- 11月 9, 2026
バンレイシの病害検出をAIで自動化|YOLOv12が実証した高精度診断
ベトナムのバンレイシ農園で発生する炭疽病や黒斑病など5種の病害を、最新AIモデルYOLOv12sで検出するシステムを構築した。実地画像による検証でmAP0.5は0.904を記録し、従来のYOLOv8s比で精度が向上。画像1枚あたり18.3msでの推論が可能で、現場での早期防除支援に貢献する。
ベトナムのバンレイシ農園で発生する炭疽病や黒斑病など5種の病害を、最新AIモデルYOLOv12sで検出するシステムを構築した。実地画像による検証でmAP0.5は0.904を記録し、従来のYOLOv8s比で精度が向上。画像1枚あたり18.3msでの推論が可能で、現場での早期防除支援に貢献する。
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。
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。
棚栽培作物の側面画像において、深度推定とゼロショットセグメンテーションを融合させることで、隣接列の干渉を排除し、葉・果実・病害を学習なしで高精度に分離するオープンソースフレームワーク「FrontVeg V2」を提案する。