- 11月 20, 2026
果物の自動セグメンテーションを高精度化|軽量AIモデル「SegAnyFruit」が現場対応
SegAnyFruitは、Web画像と農業データを段階的に学習することで、未知の果実や環境でも高精度なインスタンスセグメンテーションを可能にする軽量AIフレームワークです。プロンプト不要でエッジデバイスでのリアルタイム処理を実現し、収穫ロボットや品質検査への応用が期待されます。
SegAnyFruitは、Web画像と農業データを段階的に学習することで、未知の果実や環境でも高精度なインスタンスセグメンテーションを可能にする軽量AIフレームワークです。プロンプト不要でエッジデバイスでのリアルタイム処理を実現し、収穫ロボットや品質検査への応用が期待されます。
FINCH衛星向けに、作物残渣の被覆率を推定する際の問題であるデータ不足と複雑なスペクトル特性に対応するため、生成AIで合成データを増やして学習する枠組みを提案。実測データのみでの学習より、複雑なモデルの精度向上に寄与する可能性を示した。
視覚が遮断される密な植物環境で、触覚のみを用いて枝を回避・操作する拡散ポリシー「SPICE」を提案。視覚ベースの手法が失敗する条件下でも、枝の操作成功率95%を記録し、未知の植物への転用性も示した。
チアシードの品種判別において、種子画像から得られる形態・色特徴と、対応する実験区の生化学組成データを組み合わせた分類モデルを開発した。XGBoost等のアルゴリズムを用いた結果、約87%の精度を達成し、生化学データが判別性能の向上に貢献することを実証した。
穀物のマイコトキシン汚染に対し、高感度検出、生体・ナノ触媒解毒、再汚染防止包装を統合した管理戦略を提唱。AIやIoTを組み込み、農場から食卓までリアルタイムで安全を確保する持続可能な解決策を示す。
EUの動物福祉政策において、行動観察に加え心拍数や体温などの生理指標をPLF技術で統合する重要性を提言。非侵襲的モニタリングにより、臨床症状出現前のストレス検出と持続可能な畜産への貢献を示す。
ブラジルの研究チームが、ブロイラーの座り・立ち・摂食行動をAndroidスマホで自動分類するシステムを開発した。YOLOv11モデルを用い、静止姿勢は高精度で検出できたが、摂食行動の検出には課題が残った。
オランダの2農場で撮影した群飼育子牛の動画651時間と、遊び行動の詳細なアノテーションを公開した。カメラ時計のOCRとAI追跡を組み合わせ、自動行動認識モデルの開発と検証に使える大規模データを提供する。
衛星時系列データを用いた作物分類において、SHAPなどの説明手法が示す「重要なスペクトル帯」は、再学習時の性能向上を保証しないことが判明した。スペクトル帯間の高い相関により、重要度上位帯と下位帯の再学習精度に有意な差が見られない事例を確認し、既存の検証基準の限界を指摘した。
マーストリヒト大学の研究チームが、機械収穫中のブルーベリー熟度をリアルタイム推定するシステムを開発した。YOLOモデルを用いた画像解析を産業用PCのCPUのみで実行し、GPU不要で手動計測とほぼ同等の精度を記録した。