作物の収穫量を予測することは生産量の安定化や作物の価格の決定において重要す．しかし，目視での収穫量予測は農業従事者にとって負担が大きいです[1]．収穫量予測の効率化のためには画像処理やAIの技術の活用が重要です．
本研究では，1年枝の本数を計測したデータと，画像中の花のピクセル数を用いて収穫量との相関関係を求め，収穫量予測に役立てます。
多量の学習データを手動で用意することは困難なため，Depth-Anything v2[2]による深度推定を用いて1年枝や花の検出精度向上に役立てます．
- 深度推定を用いたデータ拡張手法による1年枝学習データセットを拡張し，拡張したデータセットを用いてU-Net[3]を学習し，枝検出を行う．枝本数を計測する
- 色情報を用いた花検出を行い，深度推定を用いた幹-花マッチングによる花検出手法の提案を提案する．花の面積を計測します。
これらのデータを用いて収穫量との相関分析を行います。
花データは特に収穫量と強い相関があることが分かりました。今後は枝や花の検出精度の改善や複数年度のデータを用いて収穫量予測モデルを構築します。
参考文献
[1] 齋藤元也, 石塚直樹, 坂本利弘. 日本における農業リモートセンシング研究の軌跡. 日本リモートセンシング学会誌, Vol. 37, No. 3, pp. 193–203, 2017.
[2] Lihe Yang, Bingyi Kang, Zilong Huang, Zhen Zhao, Xiaogang Xu, Jiashi Feng, and Hengshuang Zhao. Depth anything v2. arXiv:2406.09414, 2024.
[3] Olaf Ronneberger, Philipp Fischer, and Thomas Brox. U-net: Convolutional networks for biomed- ical image segmentation. In International Confer- ence on Medical image computing and computer- assisted intervention, pp. 234–241. Springer, 2015.
