Deep learningとドローンを用いた空間的圃場診断技術の開発

地力ムラや生育ムラに応じた的確な圃場管理のため、ドローンを活用した面的な圃場診断技術が注目されている。また、高い地上分解能が特徴のドローン画像は、人工知能（AI）を駆動するためのビッグデータとしての活用も期待されている。ドローンを活用したAI駆動型の圃場診断が実現すれば、圃場管理の省力化や適正施肥による低コスト化等の効果が見込め、農業従事者人口が減少している現代において重要な技術となる。一方で、ドローンとAI技術を用いた圃場診断技術における課題は、作物の生育程度や土壌肥沃度に関するグラウンドトゥルース（地上で取得できる実測値）の点数が不足することである。一般に、AIを構築するために必要な学習データの数は数千～数万点が理想的であるが、これに匹敵するグラウンドトゥルースデータを通常の調査で取得することは、実地調査や試料分析にかかる労力を考えると現実的ではない。そこで本研究では、①土壌分析データの拡張によるビッグデータの構築、②携行型の電磁誘導探査装置による圃場内数千点における土壌情報の取得、の2つのアプローチからデータ不足を解消し、ドローンとAI技術を効果的に活用した空間的な土壌特性の診断技術を開発する。令和４年度までの主な成果として、地上で取得した土壌診断値が一定範囲内（数ｍ程度）で均質とする仮定に基づいたグラウンドトゥルースデータの拡張法を考案し、技術論文として公表した。また、開発技術の利便性を高めるため、事前のドローン空撮に基づく土壌診断地点の選定手法を開発し、特許出願を行った。同内容については日本土壌肥料学会2022年度東京大会においても発表し、若手口頭発表賞を受賞した。

地力ムラや生育ムラに応じた的確な圃場管理のため、ドローンを活用した面的な圃場診断技術が注目されている。また、高い地上分解能が特徴のドローン画像は、人工知能（AI）を駆動するためのビッグデータとしての活用も期待されている。ドローンを活用したAI駆動型の圃場診断が実現すれば、圃場管理の省力化や適正施肥による低コスト化等の効果が見込め、農業従事者人口が減少している現代において重要な技術となる。一方で、ドローンとAI技術を用いた圃場診断技術における課題は、作物の生育程度や土壌肥沃度に関するグラウンドトゥルース（地上で取得できる実測値）の点数が不足することである。一般に、AIを構築するために必要な学習データの数は数千～数万点が理想的であるが、これに匹敵するグラウンドトゥルースデータを通常の調査で取得することは、実地調査や試料分析にかかる労力を考えると現実的ではない。そこで本研究では、①土壌分析データの拡張によるビッグデータの構築、②携行型の電磁誘導探査装置による圃場内数千点における土壌情報の取得、の2つのアプローチからデータ不足を解消し、ドローンとAI技術を効果的に活用した空間的な土壌特性の診断技術を開発する。令和４年度までの主な成果として、地上で取得した土壌診断値が一定範囲内（数ｍ程度）で均質とする仮定に基づいたグラウンドトゥルースデータの拡張法を考案し、技術論文として公表した。また、開発技術の利便性を高めるため、事前のドローン空撮に基づく土壌診断地点の選定手法を開発し、特許出願を行った。同内容については日本土壌肥料学会2022年度東京大会においても発表し、若手口頭発表賞を受賞した。