ホーム > 特許ランキング > 国立大学法人信州大学
知財求人 - 知財ポータルサイト「IP Force」
▶ 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2023-105672森林被害木自動検出装置、森林被害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】P2023105672
(43)【公開日】2023-07-31
(54)【発明の名称】森林被害木自動検出装置、森林被害木自動検出方法およびプログラム
(51)【国際特許分類】
A01G 23/00 20060101AFI20230724BHJP
G06T 7/00 20170101ALI20230724BHJP
G06Q 50/02 20120101ALI20230724BHJP
A01G 7/00 20060101ALI20230724BHJP
【ＦＩ】
A01G23/00 551Z
G06T7/00 350B
G06T7/00 640
G06Q50/02
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 2022006647
(22)【出願日】2022-01-19
(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】100165179
【弁理士】
【氏名又は名称】田▲崎▼ 聡
(74)【代理人】
【識別番号】100188558
【弁理士】
【氏名又は名称】飯田 雅人
(74)【代理人】
【識別番号】100175824
【弁理士】
【氏名又は名称】小林 淳一
(74)【代理人】
【識別番号】100152272
【弁理士】
【氏名又は名称】川越 雄一郎
(74)【代理人】
【識別番号】100181722
【弁理士】
【氏名又は名称】春田 洋孝
(72)【発明者】
【氏名】加藤 正人
(72)【発明者】
【氏名】藤平 光希
(72)【発明者】
【氏名】中川 太人
(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）】
5L049
5L096
【Ｆターム（参考）】
5L049CC01
5L096BA08
5L096BA18
5L096DA02
5L096EA35
5L096FA18
5L096FA69
5L096GA34
5L096GA51
5L096HA08
5L096KA04
(57)【要約】
【課題】調査対象森林域に存在する被害木の位置を簡便な手法によって把握する。
【解決手段】森林被害木自動検出装置は、空撮画像データと空撮画像に含まれる被害木の検出範囲を指定する情報との入力を受け付け、指定された範囲内にグリッドを生成して空撮画像から複数の矩形画像を切り出し、矩形画像に含まれる被害木を検出する。被害木の検出では、矩形画像に被害木が含まれるか否かが判定され、被害木の位置情報が計算される。訓練データを用いた物体検出モデルの教師あり学習が行われ、学習後の物体検出モデルを用いて矩形画像に被害木が含まれるか否かが判定される。訓練データには、被害木を含む訓練データ用空撮画像と被害木に外接する矩形に施されたラベリングとが含まれる。切り出された矩形画像に被害木が含まれると判定された場合に、物体検出モデルは、被害木に外接する矩形を出力し、その矩形に基づいて検出された被害木の位置情報が計算される。
【選択図】図１
【解決手段】森林被害木自動検出装置は、空撮画像データと空撮画像に含まれる被害木の検出範囲を指定する情報との入力を受け付け、指定された範囲内にグリッドを生成して空撮画像から複数の矩形画像を切り出し、矩形画像に含まれる被害木を検出する。被害木の検出では、矩形画像に被害木が含まれるか否かが判定され、被害木の位置情報が計算される。訓練データを用いた物体検出モデルの教師あり学習が行われ、学習後の物体検出モデルを用いて矩形画像に被害木が含まれるか否かが判定される。訓練データには、被害木を含む訓練データ用空撮画像と被害木に外接する矩形に施されたラベリングとが含まれる。切り出された矩形画像に被害木が含まれると判定された場合に、物体検出モデルは、被害木に外接する矩形を出力し、その矩形に基づいて検出された被害木の位置情報が計算される。
【選択図】図１
【特許請求の範囲】
【請求項1】
調査対象森林域における被害木を自動検出する森林被害木自動検出装置であって、
前記調査対象森林域の空撮画像のデータと、前記空撮画像に含まれる被害木の検出が行われる範囲を指定する情報である検出範囲指定情報との入力を受け付けるデータ入力処理部と、
前記検出範囲指定情報によって指定された被害木の検出が行われる範囲内にグリッドを生成することによって、前記空撮画像から複数の矩形画像を切り出す画像切り出し処理部と、
前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに含まれる被害木を検出する被害木検出処理部とを備え、
前記被害木検出処理部は、
前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定する被害木探索処理部と、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合に被害木の位置情報を計算する被害木位置計算処理部とを備え、
前記被害木探索処理部は、
訓練データを用いた物体検出モデルの教師あり学習を行い、
教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定し、
前記物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる被害木に外接する矩形である訓練データ用被害木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合に、
前記物体検出モデルは、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに含まれる被害木に外接する矩形である検出対象被害木外接矩形を出力し、
前記被害木位置計算処理部は、前記物体検出モデルによって出力された検出対象被害木外接矩形に基づいて、前記被害木検出処理部によって検出された被害木の位置情報を計算する、
森林被害木自動検出装置。
前記調査対象森林域の空撮画像のデータと、前記空撮画像に含まれる被害木の検出が行われる範囲を指定する情報である検出範囲指定情報との入力を受け付けるデータ入力処理部と、
前記検出範囲指定情報によって指定された被害木の検出が行われる範囲内にグリッドを生成することによって、前記空撮画像から複数の矩形画像を切り出す画像切り出し処理部と、
前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに含まれる被害木を検出する被害木検出処理部とを備え、
前記被害木検出処理部は、
前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定する被害木探索処理部と、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合に被害木の位置情報を計算する被害木位置計算処理部とを備え、
前記被害木探索処理部は、
訓練データを用いた物体検出モデルの教師あり学習を行い、
教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定し、
前記物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる被害木に外接する矩形である訓練データ用被害木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合に、
前記物体検出モデルは、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに含まれる被害木に外接する矩形である検出対象被害木外接矩形を出力し、
前記被害木位置計算処理部は、前記物体検出モデルによって出力された検出対象被害木外接矩形に基づいて、前記被害木検出処理部によって検出された被害木の位置情報を計算する、
森林被害木自動検出装置。
【請求項2】
前記被害木位置計算処理部は、前記物体検出モデルによって出力された検出対象被害木外接矩形の上下方向および左右方向の中心位置を、前記被害木検出処理部によって検出された被害木の位置として計算する、
請求項１に記載の森林被害木自動検出装置。
請求項１に記載の森林被害木自動検出装置。
【請求項3】
前記画像切り出し処理部は、
上下方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複し、かつ、左右方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複するように、前記空撮画像から複数の矩形画像を切り出す、
請求項２に記載の森林被害木自動検出装置。
上下方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複し、かつ、左右方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複するように、前記空撮画像から複数の矩形画像を切り出す、
請求項２に記載の森林被害木自動検出装置。
【請求項4】
前記被害木検出処理部は、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合に前記被害木位置計算処理部によって計算された被害木の位置情報に基づいて被害木の照合を行う照合処理部を備え、
前記照合処理部は、
上下方向に隣接する２つの矩形画像の一方に含まれる被害木の位置と、上下方向に隣接する２つの矩形画像の他方に含まれる被害木の位置との距離が第１閾値以内である場合に、上下方向に隣接する２つの矩形画像の一方に含まれる被害木と上下方向に隣接する２つの矩形画像の他方に含まれる被害木とが同一の被害木であるとみなし、
左右方向に隣接する２つの矩形画像の一方に含まれる被害木の位置と、左右方向に隣接する２つの矩形画像の他方に含まれる被害木の位置との距離が前記第１閾値以内である場合に、左右方向に隣接する２つの矩形画像の一方に含まれる被害木と左右方向に隣接する２つの矩形画像の他方に含まれる被害木とが同一の被害木であるとみなす、
請求項３に記載の森林被害木自動検出装置。
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合に前記被害木位置計算処理部によって計算された被害木の位置情報に基づいて被害木の照合を行う照合処理部を備え、
前記照合処理部は、
上下方向に隣接する２つの矩形画像の一方に含まれる被害木の位置と、上下方向に隣接する２つの矩形画像の他方に含まれる被害木の位置との距離が第１閾値以内である場合に、上下方向に隣接する２つの矩形画像の一方に含まれる被害木と上下方向に隣接する２つの矩形画像の他方に含まれる被害木とが同一の被害木であるとみなし、
左右方向に隣接する２つの矩形画像の一方に含まれる被害木の位置と、左右方向に隣接する２つの矩形画像の他方に含まれる被害木の位置との距離が前記第１閾値以内である場合に、左右方向に隣接する２つの矩形画像の一方に含まれる被害木と左右方向に隣接する２つの矩形画像の他方に含まれる被害木とが同一の被害木であるとみなす、
請求項３に記載の森林被害木自動検出装置。
【請求項5】
上下方向に隣接する２つの矩形画像の一方の一部と他方の一部との重複幅である上下方向重複幅は前記第１閾値より大きく、左右方向に隣接する２つの矩形画像の一方の一部と他方の一部との重複幅である左右方向重複幅は前記第１閾値より大きい、
請求項４に記載の森林被害木自動検出装置。
請求項４に記載の森林被害木自動検出装置。
【請求項6】
前記被害木探索処理部は、教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれる信頼度を算出し、
前記被害木検出処理部は、ノイズ削除処理部を備え、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合であって、前記被害木探索処理部によって算出された信頼度が第２閾値以下である場合に、前記ノイズ削除処理部は、前記第２閾値以下の信頼度を有する被害木をノイズとして削除する、
請求項５に記載の森林被害木自動検出装置。
前記被害木検出処理部は、ノイズ削除処理部を備え、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合であって、前記被害木探索処理部によって算出された信頼度が第２閾値以下である場合に、前記ノイズ削除処理部は、前記第２閾値以下の信頼度を有する被害木をノイズとして削除する、
請求項５に記載の森林被害木自動検出装置。
【請求項7】
前記データ入力処理部が入力を受け付ける前記空撮画像のデータが、ドローンを用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像のデータであり、
前記被害木探索処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯死木が含まれるか否かの判定と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯損木が含まれるか否かの判定とを実行し、
前記被害木位置計算処理部は、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯死木が含まれると前記被害木探索処理部によって判定された場合に枯死木の位置情報を計算し、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯損木が含まれると前記被害木探索処理部によって判定された場合に枯損木の位置情報を計算し、
前記物体検出モデルの教師あり学習に用いられる訓練データには、枯死木および枯損木を含む前記訓練データ用空撮画像、または、枯死木を含む前記訓練データ用空撮画像および枯損木を含む前記訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる枯死木に外接する矩形である訓練データ用枯死木外接矩形に施されたラベリングと、前記訓練データ用空撮画像に含まれる枯損木に外接する矩形である訓練データ用枯損木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯死木および／または枯損木が含まれると前記被害木探索処理部によって判定された場合に、
前記物体検出モデルは、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに含まれる枯死木に外接する矩形である検出対象枯死木外接矩形および／または枯損木に外接する矩形である検出対象枯損木外接矩形を出力し、
前記被害木位置計算処理部は、
前記物体検出モデルによって出力された検出対象枯死木外接矩形に基づいて前記被害木検出処理部によって検出された枯死木の位置情報を計算し、
前記物体検出モデルによって出力された検出対象枯損木外接矩形に基づいて前記被害木検出処理部によって検出された枯損木の位置情報を計算し、
前記被害木検出処理部による枯死木および／または枯損木の検出結果が誤検出であるか否かを判定する地上高フィルタ処理部を備え、
前記地上高フィルタ処理部は、
前記調査対象森林域の数値標高モデルデータと前記調査対象森林域の数値表層モデルデータとを取得し、
前記被害木検出処理部による枯死木および／または枯損木の検出結果と、前記数値標高モデルデータと、前記数値表層モデルデータとに基づいて、前記被害木検出処理部が地表面を枯死木および／または枯損木と誤検出したか否かを判定する、
請求項６に記載の森林被害木自動検出装置。
前記被害木探索処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯死木が含まれるか否かの判定と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯損木が含まれるか否かの判定とを実行し、
前記被害木位置計算処理部は、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯死木が含まれると前記被害木探索処理部によって判定された場合に枯死木の位置情報を計算し、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯損木が含まれると前記被害木探索処理部によって判定された場合に枯損木の位置情報を計算し、
前記物体検出モデルの教師あり学習に用いられる訓練データには、枯死木および枯損木を含む前記訓練データ用空撮画像、または、枯死木を含む前記訓練データ用空撮画像および枯損木を含む前記訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる枯死木に外接する矩形である訓練データ用枯死木外接矩形に施されたラベリングと、前記訓練データ用空撮画像に含まれる枯損木に外接する矩形である訓練データ用枯損木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯死木および／または枯損木が含まれると前記被害木探索処理部によって判定された場合に、
前記物体検出モデルは、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに含まれる枯死木に外接する矩形である検出対象枯死木外接矩形および／または枯損木に外接する矩形である検出対象枯損木外接矩形を出力し、
前記被害木位置計算処理部は、
前記物体検出モデルによって出力された検出対象枯死木外接矩形に基づいて前記被害木検出処理部によって検出された枯死木の位置情報を計算し、
前記物体検出モデルによって出力された検出対象枯損木外接矩形に基づいて前記被害木検出処理部によって検出された枯損木の位置情報を計算し、
前記被害木検出処理部による枯死木および／または枯損木の検出結果が誤検出であるか否かを判定する地上高フィルタ処理部を備え、
前記地上高フィルタ処理部は、
前記調査対象森林域の数値標高モデルデータと前記調査対象森林域の数値表層モデルデータとを取得し、
前記被害木検出処理部による枯死木および／または枯損木の検出結果と、前記数値標高モデルデータと、前記数値表層モデルデータとに基づいて、前記被害木検出処理部が地表面を枯死木および／または枯損木と誤検出したか否かを判定する、
請求項６に記載の森林被害木自動検出装置。
【請求項8】
前記データ入力処理部が入力を受け付ける前記空撮画像のデータが、人工衛星または航空機によって撮影されたマルチスペクトル画像から生成されたオルソ画像のデータであり、
前記被害木探索処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに感染木が含まれるか否かの判定と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯死木が含まれるか否かの判定と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯損木が含まれるか否かの判定とを実行し、
前記被害木位置計算処理部は、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに感染木が含まれると前記被害木探索処理部によって判定された場合に感染木の位置情報を計算し、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯死木が含まれると前記被害木探索処理部によって判定された場合に枯死木の位置情報を計算し、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯損木が含まれると前記被害木探索処理部によって判定された場合に枯損木の位置情報を計算し、
前記物体検出モデルの教師あり学習に用いられる訓練データには、感染木、枯死木および枯損木を含む前記訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる感染木に外接する矩形である訓練データ用感染木外接矩形に施されたラベリングと、前記訓練データ用空撮画像に含まれる枯死木に外接する矩形である訓練データ用枯死木外接矩形に施されたラベリングと、前記訓練データ用空撮画像に含まれる枯損木に外接する矩形である訓練データ用枯損木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに感染木、枯死木および／または枯損木が含まれると前記被害木探索処理部によって判定された場合に、
前記物体検出モデルは、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに含まれる感染木に外接する矩形である検出対象感染木外接矩形、枯死木に外接する矩形である検出対象枯死木外接矩形および／または枯損木に外接する矩形である検出対象枯損木外接矩形を出力し、
前記被害木位置計算処理部は、
前記物体検出モデルによって出力された検出対象感染木外接矩形に基づいて前記被害木検出処理部によって検出された感染木の位置情報を計算し、
前記物体検出モデルによって出力された検出対象枯死木外接矩形に基づいて前記被害木検出処理部によって検出された枯死木の位置情報を計算し、
前記物体検出モデルによって出力された検出対象枯損木外接矩形に基づいて前記被害木検出処理部によって検出された枯損木の位置情報を計算する、
請求項６に記載の森林被害木自動検出装置。
前記被害木探索処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに感染木が含まれるか否かの判定と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯死木が含まれるか否かの判定と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯損木が含まれるか否かの判定とを実行し、
前記被害木位置計算処理部は、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに感染木が含まれると前記被害木探索処理部によって判定された場合に感染木の位置情報を計算し、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯死木が含まれると前記被害木探索処理部によって判定された場合に枯死木の位置情報を計算し、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯損木が含まれると前記被害木探索処理部によって判定された場合に枯損木の位置情報を計算し、
前記物体検出モデルの教師あり学習に用いられる訓練データには、感染木、枯死木および枯損木を含む前記訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる感染木に外接する矩形である訓練データ用感染木外接矩形に施されたラベリングと、前記訓練データ用空撮画像に含まれる枯死木に外接する矩形である訓練データ用枯死木外接矩形に施されたラベリングと、前記訓練データ用空撮画像に含まれる枯損木に外接する矩形である訓練データ用枯損木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに感染木、枯死木および／または枯損木が含まれると前記被害木探索処理部によって判定された場合に、
前記物体検出モデルは、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに含まれる感染木に外接する矩形である検出対象感染木外接矩形、枯死木に外接する矩形である検出対象枯死木外接矩形および／または枯損木に外接する矩形である検出対象枯損木外接矩形を出力し、
前記被害木位置計算処理部は、
前記物体検出モデルによって出力された検出対象感染木外接矩形に基づいて前記被害木検出処理部によって検出された感染木の位置情報を計算し、
前記物体検出モデルによって出力された検出対象枯死木外接矩形に基づいて前記被害木検出処理部によって検出された枯死木の位置情報を計算し、
前記物体検出モデルによって出力された検出対象枯損木外接矩形に基づいて前記被害木検出処理部によって検出された枯損木の位置情報を計算する、
請求項６に記載の森林被害木自動検出装置。
【請求項9】
前記データ入力処理部は、前記空撮画像のデータとして、ドローンを用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像である可視光域オルソ画像のデータと、人工衛星または航空機によって撮影されたマルチスペクトル画像から生成されたオルソ画像であるマルチスペクトルオルソ画像のデータとの入力を受け付け、
前記画像切り出し処理部は、前記可視光域オルソ画像から複数の矩形画像を切り出すと共に、前記マルチスペクトルオルソ画像から複数の矩形画像を切り出し、
前記被害木探索処理部は、
前記可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定すると共に、前記可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれる信頼度を算出し、
前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定すると共に、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれる信頼度を算出し、
前記被害木位置計算処理部は、
前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれると前記被害木探索処理部によって判定された被害木の位置情報と、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれると前記被害木探索処理部によって判定された被害木の位置情報とを計算し、
前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置と前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置との距離が前記第１閾値以内である場合に、前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木と前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木とが同一の被害木であるとみなし、前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置情報と、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置情報との一方であって、前記被害木探索処理部によって算出された信頼度が高い方を採用する、
請求項５に記載の森林被害木自動検出装置。
前記画像切り出し処理部は、前記可視光域オルソ画像から複数の矩形画像を切り出すと共に、前記マルチスペクトルオルソ画像から複数の矩形画像を切り出し、
前記被害木探索処理部は、
前記可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定すると共に、前記可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれる信頼度を算出し、
前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定すると共に、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれる信頼度を算出し、
前記被害木位置計算処理部は、
前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれると前記被害木探索処理部によって判定された被害木の位置情報と、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれると前記被害木探索処理部によって判定された被害木の位置情報とを計算し、
前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置と前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置との距離が前記第１閾値以内である場合に、前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木と前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木とが同一の被害木であるとみなし、前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置情報と、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置情報との一方であって、前記被害木探索処理部によって算出された信頼度が高い方を採用する、
請求項５に記載の森林被害木自動検出装置。
【請求項10】
調査対象森林域における被害木を自動検出する森林被害木自動検出方法であって、
前記調査対象森林域の空撮画像のデータと、前記空撮画像に含まれる被害木の検出が行われる範囲を指定する情報である検出範囲指定情報との入力を受け付けるデータ入力処理ステップと、
前記検出範囲指定情報によって指定された被害木の検出が行われる範囲内にグリッドを生成することによって、前記空撮画像から複数の矩形画像を切り出す画像切り出し処理ステップと、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに含まれる被害木を検出する被害木検出処理ステップとを備え、
前記被害木検出処理ステップには、
前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定する被害木探索処理ステップと、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に被害木の位置情報を計算する被害木位置計算処理ステップとが含まれ、
前記被害木探索処理ステップでは、
訓練データを用いた物体検出モデルの教師あり学習が行われ、
教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かが判定され、
前記物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる被害木に外接する矩形である訓練データ用被害木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に、
前記物体検出モデルは、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに含まれる被害木に外接する矩形である検出対象被害木外接矩形を出力し、
前記被害木位置計算処理ステップでは、前記物体検出モデルによって出力された検出対象被害木外接矩形に基づいて、前記被害木検出処理ステップにおいて検出された被害木の位置情報が計算される、
森林被害木自動検出方法。
前記調査対象森林域の空撮画像のデータと、前記空撮画像に含まれる被害木の検出が行われる範囲を指定する情報である検出範囲指定情報との入力を受け付けるデータ入力処理ステップと、
前記検出範囲指定情報によって指定された被害木の検出が行われる範囲内にグリッドを生成することによって、前記空撮画像から複数の矩形画像を切り出す画像切り出し処理ステップと、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに含まれる被害木を検出する被害木検出処理ステップとを備え、
前記被害木検出処理ステップには、
前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定する被害木探索処理ステップと、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に被害木の位置情報を計算する被害木位置計算処理ステップとが含まれ、
前記被害木探索処理ステップでは、
訓練データを用いた物体検出モデルの教師あり学習が行われ、
教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かが判定され、
前記物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる被害木に外接する矩形である訓練データ用被害木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に、
前記物体検出モデルは、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに含まれる被害木に外接する矩形である検出対象被害木外接矩形を出力し、
前記被害木位置計算処理ステップでは、前記物体検出モデルによって出力された検出対象被害木外接矩形に基づいて、前記被害木検出処理ステップにおいて検出された被害木の位置情報が計算される、
森林被害木自動検出方法。
【請求項11】
コンピュータに、
調査対象森林域の空撮画像のデータと、前記空撮画像に含まれる被害木の検出が行われる範囲を指定する情報である検出範囲指定情報との入力を受け付けるデータ入力処理ステップと、
前記検出範囲指定情報によって指定された被害木の検出が行われる範囲内にグリッドを生成することによって、前記空撮画像から複数の矩形画像を切り出す画像切り出し処理ステップと、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに含まれる被害木を検出する被害木検出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、
前記被害木検出処理ステップには、
前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定する被害木探索処理ステップと、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に被害木の位置情報を計算する被害木位置計算処理ステップとが含まれ、
前記被害木探索処理ステップでは、
訓練データを用いた物体検出モデルの教師あり学習が行われ、
教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かが判定され、
前記物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる被害木に外接する矩形である訓練データ用被害木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に、
前記物体検出モデルは、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに含まれる被害木に外接する矩形である検出対象被害木外接矩形を出力し、
前記被害木位置計算処理ステップでは、前記物体検出モデルによって出力された検出対象被害木外接矩形に基づいて、前記被害木検出処理ステップにおいて検出された被害木の位置情報が計算される、
プログラム。
調査対象森林域の空撮画像のデータと、前記空撮画像に含まれる被害木の検出が行われる範囲を指定する情報である検出範囲指定情報との入力を受け付けるデータ入力処理ステップと、
前記検出範囲指定情報によって指定された被害木の検出が行われる範囲内にグリッドを生成することによって、前記空撮画像から複数の矩形画像を切り出す画像切り出し処理ステップと、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに含まれる被害木を検出する被害木検出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、
前記被害木検出処理ステップには、
前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定する被害木探索処理ステップと、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に被害木の位置情報を計算する被害木位置計算処理ステップとが含まれ、
前記被害木探索処理ステップでは、
訓練データを用いた物体検出モデルの教師あり学習が行われ、
教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かが判定され、
前記物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる被害木に外接する矩形である訓練データ用被害木外接矩形に施されたラベリングとが含まれ、
前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に、
前記物体検出モデルは、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに含まれる被害木に外接する矩形である検出対象被害木外接矩形を出力し、
前記被害木位置計算処理ステップでは、前記物体検出モデルによって出力された検出対象被害木外接矩形に基づいて、前記被害木検出処理ステップにおいて検出された被害木の位置情報が計算される、
プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、森林被害木自動検出装置、森林被害木自動検出方法およびプログラムに関する。
【背景技術】
【0002】
近年、地球温暖化の影響もあり、マツノマダラカミキリによるマツ枯れ被害、カシノナガキクイムシによるナラ枯れ被害が全国で拡大している。高標高・高緯度にある長野県や東北地方において、被害が深刻化している。被害拡大防止のためには被害木の早期発見と早期対処が必要である。防除には被害分布を把握すること、最前線の感染木を的確に防除することが被害蔓延防止に有効である。
例えば、我が国最大の森林病虫害であるマツ枯れ被害においては、現在、マツ枯れの被害把握の多くが担当者による現地踏査と目視によって行われており、時間と労力がかかるが正確性に乏しい。
このような課題を解決するために、ドローンや人工衛星等を用いたリモートセンシングによるマツ枯れ被害解析について近年研究が行われている。
例えば、我が国最大の森林病虫害であるマツ枯れ被害においては、現在、マツ枯れの被害把握の多くが担当者による現地踏査と目視によって行われており、時間と労力がかかるが正確性に乏しい。
このような課題を解決するために、ドローンや人工衛星等を用いたリモートセンシングによるマツ枯れ被害解析について近年研究が行われている。
【0003】
例えば特許文献１に記載された技術では、調査対象となるアカマツ林を含む地域を上空から撮影して得られた撮影画像データに含まれる樹種の分光反射特性に基づいて作成されたアカマツ林画像データが用いられ、アカマツ林に含まれるアカマツの本数が被害区分別に算定される。
【0004】
一方、特許文献１に記載された技術のような、リモートセンシングによって被害木の解析を行う事例は少なく、簡便さと普及性を兼ね備えた手法は確立されていない。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特許第６５４４５８２号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
上述した問題点に鑑み、本発明は、調査対象森林域に被害木が存在するか否かおよび調査対象森林域に存在する被害木の位置を簡便な手法によって把握することができる森林被害木自動検出装置、森林被害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】
【0007】
本発明の一態様は、調査対象森林域における被害木を自動検出する森林被害木自動検出装置であって、前記調査対象森林域の空撮画像のデータと、前記空撮画像に含まれる被害木の検出が行われる範囲を指定する情報である検出範囲指定情報との入力を受け付けるデータ入力処理部と、前記検出範囲指定情報によって指定された被害木の検出が行われる範囲内にグリッドを生成することによって、前記空撮画像から複数の矩形画像を切り出す画像切り出し処理部と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに含まれる被害木を検出する被害木検出処理部とを備え、前記被害木検出処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定する被害木探索処理部と、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合に被害木の位置情報を計算する被害木位置計算処理部とを備え、前記被害木探索処理部は、訓練データを用いた物体検出モデルの教師あり学習を行い、教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定し、前記物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる被害木に外接する矩形である訓練データ用被害木外接矩形に施されたラベリングとが含まれ、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合に、前記物体検出モデルは、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに含まれる被害木に外接する矩形である検出対象被害木外接矩形を出力し、前記被害木位置計算処理部は、前記物体検出モデルによって出力された検出対象被害木外接矩形に基づいて、前記被害木検出処理部によって検出された被害木の位置情報を計算する、森林被害木自動検出装置である。
【0008】
本発明の一態様の森林被害木自動検出装置では、前記被害木位置計算処理部は、前記物体検出モデルによって出力された検出対象被害木外接矩形の上下方向および左右方向の中心位置を、前記被害木検出処理部によって検出された被害木の位置として計算してもよい。
【0009】
本発明の一態様の森林被害木自動検出装置では、前記画像切り出し処理部は、上下方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複し、かつ、左右方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複するように、前記空撮画像から複数の矩形画像を切り出してもよい。
【0010】
本発明の一態様の森林被害木自動検出装置では、前記被害木検出処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合に前記被害木位置計算処理部によって計算された被害木の位置情報に基づいて被害木の照合を行う照合処理部を備え、前記照合処理部は、上下方向に隣接する２つの矩形画像の一方に含まれる被害木の位置と、上下方向に隣接する２つの矩形画像の他方に含まれる被害木の位置との距離が第１閾値以内である場合に、上下方向に隣接する２つの矩形画像の一方に含まれる被害木と上下方向に隣接する２つの矩形画像の他方に含まれる被害木とが同一の被害木であるとみなし、左右方向に隣接する２つの矩形画像の一方に含まれる被害木の位置と、左右方向に隣接する２つの矩形画像の他方に含まれる被害木の位置との距離が前記第１閾値以内である場合に、左右方向に隣接する２つの矩形画像の一方に含まれる被害木と左右方向に隣接する２つの矩形画像の他方に含まれる被害木とが同一の被害木であるとみなしてもよい。
【0011】
本発明の一態様の森林被害木自動検出装置では、上下方向に隣接する２つの矩形画像の一方の一部と他方の一部との重複幅である上下方向重複幅は前記第１閾値より大きく、左右方向に隣接する２つの矩形画像の一方の一部と他方の一部との重複幅である左右方向重複幅は前記第１閾値より大きくてもよい。
【0012】
本発明の一態様の森林被害木自動検出装置では、前記被害木探索処理部は、教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれる信頼度を算出し、前記被害木検出処理部は、ノイズ削除処理部を備え、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理部によって判定された場合であって、前記被害木探索処理部によって算出された信頼度が第２閾値以下である場合に、前記ノイズ削除処理部は、前記第２閾値以下の信頼度を有する被害木をノイズとして削除してもよい。
【0013】
本発明の一態様の森林被害木自動検出装置では、前記データ入力処理部が入力を受け付ける前記空撮画像のデータが、ドローンを用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像のデータであり、前記被害木探索処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯死木が含まれるか否かの判定と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯損木が含まれるか否かの判定とを実行し、前記被害木位置計算処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯死木が含まれると前記被害木探索処理部によって判定された場合に枯死木の位置情報を計算し、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯損木が含まれると前記被害木探索処理部によって判定された場合に枯損木の位置情報を計算し、前記物体検出モデルの教師あり学習に用いられる訓練データには、枯死木および枯損木を含む前記訓練データ用空撮画像、または、枯死木を含む前記訓練データ用空撮画像および枯損木を含む前記訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる枯死木に外接する矩形である訓練データ用枯死木外接矩形に施されたラベリングと、前記訓練データ用空撮画像に含まれる枯損木に外接する矩形である訓練データ用枯損木外接矩形に施されたラベリングとが含まれ、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯死木および／または枯損木が含まれると前記被害木探索処理部によって判定された場合に、前記物体検出モデルは、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに含まれる枯死木に外接する矩形である検出対象枯死木外接矩形および／または枯損木に外接する矩形である検出対象枯損木外接矩形を出力し、前記被害木位置計算処理部は、前記物体検出モデルによって出力された検出対象枯死木外接矩形に基づいて前記被害木検出処理部によって検出された枯死木の位置情報を計算し、前記物体検出モデルによって出力された検出対象枯損木外接矩形に基づいて前記被害木検出処理部によって検出された枯損木の位置情報を計算し、前記被害木検出処理部による枯死木および／または枯損木の検出結果が誤検出であるか否かを判定する地上高フィルタ処理部を備え、前記地上高フィルタ処理部は、前記調査対象森林域の数値標高モデルデータと前記調査対象森林域の数値表層モデルデータとを取得し、前記被害木検出処理部による枯死木および／または枯損木の検出結果と、前記数値標高モデルデータと、前記数値表層モデルデータとに基づいて、前記被害木検出処理部が地表面を枯死木および／または枯損木と誤検出したか否かを判定してもよい。
【0014】
本発明の一態様の森林被害木自動検出装置では、前記データ入力処理部が入力を受け付ける前記空撮画像のデータが、人工衛星または航空機によって撮影されたマルチスペクトル画像から生成されたオルソ画像のデータであり、前記被害木探索処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに感染木が含まれるか否かの判定と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯死木が含まれるか否かの判定と、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに枯損木が含まれるか否かの判定とを実行し、前記被害木位置計算処理部は、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに感染木が含まれると前記被害木探索処理部によって判定された場合に感染木の位置情報を計算し、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯死木が含まれると前記被害木探索処理部によって判定された場合に枯死木の位置情報を計算し、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに枯損木が含まれると前記被害木探索処理部によって判定された場合に枯損木の位置情報を計算し、前記物体検出モデルの教師あり学習に用いられる訓練データには、感染木、枯死木および枯損木を含む前記訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる感染木に外接する矩形である訓練データ用感染木外接矩形に施されたラベリングと、前記訓練データ用空撮画像に含まれる枯死木に外接する矩形である訓練データ用枯死木外接矩形に施されたラベリングと、前記訓練データ用空撮画像に含まれる枯損木に外接する矩形である訓練データ用枯損木外接矩形に施されたラベリングとが含まれ、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに感染木、枯死木および／または枯損木が含まれると前記被害木探索処理部によって判定された場合に、前記物体検出モデルは、前記画像切り出し処理部によって切り出された複数の矩形画像のいずれかに含まれる感染木に外接する矩形である検出対象感染木外接矩形、枯死木に外接する矩形である検出対象枯死木外接矩形および／または枯損木に外接する矩形である検出対象枯損木外接矩形を出力し、前記被害木位置計算処理部は、前記物体検出モデルによって出力された検出対象感染木外接矩形に基づいて前記被害木検出処理部によって検出された感染木の位置情報を計算し、前記物体検出モデルによって出力された検出対象枯死木外接矩形に基づいて前記被害木検出処理部によって検出された枯死木の位置情報を計算し、前記物体検出モデルによって出力された検出対象枯損木外接矩形に基づいて前記被害木検出処理部によって検出された枯損木の位置情報を計算してもよい。
【0015】
本発明の一態様の森林被害木自動検出装置では、前記データ入力処理部は、前記空撮画像のデータとして、ドローンを用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像である可視光域オルソ画像のデータと、人工衛星または航空機によって撮影されたマルチスペクトル画像から生成されたオルソ画像であるマルチスペクトルオルソ画像のデータとの入力を受け付け、前記画像切り出し処理部は、前記可視光域オルソ画像から複数の矩形画像を切り出すと共に、前記マルチスペクトルオルソ画像から複数の矩形画像を切り出し、前記被害木探索処理部は、前記可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定すると共に、前記可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれる信頼度を算出し、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定すると共に、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに被害木が含まれる信頼度を算出し、前記被害木位置計算処理部は、前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれると前記被害木探索処理部によって判定された被害木の位置情報と、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれると前記被害木探索処理部によって判定された被害木の位置情報とを計算し、前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置と前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置との距離が前記第１閾値以内である場合に、前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木と前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木とが同一の被害木であるとみなし、前記可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置情報と、前記マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木の位置情報との一方であって、前記被害木探索処理部によって算出された信頼度が高い方を採用してもよい。
【0016】
本発明の一態様は、調査対象森林域における被害木を自動検出する森林被害木自動検出方法であって、前記調査対象森林域の空撮画像のデータと、前記空撮画像に含まれる被害木の検出が行われる範囲を指定する情報である検出範囲指定情報との入力を受け付けるデータ入力処理ステップと、前記検出範囲指定情報によって指定された被害木の検出が行われる範囲内にグリッドを生成することによって、前記空撮画像から複数の矩形画像を切り出す画像切り出し処理ステップと、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに含まれる被害木を検出する被害木検出処理ステップとを備え、前記被害木検出処理ステップには、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定する被害木探索処理ステップと、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に被害木の位置情報を計算する被害木位置計算処理ステップとが含まれ、前記被害木探索処理ステップでは、訓練データを用いた物体検出モデルの教師あり学習が行われ、教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かが判定され、前記物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる被害木に外接する矩形である訓練データ用被害木外接矩形に施されたラベリングとが含まれ、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に、前記物体検出モデルは、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに含まれる被害木に外接する矩形である検出対象被害木外接矩形を出力し、前記被害木位置計算処理ステップでは、前記物体検出モデルによって出力された検出対象被害木外接矩形に基づいて、前記被害木検出処理ステップにおいて検出された被害木の位置情報が計算される、森林被害木自動検出方法である。
【0017】
本発明の一態様は、コンピュータに、調査対象森林域の空撮画像のデータと、前記空撮画像に含まれる被害木の検出が行われる範囲を指定する情報である検出範囲指定情報との入力を受け付けるデータ入力処理ステップと、前記検出範囲指定情報によって指定された被害木の検出が行われる範囲内にグリッドを生成することによって、前記空撮画像から複数の矩形画像を切り出す画像切り出し処理ステップと、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに含まれる被害木を検出する被害木検出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、前記被害木検出処理ステップには、前記画像切り出し処理部によって切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かを判定する被害木探索処理ステップと、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に被害木の位置情報を計算する被害木位置計算処理ステップとが含まれ、前記被害木探索処理ステップでは、訓練データを用いた物体検出モデルの教師あり学習が行われ、教師あり学習が行われた後の前記物体検出モデルを用いることにより、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のそれぞれに被害木が含まれるか否かが判定され、前記物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像と、前記訓練データ用空撮画像に含まれる被害木に外接する矩形である訓練データ用被害木外接矩形に施されたラベリングとが含まれ、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに被害木が含まれると前記被害木探索処理ステップにおいて判定された場合に、前記物体検出モデルは、前記画像切り出し処理ステップにおいて切り出された複数の矩形画像のいずれかに含まれる被害木に外接する矩形である検出対象被害木外接矩形を出力し、前記被害木位置計算処理ステップでは、前記物体検出モデルによって出力された検出対象被害木外接矩形に基づいて、前記被害木検出処理ステップにおいて検出された被害木の位置情報が計算される、プログラムである。
【発明の効果】
【0018】
本発明によれば、調査対象森林域に被害木が存在するか否かおよび調査対象森林域に存在する被害木の位置を簡便な手法によって把握することができる森林被害木自動検出装置、森林被害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】
【0019】
【図1】第１実施形態の森林被害木自動検出装置１の一例を示す図である。
【図2】データ入力処理部１１が入力を受け付ける空撮画像（オルソ画像）ＡＭと「被害木の検出が行われる範囲ＡＲ」との関係の一例を示す図である。
【図3】画像切り出し処理部１２による処理の一例を説明するための図である。
【図4】画像切り出し処理部１２によって切り出される複数の矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４の相互間の重複の一例を説明するための図である。
【図6】物体検出モデルの教師あり学習に用いられる訓練データ用空撮画像ＴＭ、訓練データ用被害木外接矩形ＴＥＲおよびラベリングの一例を説明するための図である。
【図7】物体検出モデルによって出力される矩形画像ＲＭｐに含まれる被害木ＤＴに外接する検出対象被害木外接矩形ＤＥＲの一例を示す図である。
【図8】被害木位置計算処理部１３Ｂによって行われる被害木ＤＴの位置の計算の一例を説明するための図である。
【図9】解析結果出力処理部１４によって出力される解析結果の一例を示す図である。
【図10】地上高フィルタ処理部１５による処理の一例を説明するための図である。
【図11】第１実施形態の森林被害木自動検出装置１によって出力される調査対象森林域における被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出結果の一例を示す図である。
【図12】第１実施形態の森林被害木自動検出装置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14】第２実施形態の森林被害木自動検出装置１の一例を示す図である。
【発明を実施するための形態】
【0020】
以下、本発明の森林被害木自動検出装置、森林被害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。
【0021】
＜第１実施形態＞
図１は第１実施形態の森林被害木自動検出装置１の一例を示す図である。
図１に示す例では、第１実施形態の森林被害木自動検出装置１が、調査対象森林域における被害木を自動検出する。詳細には、第１実施形態の森林被害木自動検出装置１は、被害木として、例えば葉が赤茶色になって枯れた松などの枯死木と、枯死から数年経過し、落葉して太枝と幹のみになって白骨化している枯損木とを区分（識別）して検出する。枯死木は、感染拡大の対応を急ぐ必要がある被害木であり、枯損木は、落枝・倒木の危険性が高い被害木である。
森林被害木自動検出装置１は、データ入力処理部１１と、画像切り出し処理部１２と、被害木検出処理部１３と、解析結果出力処理部１４と、地上高フィルタ処理部１５とを備えている。
データ入力処理部１１は、調査対象森林域の空撮画像ＡＭのデータの入力を受け付ける。調査対象森林域の空撮画像ＡＭは、ドローンを用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像である。
また、データ入力処理部１１は、その空撮画像ＡＭに含まれる「被害木の検出が行われる範囲ＡＲ」を指定する情報である検出範囲指定情報の入力を受け付ける。
図１は第１実施形態の森林被害木自動検出装置１の一例を示す図である。
図１に示す例では、第１実施形態の森林被害木自動検出装置１が、調査対象森林域における被害木を自動検出する。詳細には、第１実施形態の森林被害木自動検出装置１は、被害木として、例えば葉が赤茶色になって枯れた松などの枯死木と、枯死から数年経過し、落葉して太枝と幹のみになって白骨化している枯損木とを区分（識別）して検出する。枯死木は、感染拡大の対応を急ぐ必要がある被害木であり、枯損木は、落枝・倒木の危険性が高い被害木である。
森林被害木自動検出装置１は、データ入力処理部１１と、画像切り出し処理部１２と、被害木検出処理部１３と、解析結果出力処理部１４と、地上高フィルタ処理部１５とを備えている。
データ入力処理部１１は、調査対象森林域の空撮画像ＡＭのデータの入力を受け付ける。調査対象森林域の空撮画像ＡＭは、ドローンを用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像である。
また、データ入力処理部１１は、その空撮画像ＡＭに含まれる「被害木の検出が行われる範囲ＡＲ」を指定する情報である検出範囲指定情報の入力を受け付ける。
【0022】
図２はデータ入力処理部１１が入力を受け付ける空撮画像（オルソ画像）ＡＭと「被害木の検出が行われる範囲ＡＲ」との関係の一例を示す図である。詳細には、図２（Ａ）は空撮画像（オルソ画像）ＡＭを示しており、図２（Ｂ）は「被害木の検出が行われる範囲ＡＲ」に対応するポリゴン（多角形）を示している。
図２に示す例では、「被害木の検出が行われる範囲ＡＲ」がポリゴンによって指定される。つまり、データ入力処理部１１は、空撮画像ＡＭに含まれる「被害木の検出が行われる範囲ＡＲ」を指定する検出範囲指定情報として、ポリゴンファイルの入力を受け付ける。
図２に示す例では、「被害木の検出が行われる範囲ＡＲ」がポリゴンによって指定される。つまり、データ入力処理部１１は、空撮画像ＡＭに含まれる「被害木の検出が行われる範囲ＡＲ」を指定する検出範囲指定情報として、ポリゴンファイルの入力を受け付ける。
【0023】
図１に示す例では、画像切り出し処理部１２が、検出範囲指定情報（ポリゴンファイル）によって指定された「被害木の検出が行われる範囲ＡＲ」内にグリッドを生成することによって、空撮画像ＡＭから複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）を切り出す。
【0024】
図３は画像切り出し処理部１２による処理の一例を説明するための図である。
図２および図３に示すように、画像切り出し処理部１２は、図２（Ａ）に示す空撮画像（オルソ画像）ＡＭのうちの図２（Ｂ）に示すポリゴンによって指定された「被害木の検出が行われる範囲ＡＲ」内にグリッドを生成し、複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）を切り出す。
詳細には、画像切り出し処理部１２は、上下方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複し、かつ、左右方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複するように、空撮画像から複数の矩形画像を切り出す。
図２および図３に示すように、画像切り出し処理部１２は、図２（Ａ）に示す空撮画像（オルソ画像）ＡＭのうちの図２（Ｂ）に示すポリゴンによって指定された「被害木の検出が行われる範囲ＡＲ」内にグリッドを生成し、複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）を切り出す。
詳細には、画像切り出し処理部１２は、上下方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複し、かつ、左右方向に隣接する２つの矩形画像の一方の一部と他方の一部とが互いに重複するように、空撮画像から複数の矩形画像を切り出す。
【0025】
図４は画像切り出し処理部１２によって切り出される複数の矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４の相互間の重複の一例を説明するための図である。詳細には、図４（Ａ）は図２（Ａ）に示す空撮画像ＡＭのうちの図２（Ｂ）に示す「被害木の検出が行われる範囲ＡＲ」内の一部を拡大して示しており、図４（Ｂ）は図４（Ａ）に示す空撮画像ＡＭから画像切り出し処理部１２によって切り出される複数の矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４を示している。図４において、ＤＴは被害木（詳細には、枯損木）を示している。
図４に示す例では、矩形画像ＲＭ１と矩形画像ＲＭ３とが上下方向に隣接している。また、矩形画像ＲＭ２と矩形画像ＲＭ４とが上下方向に隣接している。更に、矩形画像ＲＭ１と矩形画像ＲＭ２とが左右方向に隣接している。また、矩形画像ＲＭ３と矩形画像ＲＭ４とが左右方向に隣接している。
矩形画像ＲＭ１の下側（図４（Ｂ）の下側）の５０％と、矩形画像ＲＭ３の上側（図４（Ｂ）の上側）の５０％とが重複している。また、矩形画像ＲＭ２の下側（図４（Ｂ）の下側）の５０％と、矩形画像ＲＭ４の上側（図４（Ｂ）の上側）の５０％とが重複している。更に、矩形画像ＲＭ１の右側（図４（Ｂ）の右側）の５０％と、矩形画像ＲＭ２の左側（図４（Ｂ）の左側）の５０％とが重複している。また、矩形画像ＲＭ３の右側（図４（Ｂ）の右側）の５０％と、矩形画像ＲＭ４の左側（図４（Ｂ）の左側）の５０％とが重複している。
図４に示す例では、矩形画像ＲＭ１と矩形画像ＲＭ３とが上下方向に隣接している。また、矩形画像ＲＭ２と矩形画像ＲＭ４とが上下方向に隣接している。更に、矩形画像ＲＭ１と矩形画像ＲＭ２とが左右方向に隣接している。また、矩形画像ＲＭ３と矩形画像ＲＭ４とが左右方向に隣接している。
矩形画像ＲＭ１の下側（図４（Ｂ）の下側）の５０％と、矩形画像ＲＭ３の上側（図４（Ｂ）の上側）の５０％とが重複している。また、矩形画像ＲＭ２の下側（図４（Ｂ）の下側）の５０％と、矩形画像ＲＭ４の上側（図４（Ｂ）の上側）の５０％とが重複している。更に、矩形画像ＲＭ１の右側（図４（Ｂ）の右側）の５０％と、矩形画像ＲＭ２の左側（図４（Ｂ）の左側）の５０％とが重複している。また、矩形画像ＲＭ３の右側（図４（Ｂ）の右側）の５０％と、矩形画像ＲＭ４の左側（図４（Ｂ）の左側）の５０％とが重複している。
【0026】
つまり、図４に示す例では、画像切り出し処理部１２は、上下方向に隣接する２つの矩形画像ＲＭ１、ＲＭ３のうちの一方の矩形画像ＲＭ１の一部（図４（Ｂ）の下側部分）と他方の矩形画像ＲＭ３の一部（図４（Ｂ）の上側部分）とが互いに重複し、かつ、上下方向に隣接する２つの矩形画像ＲＭ２、ＲＭ４のうちの一方の矩形画像ＲＭ２の一部（図４（Ｂ）の下側部分）と他方の矩形画像ＲＭ４の一部（図４（Ｂ）の上側部分）とが互いに重複し、かつ、左右方向に隣接する２つの矩形画像ＲＭ１、ＲＭ２のうちの一方の矩形画像ＲＭ１の一部（図４（Ｂ）の右側部分）と他方の矩形画像ＲＭ２の一部（図４（Ｂ）の左側部分）とが互いに重複し、かつ、左右方向に隣接する２つの矩形画像ＲＭ３、ＲＭ４のうちの一方の矩形画像ＲＭ３の一部（図４（Ｂ）の右側部分）と他方の矩形画像ＲＭ４の一部（図４（Ｂ）の左側部分）とが互いに重複するように、空撮画像ＡＭから複数の矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４を切り出す。
【0027】
図４に示す例では、画像切り出し処理部１２が、空撮画像ＡＭから例えば１０ｍ×１０ｍの正方形の矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４を切り出す。
他の例では、画像切り出し処理部１２が、一辺の長さが１０ｍ以外の値である正方形の矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４を空撮画像ＡＭから切り出したり、画像切り出し処理部１２が、長方形の矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４を空撮画像ＡＭから切り出したりしてもよい。
他の例では、画像切り出し処理部１２が、一辺の長さが１０ｍ以外の値である正方形の矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４を空撮画像ＡＭから切り出したり、画像切り出し処理部１２が、長方形の矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４を空撮画像ＡＭから切り出したりしてもよい。
【0028】
図４に示す例では、上下方向に隣接する２つの矩形画像ＲＭ１、ＲＭ３のうちの一方の矩形画像ＲＭ１の一部と他方の矩形画像ＲＭ３の一部との重複幅である上下方向重複幅が５ｍ（＝１０ｍ×５０％）であり、左右方向に隣接する２つの矩形画像ＲＭ１、ＲＭ２のうちの一方の矩形画像ＲＭ１の一部と他方の矩形画像ＲＭ２の一部との重複幅である左右方向重複幅が５ｍ（＝１０ｍ×５０％）である。
他の例では、上下方向重複幅および左右方向重複幅が５ｍ以外の値であってもよい。
他の例では、上下方向重複幅および左右方向重複幅が５ｍ以外の値であってもよい。
【0029】
図４に示す例では、画像切り出し処理部１２が空撮画像ＡＭから矩形画像ＲＭ１を切り出す時に、矩形画像ＲＭ１の原点（例えば図４（Ｂ）に示す矩形画像ＲＭ１の左上隅など）の絶対座標値（Ｘ１，Ｙ１）（例えば、緯経度など）を示す情報が、矩形画像ＲＭ１のデータに含められる。また、画像切り出し処理部１２が空撮画像ＡＭから矩形画像ＲＭ２を切り出す時に、矩形画像ＲＭ２の原点の絶対座標値（Ｘ２，Ｙ２）を示す情報が、矩形画像ＲＭ２のデータに含められる。同様に、画像切り出し処理部１２が空撮画像ＡＭから矩形画像ＲＭ３を切り出す時に、矩形画像ＲＭ３の原点の絶対座標値（Ｘ３，Ｙ３）を示す情報が矩形画像ＲＭ３のデータに含められ、画像切り出し処理部１２が空撮画像ＡＭから矩形画像ＲＭ４を切り出す時に、矩形画像ＲＭ４の原点の絶対座標値（Ｘ４，Ｙ４）を示す情報が矩形画像ＲＭ４のデータに含められる。
つまり、矩形画像ＲＭｉ（ｉ＝１～Ｎ）は、絶対座標値と対応付けられて空撮画像ＡＭから切り出される。
つまり、矩形画像ＲＭｉ（ｉ＝１～Ｎ）は、絶対座標値と対応付けられて空撮画像ＡＭから切り出される。
【0030】
図５は画像切り出し処理部１２によって図４に示すような矩形画像ＲＭｉ（ｉ＝１～Ｎ）の切り出しが行われる理由を説明するための図である。
図５（Ａ）および図５（Ｂ）に示すように、左右方向に隣接する２つの矩形画像ＲＭＡ、ＲＭＢのうちの一方の矩形画像ＲＭＡの一部と他方の矩形画像ＲＭＢの一部とが重複しない場合には、矩形画像ＲＭＡと矩形画像ＲＭＢとの境界線上に位置する被害木ＤＴ（の樹冠）が、２つの矩形画像ＲＭＡ、ＲＭＢに分断されるため、被害木ＤＴが正常に検出されないおそれがある。
一方、図５（Ｃ）および図５（Ｄ）に示すように、左右方向に隣接する２つの矩形画像ＲＭＡ、ＲＭＢのうちの一方の矩形画像ＲＭＡの一部と他方の矩形画像ＲＭＢの一部とが重複し、かつ、左右方向に隣接する２つの矩形画像ＲＭＢ、ＲＭＣのうちの一方の矩形画像ＲＭＢの一部と他方の矩形画像ＲＭＣの一部とが重複する場合には、被害木ＤＴ（の樹冠）の全体が１つの矩形画像ＲＭＢに含まれるため、森林被害木自動検出装置１は、矩形画像ＲＭＢ（図５（Ｄ）参照）を用いることによって、被害木ＤＴを確実に検出することができる。
つまり、第１実施形態の森林被害木自動検出装置１では、図４に示すように上下方向重複幅および左右方向重複幅が設けられている。その結果、第１実施形態の森林被害木自動検出装置１では、図５（Ａ）および図５（Ｂ）に示す例のように左右方向に隣接する２つの矩形画像が互いに重複していないために左右方向に隣接する２つの矩形画像の境界線上に位置する被害木ＤＴが正常に検出されないおそれを抑制することができ、上下方向に隣接する２つの矩形画像が互いに重複していないために上下方向に隣接する２つの矩形画像の境界線上に位置する被害木ＤＴが正常に検出されないおそれを抑制することができる。
図５（Ａ）および図５（Ｂ）に示すように、左右方向に隣接する２つの矩形画像ＲＭＡ、ＲＭＢのうちの一方の矩形画像ＲＭＡの一部と他方の矩形画像ＲＭＢの一部とが重複しない場合には、矩形画像ＲＭＡと矩形画像ＲＭＢとの境界線上に位置する被害木ＤＴ（の樹冠）が、２つの矩形画像ＲＭＡ、ＲＭＢに分断されるため、被害木ＤＴが正常に検出されないおそれがある。
一方、図５（Ｃ）および図５（Ｄ）に示すように、左右方向に隣接する２つの矩形画像ＲＭＡ、ＲＭＢのうちの一方の矩形画像ＲＭＡの一部と他方の矩形画像ＲＭＢの一部とが重複し、かつ、左右方向に隣接する２つの矩形画像ＲＭＢ、ＲＭＣのうちの一方の矩形画像ＲＭＢの一部と他方の矩形画像ＲＭＣの一部とが重複する場合には、被害木ＤＴ（の樹冠）の全体が１つの矩形画像ＲＭＢに含まれるため、森林被害木自動検出装置１は、矩形画像ＲＭＢ（図５（Ｄ）参照）を用いることによって、被害木ＤＴを確実に検出することができる。
つまり、第１実施形態の森林被害木自動検出装置１では、図４に示すように上下方向重複幅および左右方向重複幅が設けられている。その結果、第１実施形態の森林被害木自動検出装置１では、図５（Ａ）および図５（Ｂ）に示す例のように左右方向に隣接する２つの矩形画像が互いに重複していないために左右方向に隣接する２つの矩形画像の境界線上に位置する被害木ＤＴが正常に検出されないおそれを抑制することができ、上下方向に隣接する２つの矩形画像が互いに重複していないために上下方向に隣接する２つの矩形画像の境界線上に位置する被害木ＤＴが正常に検出されないおそれを抑制することができる。
【0031】
図１に示す例では、被害木検出処理部１３が、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに含まれる被害木ＤＴを検出する。被害木検出処理部１３は、被害木探索処理部１３Ａと、被害木位置計算処理部１３Ｂと、照合処理部１３Ｃと、ノイズ削除処理部１３Ｄとを備えている。
被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに被害木ＤＴが含まれるか否かを判定する。
詳細には、被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに被害木ＤＴが含まれるか否かを判定する前に、訓練データを用いた物体検出モデルの教師あり学習を行う。更に、被害木探索処理部１３Ａは、教師あり学習が行われた後の物体検出モデルを用いることにより、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに被害木ＤＴが含まれるか否かを判定する。
すなわち、被害木探索処理部１３Ａは、物体検出法による被害木ＤＴの検出を行う。物体検出法とは、ＡＩ（人工知能）の一種（詳細には、ディープラーニングの一種）であり、物体検出モデルに訓練データを与えて事前に学習させることで、物体検出モデルに入力された矩形画像ＲＭｉ（ｉ＝１～Ｎ）の自動解析を行うことが可能になる。
物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像ＴＭ（図６参照）と、訓練データ用空撮画像ＴＭに含まれる被害木ＤＴ（図６参照）に外接する矩形である訓練データ用被害木外接矩形ＴＥＲ（図６参照）に施されたラベリングとが含まれる。
被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに被害木ＤＴが含まれるか否かを判定する。
詳細には、被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに被害木ＤＴが含まれるか否かを判定する前に、訓練データを用いた物体検出モデルの教師あり学習を行う。更に、被害木探索処理部１３Ａは、教師あり学習が行われた後の物体検出モデルを用いることにより、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに被害木ＤＴが含まれるか否かを判定する。
すなわち、被害木探索処理部１３Ａは、物体検出法による被害木ＤＴの検出を行う。物体検出法とは、ＡＩ（人工知能）の一種（詳細には、ディープラーニングの一種）であり、物体検出モデルに訓練データを与えて事前に学習させることで、物体検出モデルに入力された矩形画像ＲＭｉ（ｉ＝１～Ｎ）の自動解析を行うことが可能になる。
物体検出モデルの教師あり学習に用いられる訓練データには、被害木を含む訓練データ用空撮画像ＴＭ（図６参照）と、訓練データ用空撮画像ＴＭに含まれる被害木ＤＴ（図６参照）に外接する矩形である訓練データ用被害木外接矩形ＴＥＲ（図６参照）に施されたラベリングとが含まれる。
【0032】
図６は物体検出モデルの教師あり学習に用いられる訓練データ用空撮画像ＴＭ、訓練データ用被害木外接矩形ＴＥＲおよびラベリングの一例を説明するための図である。詳細には、図６（Ａ）は物体検出モデルの教師あり学習に用いられる訓練データ用空撮画像ＴＭを示しており、図６（Ｂ）は図６（Ａ）に示す訓練データ用空撮画像ＴＭに含まれる２本の被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）のそれぞれに外接する２つの訓練データ用被害木外接矩形ＴＥＲとそれらに施されたラベリングとを示している。
図６に示す例では、例えば図２に示す「被害木の検出が行われる範囲ＡＲ」とは異なる森林域においてドローン等を用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像が、図６に示す訓練データ用空撮画像ＴＭとして用いられる。図６に示す訓練データ用空撮画像ＴＭのサイズおよび形状は、図４（Ｂ）に示す矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４のサイズおよび形状と同様に、１０ｍ×１０ｍの正方形に設定される。図６に示す訓練データ用空撮画像ＴＭに含まれる２本の被害木ＤＴは、枯死木ＤＴＡおよび枯損木ＤＴＢである。
図６に示す例では、例えば図２に示す「被害木の検出が行われる範囲ＡＲ」とは異なる森林域においてドローン等を用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像が、図６に示す訓練データ用空撮画像ＴＭとして用いられる。図６に示す訓練データ用空撮画像ＴＭのサイズおよび形状は、図４（Ｂ）に示す矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４のサイズおよび形状と同様に、１０ｍ×１０ｍの正方形に設定される。図６に示す訓練データ用空撮画像ＴＭに含まれる２本の被害木ＤＴは、枯死木ＤＴＡおよび枯損木ＤＴＢである。
【0033】
図６に示す例では、物体検出モデルの教師あり学習に用いられる訓練データを作成するために、一般的に「アノテーション」等と称される作業が行われる。具体的には、その作業では、図６（Ｂ）に示すように、訓練データ用空撮画像ＴＭに含まれる枯死木ＤＴＡに外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）が作成されると共に、その訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に「枯死木」のラベリングが施される。また、訓練データ用空撮画像ＴＭに含まれる枯損木ＤＴＢに外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）が作成されると共に、その訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に「枯損木」のラベリングが施される。
図６に示す例では、物体検出モデルの教師あり学習に用いられる訓練データに、枯死木ＤＴＡおよび枯損木ＤＴＢを含む訓練データ用空撮画像ＴＭと、訓練データ用空撮画像ＴＭに含まれる枯死木ＤＴＡに外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に施されたラベリング「枯死木」と、訓練データ用空撮画像ＴＭに含まれる枯損木ＤＴＢに外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に施されたラベリング「枯損木」とが含まれるが、他の例では、物体検出モデルの教師あり学習に用いられる訓練データに、枯死木ＤＴＡのみを含む訓練データ用空撮画像（図示せず）と、その訓練データ用空撮画像に含まれる枯死木ＤＴＡに外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に施されたラベリング「枯死木」と、枯損木ＤＴＢのみを含む訓練データ用空撮画像（図示せず）と、その訓練データ用空撮画像に含まれる枯損木ＤＴＢに外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に施されたラベリング「枯損木」とが含まれていてもよい（つまり、１つの訓練データ用空撮画像ＴＭに枯死木ＤＴＡおよび枯損木ＤＴＢの一方のみが含まれていてもよい）。
図６に示す例では、物体検出モデルの教師あり学習に用いられる訓練データに、枯死木ＤＴＡおよび枯損木ＤＴＢを含む訓練データ用空撮画像ＴＭと、訓練データ用空撮画像ＴＭに含まれる枯死木ＤＴＡに外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に施されたラベリング「枯死木」と、訓練データ用空撮画像ＴＭに含まれる枯損木ＤＴＢに外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に施されたラベリング「枯損木」とが含まれるが、他の例では、物体検出モデルの教師あり学習に用いられる訓練データに、枯死木ＤＴＡのみを含む訓練データ用空撮画像（図示せず）と、その訓練データ用空撮画像に含まれる枯死木ＤＴＡに外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に施されたラベリング「枯死木」と、枯損木ＤＴＢのみを含む訓練データ用空撮画像（図示せず）と、その訓練データ用空撮画像に含まれる枯損木ＤＴＢに外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形ＴＥＲ）に施されたラベリング「枯損木」とが含まれていてもよい（つまり、１つの訓練データ用空撮画像ＴＭに枯死木ＤＴＡおよび枯損木ＤＴＢの一方のみが含まれていてもよい）。
【0034】
図１に示す例では、訓練データとして、複数の例えば図６（Ｂ）に示すようなラベル付きの訓練データ用空撮画像ＴＭを用いることによって、物体検出モデルの教師あり学習が行われる。更に、教師あり学習が行われた後の物体検出モデルを用いることによって、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が含まれるか否かが判定される。
詳細には、被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに枯死木ＤＴＡが含まれるか否かの判定と、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）…のそれぞれに枯損木ＤＴＢが含まれるか否かの判定とを実行する。
詳細には、被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに枯死木ＤＴＡが含まれるか否かの判定と、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）…のそれぞれに枯損木ＤＴＢが含まれるか否かの判定とを実行する。
【0035】
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる被害木ＤＴに外接する矩形である検出対象被害木外接矩形ＤＥＲ（図７参照）を出力する。
詳細には、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯死木ＤＴＡが含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる枯死木ＤＴＡに外接する矩形である検出対象枯死木外接矩形（検出対象被害木外接矩形ＤＥＲ）を出力する。つまり、物体検出モデルは、枯死木ＤＴＡが存在する領域を特定する。
また、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯損木ＤＴＢが含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる枯損木ＤＴＢに外接する矩形である検出対象枯損木外接矩形（検出対象被害木外接矩形ＤＥＲ）を出力する。つまり、物体検出モデルは、枯損木ＤＴＢが存在する領域を特定する。
詳細には、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯死木ＤＴＡが含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる枯死木ＤＴＡに外接する矩形である検出対象枯死木外接矩形（検出対象被害木外接矩形ＤＥＲ）を出力する。つまり、物体検出モデルは、枯死木ＤＴＡが存在する領域を特定する。
また、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯損木ＤＴＢが含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる枯損木ＤＴＢに外接する矩形である検出対象枯損木外接矩形（検出対象被害木外接矩形ＤＥＲ）を出力する。つまり、物体検出モデルは、枯損木ＤＴＢが存在する領域を特定する。
【0036】
図７は物体検出モデルによって出力される矩形画像ＲＭｐに含まれる被害木ＤＴに外接する検出対象被害木外接矩形ＤＥＲの一例を示す図である。
図７に示すように、物体検出モデルは、検出された被害木ＤＴが写っている領域を検出対象被害木外接矩形ＤＥＲとして出力する。
図７に示すように、物体検出モデルは、検出された被害木ＤＴが写っている領域を検出対象被害木外接矩形ＤＥＲとして出力する。
【0037】
図１に示す例では、被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が含まれると判定した場合に、教師あり学習が行われた後の物体検出モデルを用いることによって、各矩形画像ＲＭｉ（ｉ＝１～Ｎ）に被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が含まれる信頼度を算出する。
被害木位置計算処理部１３Ｂは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が含まれると被害木探索処理部１３Ａによって判定された場合に、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の位置情報を計算する。詳細には、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象被害木外接矩形ＤＥＲ（図７参照）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された被害木ＤＴの位置として計算する。
被害木位置計算処理部１３Ｂは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が含まれると被害木探索処理部１３Ａによって判定された場合に、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の位置情報を計算する。詳細には、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象被害木外接矩形ＤＥＲ（図７参照）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された被害木ＤＴの位置として計算する。
【0038】
図８は被害木位置計算処理部１３Ｂによって行われる被害木ＤＴの位置の計算の一例を説明するための図である。
図８に示す例では、被害木位置計算処理部１３Ｂが、画像切り出し処理部１２によって切り出された矩形画像ＲＭｑに含まれる被害木ＤＴの位置を、物体検出モデルによって出力された検出対象被害木外接矩形ＤＥＲに基づいて計算する。
上述したように、画像切り出し処理部１２が矩形画像ＲＭｑを切り出す時に、矩形画像ＲＭｑの原点（例えば図８に示す矩形画像ＲＭｑの左上隅など）の絶対座標値（Ｘ，Ｙ）（例えば、緯経度など）を示す情報が、矩形画像ＲＭｑのデータに含められる。
また、物体検出モデルが検出対象被害木外接矩形ＤＥＲを出力する時に、矩形画像ＲＭｑの原点（絶対座標値（Ｘ，Ｙ））に対する検出対象被害木外接矩形ＤＥＲの例えば左上隅の相対座標値（ｘ１，ｙ１）および右下隅の相対座標値（ｘ２，ｙ２）を示す情報が、矩形画像ＲＭｑのデータに含められる。
被害木位置計算処理部１３Ｂは、矩形画像ＲＭｑの原点（絶対座標値（Ｘ，Ｙ））と検出対象被害木外接矩形ＤＥＲの相対座標値（ｘ１，ｙ１）および相対座標値（ｘ２，ｙ２）とに基づいて、被害木ＤＴの位置（Ｘ＋（ｘ１＋ｘ２）／２，Ｙ＋（ｙ１＋ｙ２）／２）を計算する。
図８に示す例では、被害木位置計算処理部１３Ｂが、画像切り出し処理部１２によって切り出された矩形画像ＲＭｑに含まれる被害木ＤＴの位置を、物体検出モデルによって出力された検出対象被害木外接矩形ＤＥＲに基づいて計算する。
上述したように、画像切り出し処理部１２が矩形画像ＲＭｑを切り出す時に、矩形画像ＲＭｑの原点（例えば図８に示す矩形画像ＲＭｑの左上隅など）の絶対座標値（Ｘ，Ｙ）（例えば、緯経度など）を示す情報が、矩形画像ＲＭｑのデータに含められる。
また、物体検出モデルが検出対象被害木外接矩形ＤＥＲを出力する時に、矩形画像ＲＭｑの原点（絶対座標値（Ｘ，Ｙ））に対する検出対象被害木外接矩形ＤＥＲの例えば左上隅の相対座標値（ｘ１，ｙ１）および右下隅の相対座標値（ｘ２，ｙ２）を示す情報が、矩形画像ＲＭｑのデータに含められる。
被害木位置計算処理部１３Ｂは、矩形画像ＲＭｑの原点（絶対座標値（Ｘ，Ｙ））と検出対象被害木外接矩形ＤＥＲの相対座標値（ｘ１，ｙ１）および相対座標値（ｘ２，ｙ２）とに基づいて、被害木ＤＴの位置（Ｘ＋（ｘ１＋ｘ２）／２，Ｙ＋（ｙ１＋ｙ２）／２）を計算する。
【0039】
詳細には、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯死木ＤＴＡが含まれると被害木探索処理部１３Ａによって判定された場合に、被害木位置計算処理部１３Ｂは枯死木ＤＴＡの位置情報を計算する。被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象枯死木外接矩形（検出対象被害木外接矩形ＤＥＲ）に基づいて枯死木ＤＴＡの位置情報を計算する。具体的には、被害木位置計算処理部１３Ｂが、物体検出モデルによって出力された検出対象枯死木外接矩形（検出対象被害木外接矩形ＤＥＲ）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された枯死木ＤＴＡの位置として計算する。
また、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯損木ＤＴＢが含まれると被害木探索処理部１３Ａによって判定された場合に、被害木位置計算処理部１３Ｂは枯損木ＤＴＢの位置情報を計算する。被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象枯損木外接矩形（検出対象被害木外接矩形ＤＥＲ）に基づいて枯損木ＤＴＢの位置情報を計算する。具体的には、被害木位置計算処理部１３Ｂが、物体検出モデルによって出力された検出対象枯損木外接矩形（検出対象被害木外接矩形ＤＥＲ）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された枯損木ＤＴＢの位置として計算する。
また、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯損木ＤＴＢが含まれると被害木探索処理部１３Ａによって判定された場合に、被害木位置計算処理部１３Ｂは枯損木ＤＴＢの位置情報を計算する。被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象枯損木外接矩形（検出対象被害木外接矩形ＤＥＲ）に基づいて枯損木ＤＴＢの位置情報を計算する。具体的には、被害木位置計算処理部１３Ｂが、物体検出モデルによって出力された検出対象枯損木外接矩形（検出対象被害木外接矩形ＤＥＲ）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された枯損木ＤＴＢの位置として計算する。
【0040】
図１に示す例では、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定された場合に、照合処理部１３Ｃは、被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置情報に基づいて被害木ＤＴの照合を行う。
図４（Ｂ）に示す例では、画像切り出し処理部１２によって切り出された矩形画像ＲＭ１に被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定され、画像切り出し処理部１２によって切り出された矩形画像ＲＭ２に被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定され、画像切り出し処理部１２によって切り出された矩形画像ＲＭ３に被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定され、画像切り出し処理部１２によって切り出された矩形画像ＲＭ４に被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定されるおそれがある、すなわち、被害木探索処理部１３Ａが１本の被害木ＤＴを複数本（図４（Ｂ）に示す例では、４本）の被害木ＤＴと誤ってカウントしてしまうおそれがあるからである。
図４（Ｂ）に示す例では、画像切り出し処理部１２によって切り出された矩形画像ＲＭ１に被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定され、画像切り出し処理部１２によって切り出された矩形画像ＲＭ２に被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定され、画像切り出し処理部１２によって切り出された矩形画像ＲＭ３に被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定され、画像切り出し処理部１２によって切り出された矩形画像ＲＭ４に被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定されるおそれがある、すなわち、被害木探索処理部１３Ａが１本の被害木ＤＴを複数本（図４（Ｂ）に示す例では、４本）の被害木ＤＴと誤ってカウントしてしまうおそれがあるからである。
【0041】
その点に鑑み、図１に示す例では、照合処理部１３Ｃが、上下方向に隣接する２つの矩形画像の一方に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）と、上下方向に隣接する２つの矩形画像の他方に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）との距離が第１閾値（例えば、３ｍ）以内である場合に、上下方向に隣接する２つの矩形画像の一方に含まれる被害木ＤＴと上下方向に隣接する２つの矩形画像の他方に含まれる被害木ＤＴとが同一の被害木であるとみなす。上下方向に隣接する２つの矩形画像の一方の一部と他方の一部との重複幅である上下方向重複幅（５ｍ）は、第１閾値（３ｍ）より大きい。
また、照合処理部１３Ｃは、左右方向に隣接する２つの矩形画像の一方に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）と、左右方向に隣接する２つの矩形画像の他方に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）との距離が第１閾値（３ｍ）以内である場合に、左右方向に隣接する２つの矩形画像の一方に含まれる被害木ＤＴと左右方向に隣接する２つの矩形画像の他方に含まれる被害木ＤＴとが同一の被害木であるとみなす。左右方向に隣接する２つの矩形画像の一方の一部と他方の一部との重複幅である左右方向重複幅（５ｍ）は、第１閾値（３ｍ）より大きい。
また、照合処理部１３Ｃは、左右方向に隣接する２つの矩形画像の一方に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）と、左右方向に隣接する２つの矩形画像の他方に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）との距離が第１閾値（３ｍ）以内である場合に、左右方向に隣接する２つの矩形画像の一方に含まれる被害木ＤＴと左右方向に隣接する２つの矩形画像の他方に含まれる被害木ＤＴとが同一の被害木であるとみなす。左右方向に隣接する２つの矩形画像の一方の一部と他方の一部との重複幅である左右方向重複幅（５ｍ）は、第１閾値（３ｍ）より大きい。
【0042】
具体的には、図４（Ｂ）に示す例では、上下方向に隣接する２つの矩形画像ＲＭ１、ＲＭ３の一方の矩形画像ＲＭ１に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）と、上下方向に隣接する２つの矩形画像ＲＭ１、ＲＭ３の他方の矩形画像ＲＭ３に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）との距離が第１閾値（３ｍ）以内になる。そのため、照合処理部１３Ｃは、上下方向に隣接する２つの矩形画像ＲＭ１、ＲＭ３の一方の矩形画像ＲＭ１に含まれる被害木ＤＴと上下方向に隣接する２つの矩形画像ＲＭ１、ＲＭ３の他方の矩形画像ＲＭ３に含まれる被害木ＤＴとが同一の被害木であるとみなし、矩形画像ＲＭ１に含まれる被害木ＤＴの位置情報を破棄する（つまり、矩形画像ＲＭ１に含まれる被害木ＤＴが存在しないとみなす）。
また、図４（Ｂ）に示す例では、左右方向に隣接する２つの矩形画像ＲＭ３、ＲＭ４の一方の矩形画像ＲＭ３に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）と、左右方向に隣接する２つの矩形画像ＲＭ３、ＲＭ４の他方の矩形画像ＲＭ４に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）との距離が第１閾値（３ｍ）以内になる。そのため、照合処理部１３Ｃは、左右方向に隣接する２つの矩形画像ＲＭ３、ＲＭ４の一方の矩形画像ＲＭ３に含まれる被害木ＤＴと左右方向に隣接する２つの矩形画像ＲＭ３、ＲＭ４の他方の矩形画像ＲＭ４に含まれる被害木ＤＴとが同一の被害木であるとみなし、矩形画像ＲＭ３に含まれる被害木ＤＴの位置情報を破棄する（つまり、矩形画像ＲＭ３に含まれる被害木ＤＴが存在しないとみなす）。
また、図４（Ｂ）に示す例では、左右方向に隣接する２つの矩形画像ＲＭ３、ＲＭ４の一方の矩形画像ＲＭ３に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）と、左右方向に隣接する２つの矩形画像ＲＭ３、ＲＭ４の他方の矩形画像ＲＭ４に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）との距離が第１閾値（３ｍ）以内になる。そのため、照合処理部１３Ｃは、左右方向に隣接する２つの矩形画像ＲＭ３、ＲＭ４の一方の矩形画像ＲＭ３に含まれる被害木ＤＴと左右方向に隣接する２つの矩形画像ＲＭ３、ＲＭ４の他方の矩形画像ＲＭ４に含まれる被害木ＤＴとが同一の被害木であるとみなし、矩形画像ＲＭ３に含まれる被害木ＤＴの位置情報を破棄する（つまり、矩形画像ＲＭ３に含まれる被害木ＤＴが存在しないとみなす）。
【0043】
更に、図４（Ｂ）に示す例では、上下方向に隣接する２つの矩形画像ＲＭ２、ＲＭ４の一方の矩形画像ＲＭ２に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）と、上下方向に隣接する２つの矩形画像ＲＭ２、ＲＭ４の他方の矩形画像ＲＭ４に含まれる被害木ＤＴの位置（被害木位置計算処理部１３Ｂによって計算された被害木ＤＴの位置）との距離が第１閾値（３ｍ）以内になる。そのため、照合処理部１３Ｃは、上下方向に隣接する２つの矩形画像ＲＭ２、ＲＭ４の一方の矩形画像ＲＭ２に含まれる被害木ＤＴと上下方向に隣接する２つの矩形画像ＲＭ２、ＲＭ４の他方の矩形画像ＲＭ４に含まれる被害木ＤＴとが同一の被害木であるとみなし、矩形画像ＲＭ４に含まれる被害木ＤＴの位置情報を破棄する（つまり、矩形画像ＲＭ４に含まれる被害木ＤＴが存在しないとみなす）。
図４（Ｂ）に示す例では、矩形画像ＲＭ１に含まれる被害木ＤＴの位置情報が破棄され、矩形画像ＲＭ３に含まれる被害木ＤＴの位置情報が破棄され、矩形画像ＲＭ４に含まれる被害木ＤＴの位置情報が破棄されるため、矩形画像ＲＭ２に含まれる被害木ＤＴの位置情報のみが残され、４つの矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４に１本の被害木ＤＴが含まれると照合処理部１３Ｃによって判断される。
図４（Ｂ）に示す例では、矩形画像ＲＭ１に含まれる被害木ＤＴの位置情報が破棄され、矩形画像ＲＭ３に含まれる被害木ＤＴの位置情報が破棄され、矩形画像ＲＭ４に含まれる被害木ＤＴの位置情報が破棄されるため、矩形画像ＲＭ２に含まれる被害木ＤＴの位置情報のみが残され、４つの矩形画像ＲＭ１、ＲＭ２、ＲＭ３、ＲＭ４に１本の被害木ＤＴが含まれると照合処理部１３Ｃによって判断される。
【0044】
図１に示す例では、上述したように、被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木ＤＴが含まれると判定した場合に、教師あり学習が行われた後の物体検出モデルを用いることによって、各矩形画像ＲＭｉ（ｉ＝１～Ｎ）に被害木ＤＴが含まれる信頼度を算出する。
ノイズ削除処理部１３Ｄは、被害木探索処理部１３Ａによって算出された信頼度に基づいて、被害木ＤＴをノイズとして削除する処理を行う。
具体的には、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定された場合であって、教師あり学習が行われた後の物体検出モデルを用いることにより被害木探索処理部１３Ａによって算出された信頼度が第２閾値（例えば、「０．５」）以下である場合に、ノイズ削除処理部１３Ｄは、第２閾値（「０．５」）以下の信頼度を有する被害木ＤＴをノイズとして削除する。
解析結果出力処理部１４は、被害木検出処理部１３による解析結果（例えば図２に示す「被害木の検出が行われる範囲ＡＲ」内における被害木ＤＴの位置、および、被害木ＤＴが枯死木ＤＴＡであるか、あるいは、枯損木ＤＴＢであるかの識別結果）を出力する。
ノイズ削除処理部１３Ｄは、被害木探索処理部１３Ａによって算出された信頼度に基づいて、被害木ＤＴをノイズとして削除する処理を行う。
具体的には、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木ＤＴが含まれると被害木探索処理部１３Ａによって判定された場合であって、教師あり学習が行われた後の物体検出モデルを用いることにより被害木探索処理部１３Ａによって算出された信頼度が第２閾値（例えば、「０．５」）以下である場合に、ノイズ削除処理部１３Ｄは、第２閾値（「０．５」）以下の信頼度を有する被害木ＤＴをノイズとして削除する。
解析結果出力処理部１４は、被害木検出処理部１３による解析結果（例えば図２に示す「被害木の検出が行われる範囲ＡＲ」内における被害木ＤＴの位置、および、被害木ＤＴが枯死木ＤＴＡであるか、あるいは、枯損木ＤＴＢであるかの識別結果）を出力する。
【0045】
図９は解析結果出力処理部１４によって出力される解析結果の一例を示す図である。詳細には、図９（Ａ）は被害木情報リストを示しており、図９（Ｂ）は被害木情報が追加された空撮画像（オルソ画像）の一部を拡大して示している。
図９に示す例では、解析結果出力処理部１４が、被害木検出処理部１３による解析結果（図９（Ａ）に「被害木情報リスト」で示す情報）をシェープファイル化して出力する。シェープファイルとは、一般に、「図形情報と属性情報をもった地図データファイル」が集まったファイルと言われている。
図９（Ａ）に示す「被害木情報リスト」において、座標（ｘ１，ｙ１）に位置する被害木ＤＴは枯死木ＤＴＡと識別されており、座標（ｘ２，ｙ２）に位置する被害木ＤＴは枯損木ＤＴＢと識別されており、座標（ｘ３，ｙ３）に位置する被害木ＤＴは枯死木ＤＴＡと識別されている。
解析結果出力処理部１４は、図９（Ｂ）に示す空撮画像（オルソ画像）上の座標（ｘ１，ｙ１）に対応する位置に、枯死木ＤＴＡを示す記号「●」を配置する。また、解析結果出力処理部１４は、座標（ｘ２，ｙ２）に対応する位置に枯損木ＤＴＢを示す記号「○」を配置し、座標（ｘ３，ｙ３）に対応する位置に枯死木ＤＴＡを示す記号「●」を配置する。
図９に示す例では、解析結果出力処理部１４が、被害木検出処理部１３による解析結果（図９（Ａ）に「被害木情報リスト」で示す情報）をシェープファイル化して出力する。シェープファイルとは、一般に、「図形情報と属性情報をもった地図データファイル」が集まったファイルと言われている。
図９（Ａ）に示す「被害木情報リスト」において、座標（ｘ１，ｙ１）に位置する被害木ＤＴは枯死木ＤＴＡと識別されており、座標（ｘ２，ｙ２）に位置する被害木ＤＴは枯損木ＤＴＢと識別されており、座標（ｘ３，ｙ３）に位置する被害木ＤＴは枯死木ＤＴＡと識別されている。
解析結果出力処理部１４は、図９（Ｂ）に示す空撮画像（オルソ画像）上の座標（ｘ１，ｙ１）に対応する位置に、枯死木ＤＴＡを示す記号「●」を配置する。また、解析結果出力処理部１４は、座標（ｘ２，ｙ２）に対応する位置に枯損木ＤＴＢを示す記号「○」を配置し、座標（ｘ３，ｙ３）に対応する位置に枯死木ＤＴＡを示す記号「●」を配置する。
【0046】
図９に示す例では、解析結果出力処理部１４が、枯死木ＤＴＡを示す記号「●」と枯損木ＤＴＢを示す記号「○」とを１つの空撮画像（オルソ画像）上に配置するが、他の例では、解析結果出力処理部１４が、枯死木ＤＴＡを示す記号「●」が配置された空撮画像（オルソ画像）と枯損木ＤＴＢを示す記号「○」が配置された空撮画像（オルソ画像）とを別個に生成して出力してもよい。
【0047】
図１に示す例では、地上高フィルタ処理部１５は、被害木検出処理部１３による枯死木ＤＴＡの検出結果が誤検出であるか否かを判定する。また、地上高フィルタ処理部１５は、被害木検出処理部１３による枯損木ＤＴＢの検出結果が誤検出であるか否かを判定する。
詳細には、地上高フィルタ処理部１５が、例えば下記のＵＲＬが示すｗｅｂサイト等から調査対象森林域の数値標高モデル（ＤＥＭ：Digital Elevation Model）データを取得する。
https://fgd.gsi.go.jp/download/menu.php
また、地上高フィルタ処理部１５は、例えば下記のＵＲＬが示すｗｅｂサイト等から調査対象森林域の数値表層モデル（ＤＳＭ：Digital Surface Model）データを取得する。
https://www.geospatial.jp/ckan/dataset/aw3d-alljapan
詳細には、地上高フィルタ処理部１５が、例えば下記のＵＲＬが示すｗｅｂサイト等から調査対象森林域の数値標高モデル（ＤＥＭ：Digital Elevation Model）データを取得する。
https://fgd.gsi.go.jp/download/menu.php
また、地上高フィルタ処理部１５は、例えば下記のＵＲＬが示すｗｅｂサイト等から調査対象森林域の数値表層モデル（ＤＳＭ：Digital Surface Model）データを取得する。
https://www.geospatial.jp/ckan/dataset/aw3d-alljapan
【0048】
地上高フィルタ処理部１５は、被害木検出処理部１３による枯死木ＤＴＡの検出結果と、数値標高モデル（ＤＥＭ）データと、数値表層モデル（ＤＳＭ）データとに基づいて、被害木検出処理部１３が地表面を枯死木ＤＴＡと誤検出したか否かを判定する。例えば、被害木検出処理部１３によって枯死木ＤＴＡが検出された位置におけるＤＥＭの値とＤＳＭの値とが等しい場合に、地上高フィルタ処理部１５は、被害木検出処理部１３が赤茶色の地表面を枯死木ＤＴＡと誤検出したと判定する。
地上高フィルタ処理部１５は、被害木検出処理部１３による枯損木ＤＴＢの検出結果と、数値標高モデル（ＤＥＭ）データと、数値表層モデル（ＤＳＭ）データとに基づいて、被害木検出処理部１３が地表面を枯損木ＤＴＢと誤検出したか否かを判定する。例えば、被害木検出処理部１３によって枯損木ＤＴＢが検出された位置におけるＤＥＭの値とＤＳＭの値とが等しい場合に、地上高フィルタ処理部１５は、被害木検出処理部１３が白色の地表面を枯損木ＤＴＢと誤検出したと判定する。
地上高フィルタ処理部１５は、被害木検出処理部１３による枯損木ＤＴＢの検出結果と、数値標高モデル（ＤＥＭ）データと、数値表層モデル（ＤＳＭ）データとに基づいて、被害木検出処理部１３が地表面を枯損木ＤＴＢと誤検出したか否かを判定する。例えば、被害木検出処理部１３によって枯損木ＤＴＢが検出された位置におけるＤＥＭの値とＤＳＭの値とが等しい場合に、地上高フィルタ処理部１５は、被害木検出処理部１３が白色の地表面を枯損木ＤＴＢと誤検出したと判定する。
【0049】
図１０は地上高フィルタ処理部１５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１０（Ａ）は地上高フィルタ処理部１５による処理が行われる前の状態（解析結果出力処理部１４によって解析結果が出力された状態）を示しており、図１０（Ｂ）は地上高フィルタ処理部１５による処理が行われた後の状態を示している。
図１０に示す例では、解析結果出力処理部１４によって出力された解析結果（空撮画像）のうちの図１０（Ａ）の丸印で囲まれた部分に、３本の枯損木ＤＴＢを示す記号「○」が位置する。つまり、被害木検出処理部１３が、白色の地表面を３本の枯損木ＤＴＢと誤検出してしまっている。
地上高フィルタ処理部１５は、被害木検出処理部１３による枯損木ＤＴＢの検出結果（図１０（Ａ）の丸印で囲まれた部分に３本の枯損木ＤＴＢが存在する旨の検出結果）と、数値標高モデルデータと、数値表層モデルデータとに基づいて、被害木検出処理部１３が地表面を枯損木ＤＴＢと誤検出したか否かを判定し、被害木検出処理部１３が、図１０（Ａ）の丸印で囲まれた部分の白色の地表面を３本の枯損木ＤＴＢと誤検出した旨の判定結果を出力する。その結果、図１０（Ｂ）に示すように、誤検出された３本の枯損木ＤＴＢを示す記号「○」が削除される。
図１０に示す例では、解析結果出力処理部１４によって出力された解析結果（空撮画像）のうちの図１０（Ａ）の丸印で囲まれた部分に、３本の枯損木ＤＴＢを示す記号「○」が位置する。つまり、被害木検出処理部１３が、白色の地表面を３本の枯損木ＤＴＢと誤検出してしまっている。
地上高フィルタ処理部１５は、被害木検出処理部１３による枯損木ＤＴＢの検出結果（図１０（Ａ）の丸印で囲まれた部分に３本の枯損木ＤＴＢが存在する旨の検出結果）と、数値標高モデルデータと、数値表層モデルデータとに基づいて、被害木検出処理部１３が地表面を枯損木ＤＴＢと誤検出したか否かを判定し、被害木検出処理部１３が、図１０（Ａ）の丸印で囲まれた部分の白色の地表面を３本の枯損木ＤＴＢと誤検出した旨の判定結果を出力する。その結果、図１０（Ｂ）に示すように、誤検出された３本の枯損木ＤＴＢを示す記号「○」が削除される。
【0050】
図１に示す例では、被害木検出処理部１３が地表面を被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）と誤検出してしまうおそれを抑制するために、訓練データ用空撮画像ＴＭの訓練データ用被害木外接矩形ＴＥＲ（図６参照）として、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の周りに地表面が存在するものではなく、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の周りに健全木が存在するものが用いられる。
【0051】
図１１は第１実施形態の森林被害木自動検出装置１によって出力される調査対象森林域における被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出結果の一例を示す図である。
図１１に示す例では、森林被害木自動検出装置１が、調査対象森林域における被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出結果として、データ入力処理部１１が入力を受け付けた調査対象森林域の空撮画像ＡＭ（図２（Ａ）参照）に、森林被害木自動検出装置１によって検出された枯死木ＤＴＡを示す記号「●」と枯損木ＤＴＢを示す記号「○」とが配置されたものを出力する。
図１１に示す例では、森林被害木自動検出装置１が、調査対象森林域における被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出結果として、データ入力処理部１１が入力を受け付けた調査対象森林域の空撮画像ＡＭ（図２（Ａ）参照）に、森林被害木自動検出装置１によって検出された枯死木ＤＴＡを示す記号「●」と枯損木ＤＴＢを示す記号「○」とが配置されたものを出力する。
【0052】
図１２は第１実施形態の森林被害木自動検出装置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１３は図１２のステップＳ１３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１２および図１３に示す例では、ステップＳ１１において、データ入力処理部１１は、調査対象森林域の空撮画像ＡＭのデータと、空撮画像ＡＭに含まれる「被害木の検出が行われる範囲ＡＲ」を指定する検出範囲指定情報（ポリゴンファイル）との入力を受け付ける。
次いで、ステップＳ１２では、画像切り出し処理部１２が、検出範囲指定情報によって指定された「被害木の検出が行われる範囲ＡＲ」内にグリッドを生成することによって、空撮画像ＡＭから複数（Ｎ個）の矩形画像ＲＭｉ（ｉ＝１～Ｎ）を切り出す。
次いで、ステップＳ１３では、被害木検出処理部１３が、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）を検出する。
図１２および図１３に示す例では、ステップＳ１１において、データ入力処理部１１は、調査対象森林域の空撮画像ＡＭのデータと、空撮画像ＡＭに含まれる「被害木の検出が行われる範囲ＡＲ」を指定する検出範囲指定情報（ポリゴンファイル）との入力を受け付ける。
次いで、ステップＳ１２では、画像切り出し処理部１２が、検出範囲指定情報によって指定された「被害木の検出が行われる範囲ＡＲ」内にグリッドを生成することによって、空撮画像ＡＭから複数（Ｎ個）の矩形画像ＲＭｉ（ｉ＝１～Ｎ）を切り出す。
次いで、ステップＳ１３では、被害木検出処理部１３が、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）を検出する。
【0053】
詳細には、ステップＳ１３が開始されると、まず、ステップＳ１３－１において、被害木検出処理部１３が、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出対象の矩形画像ＲＭｉの番号ｉを１に設定する（ｉ＝１）。
次いで、ステップＳ１３－２において、被害木検出処理部１３は、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出対象の矩形画像ＲＭｉの番号ｉがＮ以下であるか否かを判定する。被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出対象の矩形画像ＲＭｉの番号ｉがＮ以下である場合（つまり、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出処理が済んでいない矩形画像ＲＭｉが存在する場合）には、ステップＳ１３－３に進む。一方、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出対象の矩形画像ＲＭｉの番号ｉがＮより大きい場合（つまり、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出処理が済んでいない矩形画像ＲＭｉが存在しない場合）には、ステップＳ１４に進む。
次いで、ステップＳ１３－２において、被害木検出処理部１３は、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出対象の矩形画像ＲＭｉの番号ｉがＮ以下であるか否かを判定する。被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出対象の矩形画像ＲＭｉの番号ｉがＮ以下である場合（つまり、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出処理が済んでいない矩形画像ＲＭｉが存在する場合）には、ステップＳ１３－３に進む。一方、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出対象の矩形画像ＲＭｉの番号ｉがＮより大きい場合（つまり、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出処理が済んでいない矩形画像ＲＭｉが存在しない場合）には、ステップＳ１４に進む。
【0054】
ステップＳ１３－３では、被害木探索処理部１３Ａが、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭ１～ＲＭＮのうちのｉ番目の矩形画像ＲＭｉを読み込む。
次いで、ステップＳ１３Ａにおいて、被害木探索処理部１３Ａは、教師あり学習が行われた後の物体検出モデルを用いることによって、ｉ番目の矩形画像ＲＭｉに被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が含まれるか否かを判定する。つまり、被害木探索処理部１３Ａが、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）を探索する。
次いで、ステップＳ１３－４において、被害木検出処理部１３は、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）があるか否かを判定する。ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）がある場合には、ステップＳ１３Ｂに進む。一方、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）がない場合には、ステップＳ１３－６に進む。
次いで、ステップＳ１３Ａにおいて、被害木探索処理部１３Ａは、教師あり学習が行われた後の物体検出モデルを用いることによって、ｉ番目の矩形画像ＲＭｉに被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が含まれるか否かを判定する。つまり、被害木探索処理部１３Ａが、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）を探索する。
次いで、ステップＳ１３－４において、被害木検出処理部１３は、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）があるか否かを判定する。ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）がある場合には、ステップＳ１３Ｂに進む。一方、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）がない場合には、ステップＳ１３－６に進む。
【0055】
ステップＳ１３Ｂでは、被害木位置計算処理部１３Ｂが、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の位置情報を計算する。
次いで、ステップＳ１３Ｃでは、照合処理部１３Ｃが、ステップＳ１３Ｂにおいて計算された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の位置情報に基づいて被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の照合を行う。詳細には、照合処理部１３Ｃは、ステップＳ１３Ｂにおいて位置情報が計算された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）と同一の被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が、被害木情報リスト（図９（Ａ）参照）に既に存在するか否かを判定する。ステップＳ１３Ｂにおいて位置情報が計算された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）と同一の被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が、被害木情報リスト（図９（Ａ）参照）にまだ存在しない場合には、ステップＳ１３Ｄに進む。一方、ステップＳ１３Ｂにおいて位置情報が計算された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）と同一の被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が、被害木情報リスト（図９（Ａ）参照）に既に存在する場合には、ステップＳ１３－６に進む。
次いで、ステップＳ１３Ｃでは、照合処理部１３Ｃが、ステップＳ１３Ｂにおいて計算された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の位置情報に基づいて被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の照合を行う。詳細には、照合処理部１３Ｃは、ステップＳ１３Ｂにおいて位置情報が計算された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）と同一の被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が、被害木情報リスト（図９（Ａ）参照）に既に存在するか否かを判定する。ステップＳ１３Ｂにおいて位置情報が計算された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）と同一の被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が、被害木情報リスト（図９（Ａ）参照）にまだ存在しない場合には、ステップＳ１３Ｄに進む。一方、ステップＳ１３Ｂにおいて位置情報が計算された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）と同一の被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が、被害木情報リスト（図９（Ａ）参照）に既に存在する場合には、ステップＳ１３－６に進む。
【0056】
ステップＳ１３Ｄでは、ノイズ削除処理部１３Ｄが、ノイズ削除処理を行う。詳細には、ノイズ削除処理部１３Ｄは、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）がｉ番目の矩形画像ＲＭｉに含まれる信頼度が第２閾値（「０．５」）以下であるか否かを判定する。被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）がｉ番目の矩形画像ＲＭｉに含まれる信頼度が第２閾値（「０．５」）以下である場合に、ノイズ削除処理部１３Ｄは、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）がノイズであると判断し、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）を削除してステップＳ１３－６に進む。一方、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）がｉ番目の矩形画像ＲＭｉに含まれる信頼度が第２閾値（「０．５」）より大きい場合に、ノイズ削除処理部１３Ｄは、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）がノイズではなく、実在すると判断し、ステップＳ１３－５に進む。
【0057】
ステップＳ１３－５では、被害木検出処理部１３が、ｉ番目の矩形画像ＲＭｉに含まれる被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）を被害木情報リスト（図９（Ａ）参照）に追加する被害木情報リストの更新処理を行う。次いで、ステップＳ１３－６に進む。
【0058】
ステップＳ１３－６では、被害木検出処理部１３が、被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の検出対象の矩形画像ＲＭｉの番号ｉをインクリメントする（ｉ＝ｉ＋１）。
【0059】
ステップＳ１４では、解析結果出力処理部１４が、被害木検出処理部１３による解析結果（例えば図２に示す「被害木の検出が行われる範囲ＡＲ」内における被害木ＤＴの位置、および、被害木ＤＴが枯死木ＤＴＡであるか、あるいは、枯損木ＤＴＢであるかの識別結果）を示す被害木情報リスト（図９（Ａ）参照）等を出力する。
次いで、ステップＳ１５では、地上高フィルタ処理部１５が地上高フィルタ処理を行う。詳細には、地上高フィルタ処理部１５は、被害木検出処理部１３によって検出された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が地表面の誤検出であるか否かの判定を行い、誤検出された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）を被害木情報リストから削除する処理を行う。
次いで、ステップＳ１５では、地上高フィルタ処理部１５が地上高フィルタ処理を行う。詳細には、地上高フィルタ処理部１５は、被害木検出処理部１３によって検出された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が地表面の誤検出であるか否かの判定を行い、誤検出された被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）を被害木情報リストから削除する処理を行う。
【0060】
上述したように、第１実施形態の森林被害木自動検出装置１は、一連の解析処理をアプリケーション化したものであり、例えば自治体、林業事業体などは、利便性の高いドローンを用いて撮影した可視光域のＲＧＢカラー画像から生成されたオルソ画像（空撮画像ＡＭ）と、空撮画像ＡＭに含まれる「被害木の検出が行われる範囲ＡＲ」を指定する検出範囲指定情報とを森林被害木自動検出装置１に入力することによって、上述した解析結果を得ることができる。
つまり、第１実施形態の森林被害木自動検出装置１によれば、調査対象森林域に被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が存在するか否かおよび調査対象森林域に存在する被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の位置を簡便な手法によって把握することができる。
例えば、訓練データ用空撮画像ＴＭに、被害木ＤＴとしてマツ枯れ被害木を含めることによって、マツ枯れ被害木を短時間かつ簡単な操作で把握することができる。また、物体検出モデルの教師あり学習に用いられる訓練データを増やすことによって、教師あり学習後の物体検出モデルによる被害木ＤＴの推定精度を向上させることができる。
また、訓練データ用空撮画像ＴＭに、被害木ＤＴとしてナラ枯れ被害木を含めることによって、ナラ枯れ被害木を短時間かつ簡単な操作で把握することもできる。
同様に、訓練データ用空撮画像ＴＭに、被害木ＤＴとしてクマ剥ぎ被害木など（つまり、マツ枯れ被害木、ナラ枯れ被害木以外の被害木）を含めることによって、クマ剥ぎ被害木など（マツ枯れ被害木、ナラ枯れ被害木以外の被害木）を短時間かつ簡単な操作で把握することもできる。
第１実施形態の森林被害木自動検出装置１から出力される解析結果と、現地における立木のサンプル調査とを組み合わせることによって、被害木の材積を推定することも可能である。
第１実施形態の森林被害木自動検出装置１を構成するコンピュータによって実行されるプログラムは、ｗｅｂアプリケーションサービスとして提供されてもよい。
すなわち、第１実施形態の森林被害木自動検出装置１は、低コストで汎用性が高く、普及しやすい技術であると言える。
つまり、第１実施形態の森林被害木自動検出装置１によれば、調査対象森林域に被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）が存在するか否かおよび調査対象森林域に存在する被害木ＤＴ（枯死木ＤＴＡ、枯損木ＤＴＢ）の位置を簡便な手法によって把握することができる。
例えば、訓練データ用空撮画像ＴＭに、被害木ＤＴとしてマツ枯れ被害木を含めることによって、マツ枯れ被害木を短時間かつ簡単な操作で把握することができる。また、物体検出モデルの教師あり学習に用いられる訓練データを増やすことによって、教師あり学習後の物体検出モデルによる被害木ＤＴの推定精度を向上させることができる。
また、訓練データ用空撮画像ＴＭに、被害木ＤＴとしてナラ枯れ被害木を含めることによって、ナラ枯れ被害木を短時間かつ簡単な操作で把握することもできる。
同様に、訓練データ用空撮画像ＴＭに、被害木ＤＴとしてクマ剥ぎ被害木など（つまり、マツ枯れ被害木、ナラ枯れ被害木以外の被害木）を含めることによって、クマ剥ぎ被害木など（マツ枯れ被害木、ナラ枯れ被害木以外の被害木）を短時間かつ簡単な操作で把握することもできる。
第１実施形態の森林被害木自動検出装置１から出力される解析結果と、現地における立木のサンプル調査とを組み合わせることによって、被害木の材積を推定することも可能である。
第１実施形態の森林被害木自動検出装置１を構成するコンピュータによって実行されるプログラムは、ｗｅｂアプリケーションサービスとして提供されてもよい。
すなわち、第１実施形態の森林被害木自動検出装置１は、低コストで汎用性が高く、普及しやすい技術であると言える。
【0061】
＜第２実施形態＞
以下、本発明の森林被害木自動検出装置、森林被害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実施形態の森林被害木自動検出装置１は、後述する点を除き、上述した第１実施形態の森林被害木自動検出装置１と同様に構成されている。従って、第２実施形態の森林被害木自動検出装置１によれば、後述する点を除き、上述した第１実施形態の森林被害木自動検出装置１と同様の効果を奏することができる。
以下、本発明の森林被害木自動検出装置、森林被害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実施形態の森林被害木自動検出装置１は、後述する点を除き、上述した第１実施形態の森林被害木自動検出装置１と同様に構成されている。従って、第２実施形態の森林被害木自動検出装置１によれば、後述する点を除き、上述した第１実施形態の森林被害木自動検出装置１と同様の効果を奏することができる。
【0062】
図１４は第２実施形態の森林被害木自動検出装置１の一例を示す図である。
図１４に示す例では、第２実施形態の森林被害木自動検出装置１が、調査対象森林域における被害木を自動検出する。詳細には、第２実施形態の森林被害木自動検出装置１は、被害木として、感染木と枯死木と枯損木とを区分（識別）して検出する。
森林被害木自動検出装置１は、データ入力処理部１１と、画像切り出し処理部１２と、被害木検出処理部１３と、解析結果出力処理部１４とを備えている。
データ入力処理部１１は、調査対象森林域の空撮画像ＡＭのデータの入力を受け付ける。調査対象森林域の空撮画像ＡＭは、人工衛星または航空機によって撮影されたマルチスペクトル画像から生成されたオルソ画像である。
また、データ入力処理部１１は、その空撮画像ＡＭに含まれる「被害木の検出が行われる範囲ＡＲ」を指定する情報である検出範囲指定情報の入力を受け付ける。
画像切り出し処理部１２は、検出範囲指定情報（ポリゴンファイル）によって指定された「被害木の検出が行われる範囲ＡＲ」内にグリッドを生成することによって、空撮画像ＡＭ（マルチスペクトル画像から生成されたオルソ画像）から複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）を切り出す。
図１４に示す例では、第２実施形態の森林被害木自動検出装置１が、調査対象森林域における被害木を自動検出する。詳細には、第２実施形態の森林被害木自動検出装置１は、被害木として、感染木と枯死木と枯損木とを区分（識別）して検出する。
森林被害木自動検出装置１は、データ入力処理部１１と、画像切り出し処理部１２と、被害木検出処理部１３と、解析結果出力処理部１４とを備えている。
データ入力処理部１１は、調査対象森林域の空撮画像ＡＭのデータの入力を受け付ける。調査対象森林域の空撮画像ＡＭは、人工衛星または航空機によって撮影されたマルチスペクトル画像から生成されたオルソ画像である。
また、データ入力処理部１１は、その空撮画像ＡＭに含まれる「被害木の検出が行われる範囲ＡＲ」を指定する情報である検出範囲指定情報の入力を受け付ける。
画像切り出し処理部１２は、検出範囲指定情報（ポリゴンファイル）によって指定された「被害木の検出が行われる範囲ＡＲ」内にグリッドを生成することによって、空撮画像ＡＭ（マルチスペクトル画像から生成されたオルソ画像）から複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）を切り出す。
【0063】
被害木検出処理部１３は、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに含まれる被害木ＤＴ（感染木、枯死木、枯損木）を検出する。被害木検出処理部１３は、被害木探索処理部１３Ａと、被害木位置計算処理部１３Ｂと、照合処理部１３Ｃと、ノイズ削除処理部１３Ｄとを備えている。
被害木探索処理部１３Ａは、訓練データを用いた物体検出モデルの教師あり学習を行い、次いで、教師あり学習が行われた後の物体検出モデルを用いることにより、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに被害木ＤＴ（感染木、枯死木、枯損木）が含まれるか否かを判定する。
被害木探索処理部１３Ａは、訓練データを用いた物体検出モデルの教師あり学習を行い、次いで、教師あり学習が行われた後の物体検出モデルを用いることにより、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに被害木ＤＴ（感染木、枯死木、枯損木）が含まれるか否かを判定する。
【0064】
図１４に示す例では、物体検出モデルの教師あり学習に用いられる訓練データに、感染木、枯死木および枯損木を含む訓練データ用空撮画像と、訓練データ用空撮画像に含まれる感染木に外接する訓練データ用感染木外接矩形（訓練データ用感染木外接矩形）に施されたラベリング「感染木」と、訓練データ用空撮画像に含まれる枯死木に外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯死木」と、訓練データ用空撮画像に含まれる枯損木に外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯損木」とが含まれる。
他の例では、物体検出モデルの教師あり学習に用いられる訓練データに、感染木のみを含む訓練データ用空撮画像と、その訓練データ用空撮画像に含まれる感染木に外接する訓練データ用感染木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「感染木」と、枯死木のみを含む訓練データ用空撮画像と、その訓練データ用空撮画像に含まれる枯死木に外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯死木」と、枯損木のみを含む訓練データ用空撮画像と、その訓練データ用空撮画像に含まれる枯損木に外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯損木」とが含まれていてもよい（つまり、１つの訓練データ用空撮画像に感染木、枯死木および枯損木のいずれかのみが含まれていてもよい）。
他の例では、物体検出モデルの教師あり学習に用いられる訓練データに、感染木のみを含む訓練データ用空撮画像と、その訓練データ用空撮画像に含まれる感染木に外接する訓練データ用感染木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「感染木」と、枯死木のみを含む訓練データ用空撮画像と、その訓練データ用空撮画像に含まれる枯死木に外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯死木」と、枯損木のみを含む訓練データ用空撮画像と、その訓練データ用空撮画像に含まれる枯損木に外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯損木」とが含まれていてもよい（つまり、１つの訓練データ用空撮画像に感染木、枯死木および枯損木のいずれかのみが含まれていてもよい）。
【0065】
図１４に示す例では、被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに感染木が含まれるか否かの判定と、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに枯死木が含まれるか否かの判定と、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のそれぞれに枯損木が含まれるか否かの判定とを実行する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに感染木が含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる感染木に外接する矩形である検出対象感染木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯死木が含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる枯死木に外接する矩形である検出対象枯死木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯損木が含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる枯損木に外接する矩形である検出対象枯損木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに感染木が含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる感染木に外接する矩形である検出対象感染木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯死木が含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる枯死木に外接する矩形である検出対象枯死木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯損木が含まれると被害木探索処理部１３Ａによって判定された場合に、物体検出モデルは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに含まれる枯損木に外接する矩形である検出対象枯損木外接矩形（検出対象被害木外接矩形）を出力する。
【0066】
図１４に示す例では、被害木探索処理部１３Ａは、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木（感染木、枯死木、枯損木）が含まれると判定した場合に、教師あり学習が行われた後の物体検出モデルを用いることによって、各矩形画像ＲＭｉ（ｉ＝１～Ｎ）に被害木（感染木、枯死木、枯損木）が含まれる信頼度を算出する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに感染木が含まれると被害木探索処理部１３Ａによって判定された場合に、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象感染木外接矩形（検出対象被害木外接矩形）に基づいて、被害木検出処理部１３によって検出された感染木の位置情報を計算する。詳細には、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象感染木外接矩形（検出対象被害木外接矩形）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された感染木の位置として計算する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに感染木が含まれると被害木探索処理部１３Ａによって判定された場合に、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象感染木外接矩形（検出対象被害木外接矩形）に基づいて、被害木検出処理部１３によって検出された感染木の位置情報を計算する。詳細には、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象感染木外接矩形（検出対象被害木外接矩形）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された感染木の位置として計算する。
【0067】
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯死木が含まれると被害木探索処理部１３Ａによって判定された場合に、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象枯死木外接矩形（検出対象被害木外接矩形）に基づいて、被害木検出処理部１３によって検出された枯死木の位置情報を計算する。詳細には、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象枯死木外接矩形（検出対象被害木外接矩形）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された枯死木の位置として計算する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯損木が含まれると被害木探索処理部１３Ａによって判定された場合に、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象枯損木外接矩形（検出対象被害木外接矩形）に基づいて、被害木検出処理部１３によって検出された枯損木の位置情報を計算する。詳細には、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象枯損木外接矩形（検出対象被害木外接矩形）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された枯損木の位置として計算する。
画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに枯損木が含まれると被害木探索処理部１３Ａによって判定された場合に、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象枯損木外接矩形（検出対象被害木外接矩形）に基づいて、被害木検出処理部１３によって検出された枯損木の位置情報を計算する。詳細には、被害木位置計算処理部１３Ｂは、物体検出モデルによって出力された検出対象枯損木外接矩形（検出対象被害木外接矩形）の上下方向および左右方向の中心位置を、被害木検出処理部１３によって検出された枯損木の位置として計算する。
【0068】
図１４に示す例では、画像切り出し処理部１２によって切り出された複数の矩形画像ＲＭｉ（ｉ＝１～Ｎ）のいずれかに被害木（感染木、枯死木、枯損木）が含まれると被害木探索処理部１３Ａによって判定された場合に、照合処理部１３Ｃは、被害木位置計算処理部１３Ｂによって計算された被害木（感染木、枯死木、枯損木）の位置情報に基づいて被害木（感染木、枯死木、枯損木）の照合を行う。
ノイズ削除処理部１３Ｄは、被害木探索処理部１３Ａによって算出された信頼度に基づいて、被害木（感染木、枯死木、枯損木）をノイズとして削除する処理を行う。
解析結果出力処理部１４は、被害木検出処理部１３による解析結果（例えば図２に示す「被害木の検出が行われる範囲ＡＲ」内における被害木の位置、および、被害木が感染木であるか、被害木が枯死木であるか、あるいは、枯損木であるかの識別結果）を出力する。
ノイズ削除処理部１３Ｄは、被害木探索処理部１３Ａによって算出された信頼度に基づいて、被害木（感染木、枯死木、枯損木）をノイズとして削除する処理を行う。
解析結果出力処理部１４は、被害木検出処理部１３による解析結果（例えば図２に示す「被害木の検出が行われる範囲ＡＲ」内における被害木の位置、および、被害木が感染木であるか、被害木が枯死木であるか、あるいは、枯損木であるかの識別結果）を出力する。
【0069】
人工衛星または航空機によって撮影されたマルチスペクトル画像は、植物の活性により差が出る反射スペクトル特性を表すため、被害木検出処理部１３が地表面を感染木と誤検出するおそれ、被害木検出処理部１３が地表面を枯死木と誤検出するおそれ、および、被害木検出処理部１３が地表面を枯損木と誤検出するおそれは殆ど無い。
その点に鑑み、図１４に示す例では、第２実施形態の森林被害木自動検出装置１に、図１に示す地上高フィルタ処理部１５に相当する機能が備えられていない。
第２実施形態の森林被害木自動検出装置１によれば、人工衛星または航空機によって撮影されたマルチスペクトル画像を活用することによって、調査対象森林域に被害木（感染木、枯死木、枯損木）が存在するか否かおよび調査対象森林域に存在する被害木（感染木、枯死木、枯損木）の位置を把握することができる。
その点に鑑み、図１４に示す例では、第２実施形態の森林被害木自動検出装置１に、図１に示す地上高フィルタ処理部１５に相当する機能が備えられていない。
第２実施形態の森林被害木自動検出装置１によれば、人工衛星または航空機によって撮影されたマルチスペクトル画像を活用することによって、調査対象森林域に被害木（感染木、枯死木、枯損木）が存在するか否かおよび調査対象森林域に存在する被害木（感染木、枯死木、枯損木）の位置を把握することができる。
【0070】
＜第３実施形態＞
以下、本発明の森林被害木自動検出装置、森林被害木自動検出方法およびプログラムの第３実施形態について説明する。
第３実施形態の森林被害木自動検出装置１は、後述する点を除き、上述した第１実施形態の森林被害木自動検出装置１と同様に構成されている。従って、第３実施形態の森林被害木自動検出装置１によれば、後述する点を除き、上述した第１実施形態の森林被害木自動検出装置１と同様の効果を奏することができる。
以下、本発明の森林被害木自動検出装置、森林被害木自動検出方法およびプログラムの第３実施形態について説明する。
第３実施形態の森林被害木自動検出装置１は、後述する点を除き、上述した第１実施形態の森林被害木自動検出装置１と同様に構成されている。従って、第３実施形態の森林被害木自動検出装置１によれば、後述する点を除き、上述した第１実施形態の森林被害木自動検出装置１と同様の効果を奏することができる。
【0071】
第３実施形態の森林被害木自動検出装置１は、図１４に示す第２実施形態の森林被害木自動検出装置１と同様に構成されている。
第３実施形態の森林被害木自動検出装置１は、調査対象森林域における被害木を自動検出する。詳細には、第３実施形態の森林被害木自動検出装置１は、第１実施形態の森林被害木自動検出装置１と同様に、被害木として、枯死木と枯損木とを区分（識別）して検出する。
第３実施形態の森林被害木自動検出装置１（図１４参照）は、データ入力処理部１１と、画像切り出し処理部１２と、被害木検出処理部１３と、解析結果出力処理部１４とを備えている。
データ入力処理部１１は、空撮画像のデータとして、ドローンを用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像である可視光域オルソ画像のデータと、人工衛星または航空機によって撮影されたマルチスペクトル画像から生成されたオルソ画像であるマルチスペクトルオルソ画像のデータとの入力を受け付ける。
また、データ入力処理部１１は、可視光域オルソ画像およびマルチスペクトルオルソ画像に含まれる「被害木の検出が行われる範囲ＡＲ」を指定する情報である検出範囲指定情報の入力を受け付ける。
画像切り出し処理部１２は、可視光域オルソ画像から複数の矩形画像を切り出すと共に、マルチスペクトルオルソ画像から複数の矩形画像を切り出す。
第３実施形態の森林被害木自動検出装置１は、調査対象森林域における被害木を自動検出する。詳細には、第３実施形態の森林被害木自動検出装置１は、第１実施形態の森林被害木自動検出装置１と同様に、被害木として、枯死木と枯損木とを区分（識別）して検出する。
第３実施形態の森林被害木自動検出装置１（図１４参照）は、データ入力処理部１１と、画像切り出し処理部１２と、被害木検出処理部１３と、解析結果出力処理部１４とを備えている。
データ入力処理部１１は、空撮画像のデータとして、ドローンを用いて撮影された可視光域のＲＧＢカラー画像から生成されたオルソ画像である可視光域オルソ画像のデータと、人工衛星または航空機によって撮影されたマルチスペクトル画像から生成されたオルソ画像であるマルチスペクトルオルソ画像のデータとの入力を受け付ける。
また、データ入力処理部１１は、可視光域オルソ画像およびマルチスペクトルオルソ画像に含まれる「被害木の検出が行われる範囲ＡＲ」を指定する情報である検出範囲指定情報の入力を受け付ける。
画像切り出し処理部１２は、可視光域オルソ画像から複数の矩形画像を切り出すと共に、マルチスペクトルオルソ画像から複数の矩形画像を切り出す。
【0072】
被害木検出処理部１３は、可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに含まれる被害木（枯死木、枯損木）を検出すると共に、マルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに含まれる被害木（枯死木、枯損木）を検出する。被害木検出処理部１３は、被害木探索処理部１３Ａと、被害木位置計算処理部１３Ｂと、照合処理部１３Ｃと、ノイズ削除処理部１３Ｄとを備えている。
被害木探索処理部１３Ａは、可視光域オルソ画像の訓練データを用いた第１物体検出モデルの教師あり学習を行い、次いで、教師あり学習が行われた後の第１物体検出モデルを用いることにより、画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに被害木（枯死木、枯損木）が含まれるか否かを判定する。
また、被害木探索処理部１３Ａは、マルチスペクトルオルソ画像の訓練データを用いた第２物体検出モデルの教師あり学習を行い、次いで、教師あり学習が行われた後の第２物体検出モデルを用いることにより、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに被害木（枯死木、枯損木）が含まれるか否かを判定する。
被害木探索処理部１３Ａは、可視光域オルソ画像の訓練データを用いた第１物体検出モデルの教師あり学習を行い、次いで、教師あり学習が行われた後の第１物体検出モデルを用いることにより、画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに被害木（枯死木、枯損木）が含まれるか否かを判定する。
また、被害木探索処理部１３Ａは、マルチスペクトルオルソ画像の訓練データを用いた第２物体検出モデルの教師あり学習を行い、次いで、教師あり学習が行われた後の第２物体検出モデルを用いることにより、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに被害木（枯死木、枯損木）が含まれるか否かを判定する。
【0073】
第３実施形態の森林被害木自動検出装置１の一例では、第１物体検出モデルの教師あり学習に用いられる訓練データに、枯死木および枯損木を含む訓練データ用可視光域オルソ画像と、訓練データ用可視光域オルソ画像に含まれる枯死木に外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯死木」と、訓練データ用可視光域オルソ画像に含まれる枯損木に外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯損木」とが含まれる。
第２物体検出モデルの教師あり学習に用いられる訓練データには、枯死木および枯損木を含む訓練データ用マルチスペクトルオルソ画像と、訓練データ用マルチスペクトルオルソ画像に含まれる枯死木に外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯死木」と、訓練データ用可視光域オルソ画像に含まれる枯損木に外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯損木」とが含まれる。
第２物体検出モデルの教師あり学習に用いられる訓練データには、枯死木および枯損木を含む訓練データ用マルチスペクトルオルソ画像と、訓練データ用マルチスペクトルオルソ画像に含まれる枯死木に外接する訓練データ用枯死木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯死木」と、訓練データ用可視光域オルソ画像に含まれる枯損木に外接する訓練データ用枯損木外接矩形（訓練データ用被害木外接矩形）に施されたラベリング「枯損木」とが含まれる。
【0074】
被害木探索処理部１３Ａは、画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに枯死木が含まれるか否かの判定と、画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のそれぞれに枯損木が含まれるか否かの判定とを実行する。
また、被害木探索処理部１３Ａは、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに枯死木が含まれるか否かの判定と、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに枯損木が含まれるか否かの判定とを実行する。
画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに枯死木が含まれると被害木探索処理部１３Ａによって判定された場合に、第１物体検出モデルは、画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる枯死木に外接する矩形である検出対象枯死木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに枯損木が含まれると被害木探索処理部１３Ａによって判定された場合に、第１物体検出モデルは、画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる枯損木に外接する矩形である検出対象枯損木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに枯死木が含まれると被害木探索処理部１３Ａによって判定された場合に、第２物体検出モデルは、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる枯死木に外接する矩形である検出対象枯死木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに枯損木が含まれると被害木探索処理部１３Ａによって判定された場合に、第２物体検出モデルは、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる枯損木に外接する矩形である検出対象枯損木外接矩形（検出対象被害木外接矩形）を出力する。
また、被害木探索処理部１３Ａは、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに枯死木が含まれるか否かの判定と、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のそれぞれに枯損木が含まれるか否かの判定とを実行する。
画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに枯死木が含まれると被害木探索処理部１３Ａによって判定された場合に、第１物体検出モデルは、画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる枯死木に外接する矩形である検出対象枯死木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに枯損木が含まれると被害木探索処理部１３Ａによって判定された場合に、第１物体検出モデルは、画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる枯損木に外接する矩形である検出対象枯損木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに枯死木が含まれると被害木探索処理部１３Ａによって判定された場合に、第２物体検出モデルは、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる枯死木に外接する矩形である検出対象枯死木外接矩形（検出対象被害木外接矩形）を出力する。
画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに枯損木が含まれると被害木探索処理部１３Ａによって判定された場合に、第２物体検出モデルは、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる枯損木に外接する矩形である検出対象枯損木外接矩形（検出対象被害木外接矩形）を出力する。
【0075】
被害木探索処理部１３Ａは、画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに被害木（枯死木、枯損木）が含まれると判定した場合に、教師あり学習が行われた後の第１物体検出モデルを用いることによって、各矩形画像に被害木（枯死木、枯損木）が含まれる信頼度を算出する。
また、被害木探索処理部１３Ａは、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに被害木（枯死木、枯損木）が含まれると判定した場合に、教師あり学習が行われた後の第２物体検出モデルを用いることによって、各矩形画像に被害木（枯死木、枯損木）が含まれる信頼度を算出する。
被害木位置計算処理部１３Ｂは、可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれると被害木探索処理部１３Ａによって判定された被害木（枯死木、枯損木）の位置情報と、マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれると被害木探索処理部１３Ａによって判定された被害木（枯死木、枯損木）の位置情報とを計算する。
また、被害木探索処理部１３Ａは、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに被害木（枯死木、枯損木）が含まれると判定した場合に、教師あり学習が行われた後の第２物体検出モデルを用いることによって、各矩形画像に被害木（枯死木、枯損木）が含まれる信頼度を算出する。
被害木位置計算処理部１３Ｂは、可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれると被害木探索処理部１３Ａによって判定された被害木（枯死木、枯損木）の位置情報と、マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれると被害木探索処理部１３Ａによって判定された被害木（枯死木、枯損木）の位置情報とを計算する。
【0076】
可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置とマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置との距離が第１閾値（例えば、３ｍ）以内である場合に、被害木位置計算処理部１３Ｂは、可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）とマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）とが同一の被害木（枯死木、枯損木）であるとみなす。
また、被害木位置計算処理部１３Ｂは、可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置情報と、マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置情報との一方であって、被害木探索処理部１３Ａによって算出された信頼度が高い方を採用する。
ノイズ削除処理部１３Ｄは、可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置情報、および、マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置情報のうちの、被害木探索処理部１３Ａによって算出された信頼度が低い方をノイズとして削除する処理を行う。
また、被害木位置計算処理部１３Ｂは、可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置情報と、マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置情報との一方であって、被害木探索処理部１３Ａによって算出された信頼度が高い方を採用する。
ノイズ削除処理部１３Ｄは、可視光域オルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置情報、および、マルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに含まれる被害木（枯死木、枯損木）の位置情報のうちの、被害木探索処理部１３Ａによって算出された信頼度が低い方をノイズとして削除する処理を行う。
【0077】
画像切り出し処理部１２によって可視光域オルソ画像から切り出された複数の矩形画像のいずれかに被害木（枯死木、枯損木）が含まれると被害木探索処理部１３Ａによって判定された場合に、照合処理部１３Ｃは、被害木位置計算処理部１３Ｂによって計算された被害木（枯死木、枯損木）の位置情報に基づいて被害木（枯死木、枯損木）の照合を行う。
また、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに被害木（枯死木、枯損木）が含まれると被害木探索処理部１３Ａによって判定された場合に、照合処理部１３Ｃは、被害木位置計算処理部１３Ｂによって計算された被害木（枯死木、枯損木）の位置情報に基づいて被害木（枯死木、枯損木）の照合を行う。
解析結果出力処理部１４は、被害木検出処理部１３による解析結果（例えば図２に示す「被害木の検出が行われる範囲ＡＲ」内における被害木の位置、および、被害木が枯死木であるか、あるいは、枯損木であるかの識別結果）を出力する。
また、画像切り出し処理部１２によってマルチスペクトルオルソ画像から切り出された複数の矩形画像のいずれかに被害木（枯死木、枯損木）が含まれると被害木探索処理部１３Ａによって判定された場合に、照合処理部１３Ｃは、被害木位置計算処理部１３Ｂによって計算された被害木（枯死木、枯損木）の位置情報に基づいて被害木（枯死木、枯損木）の照合を行う。
解析結果出力処理部１４は、被害木検出処理部１３による解析結果（例えば図２に示す「被害木の検出が行われる範囲ＡＲ」内における被害木の位置、および、被害木が枯死木であるか、あるいは、枯損木であるかの識別結果）を出力する。
【0078】
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。
【0079】
なお、上述した実施形態における森林被害木自動検出装置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】
【0080】
１…森林被害木自動検出装置、１１…データ入力処理部、１２…画像切り出し処理部、１３…被害木検出処理部、１３Ａ…被害木探索処理部、１３Ｂ…被害木位置計算処理部、１３Ｃ…照合処理部、１３Ｄ…ノイズ削除処理部、１４…解析結果出力処理部、１５…地上高フィルタ処理部、ＡＭ…空撮画像、ＡＲ…被害木の検出が行われる範囲、ＤＴ…被害木、ＤＴＡ…枯死木、ＤＴＢ…枯損木、ＤＥＲ…検出対象被害木外接矩形、ＴＭ…訓練データ用空撮画像、ＴＥＲ…訓練データ用被害木外接矩形
【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】