ディープ・ラーニング(深層学習)は、人間が自然に行うタスクをコンピュータに学習させる機械学習の手法の1つです。昨今のAI(人工知能)ブームを牽引している技術で、さまざまな業界で注目を浴びています。
今までこういった先端ITとは少し疎遠だった農業でもディープ・ラーニングが活用され始めています。その背景として、農業就業者人口の減少や高齢化などの社会問題があり、その解決の一翼を担うかたちで最新のITを活用したスマート農業が注目されているからです。
一見すると難しそうなディープ・ラーニングですが、オープンソースの開発用ライブラリや、無料で使えるクラウド開発環境が整備されているため、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。農作物の画像を撮り溜めて学習用のデータを作り、それをもとに畳み込みニューラル・ネットワークで学習モデル生成します。最後に学習済みモデルを小型コンピュータ・ボードのラズベリー・パイに組み込み、ディープ・ラーニング・カメラを製作します。

※本書は月刊『Interface』2018年1月号〜7月号、2019年3月号〜2020年1月号の連載「IT農家のディープ・ラーニング」の内容を再編集・加筆してまとめたものです。

【ご注意ください！】
こちらの商品は店舗取扱い品の為、在庫数がリアルタイムで変動しています。
在庫状況によりご購入希望の数量をご用意出来ない場合があります。

ご購入前に在庫数の確認ご希望の方は下記「問合せフォーム」から連絡お願いします。
▼問合せフォーム
https://eleshop.jp/shop/contact/contact.aspx?goods=O15113

●小池 誠 ／ 著
●サイズ：新書判
●ページ数：176ページ


【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

【店頭取扱情報】
・シリコンハウス営業所 1F