2023 Fiscal Year Annual Research Report

Deep learningとドローンを用いた空間的圃場診断技術の開発

Research Project

Project/Area Number	20K15631
Research Institution	National Agriculture and Food Research Organization
Principal Investigator	森下瑞貴国立研究開発法人農業・食品産業技術総合研究機構, 農業環境研究部門, 研究員 (90845637)
Project Period (FY)	2020-04-01 – 2024-03-31
Keywords	土壌診断 / UAV / 機械学習 / 地理情報システム / リモートセンシング
Outline of Annual Research Achievements	地力ムラに応じた的確な施肥管理・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、ドローン空撮により得られる高解像度画像は、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。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の開発を試みた。上記①に関する成果として、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、技術論文として発表した。上記②については、電磁誘導探査装置により3haの圃場から収集した１万点以上のセンシングデータを用いて学習器を作成したが、深層学習アルゴリズムよりもツリーベースの機械学習アルゴリズムによる学習の方が予測性能の高いモデルが得られた。これらの結果を踏まえ、本課題ではビッグデータを構築するだけでなく、最小限の地上調査で効果的な土壌の面的評価を可能にする技術の必要性にも着目し、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た。以上の成果は、第41回日本土壌肥料学会奨励賞をはじめ、受賞３件、研究論文２報、特許出願１件などのの成果につながった。