ドローン画像から畑全体の収量を予測する研究は多くあります。2023年の Scientific Reports 論文は一歩細かく、ハクサイ1196株を個体ごとに検出し、各株の収穫重量を予測しました。
RGB画像で95%以上の個体を検出
東京の実験圃場で、UAVにRGB cameraとmultispectral cameraを搭載して複数時点の画像を取得しました。RGB orthomosaicとobject detectionを使うことで、個体の95%以上を自動検出できました。
個体ごとに位置を追跡できるため、同じ株について生育時期の異なる形態・spectral featureを積み重ねられます。
複数時点のfeatureで収穫重量R²=0.86
multi-temporal featuresを使った最良モデルでは、個体収穫重量のpredictionでR²=0.86、RMSE=436 g/plantを達成しました。
単一時点だけでなく、生育経過を時系列で見ることが精度向上に効いた点が重要です。
収穫53日前でもR²>0.72
さらに、収穫の最大53日前でもR²>0.72、RMSE<560 g/plantの予測が可能でした。
これは、収穫直前に重さを当てるだけでなく、1か月以上前から個体差を把握し、作業計画や選抜へ使える可能性を示します。
「AIでどこでもキャベツ重量が分かる」わけではない
試験は1196株を植えた一つの実験圃場・特定栽培条件で行われました。品種、作型、地域、土壌、撮影高度、camera、天候が変わった場合に同じ精度が出るかは別途検証が必要です。
またR²=0.86でも個々の株に数百g単位の誤差があります。出荷規格判定などに直接使うには、目的に応じた誤差許容幅の評価が必要です。
研究用途と営農の両方に面白い
個体ごとの時系列phenotypingができれば、栽培管理だけでなく育種試験でも有用です。多数個体を非破壊で追跡し、最終重量と途中の生育特徴を結び付けられるためです。
UAV×AIの価値は「畑を上から撮れること」だけではなく、個体を識別して時間軸を持ったデータへ変換できる点にあります。
関連するテーマとして、作物の暑さ被害を測るなら日平均よりdaily extremes――ERA5-Land/GMFDはアフリカでも使えるかもあわせて読むと背景がつながります。
関連するテーマとして、AI育種シミュレーションはどこまで「育種」なのか――合成データ中心のbioRxiv概念実証を読むもあわせて読むと背景がつながります。
関連するテーマとして、厚さ4.5 µm・透過率85%以上のPlant e-skin――葉を覆いながら成長と温度を連続計測もあわせて読むと背景がつながります。
関連するテーマとして、雨水eDNAで40 m上の樹冠を読む――Amazon原生林とplantationの多様性差を非侵襲で検出もあわせて読むと背景がつながります。
参考文献
- Aguilar-Ariza A et al. UAV-based individual Chinese cabbage weight prediction using multi-temporal data. Scientific Reports. 2023;13:20122. https://doi.org/10.1038/s41598-023-47431-y
コメント