- 11月 19, 2026
作物残渣の被覆率を低コストで推定|生成AIで不足データを補完する新手法
FINCH衛星向けに、作物残渣の被覆率を推定する際の問題であるデータ不足と複雑なスペクトル特性に対応するため、生成AIで合成データを増やして学習する枠組みを提案。実測データのみでの学習より、複雑なモデルの精度向上に寄与する可能性を示した。
FINCH衛星向けに、作物残渣の被覆率を推定する際の問題であるデータ不足と複雑なスペクトル特性に対応するため、生成AIで合成データを増やして学習する枠組みを提案。実測データのみでの学習より、複雑なモデルの精度向上に寄与する可能性を示した。
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。
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。
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。
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。
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。
ドローンに搭載するマルチスペクトルカメラは、可視光以外の波長を捉え植物の光合成活動や土壌状態を解析します。NDVIマップ作成による病害早期発見や、DJI Mavic 3 Multispectralと高機能機材の比較、データ処理に必要なGISスキルについて解説します。
インド・パンジャブ州の収穫後焼畑を、ラベル不足下でSentinel-2とVIIRSデータを用いた弱教師学習でマッピング。内部精度と外部校正を分離し、地域規模の負荷評価には有効だが、ピクセル単位の境界特定には限界があることを示した。
インド・パンジャブ州の小麦作付面積推定において、行政記録と衛星画像の不一致(ラベルノイズ)が精度低下の主因であることを実証。XGBoostを用いた小規模データ向け分類器により、公式統計との乖離を+2.99%まで抑制し、行政の空間マスク自体のバイアス(+25.11%)を克服した。
U-NetとPrithviモデルのアンサンブルで葡萄園適地予測精度向上 📄 論文サマリー 著者:Jorge Ignacio Perez、Hwaai Kang Kee、Lucas Rassbach 発表:arXiv(コンピュータビジョン)/2607.08449v1 公開日:2026年07月09日 ✨ 本論文の新規性 U-NetとPrithvi-EO-2.0のアンサンブル手法を用いて、南フランスの葡萄 […]