- 11月 10, 2026
植物の3D構造解析を小型端末で高速化|Multiscale EdgeGATの軽量AI
植物の茎や葉を3D点群から識別する軽量AIモデルMultiscale EdgeGATを提案。幾何学処理の最適化により、Raspberry Pi 5での推論遅延を約54〜63%短縮し、小型端末での現場利用可能性を示した。
植物の茎や葉を3D点群から識別する軽量AIモデルMultiscale EdgeGATを提案。幾何学処理の最適化により、Raspberry Pi 5での推論遅延を約54〜63%短縮し、小型端末での現場利用可能性を示した。
GoogleのAlphaEarth Foundations埋め込みとFields of the Worldマップを組み合わせ、モロッコ全土の作物分類を約5時間で完了させるワークフローを提案した。生画像処理を省き、精度87.17%を達成した。
通信環境が限られる農業現場向けに、ローカルLLMとRAG技術を用いたトマト病害診断チャットボットを開発した。Llama 3.2は高い意味的関連性を持ち、Mistralは軽量で高速な応答を提供する。
農業ロボットの研究と人材育成を支援する、低コストでモジュール式のオープンソース基盤「Agibot」を提案する。4輪独立スワードライブと検証機能付きの自律制御により、複雑な圃場環境での作業実行と成功判定を可能にする。
3Dマルチスペクトル画像とハイパースペクトル画像を融合させた機械学習モデルを開発し、植物が受けた環境ストレスの種類を特定する手法を提案した。単独データでは72〜81%の精度にとどまるが、両者を組み合わせることで88.9%の高精度な分類を達成した。
ソフトロボットの吸盤に光センサーを組み込み、キウイとの接触力を高精度に推定した。未知の果実でも誤差0.138Nを実現し、損傷防止と安定把持の両立に貢献する。
カナダで発生した高病原性鳥インフルエンザの空間的ホットスポットを特定し、水鳥密度や植生、気候要因が感染に与える影響をAIで解析。渡り鳥の移動距離を反映したモデルで、発生リスクの予測精度を高め、監視体制の効率化に貢献する。
気候変動による干ばつや塩害に対し、植物と微生物の集合体である「ホロビオント」の機能維持が重要だと指摘。宿主のシグナル伝達と微生物群集の相互作用を解明し、合成微生物群集(SynComs)を用いた耐性強化戦略を提示する。
ブラジルの実農場で撮影したUAV画像を用い、YOLOによる牛の頭部検出とSAMによる飼槽分割を組み合わせた。算出した幾何学指標により、飼槽前の牛の整列状態や分散パターンを客観的に評価する手法を提案した。
曲がりキュウリの長さ計測を低電力エッジデバイスで実現した研究。Jetson Orin NanoではTensorRT FP16により検出遅延を2.57倍短縮しつつ、ワークステーションと同等の精度(MAE 0.58cm)を維持。Raspberry Piでは省電力だが処理負荷が高く、プラットフォーム選択がエネルギー効率に直結