ホーム > 特許ランキング > 国立大学法人信州大学
▶ 国立大学法人信州大学の特許一覧 ▶ 精密林業計測株式会社の特許一覧
特開2022-165313植栽木自動検出装置、植栽木自動検出方法およびプログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022165313
(43)【公開日】2022-10-31
(54)【発明の名称】植栽木自動検出装置、植栽木自動検出方法およびプログラム
(51)【国際特許分類】
G06T 7/00 20170101AFI20221024BHJP
G06T 1/00 20060101ALI20221024BHJP
G01C 11/00 20060101ALI20221024BHJP
A01G 7/00 20060101ALI20221024BHJP
【ＦＩ】
G06T7/00 350B
G06T1/00 285
G01C11/00
A01G7/00 603
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2021070641
(22)【出願日】2021-04-19
(71)【出願人】
【識別番号】504180239
【氏名又は名称】国立大学法人信州大学
(71)【出願人】
【識別番号】517220036
【氏名又は名称】精密林業計測株式会社
(74)【代理人】
【識別番号】100106909
【弁理士】
【氏名又は名称】棚井 澄雄
(74)【代理人】
【識別番号】100188558
【弁理士】
【氏名又は名称】飯田 雅人
(72)【発明者】
【氏名】加藤 正人
(72)【発明者】
【氏名】中川 太人
(72)【発明者】
【氏名】藤平 光希
(72)【発明者】
【氏名】トウ ソウキュウ
(72)【発明者】
【氏名】竹中 悠輝
【テーマコード（参考）】
5B057
5L096
【Ｆターム（参考）】
5B057AA14
5B057AA15
5B057BA02
5B057CA01
5B057CA08
5B057CA12
5B057CA16
5B057CB01
5B057CB08
5B057CB12
5B057CB16
5B057CE02
5B057DB02
5B057DB06
5B057DB09
5B057DC25
5B057DC32
5B057DC36
5B057DC40
5L096AA02
5L096AA06
5L096AA09
5L096EA05
5L096FA09
5L096FA52
5L096FA62
5L096GA08
5L096GA40
5L096JA11
5L096KA04
(57)【要約】
【課題】植栽木を高精度に自動検出する。
【解決手段】森林域の空撮カラー画像データから前処理後空撮画像データを作成し、前処理後空撮画像データに含まれるノイズを除去してノイズ除去後空撮画像データを作成し、前処理後空撮画像データとノイズ除去後空撮画像データとに基づいて植栽木候補点を検出して植栽木候補点を含む植栽木候補点検出画像データを作成し、植栽木候補点検出画像データのうちの植栽木候補点を含む所定領域から特徴量を抽出して植栽木検出用データを作成し、植栽木検出用データに基づいて空撮カラー画像データに含まれる植栽木を検出する植栽木自動検出装置は、植栽木検出用データを推定用データと訓練用データとに分割し、訓練用データを用いた教師あり学習によって推定モデルを構築し、推定モデルの精度評価を実行し、推定モデルの精度評価の結果に基づいて選定された推定モデルを用いて推定用データに含まれる植栽木を推定する。
【選択図】図１
【解決手段】森林域の空撮カラー画像データから前処理後空撮画像データを作成し、前処理後空撮画像データに含まれるノイズを除去してノイズ除去後空撮画像データを作成し、前処理後空撮画像データとノイズ除去後空撮画像データとに基づいて植栽木候補点を検出して植栽木候補点を含む植栽木候補点検出画像データを作成し、植栽木候補点検出画像データのうちの植栽木候補点を含む所定領域から特徴量を抽出して植栽木検出用データを作成し、植栽木検出用データに基づいて空撮カラー画像データに含まれる植栽木を検出する植栽木自動検出装置は、植栽木検出用データを推定用データと訓練用データとに分割し、訓練用データを用いた教師あり学習によって推定モデルを構築し、推定モデルの精度評価を実行し、推定モデルの精度評価の結果に基づいて選定された推定モデルを用いて推定用データに含まれる植栽木を推定する。
【選択図】図１
【特許請求の範囲】
【請求項1】
所定の森林域において植栽木を自動検出する植栽木自動検出装置であって、
前記森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する空撮画像データ前処理部と、
前記空撮画像データ前処理部によって作成された前記前処理後空撮画像データに含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成するノイズ除去処理部と、
前記前処理後空撮画像データと前記ノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、前記植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する植栽木候補点検出処理部と、
前記植栽木候補点検出処理部によって作成された前記植栽木候補点検出画像データのうちの前記植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する特徴量抽出処理部と、
前記特徴量抽出処理部によって作成された前記植栽木検出用データに基づいて、前記空撮カラー画像データに含まれる前記植栽木を検出する植栽木検出処理部と、
前記植栽木検出処理部によって検出された前記植栽木に関する情報を作成する植栽木情報作成処理部と、
前記植栽木情報作成処理部によって作成された前記植栽木に関する情報であって、前記森林域に含まれるすべての植栽木に関する情報を集計する植栽木情報集計処理部とを備え、
前記植栽木検出処理部は、
前記特徴量抽出処理部によって作成された前記植栽木検出用データを、前記植栽木の推定に用いられるデータである推定用データと、前記植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割するデータ分割処理部と、
前記訓練用データを用いた教師あり学習を実行することによって、前記推定モデルを構築する推定モデル構築処理部と、
前記推定モデル構築処理部によって構築された前記推定モデルの精度評価を実行する精度評価処理部と、
前記精度評価処理部によって実行された前記推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する植栽木推定処理部とを備える、
植栽木自動検出装置。
前記森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する空撮画像データ前処理部と、
前記空撮画像データ前処理部によって作成された前記前処理後空撮画像データに含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成するノイズ除去処理部と、
前記前処理後空撮画像データと前記ノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、前記植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する植栽木候補点検出処理部と、
前記植栽木候補点検出処理部によって作成された前記植栽木候補点検出画像データのうちの前記植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する特徴量抽出処理部と、
前記特徴量抽出処理部によって作成された前記植栽木検出用データに基づいて、前記空撮カラー画像データに含まれる前記植栽木を検出する植栽木検出処理部と、
前記植栽木検出処理部によって検出された前記植栽木に関する情報を作成する植栽木情報作成処理部と、
前記植栽木情報作成処理部によって作成された前記植栽木に関する情報であって、前記森林域に含まれるすべての植栽木に関する情報を集計する植栽木情報集計処理部とを備え、
前記植栽木検出処理部は、
前記特徴量抽出処理部によって作成された前記植栽木検出用データを、前記植栽木の推定に用いられるデータである推定用データと、前記植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割するデータ分割処理部と、
前記訓練用データを用いた教師あり学習を実行することによって、前記推定モデルを構築する推定モデル構築処理部と、
前記推定モデル構築処理部によって構築された前記推定モデルの精度評価を実行する精度評価処理部と、
前記精度評価処理部によって実行された前記推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する植栽木推定処理部とを備える、
植栽木自動検出装置。
【請求項2】
前記空撮画像データ前処理部は、
前記空撮カラー画像データの入力を受け付ける空撮画像データ入力処理部と、
前記空撮画像データ入力処理部が受け付けた前記空撮カラー画像データから三次元点群データを作成する三次元点群データ作成処理部と、
前記三次元点群データ作成処理部によって作成された前記三次元点群データから、前記前処理後空撮画像データとしての樹冠高画像データを作成する樹冠高画像データ作成処理部とを備え、
前記植栽木候補点検出処理部は、前記前処理後空撮画像データとしての前記樹冠高画像データと、前記ノイズ除去後空撮画像データとを重ね合わせて差分する画像間の差分処理を実行することによって、前記植栽木候補点を検出する、
請求項１に記載の植栽木自動検出装置。
前記空撮カラー画像データの入力を受け付ける空撮画像データ入力処理部と、
前記空撮画像データ入力処理部が受け付けた前記空撮カラー画像データから三次元点群データを作成する三次元点群データ作成処理部と、
前記三次元点群データ作成処理部によって作成された前記三次元点群データから、前記前処理後空撮画像データとしての樹冠高画像データを作成する樹冠高画像データ作成処理部とを備え、
前記植栽木候補点検出処理部は、前記前処理後空撮画像データとしての前記樹冠高画像データと、前記ノイズ除去後空撮画像データとを重ね合わせて差分する画像間の差分処理を実行することによって、前記植栽木候補点を検出する、
請求項１に記載の植栽木自動検出装置。
【請求項3】
前記特徴量抽出処理部は、
前記植栽木候補点検出処理部によって作成された前記植栽木候補点検出画像データに含まれる前記植栽木候補点を中心とする半径１０センチメートルの円を前記所定領域として作成し、
前記所定領域から抽出される前記特徴量には、
前記所定領域内のＲＧＢ値、正規化ＲＧＢ値および樹冠高値のそれぞれについての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値が含まれる、
請求項１または請求項２に記載の植栽木自動検出装置。
前記植栽木候補点検出処理部によって作成された前記植栽木候補点検出画像データに含まれる前記植栽木候補点を中心とする半径１０センチメートルの円を前記所定領域として作成し、
前記所定領域から抽出される前記特徴量には、
前記所定領域内のＲＧＢ値、正規化ＲＧＢ値および樹冠高値のそれぞれについての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値が含まれる、
請求項１または請求項２に記載の植栽木自動検出装置。
【請求項4】
前記データ分割処理部は、
前記特徴量抽出処理部によって作成された前記植栽木検出用データの８０％を前記推定用データに分割し、
前記特徴量抽出処理部によって作成された前記植栽木検出用データの２０％を前記訓練用データに分割する、
請求項１から請求項３のいずれか一項に記載の植栽木自動検出装置。
前記特徴量抽出処理部によって作成された前記植栽木検出用データの８０％を前記推定用データに分割し、
前記特徴量抽出処理部によって作成された前記植栽木検出用データの２０％を前記訓練用データに分割する、
請求項１から請求項３のいずれか一項に記載の植栽木自動検出装置。
【請求項5】
前記推定モデル構築処理部は、
前記訓練用データに含まれる前記特徴量のうち、前記推定モデルの性能に寄与しない特徴量を消去することによって、前記推定モデルを構築する、
請求項１から請求項４のいずれか一項に記載の植栽木自動検出装置。
前記訓練用データに含まれる前記特徴量のうち、前記推定モデルの性能に寄与しない特徴量を消去することによって、前記推定モデルを構築する、
請求項１から請求項４のいずれか一項に記載の植栽木自動検出装置。
【請求項6】
前記精度評価処理部は、
前記訓練用データをｋ分割し、前記訓練用データの（ｋ－１）／ｋを学習用データとして用い、前記訓練用データの１／ｋを検証用データとして用い、前記学習用データと前記検証用データとの組み合わせを変えながら前記推定モデルの精度評価を実行するｋ分割交差検定法を用いる、
請求項１から請求項５のいずれか一項に記載の植栽木自動検出装置。
前記訓練用データをｋ分割し、前記訓練用データの（ｋ－１）／ｋを学習用データとして用い、前記訓練用データの１／ｋを検証用データとして用い、前記学習用データと前記検証用データとの組み合わせを変えながら前記推定モデルの精度評価を実行するｋ分割交差検定法を用いる、
請求項１から請求項５のいずれか一項に記載の植栽木自動検出装置。
【請求項7】
前記植栽木推定処理部は、
前記精度評価処理部によって実行された前記推定モデルの精度評価において最も高い精度評価結果が得られた推定モデルである前記選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する、
請求項１から請求項６のいずれか一項に記載の植栽木自動検出装置。
前記精度評価処理部によって実行された前記推定モデルの精度評価において最も高い精度評価結果が得られた推定モデルである前記選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する、
請求項１から請求項６のいずれか一項に記載の植栽木自動検出装置。
【請求項8】
前記植栽木情報作成処理部によって作成される前記植栽木に関する情報には、
前記植栽木検出処理部によって検出された前記植栽木のＩＤ（識別子）と、
前記植栽木検出処理部によって検出された前記植栽木の立木位置を示す情報と、
前記植栽木検出処理部によって検出された前記植栽木の苗高を示す情報とが、少なくとも含まれる、
請求項１から請求項７のいずれか一項に記載の植栽木自動検出装置。
前記植栽木検出処理部によって検出された前記植栽木のＩＤ（識別子）と、
前記植栽木検出処理部によって検出された前記植栽木の立木位置を示す情報と、
前記植栽木検出処理部によって検出された前記植栽木の苗高を示す情報とが、少なくとも含まれる、
請求項１から請求項７のいずれか一項に記載の植栽木自動検出装置。
【請求項9】
前記植栽木情報集計処理部によって集計される前記森林域に含まれるすべての植栽木に関する情報には、
前記森林域に含まれるすべての植栽木の合計本数と、
前記森林域の単位面積あたりの植栽木の本数とが含まれ、
前記植栽木情報集計処理部は、集計した情報をデータベースに登録する機能を有する、
請求項１から請求項８のいずれか一項に記載の植栽木自動検出装置。
前記森林域に含まれるすべての植栽木の合計本数と、
前記森林域の単位面積あたりの植栽木の本数とが含まれ、
前記植栽木情報集計処理部は、集計した情報をデータベースに登録する機能を有する、
請求項１から請求項８のいずれか一項に記載の植栽木自動検出装置。
【請求項10】
所定の森林域において植栽木を自動検出する植栽木自動検出方法であって、
前記森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する空撮画像データ前処理ステップと、
前記空撮画像データ前処理ステップにおいて作成された前記前処理後空撮画像データに含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成するノイズ除去処理ステップと、
前記前処理後空撮画像データと前記ノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、前記植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する植栽木候補点検出処理ステップと、
前記植栽木候補点検出処理ステップにおいて作成された前記植栽木候補点検出画像データのうちの前記植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する特徴量抽出処理ステップと、
前記特徴量抽出処理ステップにおいて作成された前記植栽木検出用データに基づいて、前記空撮カラー画像データに含まれる前記植栽木を検出する植栽木検出処理ステップと、
前記植栽木検出処理ステップにおいて検出された前記植栽木に関する情報を作成する植栽木情報作成処理ステップと、
前記植栽木情報作成処理ステップにおいて作成された前記植栽木に関する情報であって、前記森林域に含まれるすべての植栽木に関する情報を集計する植栽木情報集計処理ステップとを備え、
前記植栽木検出処理ステップには、
前記特徴量抽出処理ステップにおいてによって作成された前記植栽木検出用データを、前記植栽木の推定に用いられるデータである推定用データと、前記植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割するデータ分割処理ステップと、
前記訓練用データを用いた教師あり学習を実行することによって、前記推定モデルを構築する推定モデル構築処理ステップと、
前記推定モデル構築処理ステップにおいて構築された前記推定モデルの精度評価を実行する精度評価処理ステップと、
前記精度評価処理ステップにおいて実行された前記推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する植栽木推定処理ステップとが含まれる、
植栽木自動検出方法。
前記森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する空撮画像データ前処理ステップと、
前記空撮画像データ前処理ステップにおいて作成された前記前処理後空撮画像データに含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成するノイズ除去処理ステップと、
前記前処理後空撮画像データと前記ノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、前記植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する植栽木候補点検出処理ステップと、
前記植栽木候補点検出処理ステップにおいて作成された前記植栽木候補点検出画像データのうちの前記植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する特徴量抽出処理ステップと、
前記特徴量抽出処理ステップにおいて作成された前記植栽木検出用データに基づいて、前記空撮カラー画像データに含まれる前記植栽木を検出する植栽木検出処理ステップと、
前記植栽木検出処理ステップにおいて検出された前記植栽木に関する情報を作成する植栽木情報作成処理ステップと、
前記植栽木情報作成処理ステップにおいて作成された前記植栽木に関する情報であって、前記森林域に含まれるすべての植栽木に関する情報を集計する植栽木情報集計処理ステップとを備え、
前記植栽木検出処理ステップには、
前記特徴量抽出処理ステップにおいてによって作成された前記植栽木検出用データを、前記植栽木の推定に用いられるデータである推定用データと、前記植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割するデータ分割処理ステップと、
前記訓練用データを用いた教師あり学習を実行することによって、前記推定モデルを構築する推定モデル構築処理ステップと、
前記推定モデル構築処理ステップにおいて構築された前記推定モデルの精度評価を実行する精度評価処理ステップと、
前記精度評価処理ステップにおいて実行された前記推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する植栽木推定処理ステップとが含まれる、
植栽木自動検出方法。
【請求項11】
コンピュータに、
所定の森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する空撮画像データ前処理ステップと、
前記空撮画像データ前処理ステップにおいて作成された前記前処理後空撮画像データに含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成するノイズ除去処理ステップと、
前記前処理後空撮画像データと前記ノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、前記植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する植栽木候補点検出処理ステップと、
前記植栽木候補点検出処理ステップにおいて作成された前記植栽木候補点検出画像データのうちの前記植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する特徴量抽出処理ステップと、
前記特徴量抽出処理ステップにおいて作成された前記植栽木検出用データに基づいて、前記空撮カラー画像データに含まれる植栽木を検出する植栽木検出処理ステップと、
前記植栽木検出処理ステップにおいて検出された前記植栽木に関する情報を作成する植栽木情報作成処理ステップと、
前記植栽木情報作成処理ステップにおいて作成された前記植栽木に関する情報であって、前記森林域に含まれるすべての植栽木に関する情報を集計する植栽木情報集計処理ステップとを実行させるためのプログラムであって、
前記植栽木検出処理ステップには、
前記特徴量抽出処理ステップにおいてによって作成された前記植栽木検出用データを、前記植栽木の推定に用いられるデータである推定用データと、前記植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割するデータ分割処理ステップと、
前記訓練用データを用いた教師あり学習を実行することによって、前記推定モデルを構築する推定モデル構築処理ステップと、
前記推定モデル構築処理ステップにおいて構築された前記推定モデルの精度評価を実行する精度評価処理ステップと、
前記精度評価処理ステップにおいて実行された前記推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する植栽木推定処理ステップとが含まれる、
プログラム。
所定の森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する空撮画像データ前処理ステップと、
前記空撮画像データ前処理ステップにおいて作成された前記前処理後空撮画像データに含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成するノイズ除去処理ステップと、
前記前処理後空撮画像データと前記ノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、前記植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する植栽木候補点検出処理ステップと、
前記植栽木候補点検出処理ステップにおいて作成された前記植栽木候補点検出画像データのうちの前記植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する特徴量抽出処理ステップと、
前記特徴量抽出処理ステップにおいて作成された前記植栽木検出用データに基づいて、前記空撮カラー画像データに含まれる植栽木を検出する植栽木検出処理ステップと、
前記植栽木検出処理ステップにおいて検出された前記植栽木に関する情報を作成する植栽木情報作成処理ステップと、
前記植栽木情報作成処理ステップにおいて作成された前記植栽木に関する情報であって、前記森林域に含まれるすべての植栽木に関する情報を集計する植栽木情報集計処理ステップとを実行させるためのプログラムであって、
前記植栽木検出処理ステップには、
前記特徴量抽出処理ステップにおいてによって作成された前記植栽木検出用データを、前記植栽木の推定に用いられるデータである推定用データと、前記植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割するデータ分割処理ステップと、
前記訓練用データを用いた教師あり学習を実行することによって、前記推定モデルを構築する推定モデル構築処理ステップと、
前記推定モデル構築処理ステップにおいて構築された前記推定モデルの精度評価を実行する精度評価処理ステップと、
前記精度評価処理ステップにおいて実行された前記推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する植栽木推定処理ステップとが含まれる、
プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、植栽木自動検出装置、植栽木自動検出方法およびプログラムに関する。
詳細には、本発明は、ドローン、航空機等により上空から撮影した画像データ、あるいは、レーザ計測データおよび画像データ（例えばオルソ画像データ）に基づいて、調査対象森林域に関する植栽木を、人工知能（ＡＩ）を用いて高精度に抽出する植栽木自動検出装置、植栽木自動検出方法およびプログラムに関する。
詳細には、本発明は、ドローン、航空機等により上空から撮影した画像データ、あるいは、レーザ計測データおよび画像データ（例えばオルソ画像データ）に基づいて、調査対象森林域に関する植栽木を、人工知能（ＡＩ）を用いて高精度に抽出する植栽木自動検出装置、植栽木自動検出方法およびプログラムに関する。
【背景技術】
【0002】
林業においては、戦後植栽されたスギやヒノキの人工林が収穫期を迎えており、全国各地で収穫後の再造林地が急増している。造林事業は補助事業であるため、植栽計画に基づき、植栽木の位置と本数、生育状況を人が調べる必要がある。６～７月に蜂に刺される危険の多い下刈りを行い、植栽面積と本数、枯れについて検査を行うが、面積が急増しているため森林管理署、県・市町村、森林組合は人手が足りず、生産現場の解決すべき大きな課題になっている。
【0003】
このような造林補助事業の植付け作業の検査では、植栽木の生存検査（確認）が夏に実施される。造林（植林）作業者が植栽計画に沿って植付けたかどうかの確認が行われる。抽出検査では、対象面積に対して面積０．０２ｈａの抽出検査箇所が複数設置され、植栽本数、枯損率、下刈り作業での損傷率が調査される。確認や検査のための事前調査など夏の暑い時期に蜂に刺される危険と労力を要する中で、現場の森林官、自治体職員、林業事業体職員の負担は大きい。
【0004】
航空機やドローン計測で得られた画像データは数センチメートル～数十センチメートルの高精細な地上分解能力を有するが、植栽木は真上から見ると対象が１０センチメートル～２０センチメートルの小さな対象物であり、雑草が繁茂した中にある植栽木を画像上で検出することは困難であると考えられてきた。
【0005】
近年、上空から所定の森林域（「調査対象森林域」ともいう。）を含む地域にレーザ光を照射して得られたレーザ計測データに基づいて、調査対象森林域に関する森林資源情報を作成する技術が提案されている（例えば、特許文献１参照。）。
【先行技術文献】
【特許文献】
【0006】
【特許文献1】特開２０１８－０８４４７２号公報
【特許文献2】特開２０１９－０６８７６８号公報
【発明の概要】
【発明が解決しようとする課題】
【0007】
特許文献１には、所定の森林域にレーザ光を照射して得られたレーザ計測データに基づいて、調査対象森林域に関する森林資源情報を作成する森林資源情報算定方法であって、三次元のレーザ点群データから、各樹木の樹冠直径、胸高直径及び各樹木の樹高、これら樹高と胸高直径とから得られる材積などの森林資源情報を高精度に算定する方法について記載されている。
しかし、特許文献１に記載された技術では、空撮された画像に含まれる成熟木の情報は算定できるが、植栽木のように周囲を雑草に囲まれた中にある極めて小さい対象物を検出することはできない。
しかし、特許文献１に記載された技術では、空撮された画像に含まれる成熟木の情報は算定できるが、植栽木のように周囲を雑草に囲まれた中にある極めて小さい対象物を検出することはできない。
【0008】
特許文献２には、発根した樹木を生育する方法であって、樹木を植えた培地を温度調整可能な植物栽培施設内に配置し、樹木の根を、流液した培養液に浸漬し、植物栽培施設内の環境温度の制御により、休眠中の樹木について休眠打破を行なうことを特徴とする樹木の生育方法について記載されている。
植栽木生産の期間を短縮するため、特許文献２に記載された技術では、植物栽培施設内に、人工光を照射する人工光照明装置が設けられ、休眠打破においては、人工光照明装置を用いて、樹木の明期の時間が制御される。
ところで、特許文献２に記載された技術は、森林に植えられた植栽木の検出や生育診断に使用することができない。
植栽木生産の期間を短縮するため、特許文献２に記載された技術では、植物栽培施設内に、人工光を照射する人工光照明装置が設けられ、休眠打破においては、人工光照明装置を用いて、樹木の明期の時間が制御される。
ところで、特許文献２に記載された技術は、森林に植えられた植栽木の検出や生育診断に使用することができない。
【0009】
上述した問題点に鑑み、本発明は、所定の森林域において植栽木を高精度に自動検出することができる植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することを目的とする。
詳細には、本発明は、所定の森林域の全域または任意の範囲において植栽木を、航空機、ドローン等により上空から撮影したカラー画像データから、人工知能（ＡＩ）を用いて科学的かつ効率的に自動検出することができる、汎用性のある植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することを目的とする。
つまり、本発明は、人手と費用を要する植栽木の確認作業を自動で行うことができ、例えばドローン等による空撮カラー画像データから植栽木の確認および生育診断を自動で行うことができる植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することを目的とする。
詳細には、本発明は、所定の森林域の全域または任意の範囲において植栽木を、航空機、ドローン等により上空から撮影したカラー画像データから、人工知能（ＡＩ）を用いて科学的かつ効率的に自動検出することができる、汎用性のある植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することを目的とする。
つまり、本発明は、人手と費用を要する植栽木の確認作業を自動で行うことができ、例えばドローン等による空撮カラー画像データから植栽木の確認および生育診断を自動で行うことができる植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することを目的とする。
【課題を解決するための手段】
【0010】
本明細書において、「植栽木」とは、種から育てた樹木の苗木を、森林に植栽したものをいう。植栽木には、例えば、スギ、ヒノキ、カラマツなどの高木となる樹木が含まれる。調査対象森林域とは、調査対象のこれらの樹木によって形成される林が所定の広さを有して存在する森林域である。植栽木は周囲の雑草により被圧され成長が阻害されるため、毎年夏場に下刈り作業によって雑草を刈取る必要がある。造林作業の検査期間は、植栽木が雑草よりも高くなるまでのおおよそ７年～１０年の期間、下刈り作業と一緒に実施される。
【0011】
本発明の一態様は、所定の森林域において植栽木を自動検出する植栽木自動検出装置であって、前記森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する空撮画像データ前処理部と、前記空撮画像データ前処理部によって作成された前記前処理後空撮画像データに含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成するノイズ除去処理部と、前記前処理後空撮画像データと前記ノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、前記植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する植栽木候補点検出処理部と、前記植栽木候補点検出処理部によって作成された前記植栽木候補点検出画像データのうちの前記植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する特徴量抽出処理部と、前記特徴量抽出処理部によって作成された前記植栽木検出用データに基づいて、前記空撮カラー画像データに含まれる前記植栽木を検出する植栽木検出処理部と、前記植栽木検出処理部によって検出された前記植栽木に関する情報を作成する植栽木情報作成処理部と、前記植栽木情報作成処理部によって作成された前記植栽木に関する情報であって、前記森林域に含まれるすべての植栽木に関する情報を集計する植栽木情報集計処理部とを備え、前記植栽木検出処理部は、前記特徴量抽出処理部によって作成された前記植栽木検出用データを、前記植栽木の推定に用いられるデータである推定用データと、前記植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割するデータ分割処理部と、前記訓練用データを用いた教師あり学習を実行することによって、前記推定モデルを構築する推定モデル構築処理部と、前記推定モデル構築処理部によって構築された前記推定モデルの精度評価を実行する精度評価処理部と、前記精度評価処理部によって実行された前記推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する植栽木推定処理部とを備える、植栽木自動検出装置である。
【0012】
本発明の一態様の植栽木自動検出装置では、前記空撮画像データ前処理部は、前記空撮カラー画像データの入力を受け付ける空撮画像データ入力処理部と、前記空撮画像データ入力処理部が受け付けた前記空撮カラー画像データから三次元点群データを作成する三次元点群データ作成処理部と、前記三次元点群データ作成処理部によって作成された前記三次元点群データから、前記前処理後空撮画像データとしての樹冠高画像データを作成する樹冠高画像データ作成処理部とを備え、前記植栽木候補点検出処理部は、前記前処理後空撮画像データとしての前記樹冠高画像データと、前記ノイズ除去後空撮画像データとを重ね合わせて差分する画像間の差分処理を実行することによって、前記植栽木候補点を検出してもよい。
【0013】
本発明の一態様の植栽木自動検出装置では、前記特徴量抽出処理部は、前記植栽木候補点検出処理部によって作成された前記植栽木候補点検出画像データに含まれる前記植栽木候補点を中心とする半径１０センチメートルの円を前記所定領域として作成し、前記所定領域から抽出される前記特徴量には、前記所定領域内のＲＧＢ値、正規化ＲＧＢ値および樹冠高値のそれぞれについての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値が含まれてもよい。
【0014】
本発明の一態様の植栽木自動検出装置では、前記データ分割処理部は、前記特徴量抽出処理部によって作成された前記植栽木検出用データの８０％を前記推定用データに分割し、前記特徴量抽出処理部によって作成された前記植栽木検出用データの２０％を前記訓練用データに分割してもよい。
【0015】
本発明の一態様の植栽木自動検出装置では、前記推定モデル構築処理部は、前記訓練用データに含まれる前記特徴量のうち、前記推定モデルの性能に寄与しない特徴量を消去することによって、前記推定モデルを構築してもよい。
【0016】
本発明の一態様の植栽木自動検出装置では、前記精度評価処理部は、前記訓練用データをｋ分割し、前記訓練用データの（ｋ－１）／ｋを学習用データとして用い、前記訓練用データの１／ｋを検証用データとして用い、前記学習用データと前記検証用データとの組み合わせを変えながら前記推定モデルの精度評価を実行するｋ分割交差検定法を用いてもよい。
【0017】
本発明の一態様の植栽木自動検出装置では、前記植栽木推定処理部は、前記精度評価処理部によって実行された前記推定モデルの精度評価において最も高い精度評価結果が得られた推定モデルである前記選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定してもよい。
【0018】
本発明の一態様の植栽木自動検出装置では、前記植栽木情報作成処理部によって作成される前記植栽木に関する情報には、前記植栽木検出処理部によって検出された前記植栽木のＩＤ（識別子）と、前記植栽木検出処理部によって検出された前記植栽木の立木位置を示す情報と、前記植栽木検出処理部によって検出された前記植栽木の苗高を示す情報とが、少なくとも含まれてもよい。
【0019】
本発明の一態様の植栽木自動検出装置では、前記植栽木情報集計処理部によって集計される前記森林域に含まれるすべての植栽木に関する情報には、前記森林域に含まれるすべての植栽木の合計本数と、前記森林域の単位面積あたりの植栽木の本数とが含まれ、前記植栽木情報集計処理部は、集計した情報をデータベースに登録する機能を有してもよい。
【0020】
本発明の一態様は、所定の森林域において植栽木を自動検出する植栽木自動検出方法であって、前記森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する空撮画像データ前処理ステップと、前記空撮画像データ前処理ステップにおいて作成された前記前処理後空撮画像データに含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成するノイズ除去処理ステップと、前記前処理後空撮画像データと前記ノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、前記植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する植栽木候補点検出処理ステップと、前記植栽木候補点検出処理ステップにおいて作成された前記植栽木候補点検出画像データのうちの前記植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する特徴量抽出処理ステップと、前記特徴量抽出処理ステップにおいて作成された前記植栽木検出用データに基づいて、前記空撮カラー画像データに含まれる前記植栽木を検出する植栽木検出処理ステップと、前記植栽木検出処理ステップにおいて検出された前記植栽木に関する情報を作成する植栽木情報作成処理ステップと、前記植栽木情報作成処理ステップにおいて作成された前記植栽木に関する情報であって、前記森林域に含まれるすべての植栽木に関する情報を集計する植栽木情報集計処理ステップとを備え、前記植栽木検出処理ステップには、前記特徴量抽出処理ステップにおいてによって作成された前記植栽木検出用データを、前記植栽木の推定に用いられるデータである推定用データと、前記植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割するデータ分割処理ステップと、前記訓練用データを用いた教師あり学習を実行することによって、前記推定モデルを構築する推定モデル構築処理ステップと、前記推定モデル構築処理ステップにおいて構築された前記推定モデルの精度評価を実行する精度評価処理ステップと、前記精度評価処理ステップにおいて実行された前記推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する植栽木推定処理ステップとが含まれる、植栽木自動検出方法である。
【0021】
本発明の一態様は、コンピュータに、所定の森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する空撮画像データ前処理ステップと、前記空撮画像データ前処理ステップにおいて作成された前記前処理後空撮画像データに含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成するノイズ除去処理ステップと、前記前処理後空撮画像データと前記ノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、前記植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する植栽木候補点検出処理ステップと、前記植栽木候補点検出処理ステップにおいて作成された前記植栽木候補点検出画像データのうちの前記植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する特徴量抽出処理ステップと、前記特徴量抽出処理ステップにおいて作成された前記植栽木検出用データに基づいて、前記空撮カラー画像データに含まれる植栽木を検出する植栽木検出処理ステップと、前記植栽木検出処理ステップにおいて検出された前記植栽木に関する情報を作成する植栽木情報作成処理ステップと、前記植栽木情報作成処理ステップにおいて作成された前記植栽木に関する情報であって、前記森林域に含まれるすべての植栽木に関する情報を集計する植栽木情報集計処理ステップとを実行させるためのプログラムであって、前記植栽木検出処理ステップには、前記特徴量抽出処理ステップにおいてによって作成された前記植栽木検出用データを、前記植栽木の推定に用いられるデータである推定用データと、前記植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割するデータ分割処理ステップと、前記訓練用データを用いた教師あり学習を実行することによって、前記推定モデルを構築する推定モデル構築処理ステップと、前記推定モデル構築処理ステップにおいて構築された前記推定モデルの精度評価を実行する精度評価処理ステップと、前記精度評価処理ステップにおいて実行された前記推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、前記推定用データに含まれる前記植栽木を推定する植栽木推定処理ステップとが含まれる、プログラムである。
【発明の効果】
【0022】
本発明によれば、所定の森林域において植栽木を高精度に自動検出することができる植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することができる。
詳細には、本発明によれば、所定の森林域の全域または任意の範囲において植栽木を、航空機、ドローン等により上空から撮影したカラー画像データから、人工知能（ＡＩ）を用いて科学的かつ効率的に自動検出することができる、汎用性のある植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することができる。
つまり、本発明によれば、人手と費用を要する植栽木の確認作業を自動で行うことができ、例えばドローン等による空撮カラー画像データから植栽木の確認および生育診断を自動で行うことができる植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することができる。
詳細には、本発明によれば、所定の森林域の全域または任意の範囲において植栽木を、航空機、ドローン等により上空から撮影したカラー画像データから、人工知能（ＡＩ）を用いて科学的かつ効率的に自動検出することができる、汎用性のある植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することができる。
つまり、本発明によれば、人手と費用を要する植栽木の確認作業を自動で行うことができ、例えばドローン等による空撮カラー画像データから植栽木の確認および生育診断を自動で行うことができる植栽木自動検出装置、植栽木自動検出方法およびプログラムを提供することができる。
【図面の簡単な説明】
【0023】
【図1】第１実施形態の植栽木自動検出装置の一例を示す図である。
【図2】空撮画像データ入力処理部が受け付けた空撮カラー画像データの一例を説明するための図である。
【図3】樹冠高画像データ作成処理部によって作成された樹冠高画像データの一例を説明するための図である。
【図4】植栽木候補点検出処理部による処理の一例を説明するための図である。
【図5】植栽木候補点検出処理部によって作成された植栽木候補点を含む空撮画像データである植栽木候補点検出画像データの一例を説明するための図である。
【図7】特徴量の抽出が行われる所定領域および特徴量の一例を説明するための図である。
【図8】精度評価処理部が５分割交差検定法を用いる例を説明するための図である。
【図9】精度評価処理部によって実行される推定モデルの精度評価において精度評価の高い推定モデルを検証するための一致率と誤検出率とを算定する式の一例を示す図である。
【図10】植栽木推定処理部によって推定された植栽木を含む空撮画像データの一例を示す図である。
【図12】植栽木情報作成処理部によって作成された植栽木に関する情報の一例を示す図である。
【図13】植栽木情報集計処理部によって集計された調査対象森林域に含まれるすべての植栽木に関する情報の一例を示す図である。
【図14】第１実施形態の植栽木自動検出装置において実行される処理の一例を説明するためのフローチャートである。
【発明を実施するための形態】
【0024】
以下、本発明の植栽木自動検出装置、植栽木自動検出方法およびプログラムの実施形態について説明する。
【0025】
＜第１実施形態＞
図１は第１実施形態の植栽木自動検出装置１の一例を示す図である。
図１に示す例では、植栽木自動検出装置１が、所定の森林域において植栽木を自動検出する。詳細には、植栽木自動検出装置１は、その森林域を含むように航空機またはドローンから撮影された空撮カラー画像データに含まれる植栽木を自動検出する。植栽木自動検出装置１は、空撮画像データ前処理部１１と、ノイズ除去処理部１２と、植栽木候補点検出処理部１３と、特徴量抽出処理部１４と、植栽木検出処理部１５と、植栽木情報作成処理部１６と、植栽木情報集計処理部１７とを備えている。
図１は第１実施形態の植栽木自動検出装置１の一例を示す図である。
図１に示す例では、植栽木自動検出装置１が、所定の森林域において植栽木を自動検出する。詳細には、植栽木自動検出装置１は、その森林域を含むように航空機またはドローンから撮影された空撮カラー画像データに含まれる植栽木を自動検出する。植栽木自動検出装置１は、空撮画像データ前処理部１１と、ノイズ除去処理部１２と、植栽木候補点検出処理部１３と、特徴量抽出処理部１４と、植栽木検出処理部１５と、植栽木情報作成処理部１６と、植栽木情報集計処理部１７とを備えている。
【0026】
空撮画像データ前処理部１１は、森林域の空撮カラー画像データの前処理を実行することによって、前処理後空撮画像データを作成する。空撮画像データ前処理部１１は、空撮画像データ入力処理部１１Ａと、三次元点群データ作成処理部１１Ｂと、樹冠高画像データ作成処理部１１Ｃとを備えている。
空撮画像データ入力処理部１１Ａは、上述した森林域（調査対象森林域）を含むようにドローンまたは航空機から撮影された空撮カラー画像データの入力を受け付ける。
空撮画像データ入力処理部１１Ａは、上述した森林域（調査対象森林域）を含むようにドローンまたは航空機から撮影された空撮カラー画像データの入力を受け付ける。
【0027】
図２は空撮画像データ入力処理部１１Ａが受け付けた空撮カラー画像データの一例を説明するための図である。詳細には、図２は、ドローンから撮影された調査対象森林域の空撮カラー画像がディスプレイ（図示せず）に表示された状態を示している。
図２において、符号「ＡＲ１」および符号「ＡＲ２」で示す枠によって囲まれた範囲が、現地調査による精度検証地の植栽地の範囲を示している。符号「ＡＲ１」および符号「ＡＲ２」で示す枠内の帯状の部分（符号「ＨＷ」で示す。）は、伐採跡の林地残材をブルドーザーで集積した箇所（集積箇所）であり、広葉樹が生育している。符号「ＡＲ１」および符号「ＡＲ２」で示す枠内の集積箇所ＨＷと集積箇所ＨＷとの間の部分（符号「ＰＴ」で示す。）は、植栽地（植栽木が存在する可能性がある箇所）を示している。
図２において、符号「ＡＲ１」および符号「ＡＲ２」で示す枠によって囲まれた範囲が、現地調査による精度検証地の植栽地の範囲を示している。符号「ＡＲ１」および符号「ＡＲ２」で示す枠内の帯状の部分（符号「ＨＷ」で示す。）は、伐採跡の林地残材をブルドーザーで集積した箇所（集積箇所）であり、広葉樹が生育している。符号「ＡＲ１」および符号「ＡＲ２」で示す枠内の集積箇所ＨＷと集積箇所ＨＷとの間の部分（符号「ＰＴ」で示す。）は、植栽地（植栽木が存在する可能性がある箇所）を示している。
【0028】
図１に示す例では、三次元点群データ作成処理部１１Ｂは、空撮画像データ入力処理部１１Ａが受け付けた空撮カラー画像データから、三次元点群データを作成する。カラー画像データから三次元点群データを作成する技術としては、例えば下記のＵＲＬに対応する公知の技術などを用いることができる。
https://psgsv2.gsi.go.jp/koukyou/download/danmen_manual_190329.pdf
https://www.hitachicm.com/global/jp/solution-linkage/about-ict/3d-point-cloud/
https://const.fukuicompu.co.jp/constmag/info/54
https://psgsv2.gsi.go.jp/koukyou/download/danmen_manual_190329.pdf
https://www.hitachicm.com/global/jp/solution-linkage/about-ict/3d-point-cloud/
https://const.fukuicompu.co.jp/constmag/info/54
【0029】
樹冠高画像データ作成処理部１１Ｃは、三次元点群データ作成処理部１１Ｂによって作成された三次元点群データから、前処理後空撮画像データとしての樹冠高画像データを作成する。
詳細には、樹冠高画像データ作成処理部１１Ｃは、三次元点群データ作成処理部１１Ｂによって作成された三次元点群データに基づいて、メッシュ化されたデジタル表層モデルデータとデジタル標高モデルデータとを作成し、メッシュごとにデジタル表層モデルデータとデジタル標高モデルデータとの差分を取ることによって、メッシュごとに樹冠高が求められた樹冠高画像データを作成する。
詳細には、樹冠高画像データ作成処理部１１Ｃは、三次元点群データ作成処理部１１Ｂによって作成された三次元点群データに基づいて、メッシュ化されたデジタル表層モデルデータとデジタル標高モデルデータとを作成し、メッシュごとにデジタル表層モデルデータとデジタル標高モデルデータとの差分を取ることによって、メッシュごとに樹冠高が求められた樹冠高画像データを作成する。
【0030】
あるいは、樹冠高画像データ作成処理部１１Ｃは、国土地理院の航空レーザ測量で計測して作成された基盤地図情報（数値標高モデル）５ｍメッシュ（標高）を代用して、メッシュサイズを同一にする処理を行った上で、デジタル表層モデルデータと基盤地図情報（数値標高モデル）との差分を取ることによって、樹冠高画像データを作成してもよい。
【0031】
図３は樹冠高画像データ作成処理部１１Ｃによって作成された樹冠高画像データの一例を説明するための図である。詳細には、図３は、樹冠高画像がディスプレイ（図示せず）に表示された状態を示している。
図３に示す植栽地ＰＴは、図２に示す植栽地ＰＴに対応している。
図３に示す例では、樹冠高画像データ作成処理部１１Ｃが、５０ｃｍの画素ごとのメッシュ化されたデジタル表層モデルデータとデジタル標高モデルデータとを作成し、メッシュごとにデジタル表層モデルデータとデジタル標高モデルデータとの差分を取ることによって、５０ｃｍ×５０ｃｍのメッシュごとに樹冠高が求められた樹冠高画像データを作成している。
図３に示す植栽地ＰＴは、図２に示す植栽地ＰＴに対応している。
図３に示す例では、樹冠高画像データ作成処理部１１Ｃが、５０ｃｍの画素ごとのメッシュ化されたデジタル表層モデルデータとデジタル標高モデルデータとを作成し、メッシュごとにデジタル表層モデルデータとデジタル標高モデルデータとの差分を取ることによって、５０ｃｍ×５０ｃｍのメッシュごとに樹冠高が求められた樹冠高画像データを作成している。
【0032】
図１に示す例では、ノイズ除去処理部１２が、空撮画像データ前処理部１１によって作成された前処理後空撮画像データ（樹冠高画像データ）に含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成する。ノイズ除去処理部１２は、画像を平滑化してノイズを除去する平均化フィルター処理を実行することにより、樹冠高画像データに含まれるノイズを除去する。
【0033】
植栽木候補点検出処理部１３は、空撮画像データ前処理部１１によって作成された前処理後空撮画像データ（樹冠高画像データ）と、ノイズ除去処理部１２によって作成されたノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する。
詳細には、植栽木候補点検出処理部１３は、前処理後空撮画像データとしての樹冠高画像データと、ノイズ除去後空撮画像データとを重ね合わせて差分する画像間の差分処理を実行することによって、植栽木候補点を検出する。
差分処理された画像（植栽木候補点検出画像）をディスプレイに表示することによって、変化箇所が機械的に検出され、植栽木の頂点はゼロになり、植栽木候補点を検出できる。一方、植栽木候補には、植林地内に生育する広葉樹とススキなどの大形草本の雑草も含まれている。
詳細には、植栽木候補点検出処理部１３は、前処理後空撮画像データとしての樹冠高画像データと、ノイズ除去後空撮画像データとを重ね合わせて差分する画像間の差分処理を実行することによって、植栽木候補点を検出する。
差分処理された画像（植栽木候補点検出画像）をディスプレイに表示することによって、変化箇所が機械的に検出され、植栽木の頂点はゼロになり、植栽木候補点を検出できる。一方、植栽木候補には、植林地内に生育する広葉樹とススキなどの大形草本の雑草も含まれている。
【0034】
図４は植栽木候補点検出処理部１３による処理の一例を説明するための図である。詳細には、図４（Ａ）は前処理後空撮画像データ（樹冠高画像データ）とノイズ除去後空撮画像データとが重ね合わされた状態を示している。図４（Ａ）において、（１）は樹冠高画像データとしての植栽木の樹冠高モデルを示しており、（２）はノイズ除去後空撮画像データとしてのノイズ除去の平均化フィルター処理を行った樹冠高補正モデルを示している。図４（Ｂ）は樹冠高モデルと樹冠高補正モデルとの差分を計算することによって作成される差分ファイル（３）を示している。図４（Ｃ）は差分ファイル（３）の値がゼロになる点（植栽木の頂点候補点）などを示している。
図４に示すように、植栽木候補点検出処理部１３が、樹冠高画像データとノイズ除去後空撮画像データとを重ね合わせて差分する画像間の差分処理を行うことで、変化箇所が機械的に検出され、植栽木の頂点では差分がゼロになり、植栽木候補点を検出することができる。
図４に示すように、植栽木候補点検出処理部１３が、樹冠高画像データとノイズ除去後空撮画像データとを重ね合わせて差分する画像間の差分処理を行うことで、変化箇所が機械的に検出され、植栽木の頂点では差分がゼロになり、植栽木候補点を検出することができる。
【0035】
図５は植栽木候補点検出処理部１３によって作成された植栽木候補点を含む空撮画像データである植栽木候補点検出画像データの一例を説明するための図である。詳細には、図５は図３に示す樹冠高画像データなどに基づいて植栽木候補点検出処理部１３によって作成された植栽木候補点を含む空撮画像データを示している。
つまり、図５は、実質的に、図２に示す空撮カラー画像上に、植栽木候補点がプロットされたものである。
図５に示す例では、調査対象森林域の植栽木候補の検出処理画像（植栽木候補点が空撮カラー画像上にプロットされたもの）が、ディスプレイに表示されている。
つまり、図５は、実質的に、図２に示す空撮カラー画像上に、植栽木候補点がプロットされたものである。
図５に示す例では、調査対象森林域の植栽木候補の検出処理画像（植栽木候補点が空撮カラー画像上にプロットされたもの）が、ディスプレイに表示されている。
【0036】
図６は図５に示す植栽木候補の検出処理画像（植栽木候補点が空撮カラー画像上にプロットされたもの）を拡大して示した図である。詳細には、図６はディスプレイに表示された植栽木候補の検出処理拡大画像を示している。
図６に示す例では、３箇所の破線円で示すように、植栽木候補点に、植林地内に生育する広葉樹とススキなどの大形草本が含まれている。
つまり、図６に示す例では、３箇所の破線円内の植栽木候補点が、植栽木を示しているのではなく、広葉樹または大形草本を示している。すなわち、植林地内に生育する広葉樹とススキなどの大形草本が、植栽木として誤検出（誤推定）されるおそれがあることがわかる。
図６に示す例では、３箇所の破線円で示すように、植栽木候補点に、植林地内に生育する広葉樹とススキなどの大形草本が含まれている。
つまり、図６に示す例では、３箇所の破線円内の植栽木候補点が、植栽木を示しているのではなく、広葉樹または大形草本を示している。すなわち、植林地内に生育する広葉樹とススキなどの大形草本が、植栽木として誤検出（誤推定）されるおそれがあることがわかる。
【0037】
図１に示す例では、特徴量抽出処理部１４が、植栽木候補点検出処理部１３によって作成された植栽木候補点検出画像データのうちの植栽木候補点（差分がゼロの点）を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する。
詳細には、特徴量抽出処理部１４は、上述した所定領域としての、植栽木候補点検出処理部１３によって作成された植栽木候補点検出画像データに含まれる植栽木候補点（差分がゼロの点）を中心とする半径１０センチメートルの円から、特徴量を抽出する。その所定領域から抽出される特徴量には、所定領域内のＲＧＢ値、正規化ＲＧＢ値および樹冠高値のそれぞれについての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値が含まれる。
つまり、所定領域から抽出される特徴量には、所定領域内のＲ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内のＧ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内のＢ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内の正規化Ｒ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内の正規化Ｇ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内の正規化Ｂ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内の樹冠高値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）とが含まれる。
詳細には、特徴量抽出処理部１４は、上述した所定領域としての、植栽木候補点検出処理部１３によって作成された植栽木候補点検出画像データに含まれる植栽木候補点（差分がゼロの点）を中心とする半径１０センチメートルの円から、特徴量を抽出する。その所定領域から抽出される特徴量には、所定領域内のＲＧＢ値、正規化ＲＧＢ値および樹冠高値のそれぞれについての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値が含まれる。
つまり、所定領域から抽出される特徴量には、所定領域内のＲ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内のＧ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内のＢ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内の正規化Ｒ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内の正規化Ｇ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内の正規化Ｂ値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）と、所定領域内の樹冠高値についての画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の統計値（１０個の値）とが含まれる。
【0038】
図７は特徴量の抽出が行われる所定領域および特徴量の一例を説明するための図である。
図７に示すように、特徴量抽出処理部１４によって実行される処理では、植栽木候補の検出処理画像（植栽木候補点が空撮カラー画像上にプロットされたもの）に対し、植栽木候補点毎に、半径１０センチの円が作成される。その円の中に含まれる写真画像（空撮カラー画像）の赤緑青（ＲＧＢ）の計測値、ＲＧＢの正規化指数値、樹冠高値（例えば樹冠高画像データ作成処理部１１Ｃによって算出された値）の７つのファイルのそれぞれに対して、画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の１０の統計値が算定される。
図７に示すように、特徴量抽出処理部１４によって実行される処理では、植栽木候補の検出処理画像（植栽木候補点が空撮カラー画像上にプロットされたもの）に対し、植栽木候補点毎に、半径１０センチの円が作成される。その円の中に含まれる写真画像（空撮カラー画像）の赤緑青（ＲＧＢ）の計測値、ＲＧＢの正規化指数値、樹冠高値（例えば樹冠高画像データ作成処理部１１Ｃによって算出された値）の７つのファイルのそれぞれに対して、画素の合計、最大値、最小値、平均値、範囲、中央値、最小頻値、標準偏差、分散および多様体の１０の統計値が算定される。
【0039】
図１に示す例では、植栽木検出処理部１５が、特徴量抽出処理部１４によって作成された植栽木検出用データに基づいて、空撮カラー画像データに含まれる植栽木を検出（推定）する。植栽木検出処理部１５は、データ分割処理部１５Ａと、推定モデル構築処理部１５Ｂと、精度評価処理部１５Ｃと、植栽木推定処理部１５Ｄとを備えている。
データ分割処理部１５Ａは、特徴量抽出処理部１４によって作成された植栽木検出用データを、植栽木の推定に用いられるデータである推定用データと、植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割する。詳細には、データ分割処理部１５Ａは、特徴量抽出処理部１４によって作成された植栽木検出用データの８０％を推定用データに分割し、特徴量抽出処理部１４によって作成された植栽木検出用データの２０％を訓練用データに分割する。
これにより、訓練データを教師あり学習用データとして、ＡＩプログラムでモデル構築に使用できる。また、推定データは構築した推定モデルの精度検証（性能指標）に使用できる。
データ分割処理部１５Ａは、特徴量抽出処理部１４によって作成された植栽木検出用データを、植栽木の推定に用いられるデータである推定用データと、植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割する。詳細には、データ分割処理部１５Ａは、特徴量抽出処理部１４によって作成された植栽木検出用データの８０％を推定用データに分割し、特徴量抽出処理部１４によって作成された植栽木検出用データの２０％を訓練用データに分割する。
これにより、訓練データを教師あり学習用データとして、ＡＩプログラムでモデル構築に使用できる。また、推定データは構築した推定モデルの精度検証（性能指標）に使用できる。
【0040】
推定モデル構築処理部１５Ｂは、訓練用データを用いた教師あり学習を実行することによって、推定モデルを構築する。詳細には、推定モデル構築処理部１５Ｂは、訓練用データに含まれる特徴量のうち、推定モデルの性能に寄与しない特徴量を例えば１つずつ消去することによって、推定モデルを構築する。
図１に示す例では、植栽木候補の検出処理に含まれる植栽木と植栽木以外の二項目に二値分類する。例えば、特徴量７０個から再帰的特徴量削減（Recursive Feature Elimination）のアルゴリズムを使用し、特徴量数が６９～５までの計６５個のサポートベクターマシーン（Support Vector Machine）モデルを推定モデルとして構築する。
他の例では、推定モデル構築処理部１５Ｂが、サポートベクターマシーンモデル以外のモデルを推定モデルとして構築してもよい。
図１に示す例では、植栽木候補の検出処理に含まれる植栽木と植栽木以外の二項目に二値分類する。例えば、特徴量７０個から再帰的特徴量削減（Recursive Feature Elimination）のアルゴリズムを使用し、特徴量数が６９～５までの計６５個のサポートベクターマシーン（Support Vector Machine）モデルを推定モデルとして構築する。
他の例では、推定モデル構築処理部１５Ｂが、サポートベクターマシーンモデル以外のモデルを推定モデルとして構築してもよい。
【0041】
図１に示す例では、精度評価処理部１５Ｃが、推定モデル構築処理部１５Ｂによって構築された推定モデルの精度評価を実行する。詳細には、精度評価処理部１５Ｃは、訓練用データをｋ分割し、訓練用データの（ｋ－１）／ｋを学習用データとして用い、訓練用データの１／ｋを検証用データとして用いる。また、精度評価処理部１５Ｃは、学習用データと検証用データとの組み合わせを変えながら推定モデルの精度評価を実行するｋ分割交差検定法を用いる。
【0042】
図８は精度評価処理部１５Ｃが５分割交差検定法を用いる例を説明するための図である。
図８に示す例では、精度評価処理部１５Ｃが訓練用データを５分割し、学習用データと検証用データとの組み合わせを変えながら繰り返し学習を行い、推定モデル（機械学習モデル）の精度検証を行う。精度評価処理部１５Ｃは、５分割交差検定法を用いることによって、６５個のサポートベクターマシーンモデルを精度評価する。
図８に示す例では、精度評価処理部１５Ｃが訓練用データを５分割し、学習用データと検証用データとの組み合わせを変えながら繰り返し学習を行い、推定モデル（機械学習モデル）の精度検証を行う。精度評価処理部１５Ｃは、５分割交差検定法を用いることによって、６５個のサポートベクターマシーンモデルを精度評価する。
【0043】
推定モデルの現地での精度検証には、画像上でサンプルエリアをランダムサンプリングで選択し、エリア内の植栽木が正しく判定されたか目視判読または現地調査で確認する。現地調査と目視判読の本数を正解本数、学習モデルから検出した植栽木本数をモデル検出本数、正解本数とモデル検出本数の植栽木位置が一致した本数を一致本数とする。
つまり、上述した教師あり学習では、空撮画像データと、その空撮画像データに含まれる植栽木の現地調査結果（空撮画像のどの位置に植栽木が存在するか等を示す結果）との組が、教師データ（訓練用データ）として用いられる。
つまり、上述した教師あり学習では、空撮画像データと、その空撮画像データに含まれる植栽木の現地調査結果（空撮画像のどの位置に植栽木が存在するか等を示す結果）との組が、教師データ（訓練用データ）として用いられる。
【0044】
図９は精度評価処理部１５Ｃによって実行される推定モデルの精度評価において精度評価の高い推定モデルを検証するための一致率と誤検出率とを算定する式の一例を示す図である。
図９に示す式において、正解本数は、サンプルエリア内の植栽木を目視判読と現地確認した本数である。検出本数は、学習モデル（推定モデル）から検出した植栽木の本数である。一致本数は、正解本数と検出本数の植栽木位置が一致した本数である。
図９に示す式において、正解本数は、サンプルエリア内の植栽木を目視判読と現地確認した本数である。検出本数は、学習モデル（推定モデル）から検出した植栽木の本数である。一致本数は、正解本数と検出本数の植栽木位置が一致した本数である。
【0045】
図１に示す例では、植栽木推定処理部１５Ｄが、精度評価処理部１５Ｃによって実行された推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、推定用データ（空撮画像データ）に含まれる植栽木を推定（検出）する。詳細には、植栽木推定処理部１５Ｄは、精度評価処理部１５Ｃによって実行された推定モデルの精度評価において最も高い精度評価結果が得られた推定モデルである選定後推定モデルを用いることにより、推定用データ（空撮画像データ）に含まれる植栽木を推定（検出）する。
【0046】
図１０および図１１は植栽木推定処理部１５Ｄによって推定（検出）された植栽木などの一例を示す図である。
詳細には、図１０は植栽木推定処理部１５Ｄによって推定（検出）された植栽木を含む空撮画像データの一例を示す図である。つまり、図１０は、実質的に、図２に示す空撮カラー画像上に、植栽木推定処理部１５Ｄによって推定（検出）された植栽木を示す点がプロットされたものである。
図１１（Ａ）は図５に示す植栽木候補点を含む空撮画像データの一部を拡大して示しており、図１１（Ｂ）は図１１（Ａ）に対応する位置における、植栽木推定処理部１５Ｄによって推定（検出）された植栽木を示す点を含む空撮画像データの一部を拡大して示している。
詳細には、図１０は植栽木推定処理部１５Ｄによって推定（検出）された植栽木を含む空撮画像データの一例を示す図である。つまり、図１０は、実質的に、図２に示す空撮カラー画像上に、植栽木推定処理部１５Ｄによって推定（検出）された植栽木を示す点がプロットされたものである。
図１１（Ａ）は図５に示す植栽木候補点を含む空撮画像データの一部を拡大して示しており、図１１（Ｂ）は図１１（Ａ）に対応する位置における、植栽木推定処理部１５Ｄによって推定（検出）された植栽木を示す点を含む空撮画像データの一部を拡大して示している。
【0047】
図１０に示す例では、調査対象森林域の植栽木の検出処理画像（植栽木を示す点が空撮カラー画像上にプロットされたもの）が、ディスプレイに表示されている。そのため、調査地全体における植栽木の検出結果を確認することができる。
図１１（Ａ）に示す例では、３箇所の破線円で示すように、植栽木候補点に、植林地内に生育する広葉樹とススキなどの大形草本が含まれている。つまり、図１１（Ａ）に示す例では、３箇所の破線円内の植栽木候補点が、植栽木を示しているのではなく、広葉樹または大形草本を示している。
一方、図１１（Ｂ）に示す例では、植栽木推定処理部１５Ｄは、３箇所の破線円内に植栽木が存在しないと推定する。つまり、植栽木推定処理部１５Ｄは、図１１（Ａ）に示す３箇所の破線円内の植栽木候補点が、植栽木を示しているのではなく、広葉樹または大形草本を示していると推定する。
図１１（Ａ）に示す例では、３箇所の破線円で示すように、植栽木候補点に、植林地内に生育する広葉樹とススキなどの大形草本が含まれている。つまり、図１１（Ａ）に示す例では、３箇所の破線円内の植栽木候補点が、植栽木を示しているのではなく、広葉樹または大形草本を示している。
一方、図１１（Ｂ）に示す例では、植栽木推定処理部１５Ｄは、３箇所の破線円内に植栽木が存在しないと推定する。つまり、植栽木推定処理部１５Ｄは、図１１（Ａ）に示す３箇所の破線円内の植栽木候補点が、植栽木を示しているのではなく、広葉樹または大形草本を示していると推定する。
【0048】
すなわち、図１１（Ｂ）に示す例では、調査対象森林域の植栽木と植栽木以外を区別することができ、植栽木のみを自動検出し、マップ化することができる。
植栽木推定処理部１５Ｄ（ＡＩプログラムの学習モデル）は、植栽木候補点に含まれている広葉樹や大形草本が植栽木ではないと推定することができ、植栽木のみを自動検出することができる。
植栽木推定処理部１５Ｄ（ＡＩプログラムの学習モデル）は、植栽木候補点に含まれている広葉樹や大形草本が植栽木ではないと推定することができ、植栽木のみを自動検出することができる。
【0049】
図１に示す例では、植栽木情報作成処理部１６が、植栽木検出処理部１５によって検出された植栽木に関する情報（例えばＩＤ（識別子）、立木位置、苗高などの情報）を作成する。
そのため、図１に示す例では、植栽木自動検出装置１が、植栽木のデータベースを作成することができる。植栽木に関する情報を例えば一覧表としてディスプレイに表示することによって、調査対象森林域の植栽木の資源の概要を把握することができる。
そのため、図１に示す例では、植栽木自動検出装置１が、植栽木のデータベースを作成することができる。植栽木に関する情報を例えば一覧表としてディスプレイに表示することによって、調査対象森林域の植栽木の資源の概要を把握することができる。
【0050】
図１２は植栽木情報作成処理部１６によって作成された植栽木に関する情報の一例を示す図である。
図１２に示す例では、植栽木情報作成処理部１６によって作成される植栽木に関する情報に、植栽木検出処理部１５によって検出（推定）された植栽木のＩＤと、植栽木検出処理部１５によって検出（推定）された植栽木の立木位置を示す情報（Ｘ座標およびＹ座標）と、植栽木検出処理部１５によって検出された植栽木の苗高を示す情報とが含まれている。
例えばＩＤが「５５６」の植栽木では、植栽木のＸ座標が「－２９５９８．１」であり、植栽木のＹ座標が「８３９２２．８３」であり、植栽木の苗高が「１．２７０２」である。例えばＩＤが「７１６」の植栽木では、植栽木のＸ座標が「－２９５９３．２」であり、植栽木のＹ座標が「８３９２０．２３」であり、植栽木の苗高が「０．４７１６８」である。例えばＩＤが「８２７」の植栽木では、植栽木のＸ座標が「－２９６０７．７」であり、植栽木のＹ座標が「８３９１８．１３」であり、植栽木の苗高が「１．２８３３３」である。
植栽木情報作成処理部１６は、例えば図１２に示すような植栽木に関する情報を作成するために公知の表計算ソフトを利用し、植栽木に関する情報を例えばＧＩＳデータとして出力することができる。
図１２に示す例では、植栽木情報作成処理部１６によって作成される植栽木に関する情報に、植栽木検出処理部１５によって検出（推定）された植栽木のＩＤと、植栽木検出処理部１５によって検出（推定）された植栽木の立木位置を示す情報（Ｘ座標およびＹ座標）と、植栽木検出処理部１５によって検出された植栽木の苗高を示す情報とが含まれている。
例えばＩＤが「５５６」の植栽木では、植栽木のＸ座標が「－２９５９８．１」であり、植栽木のＹ座標が「８３９２２．８３」であり、植栽木の苗高が「１．２７０２」である。例えばＩＤが「７１６」の植栽木では、植栽木のＸ座標が「－２９５９３．２」であり、植栽木のＹ座標が「８３９２０．２３」であり、植栽木の苗高が「０．４７１６８」である。例えばＩＤが「８２７」の植栽木では、植栽木のＸ座標が「－２９６０７．７」であり、植栽木のＹ座標が「８３９１８．１３」であり、植栽木の苗高が「１．２８３３３」である。
植栽木情報作成処理部１６は、例えば図１２に示すような植栽木に関する情報を作成するために公知の表計算ソフトを利用し、植栽木に関する情報を例えばＧＩＳデータとして出力することができる。
【0051】
図１に示す例では、植栽木情報集計処理部１７が、植栽木情報作成処理部１６によって作成された植栽木に関する情報であって、調査対象森林域に含まれるすべての植栽木に関する情報を集計する。植栽木情報集計処理部１７によって集計される調査対象森林域に含まれるすべての植栽木に関する情報には、調査対象森林域に含まれるすべての植栽木の合計本数と、調査対象森林域の単位面積（例えば１ヘクタール）あたりの植栽木の本数とが含まれる。植栽木情報集計処理部１７は、集計した情報をデータベースに登録する機能を有する。
【0052】
図１３は植栽木情報集計処理部１７によって集計された調査対象森林域に含まれるすべての植栽木に関する情報の一例を示す図である。
図１３に示す例では、植栽木情報集計処理部１７によって集計される調査対象森林域に含まれるすべての植栽木に関する情報に、調査対象森林域の面積と、調査対象森林域に含まれるすべての植栽木の合計本数と、調査対象森林域の単位面積（１ヘクタール）あたりの植栽木の本数とが含まれている。
詳細には、図１３に示す例では、植栽木情報集計処理部１７によって集計された調査対象森林域に含まれるすべての植栽木に関する情報が、ディスプレイに表示されている。植栽木情報集計処理部１７は、調査対象森林域のすべての植栽木に関する情報を集計し、植栽面積、本数、ヘクタール当たり本数、平均の苗高などの資源情報を算定し、データベースに登録することができる。
図１３に示す例では、植栽木情報集計処理部１７によって集計される調査対象森林域に含まれるすべての植栽木に関する情報に、調査対象森林域の面積と、調査対象森林域に含まれるすべての植栽木の合計本数と、調査対象森林域の単位面積（１ヘクタール）あたりの植栽木の本数とが含まれている。
詳細には、図１３に示す例では、植栽木情報集計処理部１７によって集計された調査対象森林域に含まれるすべての植栽木に関する情報が、ディスプレイに表示されている。植栽木情報集計処理部１７は、調査対象森林域のすべての植栽木に関する情報を集計し、植栽面積、本数、ヘクタール当たり本数、平均の苗高などの資源情報を算定し、データベースに登録することができる。
【0053】
図１３に示す例のように、各植栽木の立木位置などの、調査対象森林域のすべての植栽木に関する情報がディスプレイに表示されることによって、調査対象森林域でどれだけ植栽されたのかを示す植栽木の本数、植え付け位置を正確に把握することができ、これを基にすることで、植栽計画の出来形（面積、植栽本数と植栽間隔）の判定を行うことができる。
【0054】
図１４は第１実施形態の植栽木自動検出装置１において実行される処理の一例を説明するためのフローチャートである。図１５は図１４のステップＳ５０において実行される処理の一例を詳細に説明するためのフローチャートである。
図１４および図１５に示す例では、ステップＳ１０において、空撮画像データ前処理部１１が、森林域の空撮カラー画像データの前処理を実行する。
詳細には、ステップＳ１１では、空撮画像データ入力処理部１１Ａが、調査対象森林域を含むように航空機またはドローンから撮影された空撮カラー画像データの入力を受け付ける。
次いで、ステップＳ１２では、三次元点群データ作成処理部１１Ｂが、ステップＳ１１において受け付けられた空撮カラー画像データから、三次元点群データを作成する。
次いで、ステップＳ１３では、樹冠高画像データ作成処理部１１Ｃが、ステップＳ１２において作成された三次元点群データから、前処理後空撮画像データとしての樹冠高画像データを作成する。
図１４および図１５に示す例では、ステップＳ１０において、空撮画像データ前処理部１１が、森林域の空撮カラー画像データの前処理を実行する。
詳細には、ステップＳ１１では、空撮画像データ入力処理部１１Ａが、調査対象森林域を含むように航空機またはドローンから撮影された空撮カラー画像データの入力を受け付ける。
次いで、ステップＳ１２では、三次元点群データ作成処理部１１Ｂが、ステップＳ１１において受け付けられた空撮カラー画像データから、三次元点群データを作成する。
次いで、ステップＳ１３では、樹冠高画像データ作成処理部１１Ｃが、ステップＳ１２において作成された三次元点群データから、前処理後空撮画像データとしての樹冠高画像データを作成する。
【0055】
次いで、ステップＳ２０では、ノイズ除去処理部１２が、ステップＳ１０において作成された前処理後空撮画像データ（ステップＳ１３において作成された樹冠高画像データ）に含まれるノイズを除去することによって、ノイズ除去後空撮画像データを作成する。
次いで、ステップＳ３０では、植栽木候補点検出処理部１３が、ステップＳ１０において作成された前処理後空撮画像データ（ステップＳ１３において作成された樹冠高画像データ）と、ステップＳ２０において作成されたノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する。
次いで、ステップＳ４０では、特徴量抽出処理部１４が、ステップＳ３０において作成された植栽木候補点検出画像データのうちの植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する。
次いで、ステップＳ３０では、植栽木候補点検出処理部１３が、ステップＳ１０において作成された前処理後空撮画像データ（ステップＳ１３において作成された樹冠高画像データ）と、ステップＳ２０において作成されたノイズ除去後空撮画像データとに基づいて植栽木候補点を検出し、植栽木候補点を含む空撮画像データである植栽木候補点検出画像データを作成する。
次いで、ステップＳ４０では、特徴量抽出処理部１４が、ステップＳ３０において作成された植栽木候補点検出画像データのうちの植栽木候補点を含む所定領域から特徴量を抽出し、植栽木検出用データを作成する。
【0056】
次いで、ステップＳ５０では、植栽木検出処理部１５が、ステップＳ４０において作成された植栽木検出用データに基づいて、空撮カラー画像データに含まれる植栽木を検出（推定）する。
詳細には、ステップＳ５１では、データ分割処理部１５Ａが、ステップＳ４０において作成された植栽木検出用データを、植栽木の推定に用いられるデータである推定用データと、植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割する。
次いで、ステップＳ５２では、推定モデル構築処理部１５Ｂが、訓練用データを用いた教師あり学習を実行することによって、推定モデルを構築する。
次いで、ステップＳ５３では、精度評価処理部１５Ｃが、ステップＳ５２において構築された推定モデルの精度評価を実行する。
次いで、ステップＳ５４では、植栽木推定処理部１５Ｄが、ステップＳ５３において実行された推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、推定用データ（空撮画像データ）に含まれる植栽木を推定（検出）する。
詳細には、ステップＳ５１では、データ分割処理部１５Ａが、ステップＳ４０において作成された植栽木検出用データを、植栽木の推定に用いられるデータである推定用データと、植栽木の推定モデルの構築に用いられるデータである訓練用データとに分割する。
次いで、ステップＳ５２では、推定モデル構築処理部１５Ｂが、訓練用データを用いた教師あり学習を実行することによって、推定モデルを構築する。
次いで、ステップＳ５３では、精度評価処理部１５Ｃが、ステップＳ５２において構築された推定モデルの精度評価を実行する。
次いで、ステップＳ５４では、植栽木推定処理部１５Ｄが、ステップＳ５３において実行された推定モデルの精度評価の結果に基づいて選定された推定モデルである選定後推定モデルを用いることにより、推定用データ（空撮画像データ）に含まれる植栽木を推定（検出）する。
【0057】
次いで、ステップＳ６０では、植栽木情報作成処理部１６が、ステップＳ５０において検出された植栽木に関する情報（例えばＩＤ、立木位置、苗高などの情報）を作成する。
次いで、ステップＳ７０では、植栽木情報集計処理部１７が、ステップＳ６０において作成された植栽木に関する情報であって、調査対象森林域に含まれるすべての植栽木に関する情報を集計する。
次いで、ステップＳ７０では、植栽木情報集計処理部１７が、ステップＳ６０において作成された植栽木に関する情報であって、調査対象森林域に含まれるすべての植栽木に関する情報を集計する。
【0058】
＜第２実施形態＞
以下、本発明の植栽木自動検出装置、植栽木自動検出方法およびプログラムの第２実施形態について説明する。
第２実施形態の植栽木自動検出装置１は、後述する点を除き、上述した第１実施形態の植栽木自動検出装置１と同様に構成されている。従って、第２実施形態の植栽木自動検出装置１によれば、後述する点を除き、上述した第１実施形態の植栽木自動検出装置１と同様の効果を奏することができる。
以下、本発明の植栽木自動検出装置、植栽木自動検出方法およびプログラムの第２実施形態について説明する。
第２実施形態の植栽木自動検出装置１は、後述する点を除き、上述した第１実施形態の植栽木自動検出装置１と同様に構成されている。従って、第２実施形態の植栽木自動検出装置１によれば、後述する点を除き、上述した第１実施形態の植栽木自動検出装置１と同様の効果を奏することができる。
【0059】
上述したように、第１実施形態の植栽木自動検出装置１では、空撮画像データ入力処理部１１Ａが、調査対象森林域を含むようにドローンまたは航空機から撮影された空撮カラー画像データの入力を受け付ける。
一方、第２実施形態の植栽木自動検出装置１では、空撮画像データ入力処理部１１Ａが、ドローンまたは航空機による上空からのレーザ計測時に、調査対象森林域を含むように撮影された空撮カラー画像データ（例えばオルソ画像を作成するために用いられる空撮カラー画像データ）の入力を受け付けてもよい。
一方、第２実施形態の植栽木自動検出装置１では、空撮画像データ入力処理部１１Ａが、ドローンまたは航空機による上空からのレーザ計測時に、調査対象森林域を含むように撮影された空撮カラー画像データ（例えばオルソ画像を作成するために用いられる空撮カラー画像データ）の入力を受け付けてもよい。
【0060】
以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。上述した各実施形態および各例に記載の構成を組み合わせてもよい。
【0061】
なお、上述した実施形態における植栽木自動検出装置１が備える各部の機能全体あるいはその一部は、これらの機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶部のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶部のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
【符号の説明】
【0062】
１…植栽木自動検出装置、１１…空撮画像データ前処理部、１１Ａ…空撮画像データ入力処理部、１１Ｂ…三次元点群データ作成処理部、１１Ｃ…樹冠高画像データ作成処理部、１２…ノイズ除去処理部、１３…植栽木候補点検出処理部、１４…特徴量抽出処理部、１５…植栽木検出処理部、１５Ａ…データ分割処理部、１５Ｂ…推定モデル構築処理部、１５Ｃ…精度評価処理部、１５Ｄ…植栽木推定処理部、１６…植栽木情報作成処理部、１７…植栽木情報集計処理部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】