永原式ドリル始動!!

本日(2017/08/24)から、永原式ドリルをゼミで開始しました。

永原式ドリルとは、以下の図1から図3で示している「すぐわかるシリーズ」の教科書を用いて、大学時代に勉強する数学を完璧にしようとするために開かれた永原研究室独自のゼミです。

• 石川 園子(2012) 『すぐわかる線形代数』 東京出版

図1. すぐわかる線形代数

• 石川 園子(2012) 『すぐわかる微分積分』 東京出版

図2. すぐわかる微分積分

• 石川 園子(1995) 『すぐわかる微分方程式』 東京出版

図3. すぐわかる微分方程式

このゼミの進め方として、上記に示した教科書に記述してある説明を理解したのち、例題と演習問題を解き、各章の最後にある総合問題で最終確認を行うことによって、数学力を極めて行きます。

また、このゼミのスタイルは、KUMON式と似たようなスタイルをとっており、学習して解き終えたプリントは、先生が確認するらしいです(笑)

したがって、永原研究室では、上記で示した「すぐわかるシリーズ」の教科書を用いたゼミを、今日から2017年の最後まで行い、最終的には3冊全て解き終えて、大学で勉強する数学を完璧していくので、自分も先輩方に負けないように問題を解き、数学力を身につけていこうと思います!!

農業 x IoTセミナーで学んだこと

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

1. 固定シェアをいかに増やすか
2. 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)
3. 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

1. 中小企業で経営を分担する
2. 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

1. 初期個体生成
2. 交叉と突然変異について考える
3. 復号化を行い、適応度を計算する
4. 最も良い遺伝子を抽出する
5. 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)

IoT水耕栽培機「foop」を用いての実験成果(初期実験終了)

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が終了したので、初期実験の実験結果について考察を行い、実際に研究室の先輩方を含めて試食を行ったので、それらの結果の発表を行った。

• 光についての研究をするのか、それともIoTについての研究をするのかを絞るか優先順位を決めた方が良いのではないか
• 白色LEDがIoT水耕栽培機「foop」に設置されているが、もともと設置されているLEDだけでは足りず、いくつか自分で設置してみれば良いのでは
• 白色LEDなどの可視光領域の光を使わず、赤外線や紫外線を用いた農業をすることによって、公害を抑制できるのではないか
• LEDを用いて回路を作る際に、独自のより良い回路を製作してみてはどうか
• IoT水耕栽培機をベースに、色々改造してみた方が良いのでは(→新しくIoT水耕栽培機「foop」よりも良い水耕栽培機を作るよりは改造した方が良いということである)

このことについて、自分の卒業論文のタイトルは、「光を用いたデザイン農業」なので、光と植物の関係性について考察を行い、IoTはあくまでもツールとして用いることにした方が良いのではないかと考えた。しかし、自分が所属しているのは情報メディア工学科なので、IoTについては中途半端な知識を身につけず、より良いIoTを用いたセンサー等の道具を製作していこうと思う

また、LEDの装着について、株式会社 Living Farmが行った実験内容以外にも、教授や企業が実験を行っているはずなので、それらの知識を身につけて、情報をまとめたのちに、より良いLEDの種類や個数を導き出し、IoT水耕栽培機「foop」に取り付けようと思う。それから、回路の製作に進めば、実験も順調に進むのではないかと考えることができる。

さらに、IoT水耕栽培機「foop」内には、気温や湿度などを計測するセンサーが取り付けているので、それらの位置や取り付け方法、回路図などを調べて見ようと思う。

初期実験の考察としては、市販で売られているベビーリーフと自ら育てたベビーリーフを食べ比べて、先生や先輩方から意見をもらった。その中で、特に多かった意見として、自分が育てたベビーリーフは辛いという意見が挙げられます。このことについて、ベビーリーフは、もともと少し辛みがある野菜で知られているらしいのですが、乾燥状態や成長しすぎると、辛さが増してしまうということが植物図鑑やインターネットなどの参考文献で記述されていた。ですので、IoT水耕栽培機「foop」のアプリケーションは、単に日数だけをカウントして指定の日数が経過すると、収穫時期になったという通知がくるのではないかということがわかった。
したがって、最終的には、現在勉強している機械学習と結びつけて、植物の育成状況や環境より、食べごろを検出できるようになればよりよくなるのではないかと考えたので、機械学習についての知識を復習し直し、プログラムで記述することができるようになろうと思った。

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。

• 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

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)とは、非負値行列を2つの非負値行列に分解することである
• NMF(非負値行列因子分解)の基本性質として、低ランク近似を行っており、基底数は観測ベクトルの個数より小さく設定しなければならない
• NMF(非負値行列因子分解)の基本性質として、共起成分のグルーピング効果が重要となる
• NMF(非負値行列因子分解)の中でも、Iダイバージェンス規準複素NMFや板倉斎藤擬距離NMF、βダイバージェンス規準NMFなどが存在する
• Matlabでnnmf()を用いるのであれば、行列内の成分を非負値にしなければならない

<強化学習についての研究>

• 人口知能について、進化計算というものが使われているが、規準(何が一番重要か)ということを決めないと1番良いものを選べない
• 進化計算について、自ら判断して適応的に振舞うことが重要である
• 従来のロボットと最近のロボットの違いとして、動きが観測値で決まっているか適応的に動きが生成されているかの違いがあり、例として、従来のロボットは、産業用ロボットが挙げられ、最近のロボットは、ヒューマノイドロボットが挙げられる
• 進化計算について、染色体をプログラムでイメージすることができる(→突然変異などを含めてより良い染色体を選択することができる)

<犬の個体識別についての研究>

• FAISに置いてあるコンピュータを用いてDeepLearningを行うと、高性能でかつ早く行うことができる(→性能が良い PCが置いてあるため)
• CainerとCaffeeの違いについて、それぞれを使うことによってのメリットとデメリットが存在する(→学習されたデータを使うこともできるが学習せずにできるものも存在する)
• Deeplearningの研究において、識別後に誰もしていないことを行うことが重要であり、学習させるためのデータを作ることや値段が安いものであってもクオリティーが高いものを作こと、良い精度が見込めるものを作ることが重要である
• Deeplearningの研究において、良い精度を出すには、層をどれだけ厚くするかやデータをどれだけ多く持っているか、高性能なPCを持っているかが重要となってくる
• Deeplearningの研究において、画像を回転させることやノイズを載せること画像を加工することによって、データを増やすことは、良い性能を出力させることにつながる(→仮想的に画像を増やすということ)

<Brainstormingの電子化についての研究>

• 画像内から、付箋を抽出することについて、光の影響を多く受けてしまうので、細かい部分を見ていけば良いのではないか
• Conter Detectionを用いて、光の度合いを調節しつつ画像内部の付箋を抽出すれば良いのではないか
• 画像内部の付箋を抽出することにおいて、色を判断した後に、Contour Diectionを用いるとより良い付箋の抽出になるのではないか
• 付箋内部の文字識別について、表示するだけだったら良いが、自動的にクラスごとに分別することができれば良いのでは
• 画像内部の付箋の色によっての識別は簡単だが、Work2EggやWord2Vectorを用いての単語ごとの意味をまとめることは難しい
• ブレインストーミングが意外な組み合わせから、より良いアイデアを浮かばせるので、常識的に分けても意味ないのでは
• 付箋を使ってブレインストーミングをするメリットや意味を考える

北九州市立大学オープンキャンパス日記(07/16〜0717)

2017/07/16(日)から2017/07/17(月)に開催された北九州市立大学のオープンキャンパスに自分も永原研究室を紹介するスタッフとして参加したので、そのことについて今回のブログでは紹介したいと思います。

まず、自分の研究であるIoT水耕栽培機「foop」を用いての研究を永原研究室のブースで紹介して良いという許可がおりたので、以下に示すスライドを用いて、高校生や教授の前で発表を行なった。

Slide of open campus in university of kitakyushu(2017) from Riku Nagano

このことについて、IoT水耕栽培機「foop」を用いての研究は、2017/07/15(土)に終了しており、なんとか完成したので、急ピッチでスライドを完成させ、紹介の流れを考えました...(汗)!!

現在は、先生や研究室の先輩に食べてもらい、様々な意見をもらって改善点を見つけているところですが、あまり完成度はよくなかったにもかかわらず、何人かの先輩からは、すごい高評価をいただいたので、とても嬉しかったです!!
しかし、低評価の方が多かったので、第2回の実験からは、大半の人から高評価がいただけるように、研究に励んで行きたいと思います。

また、永原研究室のブースでは、以下の図1で示すようなNAOと呼ばれるヒューマノイドロボットを用いてのデモンストレーションやドローンの操作体験、プログラムによるドローンの自動制御体験を行いました。

図1. ヒューマノイドロボットNAO

このことについて、高校生や来賓の方々は、NAOやドローンの方に釘付けであり、研究室の先輩方は、わかりやすく丁寧に北九州市立大学国際環境工学部情報メディア工学科の紹介を行なっていたので、研究室の先輩方からは、学ぶことが多く、とても参考になる先輩方だと思いました。

なので、これからも、自分は永原研究室の一員として活動を行なっていくと思うので、先輩方の良いところを学んで行き、より良い人間になっていこうと思いました。

IoT水耕栽培機「foop」での初期実験(30日目-最終日)

IoT水耕栽培機「foop」での初期実験30日目-最終日

今日のIoT水耕栽培機「foop」を用いての実験について、朝・昼・夕方の3回で撮影を行なった写真を以下の図1〜3にそれぞれを記載する。

図1. 朝のfoop内の状態

図2. 昼のfoop内の状態

図1. 夕方のfoop内の状態

また、本日の計測データは、以下の通りである。

2017/7/15(土)
	30日目
	朝	昼	夜
foop外気温	29.1℃	25.9℃	26℃
foop外湿度	69.5%rH	62.3%rH	61.9%rH
foop内気温	29.5℃	26.4℃	26.7℃
foop内湿度	67.7%rH	60.4%rH	59.3%rH
CO2濃度	485ppm	484ppm	523ppm
構外照明	335lux	725lux	540lux
水位	High	High	High
ポンプ	Off	Off	Off
LED出力	70%	70%	70%
左側ファン出力	60%	60%	60%
右側ファン出力	60%	60%	60%
アクリルカバー	Closed	Closed	Closed
育成モード	ぐんぐんモード	ぐんぐんモード	ぐんぐんモード

(考察)
・以下の図4から図6を見てわかるようにのように、食べごろのメッセージがスマートフォンのアプリケーションに届いてからも、植物は少しずつではありますが成長し続けていることがわかります。

図4. 朝のfoop内の詳細

図5. 昼のfoop内の詳細

図6. 夕方のfoop内の詳細

このことについて、植物は生きているので、成長することは当たり前だが、ベビーリーフを成長しすぎると、辛くなってしまうので、成長をある程度抑制しなければならないと考えられる。したがって、光を弱めるだけでなく、成長を抑制する光の波長についての研究を付属することにより、鮮度を保ちながら食べる日にちを調節できるのではないかと考えることができる。
したがって、現在のところ、以下のように仮定を行うことができる。

• 緑の光の波長について、植物は反射させることによって、人間は緑色と知覚することができるので、成長がある程度進んだら、緑色の光の波長に切り替えて、成長を抑制することができるのではないかと考えることができる

このことについて、研究会で、先生や先輩方と討論を行って、意見をもらおうと思います。

(一言コメント)
とうとうIoT水耕栽培機「foop」を用いての初期実験が終了し、なんとかベビーリーフが完成しました!!
明日(2017/07/16)と明後日(2017/07/17)は、オープンキャンパスなので、しっかりと研究成果がは票できるように、努力しようと思います!!


また、北九州市立大学国際環境工学部情報メディア工学科永原研究室は、NAOと呼ばれるロボットやドローンを用いての実験成果や、プログラムのデモンストレーションを行うので、どうぞ宜しくお願い致します!!

IoT水耕栽培機「foop」での初期実験(29〜30日目)

IoT水耕栽培機「foop」での初期実験29〜30日目

今日のIoT水耕栽培機「foop」を用いての実験について、朝・昼・夕方の3回で撮影を行なった写真を以下の図1〜3にそれぞれを記載する。

図1. 朝のfoop内の状態

図2. 昼のfoop内の状態

図3. 夕方のfoop内の状態

また、本日の計測データは、以下の通りである。

2017/7/14(金)
	29日目		30日目
	朝	昼	夜
foop外気温	28.7℃	26.3℃	26.4℃
foop外湿度	72.8%rH	65.7%rH	69.6%rH
foop内気温	29.1℃	26.8℃	26.9℃
foop内湿度	70.4%rH	63.5%rH	67.2%rH
CO2濃度	499ppm	546ppm	533ppm
構外照明	232lux	789lux	391lux
水位	High	High	High
ポンプ	Off	Off	Off
LED出力	100%	100%	70%
左側ファン出力	60%	60%	60%
右側ファン出力	60%	60%	60%
アクリルカバー	Closed	Closed	Closed
育成モード	ぐんぐんモード	ぐんぐんモード	ぐんぐんモード

(考察)
・以下の図4から図6をみてわかるように、②,③,④,⑥,⑦,⑨の場所で育っている植物は葉より茎の方が育っていることがわかる。

図4. 朝のfoop内の詳細

図5. 昼のfoop内の詳細

図6. 夕方のfoop内の詳細

このことについて、様々な光と植物についての参考資料や論文を参照することにより、青色の光の波長は、植物の茎を成長させる作用があり、赤色の光の波長は、植物の葉を成長させる作用があることがわかった。したがって、次回の実験では、赤色の波長を出力するLEDを多めに含んだ光源を作成し、IoT水耕栽培機「foop」に取り付けて実験を行っていこうと思う。
また、なぜ青い光の波長と赤い光の波長がそれぞれ植物の茎と葉を成長させるかを植物の構造や葉緑体の性質を含めて考察していこうと思う。

・上記で示した計測データから30日になるとLEDの光量が100%から70％となっているので、育ちすぎを防止しているのではないかと考えることができる。このことについて、30日を経過すると以下の図7のような通知がスマートフォン内のアプリケーションに送られてきた。

図7. アプリケーションからの通知

したがって、育て始めてから30日経過し、ようやく食べごろの通知が送られてくることが判明した。今回は、ベビーリーフを育てるために葉物野菜というジャンルでIoT水耕栽培機「foop」の実験を行ったが、他にもリーフレタスや小松菜などのジャンルがあるので、色々とチャレンジしてみるのも、面白いかと思った。ですが、今回は卒業論文の実験として栽培をしているので、楽しみつつ考察や計画をしなければならないと思う。

(一言コメント)
・オープンキャンパスの準備と実験と大学の講義の両立は色々としんどい面もあるけれどしっかりとこなして、結果を出そうと思います!!

IoT水耕栽培機「foop」での初期実験(28〜29日目)

IoT水耕栽培機「foop」での初期実験28〜29日目

今日のIoT水耕栽培機「foop」を用いての実験について、朝・昼・夕方の3回で撮影を行なった写真を以下の図1〜3にそれぞれを記載する。

図1. 朝のfoop内の状態

図2. 昼のfoop内の状態

図1. 夕方のfoop内の状態

また、本日の計測データは、以下の通りである。

2017/7/13(木)
	28日目		29日目
	朝	昼	夜
foop外気温	28℃	26.6℃	26.8℃
foop外湿度	74%rH	68.6%rH	69.7%rH
foop内気温	28.5℃	27.1℃	27.3℃
foop内湿度	71.5%rH	66%rH	67%rH
CO2濃度	478ppm	535ppm	488ppm
構外照明	265lux	359lux	377lux
水位	High	High	High
ポンプ	Off	On	On
LED出力	100%	100%	100%
左側ファン出力	60%	60%	60%
右側ファン出力	60%	60%	60%
アクリルカバー	Closed	Closed	Closed
育成モード	ぐんぐんモード	ぐんぐんモード	ぐんぐんモード

(考察)
・以下の図4から図6を見るとわかるように、IoT水耕栽培機「foop」内では、白色LEDを用いて実験を行っており、以下の図7から白色LEDは光の三原色の性質から全ての光の色を含んでいることがわかる。

図4. 朝のfoop内の詳細

図5. 昼のfoop内の詳細

図6. 夕方のfoop内の詳細

図7. 光の三原色と色の三原色の違い

したがって、葉の色が緑だということは、緑色を反射させることによって緑色と知覚させていることがわかるので、緑の光の波長以外を多く吸収していると考えることができる。
よって、次回の実験で使用する光源は、赤と青中心で構成し、それらの光の波長と植物の関係性について調べることが重要なのではないかと考えることができる。

(一言コメント)
・大学の前期日程がもう少しで終わってしまうので、卒業論文発表まで折り返し地点に立ったことがわかったので、実験を進めつつ、最終的な結論を考えつかなければならないと思った。

IoT水耕栽培機「foop」での初期実験(27〜28日目)

IoT水耕栽培機「foop」での初期実験27〜28日目

今日のIoT水耕栽培機「foop」を用いての実験について、朝・昼・夕方の3回で撮影を行なった写真を以下の図1〜3にそれぞれを記載する。

図1. 朝のfoop内の状態

図2. 昼のfoop内の状態

図3. 夕方のfoop内の状態

また、本日の計測データは、以下の通りである。

2017/7/12(水)
	27日目		28日目
	朝	昼	夜
foop外気温	27.7℃	27.9℃	28℃
foop外湿度	75.3%rH	69.5%rH	66.1%rH
foop内気温	28.3℃	28.4℃	28.5℃
foop内湿度	72.7%rH	65.7%rH	63.8%rH
CO2濃度	473ppm	475ppm	472ppm
構外照明	223lux	681lux	676lux
水位	High	High	High
ポンプ	Off	Off	Off
LED出力	100%	100%	100%
左側ファン出力	60%	60%	60%
右側ファン出力	60%	60%	60%
アクリルカバー	Closed	Closed	Closed
育成モード	ぐんぐんモード	ぐんぐんモード	ぐんぐんモード

(考察)
・以下の図4を見てもらうとわかるように、⑧のように一ヶ所に葉が茂りすぎると光合成できない葉が出てきてしまい、光合成できない下の方の葉から枯れていってしまうことがわかった。

図4. 朝のfoop内の詳細

したがって、茂りすぎた場所の植物は、少しずつ葉を摘み取っていった方が良いのではないかと考えられる。

・④の場所で育てている植物がほとんど枯れてしまったので、完成までには元気を取り戻しそうにないことがわかる。このことについて、IoT水耕栽培機「foop」の端を使わない方向で次回の実験の計画を立てていこうと思う。

(一言コメント)
・完成までラストスパートなので、気を抜かないで実験を続けていこうと思います!!

IoT水耕栽培機「foop」での初期実験(26〜27日目)

IoT水耕栽培機「foop」での初期実験26〜27日目

今日のIoT水耕栽培機「foop」を用いての実験について、朝・昼・夕方の3回で撮影を行なった写真を以下の図1〜3にそれぞれを記載する。

図1. 朝のfoop内の状態

図2. 昼のfoop内の状態

図3. 夕方のfoop内の状態

また、本日の計測データは、以下の通りである。

2017/7/11(火)
	26日目		27日目
	朝	昼	夜
foop外気温	28.4℃	26℃	27.8℃
foop外湿度	74.5%rH	70.2%rH	71.8%rH
foop内気温	28.9℃	26.6℃	28.3℃
foop内湿度	71.7%rH	67.1%rH	69.3%rH
CO2濃度	512ppm	485ppm	532ppm
構外照明	285lux	235lux	114lux
水位	High	High	High
ポンプ	Off	On	Off
LED出力	100%	100%	100%
左側ファン出力	60%	60%	60%
右側ファン出力	60%	60%	60%
アクリルカバー	Closed	Closed	Closed
育成モード	ぐんぐんモード	ぐんぐんモード	ぐんぐんモード

(考察)
・以下の図4から図6を見るとわかるように、全体的にIoT水耕栽培機「foop」内で育てられている植物の種類は、①のような茎が赤茶色の植物と②,③,④,⑥,⑦,⑨のような葉が細い形の植物と⑧のような葉が比較的大きい植物の3種類存在することがわかる。

図4. 朝のfoop内の詳細

図5. 昼のfoop内の詳細

図6. 夕方のfoop内の詳細

このことについて、今後対照実験をする上で比較するのに違う種類の植物であったら比較しにくいので、ベビーリーフは対照実験にあまり適さないのではないかと考えられる。
したがって、今回は、初期実験として比較的成長の早い植物でベビーリーフを選んだが、今後の実験では、期間がかかっても良いのでレタスなどの雑種出ない植物を選ぶべきではないのだろうかと考えることができる。

(一言コメント)
・ベビーリーフとは、若い葉物を総称してベビーリーフというので、英語をそのまま日本語に訳をするのと同じ意味なのだと知って、意外と単純すぎてびっくりしました(笑)

IoT水耕栽培機「foop」での初期実験(25〜26日目)

IoT水耕栽培機「foop」での初期実験25〜26日目

今日のIoT水耕栽培機「foop」を用いての実験について、朝・昼・夕方の3回で撮影を行なった写真を以下の図1〜3にそれぞれを記載する。

図1. 朝のfoop内の状態

図2. 昼のfoop内の状態

図3. 夕方のfoop内の状態

また、本日の計測データは、以下の通りである。

2017/7/10(月)
	25日目		26日目
	朝	昼	夜
foop外気温	28.3℃	26.4℃	26.4℃
foop外湿度	75.5%rH	72%rH	71.9%rH
foop内気温	28.9℃	27℃	27℃
foop内湿度	72.7%rH	69%rH	68.9%rH
CO2濃度	446ppm	468ppm	504ppm
構外照明	212lux	634lux	598lux
水位	High	High	High
ポンプ	Off	On	Off
LED出力	100%	100%	100%
左側ファン出力	60%	60%	60%
右側ファン出力	60%	60%	60%
アクリルカバー	Closed	Closed	Closed
育成モード	ぐんぐんモード	ぐんぐんモード	ぐんぐんモード

(考察)
・以下の図4から図6を見るとわかるように、全体的に植物の色が濃い緑色で、生き生きとした色合いとなっておらず、新鮮味を感じられないような気がする。

図4. 朝のfoop内の詳細

図5. 昼のfoop内の詳細

図6. 夕方のfoop内の詳細

しかしながら、①の一部と⑧だけは、鮮やかな緑色となっており、新鮮味を感じられることができることがわかる。
このことについて、ベビーリーフは、雑種であり、それぞれによって色合いが異なる植物が育っているのではないかと考えられる。しかし、市販で売られているベビーリーフはこのような感じではないので、市販で売られているベビーリーフと比べてどのようなところが違うのかを調べるべきだと考えました。なので、植物が食べごろとなった際に、市販のベビーリーフと見比べや食べ比べを行って見ようと思う。

(一言コメント)
・完成まであと4日となり、長かった実験もようやく節目を迎えるのだと考えると、色々と考えることが多いです...(笑)