深層学習を用いた、追加データ不要かつ対象作物によらない高速作物検出システムの開発

• Project/Area Number: 24KJ0262
• Research Category: Grant-in-Aid for JSPS Fellows
• Allocation Type: Multi-year Fund
• Section: 国内
• Review Section: Basic Section 41040:Agricultural environmental engineering and agricultural information engineering-related
• Research Institution: Hokkaido University
• Principal Investigator: 井内 悠介 北海道大学, 工学院, 特別研究員(DC2)
• Project Period (FY): 2024-04-23 – 2026-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥1,600,000 (Direct Cost: ¥1,600,000); Fiscal Year 2025: ¥800,000 (Direct Cost: ¥800,000); Fiscal Year 2024: ¥800,000 (Direct Cost: ¥800,000)

Outline of Research at the Start

作物と雑草の検出AIは、農作業の自動化において重要な技術である。しかし、既存のアルゴリズムでは、気候による背景の変化や圃場の変化に適応できず、検出精度が劣化してしまうことがある。そのため、追加学習を頻繁に行うか大規模なデータセットが必要となる。データセットの多様性を考慮すると、1年で単一の圃場からとれるデータの上限が多くないため、現在研究されている精密農業の技術を他の農場で実証するのが難しい場合がある。
本研究では、精密農業の技術をより多様な環境で活用するために、追加の学習を完全に必要としないロバストな作物と雑草の検出ＡＩの開発を行う。