どんな環境でも作物を認識するためのAI技術「FNFアルゴリズム」(AI×農業)【論文】

   

課題:屋外環境では農作物検出の性能が下がる

収穫ロボットの実用化は、野外の農業・園芸における膨大な課題を解決できず、あまり進んでいない。たとえば、果実の検出ではサイズ・形状・位置などのばらつきが多いだけでなく、太陽の方向の変化や陰影、気象条件によっても検出性能が大きく変動してしまう。

他のタスク(医療や屋内環境など)で使用される最先端のアルゴリズムを屋外環境で使用した場合、これらの条件の変化により失敗する可能性が高い。つまり、実用的な収穫ロボットを実現するためには効率的な計算能力と、可変性の高い条件に簡単に調整できる能力が必要となる。

可変性の高い条件に適応できる自動検出という課題において、実際にどんな研究が行われているのだろうか。イスラエルにあるネゲヴ・ベン=グリオン大学のBoaz Aradら研究者の発表を紹介したい。

研究者らは、複数の環境条件が自動検出に与える影響を安定化させるため、Flash-on-Flash(FNF)を構築し、ロバストな自動検出を備えたアプリケーションの開発を試みた。

テーマ:環境条件の影響度を低減する検出アルゴリズムの構築

まずはAradらの研究におけるミッション・手法・結果をまとめた。

続きを読むには無料会員登録が必要です。


※ログイン/初回登録後、下記ボタンを押してください。

業界ごとに記事を読む

さらに学ぼう!

PAGE TOP