農業AI アーカイブ - 先端農業マガジン

小麦・トウモロコシの収量予測AIが陥った「データ重複」の罠｜検証方法の見直しで精度が激減

パキスタン・パンジャブ州の作物収量予測において、データ結合時の重複により機械学習モデルの精度が虚偽に高まる現象を指摘。厳密な時系列検証では複雑なモデルは失敗し、単純なトレンド分析が最良となる結果を示した。

植物病の「診断」と「患部特定」を同時に行うAIモデルAgroGroundを提案。自動アノテーションで構築した大規模データと混合指示学習により、2Bパラメータのモデルが教師モデルを上回る局所化精度を達成した。

灌漑やセンサー校正など、学習データに混入した非定常なノイズが、Mambaモデルの予測に長期的なバイアスとして残る問題を解決する手法『SSU-LSF』を提案。再学習不要で、精度低下を抑えつつバイアスを除去します。

トルコの農業技術集積地では、搾乳ロボットや綿花収穫機が連携し、労働負荷を低減しています。動物が自ら搾乳時間を決める自律型システムや、高校生向けのAI病害診断教育など、次世代への技術継承も推進。日本のスマート農業導入における、ハードウェア連携と人材育成のヒントを探ります。

本論文は、従来の孤立したセンシング手法から、作物全体の状態を統合的に理解するPhenoAgentという次世代の農業AIフレームワークを提案。マルチモーダルデータ融合とエージェント型推論により、作物の成長・ストレス・管理の最適化を実現する。

農業における Weed 検出の精度向上を目指し、複数の公開データセットを用いた YOLO26 ベンチマークを実施。モデルの性能とドメインシフトの影響を明らかにした。

FarmDroidはセンサーとAIを活用した自動除草ロボットで、従来の除草剤使用量を大幅に削減する可能性を示しています。農業の持続可能性向上に向けた実証実験が進行中です。

DJI Agras T50を用いたマッピング作業の手順を解説。最大13ヘクタールに対応し、RTKベースステーションとの連携で高精度な測量が可能。次に続くスプレーミッションへの活用も視野に。

農業現場で撮影された低品質画像を対応するため、画像品質判定、作物識別、病害・害虫診断を3段階に分離したパイプラインを提案。従来の1モデル方式と比較し、精度と柔軟性の向上を実現。

熱赤外画像における植物セグメンテーションのための新しいアノテーション手法として、SAM-CLIPとアクティブラーニングを組み合わせた手法を提案。手動アノテーションの負担を軽減しつつ、高品質なデータセット構築を実現。