カスタマイズされた土壌水分管理のための画像ベースの機械学習モデル

科学分野:

• 農業工学 農業工学とは
• 農業における人工知能
• 精密農業 精密農業について

背景:

• 従来のスマート農業は,単一の処理を適用し,マイクロ環境の変動による個々の作物のニーズに対応することができない.
• 不効率な資源利用と収穫の減少は,植物特有の要求を無視した結果である.
• 個々の植物の土壌モニタリングのための非侵襲的な方法が欠如しており,カスタマイズされた作物管理を妨げています.

研究 の 目的:

• オーダーメイドの土壌水分管理のためのAIベースのシステムを開発する.
• 個々の植物のレベルでの土壌状態の非侵襲的なモニタリングを可能にします.
• 植物特有のデータを介して,スマート農業の効率と作物の収穫を改善する.

主な方法:

• RGB画像と土壌センサーデータ (3cm,10cm,15cm深さ) を利用して,野生のシミュレートされた人参を採取した.
• 表面湿度の予測にディープラーニングモデル (DenseNet121) を採用した.
• より深い土壌層の水分ダイナミクスを用いてランダム森林回帰を適用した.

主要な成果:

• DenseNet121は,表面湿度の予測において高い精度 (R2=97.3%) を達成しました.
• ランダムな森林回帰では,より深い土壌層では強い性能 (R2=90.6%) を示した.
• 表面画像データを用いて土壌水分の非侵襲的推定を検証しました.

結論:

• AI主導の画像とセンサ分析により,カスタマイズされた土壌水分管理が可能になります.
• このシステムは,スマート・ファームのデータ駆動型,植物特異的なアプローチをサポートしています.
• 将来の作業には,多様な作物/土壌の検証とスペクトルデータ統合が含まれるべきです.