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
- 固定シェアをいかに増やすか
- 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)
- 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
- 中小企業で経営を分担する
- 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
- 初期個体生成
- 交叉と突然変異について考える
- 復号化を行い、適応度を計算する
- 最も良い遺伝子を抽出する
- 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)