- 研究室の先輩が、励起状態を用いた人工光合成の研究を1年生の後期に行われる環境問題事例研究で行なったので、それらの知識を活用してみればいいのではないのか(→インターネット上でそれらの情報を閲覧することは可能である)
- 人工光合成について、まだ完璧に解明し実現した研究者はおらず、完成させればノーベル賞をもらえるかもしれない
- 人工光合成について、世界各国で様々な研究者が研究を行なっているので、それらの知識はとても参考になるのでは?
LED素子について全部で以下の5つの光の波長を出力する素子を先生に購入してもらい、以下の6つのLED素子における植物の成長変化を調べて行こうと思う。(白色については、もともと持っているLEDスタンドを使用する)
- 赤外線(940nm)
- 遠赤色(720nm)
- 赤色(620nm〜625nm)
- 青色(460nm〜463nm)
- 紫外線に近い紫色(395nm〜405nm)
- 白色
このことについて、以下の図1のように、光の波長が短いほど、人間の体に悪影響を及ぼしてしまうので、紫外線を用いず、紫外線に近い紫色の光の波長を出力するLED素子を用いた。
図1. 光の波長について
また、それぞれのLED素子に対する定格電圧と定格電流を考慮しつつ、LED素子に負担がかからないように、それぞれのそれぞれのLED素子の+極側にオームの法則により求めた理論的な抵抗を回路に組み込みました。
このことにより、LED素子はイメージどうりに点灯したので、あとは、自家製水耕栽培機を作成したら実験を開始して行こうと思う。
また、Raspberry Piワークショップで学んだことを生かして、Matlabを用いたRaspberry Piの操作を行なって行こうと思い、先生に早速Matlabを購入してもらったが、MatlabにRaspberry Piの専用パッケージをダウンロードし、Raspberry Piと同期しなければならないことを研究会の前に知ったので、その作業を優先に、次回の研究会までに、行なって行こうと思います。
さらに、以下の図2のようなRaspberry Pi専用カメラモジュールを先生に先日購入してもらったので、以下には、その操作方法を記述する。
図2. Raspberry Pi専用カメラモジュール
Raspberry Pi専用カメラモジュールについて、図2のような機器を図3のような場所に装着することにより、Raspberry Piを用いての撮影を行うことができる。
図3. Raspberry Piのカメラモジュール設置場所
したがって、上記の図3で示した場所にRaspberry Pi専用カメラモジュールを設置し、撮影を行なっていく。(参考文献: Raspberry Pi専用カメラモジュールの使い方)
また、撮影を行うためのコマンドは以下の通りである。
- 静止画を撮る場合 ... raspistill
- 圧縮していない画像を撮る場合 ... raspiyuv
- 動画を撮る場合 ... raspivid
(raspistillコマンドを用いる場合)
(raspividコマンドを用いる場合)
(raspiyuvコマンドを用いる場合)
また、プレビューをディスプレイに表示させることによって、どのように撮影ができているかがわかるようにするコマンドも存在する。
さらに、画像処理を行うことのできるコマンドも存在する。
したがって、撮影後に画像を加工する手間を省くことができ、初めから設定しておくと、自動的にその画像処理の設定で撮影を行なってくれるのである。
このことより、Raspberry Pi専用カメラモジュールと上記で説明したコマンドを用いて撮影することにより、植物の状態を観察できるのではないかと考えた。
よって、様々な参考文献を調べるにあたって、motionと呼ばれるアプリケーションをRaspberry Piにダウンロードすることにより、インターネットのブラウザ上でリアルタイムに観察できるのではないかと考え、motionというアプリケーションを以下のようなコマンドを行うことによって、ダウンロードし、実行を行なえるようにした。(参考文献: Raspberry Piでカメラ, 純正カメラモジュールを用いて監視カメラ作成)
- ターミナルを開く
- sudo apt-get install motion を実行
- localhostのみしか見ることのできない設定になっているので、設定を変更する
- sudo motion -n でmotionの実行を行う
- http://xxx.xxx.xxx.xxx:8081/ (xxx.xxx.xxx.xxxはRaspberry PiのIPアドレス)をブラウザで検索することによって、インターネット上でカメラに写っているものを観察することができる
しかし、Raspberry Pi専用カメラモジュールは、Video for Linux 2というものに対応していないため、ライブカメラを用いてのみしか実行はできなかった。このことより、motionの設定を確認して見るかあるいは、他の方法を用いて観察できるように、次回の研究会までには、様々な参考文献を調べ直そうと思う。
これらのことより、先生や先輩方から以下のようなアドバイスをもらった。
- Matlabは、有料アプリケーションで、設定もフリーのアプリケーションに比べて簡単なのでは?
- Matlabを用いて植物の観察を行ない、成長過程を画像処理を用いて観察を行うことにより、植物を定量的に評価することができている動画を、Raspberry Piワークショップの最後で拝見したので、それをMatlabとRaspberry Piを用いて実現してみればいいのではないか。
- Raspberry Piは、低価格であるが、非常に高性能なので、気温や湿度を測ることやLEDの制御、画像処理だけでは、機能が霊視してしまうことはない。
- 複数のRaspberry Piを用いることにより、IoT水耕栽培機「foop」の実験だけでなく、自家製の水耕栽培機にもカメラをつけてみればどうか。
したがって、次回の研究までに、上記で示したことについて、もう一度参考書や他の研究者が書いた論文を調べて、知識を身に付けようと思うが、特に、Matlebを用いてRaspberry Piを制御する方法について詳しく考えていこうと思う。
また、本日の研究会での先輩方の発表や意見・アドバイスとして、以下のようなことがあげられたので、それも参考にし、卒業論文における研究を進めて行こうと思う。
<音源分離についての研究>
- 二乗誤差分離は、以下のようなコマンドが示す式を考えることによって、実行することができる。
- H=.*(Y*U')./((H*U)*U');
- U=U.*(H'*Y)./(H'*(H*U));
- onesは、Matlabでは、各行列の成分に数値1を含んだ行列であるが、サイズが合わないからといって、onesを計算過程に含めると、計算が合わなくなってしまう
- 音声は行列の複素数で表す
- KLダイバージェンスの二乗誤差分離と同じ結果を示すはずだが、同じ結果がうまく出力されなかった
<強化学習についての研究>
- Q学習について、Q値表というものから、最適解を導く
- ネズミ型迷路を作成し、一番早く指定した場所まで行くことができるのかをQ値を用いて考えることができる
- 迷路を解く強化学習をやって行く上で、道の形が同じで、位置が判断できない場合は、かなり不利となる
- 現在の研究では、遺伝子アルゴリズムより、Deep-Q Learningを行なっている(→Deep learningとQ学習を組み合わせたもの)
- 遺伝子アルゴリズムよりも、Deep LearningとQ学習を考えて結びつけるべし
<犬の個体識別についての研究>
- Matlabは、解析を行う際にはとても有用であるが、アプリケーションの開発を行うのには、少し難しくなってしまう
- RubyやHTMLは、アプリケーションの開発にはとても強いが、解析を行うのに用いるのは少し難しい
- Pythonhは、解析とアプリケーションの開発の両方を行うことが簡単であるが、フリーソフトなため、インストールなどに時間がかかってしまう
- Jupiter notebookと呼ばれる仮想空間とネットを繋げるものがある
- Jupiter notebookさえあれば、ブラウザに繋ぐことにより、パソコン内の操作ができる
- AzureとAWSについて、Deep Learningを行う際に、用いると便利な機能があるが、使えば使うほど料金が上がってしまう