|
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。
|
