- 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 PiとArduinoを合体させる)
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。
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
0 件のコメント:
コメントを投稿