IoT水耕栽培機「foop」の途中経過＋農業x最新IoTセミナー

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を、先週の6月14日(水曜日)から始めた。したがって、今回の研究会での発表は、「foop」を用いて行なっている初期実験の途中経過について発表を行なった。

• 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。
• 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とる。
• IoT水耕栽培機「foop」の初期実験を行い、使い方や成長段階について一通り覚えて、どのような問題点や改善点があげられるかを考察する。

このことについて、ブログ内のIoT水耕栽培機「foop」について書かれている他の記事を見てもらえばわかるように、IoT水耕栽培機「foop」を用いての実験は、今の所順調に進んでおり、ほとんど問題点はありませんでしたが、種を栽培キットに装着しているスポンジの中に少し深く入れすぎて、いくつかの箇所で、農作物が育たないという問題があげられました。

また、毎日、朝・昼・夜の3回に、以下の項目について、数値を計測しているが、研究室まで行って、Bluethoothにデバイス(スマートフォンなど)を繋がないといけないという問題点があげられました。

• foop外気温
• foop外湿度
• foop内気温
• foop内湿度
• CO2濃度
• CO2濃度
• 構外照明
• 水位
• ポンプ
• LED出力
• 左側ファン出力
• 右側ファン出力
• アクリルカバーの開閉状態
• 育成モード

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。

• 先生から、PIXPRO SP360 という360°カメラをお借りしたので、そのカメラを用いて、自動で遠距離から撮影できないかを考えることにより、解決できるのではないかと考えられる。
• IoT水耕栽培機「foop」のBluethoothで送信されたデータをインターネットを用いて、外部からの通信を行うことができるのではないかと考えられる。

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等の参考文献やそれに関係した分野の製品などを調べることにし、それと同時にIoT水耕栽培機「foop」の初期実験のデータをとることによって、自らが感じた問題点や改善点について整理していこうと思う。

• 先生からお借りしたPIXPRO SP360 という360°カメラの使い方を取扱説明書などを読んで理解する。
• Bluethoothから送られる情報を対象のスマートフォンでなく、パソコンなどのデバイスに割り込みで送信することができるのかを、インターネットなどの参考文献を用いて調べる。また、いくつか方法があると思うので、色々な方法を試すことでより良い方法を見つける。
• 今回の卒業研究では、「IoTを用いたデザイン農業」なので、デザインという部分に触れながら、今回の実験結果を考察する。特に、先生がおっしゃっていたように、「専門外の人でもわかるように、実験などの物事を行うためには？」という部分に重点を置きながら、実験を行うことにより、より良い実験を行うことができるのではないかと考える。
• 気温・湿度・CO2濃度などの数値を求めるだけでなく、グラフ化などの作業を行い、どのような変化が現れているのかについて考察する。

さらに、今回の研究会でも説明したのですが、自分の卒業研究のテーマである「IoTを用いたデザイン農業」を考えるにあたって、以下の図1のようなセミナーを友達から教えてもらったので、2017年7月29日(土曜日)に行われる農業xIoTセミナーに参加し、農業とIoTなどの技術を、実際の農家でどのように用いているかや現段階での技術の工夫点や改善点を学ぼうと思った。

図1.農業xIoTセミナー

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。

<強化学習についての研究>

• ソースコードは、人間が理解しやすくするために作られており、コンパイラ型とインタプリタ型の2つに分かれる。(このことから、文法を解釈することによって、次のプログラムを推測できるのでは?)
• プログラミング言語の制約に依存しないアルゴリズムを考える。(プログラムを組む人によって、関数などが変わってくるから)

• ソースコードのタグ付けを行い、種類ごとに分別し、次に打つプログラムを推測する
• ソースコードを綺麗にするためには?

<Brainstormingの電子化についての研究>

• opencvの機械化(→既存のものでベイズ推定する)
• Pythonでのopencvの導入でコーナー検出を行う

<音源分離についての研究>

• 非負値行列分解(NMF)を用いた音源分離(→MATLABを用いる)
• 音源分離なので、時間領域を周波数領域に変換して分解を行う(→フーリエ変換or逆フーリエ変換)
• 短時間でフーリエ変換をすることにより、精度を良くする(→その分、データが膨大となる)
• ステレオファイルには左右両方の音源が含まれている(→二つの情報を含んでいる)
• matlab centralと呼ばれるサイトに書き込まれているプログラムを参考にする(→githubと呼ばれるサイトも有用である)