IoT水耕栽培機「foop」を用いた実験内容

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」についての説明とそれを用いてどのような実験を行うかについて、先生や先輩方資料にまとめて発表を行った。

• 農業分野とデザイン(芸術)分野を組み合わせるのは良いが、プロジェクションマッピングを用いて農作物に文字や絵を書くなどは、植物が日々成長し葉の向きを変えるので難しいので、別のアプローチを考える
• 農作物の育ちと光の波長の関係性を用いて、葉の色を一部変えるのは良いが、それからいかにビジネスや農業における問題につなげていくのか
• 何かの分野を用いて、対象の分野の問題を解決することは重要だが、改善やよりよくするための工夫方法を考えることも重要である
• AI(Agriculteur Informatics)農業についての研究を調べる

このことについて、先日、IoT水耕栽培機「foop」が研究室に届いたので、「foop」の取扱説明書や機能などについて、事前に同封されていた資料や説明書に目を通し、先輩や先生方の前で発表を行なった。

また、先週、大学へ研究計画書を提出する際に、永原先生から水耕栽培機「foop」を用いて、植物と光の関係性を示す数理モデルを考えれば良いのではないかという意見をもらったので、数理モデルとは何かについて、先輩や先生方の前で発表を行なった。

さらに、前回の研究会で、「何かの分野を用いて、対象の分野の問題を解決することは重要だが、改善やよりよくするための工夫方法を考えることも重要である」という意見を先輩や先生方からアドバイスをもらったので、IoT水耕栽培機「foop」で行う実験について、以下の図1に示す参考文献を用いることにより、農業における環境管理をより良くするための問題を解決できるのではないかと考えた。

• 東京理科大学学長 藤嶋 昭(2014) 『天寿を全うするための科学技術ー光触媒を例にして』 シーエーピー出版

このことについて、光触媒とは、光を照射することにより触媒作用を示す物質である酸化チタン(Ti02)を用いており、私たちの身の周りでは、高層ビルの窓ガラスや高速道路の照明などに用いられている。

したがって、光触媒を用いることにより、IoT水耕栽培機 「foop」内に発生する有害物質(余分な栄養分など)を分解することができ、これにより環境整備を行うことができるのではないかと考えた。

これらのことより、以下のような実験を卒業論文で行い、農業における問題を1つ解決し、新たなIoTを用いた農業を開拓できるのではないかと考えた。

• 農作物と光の波長や光量などの関係を数理モデルとして導出する
• 農作物+光の波長や光量などの関係+光触媒の反応度合いを数理モデルとして導出する

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。

• IoT水耕栽培機「foop」が研究室に届いたので、とりあえず実験をすることにより、さらなる問題点や工夫点を見つけ出す。
• 光触媒について、水耕栽培機「foop」の外と中のどちらで使うのか。また、光触媒の反応速度は、私たちの身の回りで使われている高層ビルや高速道路の照明などではどのくらいなのか。

したがって、次回の研究会までには、以上のようなことについて実際に行われている研究やそれに関係した分野の製品等を調べることにし、それと同時にIoT水耕栽培機「foop」の初期実験を行い、2回目以降に行う実験結果と比較するためにデータを撮り始めようと思った。

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>

• MATLABを用いた非負値行列分解について、Matlabを使うと音源は行列に分解することができるので、非負値行列分解について考えることが重要である
• 非負値行列分解とは、データの分解を行うための行列であり、ベクトル表示でランクを落とすことにより音源を分解している。
• 非負値行列分解を用いて、実際にどのようなことができるのかを調べる。

<犬の個体識別についての研究>

• ディープラーニングを用いて画像認識を行う
• jpegファイルは、人間には見やすく処理されているが、コンピュータにとっては、ノイズばかりである。
• 画像のタグ付けを行う方法について
• OpenCV(有名な画像処理ライブラリ)を用いて物体を検出する。
• 自らでカスケード分類器を作成することにより、認識する物体を変えることができる
• カスケード分類器とは、機械学習の分野の知識と重なる

<Brainstormingの電子化についての研究>

• 物体を形で判断するのではなく、色で判断することができるのではないか。(しかし、人間の目の錯覚や光の度合いにより、少し誤差が出てしまう)
• カスケード分類器について、haartraining(ハールトレーニング)やtraincascade(トレインカースケード)といった方法があげられる。
• 特微量とは、人間が物体を認識する際の要素になっているものであり、Haar-Like特微量やLBP特微量、HOG特微量があげられる。
• 画像認識のタスク付けに用いられる一般的な方法として、Categorization(カテゴリ識別)、Detection(物体検出)、Semanitic Segmentationがあげられる。また、それぞれによって難易度が異なり、後者に行くほど難易度が上がる。
• CV2について、opencv内にある機能は画像処理においてとても重要である

<強化学習についての研究>

• ベイズ確率の技術を用いてプログラムなどをタグ付けし、効率よく管理を行う(→例として、GNUglobalがあげられる)
• プログラムでプログラムを解析できるようにすれば良いのでは?
• プログラムのコードを解析する方法として、GNUglobalの中に、gtagsやglobal、htagsなどのプログラムが実際に存在している(→ここからどうするかを考える)