出版書誌データベース

今，ディープ・ラーニングが農業でも活用され始めています．一見すると難しそうなディープ・ラーニングですが，パソコンさえあれば誰でもすぐに開発を始められます．本書では，枝豆の選別とキュウリの等級判別を例に，ディープ・ラーニング開発を体験します．

★目次

◎農耕機械の自動運転から大きさの選別，温度管理もお任せ！
●イントロダクション　だれでもプロ農家になれる「ディープ・ラーニング」


☆第1部　体験学習[基礎編]枝豆の選別

◎インストール不要！ ブラウザ上で試せるGoogle Colaboratory
●第1章　[ステップ1]学習済みモデルの開発環境を準備する

◎正答率UPのキモ！ 撮影環境の準備から自動保存プログラム作成まで
●第2章　[ステップ2]学習用データ「枝豆の画像」を集める

◎前処理してからファイル・フォーマットをそろえる
●第3章　[ステップ3]枝豆の画像から学習&評価用データセットを作る

◎敵対的生成ネットワークGANで量産
●第4章　[ステップ4]枝豆の画像を増やして学習データを拡張する

◎10種類の方法で新たな画像を生成する
●第5章　[ステップ5]枝豆の学習データをさらに増やす画像処理テクニック

◎2粒莢と3粒莢を識別するニューラル・ネットワークを構築
●第6章　[ステップ6]枝豆の画像から学習済みモデルを作成する


☆第2部　体験学習[応用編]キュウリの等級判別

◎キュウリに傷を付けずに複数本の等級を同時に判定する
●第1章　[ステップ1]マシンの仕様を決める

◎実際にキュウリ等級判別マシンを動かしてみる
●Appendix 1　ダウンロード・データを使ってラズベリー・パイをセットアップ

◎トリミングやサイズ変換，正規化して正答率UPを図る
●第2章　[ステップ2]ディープ・ラーニングに使う画像に施す処理のあれこれ

◎該当箇所を切り出して，長さや表面積，太さを算出する
●第3章　[ステップ3]学習用データ「キュウリの画像」の収集&前処理

◎Google TensorFlowでニューラル・ネットワークを生成
●第4章　[ステップ4]学習済みモデルの作成

◎フィルタ数やサイズ，多層化，活性化関数などを最適化
●第5章　[ステップ5]学習済みモデルをチューニングして正答率を上げる

◎学習済みモデルをラズベリー・パイに取り込む
●第6章　[ステップ6]キュウリ等級判別マシンの製作

◎教師データ集めから高速化，見える化まで
●Appendix 2　ディープ・ラーニングを効率良く行う工夫のあれこれ