IT農家のラズパイ製ディープ・ラーニング・カメラ

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