ウンシュウミカンにおける水ストレス推定のための画像認識AIを用いた果実横径推定技術
要約
ウンシュウミカン果実画像から画像AIを用いて果実および対象物のピクセル値を取得し、それらを機械学習モデルに入力することで推定果実径を取得する手法である。本手法を元に得られる果実肥大量と当該期間の積算水ストレスとの関係は従来手法よりも高い相関性を示している。
- キーワード : ウンシュウミカン、水ストレス、水管理、果実サイズ、機械学習
- 担当 : 果樹茶業研究部門・カンキツ研究領域・カンキツ品種育成・生産グループ
- 代表連絡先 :
- 分類 : 研究成果情報
背景・ねらい
ウンシュウミカンにおいて、夏秋季の水ストレス(乾燥ストレス)の付与は果実の糖度上昇に効果的であるが、減酸不足や樹勢の低下も招くため、高品質果実を安定して生産するためには樹体を適切な水ストレス程度にコントロールする必要がある。現在圃場において利用可能な水ストレス推定手法として、果実径の経時的な測定および果実肥大速度の計算が挙げられるが、ノギスによる果実径の測定・記録・計算は煩雑となり、より簡易的かつ高精度に果実を測定・記録できる手法が求められている。
そこで、本研究ではスマートフォンを用いた果実肥大をベースとした灌水要否判断機能の構築を目的として、スマートフォン搭載カメラを使用した果実径推定手法を開発し、水ストレスとの関係性について検証する。
成果の内容・特徴
- ウンシュウミカン成木「興津早生」を使用し、撮影用の果実には、果頂部に一辺15mmのプラスチック片を接着し、果梗部から一辺155mmの耐水紙で傘かけを行う(図1)。当該プラスチックには果実ごとにユニークなIDを二次元バーコード化し印刷することで、画像読込時に果実を同定可能にする。
- 作成した専用アプリを用いてスマートフォンで撮影後、画像AI部および回帰モデル部を介して推定果実径が出力される。画像AI部には550枚の果実画像を元に再学習させたMask R-CNNを採用し、撮影画像から果実領域およびプラスチック片を認識(図2)し、その面積(ピクセル値)を出力する。得られたピクセル値から果実径を推定するためには、画像データおよびノギスにより測定された果実径データ17901セットを元に最適化した回帰モデルを使用する。
- 回帰モデル群の中で勾配ブースティング決定木が最も高い精度を示し、年度の異なるデータを用いた果実径推定精度は平均絶対誤差(MAE)において高画質用モデルで0.84、低画質用モデルで0.953となり、高精度に果実径を推定することが可能である(図3)。
- 7月下旬から11月上旬にかけての樹体の積算水ストレスと各手法による果実肥大量との関係性はノギスによる従来手法(図4A、R2=0.735)に対して高画質画像用モデル(図4B、R2=0.779)および低画質用モデル(図4C、R2=0.771)が高い相関を示し、本手法によって得られる果実肥大量は水ストレス推定においてより有益なパラメータとなる可能性が示唆される。
成果の活用面・留意点
- 本成果の学習・最適化方法は他種の果実においても応用可能である。
- 本成果で開発したモデルは「興津早生」果実を使用して作成したため、一般的な扁平率のウンシュウミカンに対して適用可能であるが、他品種や扁平率の著しく異なるウンシュウミカン等に適応するためには別途回帰モデルの作成が必要となる。
具体的データ
その他
- 予算区分 : 交付金、農林水産省(戦略的スマート農業技術等の開発・改良)
- 研究期間 : 2019～2024年度
- 研究担当者 : 小宮凜悟、岩崎光徳、Habaragamuwa Harshana、深町浩
- 発表論文等 :
- Komiya R. et al. (2025) PloS one 20 e0324278
- 小宮ら(2024)職務発明プログラム「S.マルチ管理導入支援アプリケーション」、機構-D13