- 11月 3, 2026
エチオピアのトウモロコシ栽培適地をAIで判定|Gradient Boostingで精度99.4%
エチオピアの3地域で収集したデータを用い、機械学習によるトウモロコシの栽培適地分類を検証した。Gradient Boostingと逐次特徴選択を組み合わせ、精度99.41%を実現し、従来の手作業やGIS評価の課題を解消した。
エチオピアの3地域で収集したデータを用い、機械学習によるトウモロコシの栽培適地分類を検証した。Gradient Boostingと逐次特徴選択を組み合わせ、精度99.41%を実現し、従来の手作業やGIS評価の課題を解消した。
合成肥料の環境負荷に対し、バイオ炭やナノ材料などの炭素系肥料が養分放出制御と土壌健康改善を同時に実現する可能性を解説。廃棄物資源化と低炭素農業への貢献を論じる。
水耕栽培ではECやpHだけでは個別の養分不足を検知できない。本論文はイオン選択電極やIoT技術を用いた計測から制御、検証までの全工程をレビューし、スマート温室での安定運用に向けた技術的課題と解決策を提示する。
本論文は、UAVと衛星の多源リモートセンシングデータ融合および深層学習を用いた精密農業の最新動向を総括する。従来のレビューでは不足していた、異種データから現場での意思決定への転換プロセスと、融合手法が機能する条件・限界を詳細に分析し、技術の現実的な適用可能性を評価する。
植物マルチオミクスは、現場計測の代替ではなく、堅牢なマーカーや標的を発見し、低コスト診断ツールへ転換する役割を担う。本論文は、主要作物の育種、土壌健康、農業資材開発における応用事例を、証拠の強さと再現性の観点から体系的に評価し、実装への道筋を示す。
母豚の耳タグ加速度データから、Symbolic Regressionを用いて出産までの残り時間を予測する手法を提案した。生成された数式によりAIの判断根拠が明確になり、平均絶対誤差9.28時間で従来の深層学習モデルを上回る精度と解釈性を両立した。
AlphaEarth埋め込みは、スペクトル的に類似した作物の区別や輪作動態の捉え方で優位だが、地域間転移では従来特徴量に劣る。両者の特性を活かしたハイブリッドな特徴選択が重要である。
気象予報だけでは分からない「どの作物がどれくらい損をするか」を、保険記録と因果分析に基づくAIエージェント「WxCrop」で予測する。ハリケーンや霜害に対し、郡単位の損害率を数値で提示し、迅速な支援を可能にする。
気象データと画像データを融合させる際、片方のデータが支配的になる問題を解決するため、単独で学習した教師モデルの知識を学生モデルに伝達するSMD手法を開発した。作物画像を用いた場合、従来の最先端手法より誤差を1.2%低減し、より正確な土壌水分推定を可能にする。
250m解像度のMODIS時系列データから30m級のアグリマップを生成するAI「UnMixMamba」を開発。混合ピクセルの割合推定と可変スペクトルモデルを統合し、カナダ・アルバータ州で従来手法を上回る精度を達成した。