山口 友亮
岐阜大学 応用生物科学部 食農生命科学科 助教
リモートセンシングとAIで
作物学を翻訳して
農家さんに届ける。
Rice · Remote sensing · AI · Knowledge translation
ホームページを覗いていただき、ありがとうございます。作物学の研究成果は、論文の中に留まったままで農家さんに届かないものも多いと考えています。私たちはドローンやスペクトルセンサによる圃場モニタリング、機械学習や説明可能なAI（XAI）を用いた収量予測モデルの開発に取り組みながら、その知見を生産者が実際に使えるかたちへ翻訳することを目指しています。難しい解析の結果を現場に届けるため、大規模言語モデル（LLM）の活用や、無料で使えるWebアプリの公開など、研究と現場をつなぐ取り組みを行っています。
Understanding rice yield gaps with crop modeling and machine learning in a long-term continuous cropping experiment
長期連用試験のデータをもとに、水稲の収量ギャップ（実際の収量と、達成しうる収量との差）を数値で示し、その要因を明らかにしました。
Machine learning reveals drivers of yield sustainability in five decades of continuous rice cropping
説明可能なAIを使って、50年以上にわたる連続栽培のデータから、収量を保つための要因を明らかにしました。
A study on optimal input images for rice yield prediction models using CNN with UAV imagery
ドローンの空撮画像とCNNを使った収量予測モデルで、もっとも適した入力画像の条件を調べ、説明可能なAIでモデルが注目した場所を見えるようにしました。
A novel neural network model to achieve generality for diverse morphologies
さまざまな形のイネ品種の生育を推定できる新しいニューラルネットワークモデルを提案し、作物学の視点から結果を読み解ける工夫も加えました。
Improving efficiency of ground-truth data collection for UAV-based rice growth estimation
ドローンを使った水稲の生育推定モデルについて、地上での実測データを効率よく集める方法を検討しました。
Feasibility of Combining Deep Learning and RGB Images for Leaf Area Index Estimation
ドローンで収集したRGB画像とディープラーニングを組み合わせると、葉面積指数（LAI）を精度よく推定できることを示しました。
Effect of Environmental Differences on Empirical Regression Models for Estimating Leaf Area Index Using Vegetation Indices in Rice
Asian Crop Science Association研究のなかで使っている解析手法を、解説記事・ブログ・動画・ソフトウェアといった形で公開しています。どなたでも自由にお使いいただけます。
ご質問やご相談など、お気軽にご連絡ください。