[1F3-OS-17a] 農業とAI(1)

[1F3-OS-17a-04] Q-learning with Neural Network for Automatic Irrigation Control of Crops

〇Shuto Namba¹, Junpei Tsuji¹, Masato Noto¹ (1. Kanagawa University)

Keywords:Agriculture, Reinforcement learning

近年，熟練農家の知見を再現するために教師あり学習を用いた研究が盛んにおこなわれている．一方で，農業のような複雑な要因が絡む作業において農家が行っている農作業が最適かどうか判断することは困難であり，農家の知見から集めた訓練データを用いて学習した結果が最適解かどうかの判断は難しい．我々は熟練農家の知見に依存せずに学習を実行する強化学習によって栽培の最適化を行うことを目的とした．植物に対して強化学習を適用する際に重要な点として状態の定義があげられる．植物の状態は時間とともに変化することから同じ状態は1試行の中に1度しか現れず，Qテーブルを作成することが現実的ではない．また，植物は短期間に何度も栽培できないため，学習に必要なデータが十分に集まらず，学習が収束しない恐れがある．
本研究ではQ関数の作成にニューラルネットワークによる関数近似を用いる手法を採用した．さらに，学習が収束しない可能性を考慮し，experience replayによる過去の経験を再利用することでデータ数の少なさをカバーした．結果として，植物は自らの背丈に合わせて潅水量を決定する行動をとる様子が確認できた．