生育予測・収量予測について　
ー作物別の収量予測と様々な予測技術ー

AIを用いた収量予測

参考文献９)ではAIによるキュウリの収量予測技術を紹介しています。関東地方のキュウリの主産地である埼玉県では、明治大学の協力により収量予測に適したAIの選定を行い、そのAI（ResNet50）を用いて実際の環境データや生育データと画像により収量予測を行っています。用いたデータは温度、日射と、試験区7株の開花節位、開花節長、雌花数、開花節径の生育調査によるもので、1週間単位での予測を行っています。予測結果として、平均的な収量の場合は8割程度の精度が得られ、収量が大きい時期や小さい時期には精度が低かったとのことです。また今後は生産者が活用できるよう、予測精度の向上とともに、生育データを使わず画像と環境データでの予測にも取り組むとのことです。

参考文献10)では移動式の計測装置とAIによるトマトやパプリカでの収量予測技術を紹介しています。これは農研機構が開発した着果モニタリングシステムと呼ばれる技術で、大規模施設園芸で用いられる自走式高所作業台車に画像計測装置を取り付け、ハイワイヤー栽培での着果状況を連続撮影しています。撮影結果から展開画像（連続して撮影した写真をつなぎ合わせたパノラマ画像）を生成、AIにより展開画像を分析して収穫可能な果実を検出するものです。収穫可能かの判定は、展開画像の果実の部分の色情報から熟度を判定することで行っています。この技術はパプリカの大規模施設園芸の現場で実証が行われており、収穫可能と判断された果実数と翌週の同撮影列における収穫量との間に高い相関が認められたとのことです。日々の収穫果実数を正確に予測することが可能となり、大規模施設園芸における収穫や選果出荷の作業を行う際の作業計画への適応が期待されています。

参考文献11）ではトマトの大規模施設園芸でのAIによる収量予測技術を紹介しています。これはカゴメの子会社であるカゴメアグリフレッシュ（株）が全国で展開する大規模菜園においてすでに導入されているものです。10ha規模のいわき小名浜菜園など、カゴメ系の大規模菜園では、従来「生鮮トマトの営業計画（当週～数週間先）を積算温度情報等のデータと、菜園担当者の経験に基づく収量予測とを統合し立案」していたとのことです。しかし経験不足や予測不能な収量変動もあり、それによる欠品や廃棄ロスも問題となり、新たにAIを活用した「生鮮トマト収量予測システム」をAI・機械学習の専門の企業と共同開発を行っています。本システムにより「これまでの収量予測手法では精度が著しく低下する数週間先の予測精度を高めることが可能」となったとしており、今後も過去の栽培管理に関するビッグデータを活用しながら予測精度を高めていくとのことです。

参考文献12)ではイチゴの収量予測を光合成モデルとAIモデルを組み合わせ行う技術を紹介しています。大阪ガスとイオンアグリ創造が実証を開始するもので、大阪ガスは従来よりAIによる気象予測を行っており、日射量、CO₂濃度、温湿度等から個葉単位での光合成量を算出する光合成モデルと、株全体の光合成量や果実への糖の分配などを求め収量を予測するAIモデルを開発し、二つのモデルを組み合わせることで高い予測精度と汎用性を実現したとのことです。今後はイオンアグリ創造のイチゴ農場において10日後の収量予測を行い、本手法の有効性を評価し改良を進める予定とのことです。