- 11月 19, 2026
チアシードの品種判別をAIで自動化|画像と生化学データの融合解析
チアシードの品種判別において、種子画像から得られる形態・色特徴と、対応する実験区の生化学組成データを組み合わせた分類モデルを開発した。XGBoost等のアルゴリズムを用いた結果、約87%の精度を達成し、生化学データが判別性能の向上に貢献することを実証した。
チアシードの品種判別において、種子画像から得られる形態・色特徴と、対応する実験区の生化学組成データを組み合わせた分類モデルを開発した。XGBoost等のアルゴリズムを用いた結果、約87%の精度を達成し、生化学データが判別性能の向上に貢献することを実証した。
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。