論文紹介アーカイブ - 先端農業マガジン

肥料や耕起の最適化をAIで解析｜階層型パラメータ空間への新手法

農業ABMの階層的な意思決定構造に対応した感度分析手法を提案した。Random ForestとHSIC-ANOVAを組み合わせ、窒素流出や収量への影響を正確に評価する。

イチゴの果実を傷つけず茎を切断する収穫課題に対し、人間の遠隔操作デモから視覚と動作を統合するACTポリシーを学習させた。低コストハードウェアで実機展開し、茎への接近・把持動作の自動化に成功した。

IIT Ropar等の研究チームが開発した農業向け視覚基盤モデル「A100」は、300万枚の無ラベル画像で事前学習。ラベルが1%しかない環境でも作物分類98.01%、病害検出99.02%の高精度を実現し、モデルを公開予定。

韓国でのGM作物輸入に伴う環境漏出リスクに対し、bar遺伝子を標的としたRPA技術と簡易DNA抽出法を開発した。39℃で25分の等温増幅により、専用機器を使わず現場での迅速なスクリーニングを可能にした。

水耕レタスの収穫において、シミュレーション環境のみで学習した強化学習ポリシーを実機へ転送し、側面からの安全な接近を実現した。従来手法比で到達率94.7%、振動を最大73%低減し、実環境での安定収穫を可能にした。

エチオピアのジャガイモ生産現場向けに、軽量なCNNモデルを開発した。制御下データで98.66%、現場実地データで90.28%の精度を記録。既存の大型モデルより計算コストを抑え、小規模農家向けの病害診断アプリへの展開可能性を示した。

大型言語モデル（LLM）の土壌有機炭素評価への適用性を検証した研究です。実測データとの比較、単位変換時の計算精度、類似圃場の識別能力を独立して評価し、AI出力を生態学的証拠として無検証で使うことのリスクを指摘しました。

サトウキビの葉病検出において、注釈付きデータが不足する課題に対し、Mean-Teacherモデルと離散ウェーブレット変換を組み合わせた半教師あり学習手法を提案。擬似ラベルの信頼性を高め、限られたデータで完全教師ありモデルに匹敵する精度を達成した。

ミニトマトの収穫における果実損傷と低成功率という課題に対し、人間の手による摘み取り動作の力覚データを詳細に解析した。このデータに基づき、柔軟性と剛性を兼ね備えた新型グリッパーを設計・実装し、実環境での高効率かつ低損傷な自動収穫を可能にした。

中国農業大学の研究チームが、牛の熱中症を非接触で監視する統合フレームワーク「CowCare」を提案した。視点が異なる複数カメラからの映像を統合し、個体の追跡と微細な行動解析を高精度で行う。