爪色の変化によるものの重さの推定

!"!#$%$!& '()*+ ⽖⾊の変化によるものの重さの推定 B4 松⽥さゆり

研究背景 ⽇常⽣活においてものの重さや量をはかることはよくある 例：料理 2

料理に関するアンケート調査 72%が材料の計量を⾯倒と感じている • • • 余計な洗い物が増える ⼿間がかかる いちいち道具を⽤意することが⾯倒 3

料理に関するアンケート調査 72%が材料の計量を⾯倒と感じている • • • 余計な洗い物が増える ⼿間がかかる いちいち道具を⽤意することが⾯倒 そもそも道具を持ち合わせていないことも 4

料理に関するアンケート調査 72%が材料の計量を⾯倒と感じている • • • 余計な洗い物が増える ⼿間がかかる いちいち道具を⽤意することが⾯倒 そもそも道具を持ち合わせていないことも !"#$%&'( 5

問題 ⼈間の⽬分量は正確ではない 6

⽬的 はかりなしで ものの重さをはかりたい 7

提案⼿法 ⽖⾊の変化で重さを推定する 8

関連研究 ⽖の⾊から、⽖が押している⼒の⼤きさと⽅向を推定 [Mamenoら 2014] !" !" !" !" 10

仮説 持っているものが重くなるほど、⽩い部分が増える さらに、⾚い部分はより⾚くなり、⾊変化がはっきりする。 11

予備検討（持ち⽅） つまみ持ち ⽖⾊は、⽖の先端から変化する[迫⽥] 最も⽖⾊が変化しやすい 横持ち 逆さ持ち 12

予備検討（持ち⽅） つまみ持ち ⽖⾊は、⽖の先端から変化する[迫⽥] 最も⽖⾊が変化しやすい 横持ち 逆さ持ち つまみ持ちを採⽤ 13

予備検討（抽出⽅法） 四⾓形認識 Vが170以下 抽出精度が⾼い ⽖の先まで抽出がしやすい 14

実験 0ｇから500gまで50ｇ区切りに⽔を⼊れたペットボトル ⼀本あたり5枚ずつ撮影 ⼤学⽣17名 合計935枚 15

結果（RGB） 0gを持った時との差分 100 ←根元 150 200 250 300 ⽖の根元からの距離(px) 350 400 先端→ 16

結果（RGB） 0gを持った時との差分 100 ←根元 150 200 250 300 ⽖の根元からの距離(px) 350 400 先端→ 17

結果（RGB） 0gを持った時との差分 100 ←根元 150 200 250 300 ⽖の根元からの距離(px) 350 400 先端→ 18

結果（RGB） 0gを持った時との差分 100 ←根元 150 200 250 300 ⽖の根元からの距離(px) 350 400 先端→ 19

最⼤値（RGB） G B 250px-350px内での最⼤値 250px-350px内での最⼤値 50 100 150 200 250 300 350 400 450 500 50 100 150 200 250 300 350 400 450 500 持っている重さ(g) 持っている重さ(g) HSVのH、Sでも同じような傾向が⾒られた 20

機械学習 G 特徴量 • 最⼤値 • 最⼩値 • 平均値 • 変化量 • 傾き 23

機械学習 線形回帰分析 ・全員平均 左⽖ 右⽖ 平均⼆乗偏差 104.92 g 106.76g 決定係数 0.21 0.45 ・最も精度が良かった人 左⽖ 右⽖ 平均⼆乗偏差 50.59 g 26.96 g 決定係数 0.89 0.97 24

考察 • 重いものを持つと ⽩⾊に近づく、先端にかけて急な⾊変化に • 推定率が低い、変化のしやすさには個⼈差がある ⼈による抽出部分のずれ 学習データ枚数の量 25

追実験 学習データを増やした ⼀本につき80枚の画像を撮影 合計1760枚 平均⼆乗偏差 約20枚で 精度が安定する傾向 学習データ枚数 26

今後 学習データ枚数を増やし、個⼈に応じた分析⽅法に 他の持ち⽅の検討 計量対象の検討 27

まとめ 背景：⼈間の⽬分量は正しくない ⽬的：道具なしでものの重さを測れるようにしたい ⼿法：⽖の⾊の変化を利⽤ 画像処理 仮説：重いものを持つと⽩くなる、⾊変化が⼤きくなる 実験：50gごと持って撮影、機械学習 結果：約100gの誤差 考察：重いものを持つと⽩⾊に近づく傾向 28