Identification of tree species using a machine learning algorithm based on leaf shape and venation pattern

*連絡先(Corresponding author)E-mail : sharmy@uf.kpu.ac.jp 1 京都府立大学大学院生命環境科学研究科(606-8522 京都市左京区下鴨半木町1-5) Graduate School of Life and Environmental Sciences, Kyoto Prefectural University, 1-5 Shimogamo-hangi cho, Sakyo-ku, Kyoto 606-8522, Japan 2 京都府立大学生命環境学部(606-8522 京都市左京区下鴨半木町1-5) Faculty of Life and Environmental Sciences, Kyoto Prefectural University, 1-5 Shimogamo-hangi cho, Sakyo-ku, Kyoto 606-8522, Japan 3 京都大学大学院農学研究科(606-8502 京都市左京区北白川追分町) Graduate School of Agriculture, Kyoto University, Kitashirakawa-oiwake cho, Sakyo-ku, Kyoto 606-8502, Japan 4 京都大学大学農学部(606-8502 京都市左京区北白川追分町) Faculty of Agriculture, Kyoto University, Kitashirakawa-oiwake cho, Sakyo-ku, Kyoto 606-8502, Japan 美濃羽靖・高味楽生・村主勝彦・芦田萌子・吉村勇祐:葉の形状および葉脈情報を用いた機械学習による樹種 分類,森林計画誌53:1~14,2019 本研究は,葉から形状および葉脈情報を抽出し,機械学習を用いて樹種判 別を試みた。葉は京都大学構内に成立する樹木38種からそれぞれ10枚を採取した。形状情報には円形度,短径・ 長径比,周囲長・最適楕円軌道比を,葉脈情報にはHOG特徴量を用いた。また,葉の全体や部分についての フラクタル次元を算出した。機械学習には決定木(J48および RandomForest)およびニューラルネットワー ク(MultilayerPerceptorn)を用い,判別精度は正答率を用いた。汎化性(未知事例に対する判別精度)につ いては,交差検証法および検証用データ用いて検証した。未学習,過学習については,集団学習を用いて検証 した。その結果,訓練事例の判別精度は,フラクタル次元のみではどの学習モデルも正答率は低かったが,形 状情報を用いた場合は全体的に高い正答率が得られ,さらに,形状情報とフラクタル次元を同時に用いること により,判別精度は向上する傾向を示した。また,葉脈情報のみでも,全体的に高い正答率を示した。一方, 未知事例に対する判別精度は,形状情報およびフラクタル次元を同時に用いた場合では65.3%(J48)から 78.8%(RandomForest),葉脈情報のみを用いた場合では,12.5%(J48)から43.9%(MultilayerPerceptorn, 学習回数500回)となった。