Individual tree canopy detection and species classification of conifers by deep learning

*連絡先(Corresponding author)E-mail : yugoku 0118@outlook.jp 1 信州大学大学院総合理工学研究科農学専攻(399-4598 長野県上伊那郡南箕輪村8304) Department of Agriculture, Graduate School of Science and Technology, Shinshu University, 8304 Minamiminowa-Vill., Kamiina-Dtrct., Nagano 399-4598, Japan 2 信州大学先鋭領域融合研究群山岳科学研究拠点(399-4598 長野県上伊那郡南箕輪村8304) Institute for Mountain Science, Interdisciplinary Cluster for Cutting Edge Research, Shinshu University, 8304 Minamiminowa-Vill., Kamiina-Dtrct., Nagano 399-4598, Japan 3 産業技術総合研究所人工知能研究センター(135-0064 東京都江東区青海2-4-7) Artificial Intelligence Research Center, National Institute of Advanced Industrial Science and Technology, 2-4-7 Aomi, Koto-Ku, Tokyo 135-0064, Japan 林悠介・トウソウキュウ・加藤正人・中村良介:ディープラーニングによる針葉樹の単木樹冠検出と樹種分類, 森林計画誌55:3~22,2021 近年,単木レベルの樹種把握に機械学習(ML)や深層学習(DL)が活用され ている。しかし,従来手法は解析者の経験と労力を要する上に,新規データへのモデル適用が難しかった。本 研究では,UAVとALS で取得したデータ(RGB,樹冠高モデル(H),傾斜モデル(S))にDL手法Mask RCNNを適用し,自動で単木樹冠・樹種推定が可能なモデルの構築を試みた。信州大学農学部構内演習林の多 時期データから3種類のデータセット(RGB,RGB+H,RGB+S)を作成し,優占する針葉樹(アカマツ, カラマツ,ヒノキ)を検出・分類するモデルの構築を行った。これらを用いて,新規の4サイトで単木樹冠・ 樹種推定を行った結果,RGB+Sモデルでは検出率0.905,分類精度0.955と3モデル中最も汎化性能があり, 新規サイトへの適用可能性が高いことが明らかとなった。今後はより環境条件に依存しないモデル構築が求め られ,DL手法の最適化や学習効率向上,データ蓄積等が課題である。