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

使用杂草竞争性品种对亚洲季风直播水稻系统进行生态友好型管理

• 批准号: 22KK0083
• 负责人: 加藤 洋一郎
• 金额: $ 12.81万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Fund for the Promotion of Joint International Research (Fostering Joint International Research (B))
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-10-07 至 2027-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KK0083/
• 关键词: イネ; 直播栽培; 環境保全型農業

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。

International research, international research The tolerance of grasses and grasses was analyzed. Yesterday's season, yesterday's season, the shape of the grass, the elongation of the grass, the shape of the grass, and the QTL analysis. In this paper, the literature on the multiplicity of organisms in paddy fields is collected. Special attention should be paid to the protection of regional information about the diversity of biological organisms. The pictures of different kinds of grass are analyzed, the pictures are analyzed, the pictures are analyzed in live broadcast, and the number of stems is presumed to improve. 1. The accuracy of the estimation of the coverage rate is good, and the accuracy of the estimation is good. The DeepLabv3+ system uses the machine tool to determine the accuracy of the mechanical properties (IoU=0.62, QSeg=0.11). The background, the background, the grass, the grass A long-term portrait of a long-term portrait and a presumption of coverage may indicate that it is possible to cause a long-term picture of the plant. 2. Click on the computer, draw the picture, count the count, study the P2P Net, and use it. The results show that P2P Net is used to determine the number of stems in the nursery, the number of stems, the number of stems.

项目成果

国際稲研究所(フィリピン)

国际水稻研究所（菲律宾）

直播稲作における作物・雑草の識別と成長量評価のための画像解析手法の検討

直播水稻种植中作物和杂草识别及生长评价的图像分析方法研究

• 发表时间: 2023
• 作者: 山岸雄輝・郭威・加藤洋一郎;指原佑佳・江草泰介・石井昌範・郭威・加藤洋一郎
• 通讯作者: 指原佑佳・江草泰介・石井昌範・郭威・加藤洋一郎

モンスーンアジアの水田生態系の植物種保全に向けた稲作管理の検討

亚洲季风水稻生态系统植物物种保护的水稻种植管理研究

• 发表时间: 2023
• 作者: 山岸雄輝・郭威・加藤洋一郎;指原佑佳・江草泰介・石井昌範・郭威・加藤洋一郎;奥田温基・内田圭 ・加藤洋一郎
• 通讯作者: 奥田温基・内田圭 ・加藤洋一郎

カンボジア農業省(カンボジア)

柬埔寨农业部（柬埔寨）

ドローンで撮影した画像を用いた水稲の分げつ数推定手法の検討

利用无人机拍摄的图像估算水稻分蘖数的方法研究

• 发表时间: 2023
• 作者: 山岸雄輝・郭威・加藤洋一郎