農業産業は、技術の進歩に依存して進歩し続け、将来の世代にサービスを提供します。 韓国の全北国立大学で行われた最近の研究では、果樹園管理の重大な課題に取り組み、深層学習モデルを使用して果樹の正確なセグメンテーションを行うソリューションを提供しました (1)。 全北国立大学の Il-Seok Oh 氏が主導したこの研究とその結果は、Agriculture (1) に掲載されました。
果樹園の管理は、作物の成長、栽培、収穫を成功させるために不可欠です。 この研究では、研究者らはリンゴの木を調べました。 果樹園で果樹を育てるときの主な課題の 1 つはそのレイアウトであり、その結果、枝が絡み合うことがよくあります (1)。 絡み合った枝は、収量の推定、表現型解析、剪定、散布などの重要な農業プロセスに多くの複雑さをもたらします。 この知識は新しいものではありませんが、実際的な解決策を規定するためのこのテーマに関する研究は限られています (1)。
Il-Seok Oh らは、この問題の解決策に貢献しようとしました。 彼らの研究では、人間のアノテーターによってラベル付けされ、対象となるリンゴの木の枝と幹の輪郭を描いた新しいデータセットが導入されました (1)。 意味論的な考慮事項を無視する従来のルールベースの画像セグメンテーション手法とは異なり、この研究では深層学習モデルを使用しました。 この独自のデータセットを使用して、5 つの事前トレーニング済み深層学習モデルを適応させ、ツリーのセグメンテーションに合わせて微調整しました (1)。
テストされた 5 つのモデルの中で、YOLOv8 が最良のモデルとして浮上しました。 これは、平均精度 93.7 ボックス [email protected]:0.95、および 84.2 マスク [email protected]:0.95 (1) という並外れた精度を示しました。 この成果は、果樹園の効率的な管理に不可欠な農業作業の自動化における大きな進歩を意味します。
YOLOv8 (You Only Look Once バージョン 8) は、深層学習オブジェクト検出モデルであり、YOLO (You Only Look Once) シリーズの進化版です。 YOLOv8 モデルは、0.5 ～ 0.95 の IoU (Intersection over Union) しきい値の範囲にわたって、バウンディング ボックスの平均精度 93.7%、セグメンテーション マスクの平均精度 84.2% という優れたパフォーマンスを示します。 これらのメトリクスは、オブジェクトの位置特定における高精度と正確なピクセル レベルのマスク予測を示し、オブジェクトの検出とセグメンテーションのタスクにおけるモデルの熟練度を示します。
この研究をユニークにしたのは、木のセグメンテーションを、隣接する木の枝がランダムに絡み合う自然条件まで拡張したことです。 この複雑さにより、樹木の領域に複雑で多くの場合曖昧な境界が生じますが、この研究ではこの課題に効果的に取り組んでいます (1)。 この研究で構築された公的に利用可能なデータセットは、この分野の将来の研究にとって貴重なリソースとして役立ちます (1)。
その結果、ディープラーニング モデルは、低コストの RGB (赤、緑、青) カメラを使用して自然の果樹園条件で撮影された果樹画像をセグメント化できる可能性を実証しました (1)。 YOLOv8 によって実現される正確なセグメンテーションは、セグメント化された木の領域が果実を数えるための領域と正確に一致する、収量推定への応用への道を開きます。 これは、特定の農業プロセスを自動化するのに役立ちます。
画期的な進歩にもかかわらず、この研究ではデータセットのサイズと多様性に限界があることが明らかになりました。 ラベル付き画像が 150 枚しかないため、果物の種類、樹齢、季節、天候、トレーニング方法のバリエーションを網羅するようにデータセットを拡張することが不可欠です (1)。 ただし、画像ラベル付けには労働集約的な性質があるため、データセットを実質的にスケールアップするには、少数ショット学習などの代替アプローチが必要です (1)。
その結果、韓国で行われたこの研究では、正確な果樹セグメンテーションを実現できる深層学習技術を採用することで、果樹園管理を改善するソリューションを診断しました。 この研究で概説された有望な結果と将来の方向性は、さまざまな農業実践の効率と精度を高める鍵を握っており、テクノロジーと農業の交差点における重要なマイルストーンを示しています。
この記事は人工知能の助けを借りて書かれており、正確さと明確さを確保するために編集されています。 当社について詳しく読むことができますAI活用ポリシーはこちら。
参照
(1) La、Y.-J. 瀬尾博士; カン、J. キム、M;ユ、T.-W.; ああ、I.-S. 農業タスクのための絡み合った果樹のディープ ラーニング ベースのセグメンテーション。 農業 2023年、13 (11)、2097。DOI: 10.3390/農業13112097
1706773968
#深層学習により正確な果樹セグメンテーションが実現
2024-02-01 05:07:11