- 10月 12, 2026
小規模農家向け果実選別を低コストAIで自動化|回転動画解析のS2FI
中小規模農家向けの低コスト・軽量な果実選別システム「S2FI」を提案。Mambaを用いた時空間モデルで回転動画から品質を判定し、腐敗果検出率100%と高い汎用性を実現。
中小規模農家向けの低コスト・軽量な果実選別システム「S2FI」を提案。Mambaを用いた時空間モデルで回転動画から品質を判定し、腐敗果検出率100%と高い汎用性を実現。
農業収穫技術の分類を「物理的除去原理」と「自動化レベル」の2軸で再定義。自動化が進んでも選択性が伴わない現状を分析し、知覚と局所駆動が結びついた真の選択的収穫への移行条件を提示した。
農業ロボットの自律走行に必要な作物列検出を、わずか13.1kパラメータの超軽量AI「UltraLight Luma」で実現。従来のYOLOv8比で約240分の1のサイズながら、省電力かつリアルタイムでのナビゲーションライン抽出に成功した。
AIモデル「SMCast」により、欧州域内の根層土壌水分を最大50日間、既存の気象予報システムより高精度に予測可能に。物理単位の残差学習が鍵となり、急激な干ばつ(フラッシュ干ばつ)の早期警戒に貢献するが、急峻な発生タイミングの予測は依然として課題。
高価なドローンやマルチスペクトルカメラに代わり、ESP32搭載の低コスト自律ロボット2台が作物列を連続走行。葉の色と環境データを統合し、栄養不足や病気の兆候を84.12%の精度で早期検知、Webダッシュボードで可視化する。
パキスタン・パンジャブ州の作物収量予測において、データ結合時の重複により機械学習モデルの精度が虚偽に高まる現象を指摘。厳密な時系列検証では複雑なモデルは失敗し、単純なトレンド分析が最良となる結果を示した。
植物病害検出AIの実用化が進まない主因は、モデル性能ではなく「ラボ生成データ」の限界にある。本論文は、実環境の多様性を捉えたデータセットの不足と、環境情報との統合不足を指摘し、次世代の精密農業向けデータ設計指針を提示する。
棚栽培作物の側面画像において、深度推定とゼロショットセグメンテーションを融合させることで、隣接列の干渉を排除し、葉・果実・病害を学習なしで高精度に分離するオープンソースフレームワーク「FrontVeg V2」を提案する。
インド・パンジャブ州の収穫後焼畑を、ラベル不足下でSentinel-2とVIIRSデータを用いた弱教師学習でマッピング。内部精度と外部校正を分離し、地域規模の負荷評価には有効だが、ピクセル単位の境界特定には限界があることを示した。
実験室条件で学習した病害検出AIは、実現場の画像では精度が劇的に低下する。本研究は多地域データを統合した新ベンチマーク『MLD』を提案し、データ多様性の確保と階層型分類手法により、実現場での汎化性能を部分的に回復させることを実証した。