- 10月 28, 2026
肥料AIの「単一モデル依存」がもたらす社会的損失|分散配置で19%改善
肥料推奨AIが全農家で同一モデルに依存すると、共通誤差が蓄積し社会的コストが増大する。モロッコのデータで検証し、モデルを分散配置することで社会的損失を平均19.4%低減できることを示した。
肥料推奨AIが全農家で同一モデルに依存すると、共通誤差が蓄積し社会的コストが増大する。モロッコのデータで検証し、モデルを分散配置することで社会的損失を平均19.4%低減できることを示した。
自己教師あり学習モデルDINOv2に、学習時に分岐を切り替える軽量な統合ヘッドを組み合わせる手法を提案した。キュウリの生育段階分類において、パラメータ数千万規模の大型モデルと同等の精度を、スマートフォンでも動作する軽量構成で実現した。
地上写真の視覚情報を衛星画像モデルへ転移させる知識蒸留手法を提案した。推論時には地上写真が不要でありながら、時間や地域が変わっても分類精度の低下を抑え、運用コストと精度の両立に貢献する。
オリーブ病害分類におけるデータ不足と不均衡に対し、DCGANやCutMix等の高度な生成手法を組み合わせ、3つのデータ分布シナリオで検証した。バランス調整とデータ増強の組み合わせにより、モデルの汎化性能と精度を向上させた。
AlphaEarth埋め込みは、従来のNDVI等よりも作物間の分布的重なりを明確に分離し、輪作動態の検出に優れる。一方で、地域間転移では調和特徴が有利であり、両者を組み合わせたハイブリッド戦略が有効である。
100万件の農業データを用いた収量予測実験で、単純な線形回帰がテストR2値0.913を記録し、ランダムフォレストの過学習を抑えた結果を報告する。複雑なモデルより線形モデルが安定した基盤となる可能性を示唆する。
既存の単一センサーでは検知が遅れる作物ストレスを、土壌と画像のデータ融合により早期発見する装置を開発した。クラウド不要で205ドルという低コストを実現し、温室試験で87%の精度と4日間の早期警告性能を実証した。
干ばつ耐性イネの主要QTL qDTY2.2とqDTY4.1について、染色体レベルのゲノム解析を実施した。参照ゲノムでは見逃されていた構造変異や遺伝子内容を解明し、ドナー由来のハプロタイプを追跡可能なSNPマーカー群を開発した。
通信環境の悪い圃場でも、作業機ECUからトラクターへマニュアルを転送し、ローカルLLMで多言語質問に答える仕組みを提案。ISOBUS既存規格で実現可能であり、軽量モデルで実用性を確認した。
ReLEAPは、形式が異なる15の農業画像データセットを統合し、既存アノテーションを再利用して高レベルなアノテーションを自動生成するフレームワークです。統合データによる学習とSAM 3等の活用により、手動アノテーションの負担を軽減し、データ活用効率を大幅に向上させます。