산악 및 산악 지역의 안전 놀이터 추천 문제를 해결하기 위해 AI 기술 및 이미지 처리 기술을 사용합니다*1. 항공 사진에서 97.7%*2의 정확도가 높은 특정 안전 놀이터 추천 지역을 탐지합니다. AI (특허 출원 중)를 성공적으로 개발했습니다. 신입 사원 및 신슈 대학교 안전 놀이터 추천 학부에 의한 안전 놀이터 추천 토지 정보 개발에 관한 공동 연구

Advanced Technology Lab, Ltd., Ltd. (본사 : Chiyoda-Ku, Tokyo; CEO : Kitamura Yoshihiro; 이하 신입 사원으로 언급 됨)의 교수진과 공동 연구 프로젝트를 시작했습니다. 2020 년 12 월 국립 대학교 법인 (National University Corporation), "패디 필드의 활용에있어 관리 효율성의 효율성". 인공 지능 (AI)을 사용하여 수동으로 측정하기가 어려웠으며 산악 및 산악 지역의 안전 놀이터 추천 문제를 해결하기 위해 노력하고있는 융기 부분 및 경사각의 융기 각도와 같은 정보를 시각화하는 기술을 개발했습니다. 이번에는 지난 6 개월 동안 연구 결과와 미래의 전망을 제시 할 것입니다.

융기 부는 쌀 밭에서 쌀 재배에 필요한 물을 저장하는 데 중요한 역할을하며 폭우 중에 임시 보관에서 역할을합니다. 융기 부를 유지하기 위해서는 정기 잔디 깎기가 필요합니다. 정기 잔디 깎기가 필요합니다. 정기 잔디 깎기가 필요합니다. 물 누출을 방지하기위한 안감과 같은 융기 부분을 관리하고 융기 부의 붕괴를 방지하고 해충이 발생하지 않도록해야합니다. 반면에, 많은 경사가있는 산악 지역의 논에서, 능선 경사면의 면적과 각도는 평지보다 크며 과도한 노동 및 관리 비용의 부담은 어려운 일입니다. 또한, 능선 경사의 경사 각도를 고려하여 실질적인 능선 영역을 조사하려면 많은 시간과 비용이 필요하므로 Ridge Farmland에 대한 정보는 준비되지 않았으므로 산악 지역의 논 안전 놀이터 추천 관리가 진행되지 않는 이유 중 하나입니다.

이 공동 연구에서, 우리는 신입 사원이 재배 한 AI 및 이미지 처리 기술을 설립했으며, Nagano Precture Forestry Department에서 만든 "Aerial Photogry x 수치 고도 모델"을 사용하여 AI 모델을 만드는 기술을 설립했으며, 쌀의 영역과 경사를 측정하고 시각화 한 (RIMGGES), RIMGGES (RIDGE), 융통성을 측정하고 시각화했습니다. 나가노 현 전체의 약 50,000 헥타르의 논에 대한 릿지 데이터 (GIS의 좌표가있는 다각형 데이터).

능선에서 잔디를 깎고 있습니다 (빨간색 프레임 내부는 능선이 있습니다)

우리는 또한 안전 놀이터 추천 공학 및 시스템 안전 놀이터 추천 분야의 학술 사회 에서이 연구 결과에 대해보고하고 각 학술 저널에 서류를 제출할 것입니다.

*1 중간 및 산악 안전 놀이터 추천 지역을 결합한 안전 놀이터 추천 지역 유형 카테고리
*2 정확도 숫자는 서로 다른 영역과 기능으로 데이터를 무작위로 추출한 다음 정답 데이터를 생성 한 다음 3 개의 클래스의 전체 평균에서 AI 정확도를 확인하는 평가 지표 중 하나입니다.
*3 이것은 논을 주위로 제방 또는 기타 영역을 의미하므로 패디 필드로 흘러 나온 관개 물이 밖에 나가지 않도록합니다. 출처 : "안전 놀이터 추천, 임업 및 어업의 용어집"안전 놀이터 추천, 임업 및 어업부

Shinshu University의 안전 놀이터 추천 학부와 함께 수행 된 공동 연구의 배경

농지 지역, 농민 수 및 안전 놀이터 추천 생산이 국가의 40%를 차지하는 산악 지역에서는 농민의 노후화 농민 및 후임자 부족으로 인한 쌀 재배 규모가 점점 심각 해지고 있으며, 이로 인해 농민이 포기되어 농민이 포기되어 농민이 증가한 농장의 증가가 점점 더 심각해지고 있습니다. 다산 중간 지역에는 평평한 땅보다 경사면에 더 많은 논 필드가 있으며, 결과적으로 융기 부분의 비율도 높아지고 유지 보수 및 관리 작업 및 비용의 부담은 패디 필드를 포기하는 주요 요인입니다.

이 문제를 해결하기위한 척도로서, 규모를 확장하려는 농민과 안전 놀이터 추천 기업에서 농지를 수집 할 수는 있지만 융기 및 관리에 대한 정확한 지형 정보가 부족하기 때문에 유지 보수 및 관리에 필요한 작업 비용을 계산하기가 어렵 기 때문에 산악 및 산업 지역의 장비 관리를 개선하기가 어렵습니다. 농지, 임업 및 어업 및 지방 정부의 농지에서 편집 한 안전 놀이터 추천 토지 인프라 정보 정보는 농지 지역과 4 개의 분야*4 영역을 위해 개발되었지만 실제 릿지 면적, 각도 및 릿지의 융기 속도와 같은 정보는 여전히 개발되지 않았으며, 실제 비용을 계산하는 데 어려움을 겪고 있습니다.

이러한 문제를 해결하기 위해 Shinshu University는 이러한 문제를 해결하기 위해 채용 및 안전 놀이터 추천 학부 인 Shinshu University는 "공중 사진 X 수치 고도 모델"을 사용하여 AI 모델을 만들었고 쌀두에 의해 점유 된 리지의 비율뿐만 아니라 쌀두의 영역과 각도를 측정하고 시각화하기 위해 기술을 개발하기 시작했습니다.

*4 재배 할 수있는 농지의 일부

Shinshu University, 안전 놀이터 추천 학부와의 공동 연구 요약

[연구 목적]
Ridge의 영역 및 경사의 "시각화"구현

[연구 내용]
2020 년, Shinshu University의 안전 놀이터 추천 학부는 Ridge Opolygons 및 현장 다각형을 만들어 Ridge에 대한 정확한 지형 정보를 측정하고 Nagano Properation Proper에서 생성 된 Ridge Engation Data (DEM)의 영역, SLOPE Angle 및 Ridge 비율을 측정하기 시작했습니다. 그러나 위의 다각형이 수동으로 생성되었으므로 복잡한 워크로드는 어려웠습니다.

이 문제에 대한 해결책으로, 신입 사원은 Deep Learning에 중점을 둔 AI 기술 및 이미지 처리 기술을 제공하고 적용 할 수 있다고 결정했습니다. 신슈 대학교 (Shinshu University)의 안전 놀이터 추천 학부와의 공동 연구를 통해 우리는 공동 연구를 진행하여 나가노 현이 소유 한 항공 사진과 Dems를 결합하여 패디 필드 지역의 "수중 지역"과 "릿지 사이드 지역"을 구별하고 각 지역에 대한 폴리기를 자동으로 생성하는 AI를 개발했습니다.

[AI 모델 개요]
6 6 영역*5 특성 (계절, 쌀새 모양, 날씨, 해상도 등)이 선택적으로 추출되며 교사 데이터가 공중 사진, 브러시 다각형*6 및 DEM에서 생성됩니다. 수동 교육 데이터 생성 외에도 브러시 다각형 및 DEM에서 교사 데이터를 자동으로 추출하는 하이브리드 교육 데이터 작성 (4382 이미지)도 수행했습니다. 후자의 방법을 사용하여 브러시 다각형 및 DEM 정보는 저해상도 공중 사진에 추가되어 대상 데이터의 높은 해상도를 달성하면서 동시에 작업량을 줄입니다. AI는 이러한 교사 데이터를 사용하여 배웠습니다. 이제 높은 정확도로 "수상 장착 영역", "릿지 지역"및 "기타 영역*7"을 감지하고 전체 나가노 현 구역에 대한 다각형 데이터를 생성 할 수 있습니다.

*5 Kiso, Kitaazumi, Komagane, Matsumoto, Saku, Suwa Area
*6 출처 : 2020 년 7 월부터 10 월까지 안전 놀이터 추천, 임업 및 어업부에서 발표 한 "브러시 다각형 데이터"데이터. Ltd. 독립적으로 패디 필드 영역의 중심을 추출하고 사용합니다.
*7 항공 사진 (예 : 필드, 폴로 랜드, 버려진 지역, 주택, 나무, 강, 도로 등)의 "물로 덮인 지역"및 "균열 지역"이외의 영역

[연구 결과]
성공적으로 AI를 사용하여 "리프트 영역"을 감지하고 나가노 현 전체의 약 50,000 헥타르의 논에 대한 다각형 데이터를 생성

[AI 정확도 평가 정보]
생성 된 AI 모델을 평가하기 위해 다른 영역과 특성을 가진 데이터가 무작위로 추출되었고, 정답 데이터 (1308 이미지)가 생성되었으며 세 가지 클래스의 특정 안전 놀이터 추천 영역이 생성되었으며 "Ridge Area", "Water-Covered Area,"및 "기타 영역"은 97.7%의 정확도로 감지되었습니다.

[Future Outlook]
앞으로, 신입생 대학교의 안전 놀이터 추천 학부로 이사함으로써 연구가 계속 진행될 것입니다.

Shinshu University 안전 놀이터 추천 학부는 생성 된 데이터를 기반으로 각 Rice Paddy Field의 능선 데이터를 생성하여 농민이 소유 한 각 쌀장의 해당 지역, 경사각 및 융기 속도를 측정 할 수 있습니다. 또한 예측 모델의 정확성을 높이면 목표는 높은 다목적 성을 달성하여 나가노 현 이외의 지역과 유사한 결과를 얻을 수 있습니다. 또한 쌀 논의 융기 부분을 포함하여 전국의 농지에 대한 GIS 공개 데이터를 공개함으로써, 우리는 현지 정부, 지방 자치 단체 및 기타 지방 정부와 같은 지방 정부와 협력하여 "안전 놀이터 추천 토지 및 릿지 시각화 프로젝트"를 개발하는 것을 목표로합니다.

산악 지역의 안전 놀이터 추천은 젊은 농민이나 안전 놀이터 추천 기업의 진입에서 증가하지 않으며, 비즈니스 규모가 확장을 시도하더라도 안전 놀이터 추천 산업은 평평한 토지보다 더 많은 경사가 있다는 단점으로 인해 안전 놀이터 추천 산업이 바람직하지 않습니다. 도전 과제 중 하나 인 능선 관리에 관련된 비용 (인건비, 기계 비용 및 연료 비용)을 "시각화"함으로써보다 적절한 재배 관리 방법과 기계 도입을 고려하여 새로운 참가자 및 비즈니스 규모의 확장을 고려할 수있게되었습니다.

반면에, Recruit은 "저해상도 이미지에 정보를 추가하여 해상도를 높이기위한 기술"과 "이 공동 연구를 통해 얻은 고정밀 AI 모델을 생성하기위한 노하우"의 비즈니스 사용을 고려하고 있습니다.

이 연구 결과에 대한 세부 사항은 사용 된 AI 프로그램 및 AI의 데이터 출력을 포함하여 학술 회의 및 기타 장소에서 공개 될 것입니다.

Hamano Mitsuru 강사 의견
Shinshu University 안전 놀이터 추천 학부, 플랜트 자원 과학 과정, 안전 놀이터 추천 부서 생명 과학과, 국제 지역 개발 연구 연구소

가파른 경사가 많은 산악 지역의 논 안전 놀이터 추천은 평지와 비교하여 더 큰 능선 영역과 더 작은 현장 영역을 갖는 특징이 있습니다. 결과적으로 융기 부를 관리하는 데 필요한 노력은 과도하며 안전 놀이터 추천 기계의 효율성은 개선하기가 어렵 기 때문에 젊은 농민과 안전 놀이터 추천 기업이 시장에 진입하기가 어렵습니다. 비즈니스 규모를 확장하려고하더라도 도전은 융기 부분에 잔디를 깎고 분산 된 필드를 관리하는 데 시간과 비용이 필요하다는 것입니다. Ridge 데이터를 생성하기위한 새로 확립 된 기술을 통해 Ridge 기능 및 Ridge Management의 "시각화"를 허용하여 실제 관리 상황을 쉽게 이해하고 기계 설치를 시뮬레이션 할 수 있습니다. 이를 활용함으로써 마을 안전 놀이터 추천 기관 및 관리 기관은 규모를 확장하고 새로운 참가자를 입력하기위한 관리 기관은보다 적절한 관리 전략을 수립하고보다 적절한 안전 놀이터 추천 기계의 도입과 안전 놀이터 추천 토지의 사용을 확인할 수있는 관리 전략을 개발할 것입니다. 결과적으로, 우리는 그것이 융기 관리 및 궁극적으로 논의 안전 놀이터 추천의 지속적인 사용에 기여할 것이라고 생각합니다.

신슈 대학 안전 놀이터 추천 교수 개요

Shinshu University의 안전 놀이터 추천 학부는 삶, 식품 및 환경에 기초한 광범위한 관점으로 글로벌 문제에 대해 노력하고 있으며 안전 놀이터 추천에 기반한 생명 과학 분야에서 고도로 전문가를 훈련시키는 목표로 교육 및 연구를 수행하고 있습니다. 안전 놀이터 추천과 관련하여 광범위한 지식 및 응용 기술로 인적 자원을 배양하고 인류의 지속 가능한 발전에 기여하기 위해 현장 연구와 실험 연구를 결합한 교육을 적극적으로 구현합니다.

1. 대학/교수 이름
   Shinshu University Agriculture, National University Corporation
2. Dean
   Fujita Tomoyuki
3. 위치
   8304 Minamiminowa Village, Kamiina 지구, 나가노 현
4. 시작
   1949 년 5 월 31 일
5. 웹 사이트
   https : //www.shinshu-u.ac.jp/faculty/agriculture/