- 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)
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
- 試行開始
- 状態を観測
- 行動の選択
- 行動の実行と状態の遷移
- 状態と報酬を観測
- 学習則の計算
- 報酬が存在する
- 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
0 件のコメント:
コメントを投稿