Detectionを用いて、光の度合いを調節しつつ画像内部の付箋を抽出すれば良いのではないか
  • 画像内部の付箋を抽出することにおいて、色を判断した後に、Contour Diectionを用いるとより良い付箋の抽出になるのではないか
  • 付箋内部の文字識別について、表示するだけだったら良いが、自動的にクラスごとに分別することができれば良いのでは
  • 画像内部の付箋の色によっての識別は簡単だが、Work2EggやWord2Vectorを用いての単語ごとの意味をまとめることは難しい
  • ブレインストーミングが意外な組み合わせから、より良いアイデアを浮かばせるので、常識的に分けても意味ないのでは
  • 付箋を使ってブレインストーミングをするメリットや意味を考える

2017年7月17日月曜日

北九州市立大学オープンキャンパス日記(07/16〜0717)

2017/07/16(日)から2017/07/17(月)に開催された北九州市立大学のオープンキャンパスに自分も永原研究室を紹介するスタッフとして参加したので、そのことについて今回のブログでは紹介したいと思います。

まず、自分の研究であるIoT水耕栽培機「foop」を用いての研究を永原研究室のブースで紹介して良いという許可がおりたので、以下に示すスライドを用いて、高校生や教授の前で発表を行なった。


Slide of open campus in university of kitakyushu(2017) from Riku Nagano

このことについて、IoT水耕栽培機「foop」を用いての研究は、2017/07/15(土)に終了しており、なんとか完成したので、急ピッチでスライドを完成させ、紹介の流れを考えました...(汗)!!

現在は、先生や研究室の先輩に食べてもらい、様々な意見をもらって改善点を見つけているところですが、あまり完成度はよくなかったにもかかわらず、何人かの先輩からは、すごい高評価をいただいたので、とても嬉しかったです!!
しかし、低評価の方が多かったので、第2回の実験からは、大半の人から高評価がいただけるように、研究に励んで行きたいと思います。

また、永原研究室のブースでは、以下の図1で示すようなNAOと呼ばれるヒューマノイドロボットを用いてのデモンストレーションやドローンの操作体験、プログラムによるドローンの自動制御体験を行いました。

図1. ヒューマノイドロボットNAO

このことについて、高校生や来賓の方々は、NAOやドローンの方に釘付けであり、研究室の先輩方は、わかりやすく丁寧に北九州市立大学国際環境工学部情報メディア工学科の紹介を行なっていたので、研究室の先輩方からは、学ぶことが多く、とても参考になる先輩方だと思いました。

なので、これからも、自分は永原研究室の一員として活動を行なっていくと思うので、先輩方の良いところを学んで行き、より良い人間になっていこうと思いました。

ブログ作成にあたって一言

初めまして 北九州市立大学情報メディア工学科の 永原研究室 に所属している長野 陸です。 現在、私は  永原 正章  教授のご指導のもと、日々勉学に励み、自動制御と人工知能の研究を行うことにより、農業での問題や人間を含めた地球全体での生態系に起こる環境問題の解決に取り...