[M-TT46] Introducing metaverse to agriculture. Are we ready?

[MTT46-P03] 機械学習を利用した反射スペクトルからのにんにく病理診断

*安藤 秀一¹、飯田 佑輔¹、高橋 幸弘²、成瀬 延康³、石田 百合乃² (1.新潟大学、2.北海道大学、3.滋賀医科大学)

農業の効率化のために、人工衛星が取得したデータから植生指標を求めることが行われている。その代表例であるNDVIは、2つの波長帯域の反射率で導出可能な植生指標であり、これまでの植生診断において伝統的に用いられてきた。そこで人工衛星データを利用した農作物の病理診断に、NDVIを使用することが考えられる。一方で、この指標は環境要因等に影響されることなどが報告されており、より良い精度の植生指標を作成することが望まれている。本研究では、農園で栽培されたにんにくを簡易機器で撮影した広域反射スペクトルデータを使用した、機械学習による病理診断手法を開発し、NDVIにおける病理診断との精度の比較を行った。
撮影されたにんにくの反射スペクトルデータに対して、機械学習手法を用いて健康体、サビ病、葉枯病、軟腐病の 4クラス分類、または健康体と罹患体の2クラス分類モデルの作成に取り組んだ。モデル作成の機械学習手法には、ニューラルネットワーク(NN)、ランダムフォレスト(RF)，サポートベクターマシン(SVM)を使用した。作成したモデルでは、最高精度0.80を達成した。 また、全ての機械学習手法において4クラス分類よりも2クラス分類の方が良い精度となった。一方で，データ数の少なさから学習は不安定であったため、健康状態毎にデータ水増しを行い、同様のモデル学習を行った。さらに、NDVIを使用した分類モデルとの精度比較を行った。これらの結果、NDVIによる全データの分類精度0.71であり、機械学習手法と同程度であった。一方で、NDVIでは各健康状態に対して分布の重なりが大きく4クラス分類は困難であるが、機械学習モデルでは0.80の分類精度を達成した。これは広域スペクトルと機械学習モデルを合わせることで、 NDVI単体よりも高精度な詳細分類可能であることを示している。