[1F3-OS-17a] 農業とAI(1)

[1F3-OS-17a-05] Crop Yield Estimation for Hydroponic Tomatoes using regional CNNs

〇Yuri Isoyama¹, Fumiyo Emura¹, Hirohisa Satoh¹, Takashi Shinozaki^2,3 (1. Kyowa Co., Ltd., 2. Japanese Society for Artificial IntelligenceCiNet, National Insitute of Information and Communications Technology, 3. Graduate School of Information Science and Technology, Osaka University)

Keywords:RCNN, Agricultural, Tomato

施設栽培のトマトは環境管理システムの普及により生産性が向上しており、計画生産、計画出荷が求められる段階になっている。畳み込みニューラルネットワーク(Convolutional Neural Network，以下CNN) による画像分類を発端にして発展した画像検出技術Regional CNN(以下RCNN)によって果実を検出する事によって収穫量を予測できる事が期待できるが、高い空間密度で結実するトマトを検出する為の研究は十分に行われていない。そこで本研究ではFaster RCNN (F-RCNN) およびSingle Shot Detector (以下SSD) を用いたトマトの果実検出システムを構築し，その検出精度と収穫量予測における精度を検証した。
結果、SSDに比べてF-RCNNのほうがより安定した収穫量の予測が可能であった。さらに1枚毎の画像を用いた検出システムより複数の画像から検出した果実の総数で評価する方が検出数の精度が高かった。また、その標準偏差の小ささから農場全体の収穫量予測としては予測値に一定の係数を乗じることによって一定の精度の予測が可能であることが示唆された。