東京大学の研究グループ、ドローンとAIを組み合わせた作物計測技術を開発

作物の成長を正確に把握するためには、高さ、枝の数、葉の枚数、そして植物体全体の重さといった多くのデータが必要とされている。中でも植物体の重さは、生育状況や収穫量を予測する上で非常に重要な指標となる。

しかし、従来の方法では植物を刈り取ることでしか測定できず、例えば、同一個体の成長過程を追跡することは困難だった。そのため、これらのデータを手作業で集めることは、研究の進展にとって大きなボトルネックとなっていた。

こうした中、東京大学大学院農学生命科学研究科の岩田洋佳教授らの研究グループは、ドローンに搭載されたカメラで収集したデータと機械学習を組み合わせ、作物の特徴を効率的に推定する新技術を開発した。

この技術では、ドローンによる空撮画像と復元された植物体の3次元情報を用い、ダイズの高さ、重さ、茎の長さ、枝の数、節の数を推定できる深層学習モデルを構築した。

このモデルにより、従来の方法では非破壊での測定が困難だった植物の重さも非破壊で推定可能となった。

なお、今回の研究で構築された深層学習モデルは、入力（RGB画像とDSMなどのドローンを用いて得られる情報）から作物の特徴の推定に必要な情報を抽出し、それに基づいて特徴の値を出力する。モデルの精度を手計測の値と推定値の相関係数をもとに評価した結果、高い精度で作物の特徴を推定できることが分かった。

さらに、深層学習モデルが画像から抽出する情報（中間層出力）は、これまで経験的に用いてきた特性と密接に関連するとともに、遺伝的制御を受けていることも確認され、新品種育成のための評価指標としての利用可能性が示された。

加えて研究グループは、開発した深層学習器が画像からどのような情報を抽出し、どのように作物の特徴を推定しているのかを解析した。

その結果、深層学習器が抽出した情報が、研究グループがこれまで経験的に用いてきた植物の器官の長さや重さ、数と密接に関連していることが明らかになった。

また、深層学習器が抽出した情報が、植物体の高さや重さと同様に遺伝的な制御を受けていることも確認された。新品種の育成において、遺伝的に優れた系統を選抜するための新たな評価指標として利用できる可能性が示された。

深層学習モデルの中間層出力の主成分と手計測で得られた特徴（乾物重、主茎長、節数、枝数、草高）に基づきゲノム情報から予測を行った結果、深層学習モデルが抽出した情報も予測可能であり、新たな評価基準としての利用可能性が示された。

この技術は、ダイズに限らず他の作物にも適用でき、開花期や収穫量の予測にも応用できる。これにより、新たな栽培管理技術や新しい品種の開発が加速し、農業の効率化や生産性向上に寄与することが期待されている。

IoTNEWS編集部

IoTに関する様々な情報を取材し、皆様にお届けいたします。