論文紹介アーカイブ - 4ページ目 (19ページ中)

レタスの画像解析で精度向上｜PSAMモデルによる少量学習セグメンテーション

レタスの画像から農業現場の複雑な背景を排除し、少量のラベルデータで高精度なセグメンテーションを実現するPSAMモデルを提案。農業AIの実用化に向けた新しいアプローチ。

リッチーの果実数を自動で計測するFG-LCNetという手法を提案。複雑なオクルージョンや照明変化に強い精度を実現し、実際の農場での応用が期待できる。

作物健康（CH）は土壌健康、栄養価、食料安全保障と密接に関連しており、One Healthアプローチを用いることで持続可能な農業が実現可能である。特に土壌有機物の増加と生物多様性の維持が重要視される。

放牧環境下での sheep の福祉を高めるために、加速度計や GPS などのウェアラブルセンサー、コンピュータビジョン技術、環境センシングが活用されている。特に、運動パターンの変化から早期に跛行を検出できる精度が 85% に達し、実際の飼養現場での導入が期待されている。

農業現場での作物観察を支援するため、複数の3Dメッシュ再構築手法を評価。特にGGGS手法が優れた精度を示し、作物の形態や成長状況を高精度に再現可能。

本研究では、rice panicleのアノテーションデータを活用し、小麦花穂のセグメンテーションを行うクロスクロップ転送手法ZCATを提案。人間によるスクリーニングにより高品質な疑似ラベルを抽出し、従来の手動アノテーションと同等の精度を達成。

農業現場で変化する環境に適応できるマルチモーダル継続学習手法MCLC-NETを提案。RGB、深度、赤外線画像を統合し、リアルタイムでの葉枚数推定を実現。MMLCデータセットを公開し、継続学習のベンチマークを提供。

VT-SCCは、小麦、トウモロコシ、稲、大豆など主要な作物に対応した統一型個体数計測手法。視覚とテキストのマルチモーダル情報を統合し、複雑な農場環境下でも高精度な計測を実現。特に、背景と被写体の視覚的類似性による誤検出を抑制するテキストガイドによるセマンティックフィールドが特徴。

農業土壌におけるN2O排出を抑えるため、細菌と菌根真菌の inoculant を用いる手法が効果的であることが示された。特に塩害環境下でも抑制効果が確認され、持続可能な農業の実現に貢献する可能性がある。

本研究では、精度農業における自律ロボットのためのSemantic SLAMフレームワークを提案。リアルタイムで作物の位置と属性（種類、病害、サイズなど）を推定し、農業作業の効率化を実現する。