Eco-friendly management in direct-seeded rice systems for monsoon Asia using weed-competitive cultivars

点击翻译按钮获取中文摘要

国際研究コーディネートについては、国際稲研究所の研究カウンターパートに連絡を取り、オンラインで打ち合わせを進め研究の枠組みについて協議した。また、雑草競合耐性イネに関する解析について、昨年度は、雑草競合に関する形質、特に草丈の伸長に関わる形質について、QTL解析を行った。次に、モンスーンアジアの水田雑草のメタ解析については、アジアモンスーン、特に熱帯アジアにおける水田施業と生物多様性に関する文献を収集した。特にカンボジアおよびタイの（法令による）保護地域における生物多様性の情報を多少得ることが出来た。そして、イネと雑草種識別のための画像情報解析については、直播稲作における雑草評価のための画像解析の検討およびドローンの撮影画像を用いたイネの茎数推定の検討を進めた。1点目については、深層学習モデルを作成し直播稲作圃場の画像からイネと雑草のそれぞれの被覆率を精度良く推定することを目指した。DeepLabv3+モデルを使用しセマンティックセグメンテーションを行うことで、背景・イネ・広葉雑草・イネ科雑草・カヤツリグサ科雑草の5クラスに分割するモデルを構築したところ、IoU＝0.93、QSeg＝0.49と、従来の機械学習モデルより大幅に高い精度を示した（IoU＝0.62、QSeg＝0.11）。イネと雑草が重なり合う栄養成長期の画像に対しても、作物と雑草の識別とそれぞれの被覆度の推定は可能であることが示唆された。2点目については、イネの画像に対し、葉端を検知して計数する深層学習モデルP2P Netの適用を検討した。その結果、深層学習モデルP2P Netを用いた推定葉端数と圃場で実測した茎数は有意な正の相関関係が認められ、ドローン空撮画像による茎数の間接的な推定は、栄養成長期から幼穂分化期のイネに対して、実用上許容できる精度で適用できることが示唆された。