Scroll
Rice · Remote sensing · AI · Knowledge translation
Tomoaki Yamaguchi
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。
作物学の研究成果は、論文の中に留まりがちです。ドローンやスペクトルセンサを使った圃場モニタリング、機械学習・説明可能なAI（XAI）による収量予測モデルの開発に取り組みながら、その知見を農業生産者が実際に使えるかたちに「翻訳」することを目指しています。難解なデータ解析の結果を現場の農家さんへ届けるため、大規模言語モデル（LLM）の活用や無料Webアプリの開発など、研究と現場をつなぐ取り組みを続けています。
Understanding rice yield gaps with crop modeling and machine learning in a long-term continuous cropping experiment
長期連用試験データを用いて水稲の収量ギャップを数値化し、その要因を解明した。
Machine learning reveals drivers of yield sustainability in five decades of continuous rice cropping
説明可能なAIを用いて、50年以上の連続水稲栽培データから収量持続性を規定する要因を明らかにした。
A study on optimal input images for rice yield prediction models using CNN with UAV imagery
UAV空撮画像とCNNによる収量予測モデルにおいて最適な入力画像の条件を明らかにし、説明可能なAIで関心領域を可視化した。
A novel neural network model to achieve generality for diverse morphologies
多様な形態のイネ品種の生育推定に用いられる新しいニューラルネットワークモデルを提案し、作物学的な解釈性も持たせた。
Improving efficiency of ground-truth data collection for UAV-based rice growth estimation
UAVを用いた水稲生育推定モデルにおいて、効率的な地上実測データの収集方法を検討した。
Feasibility of Combining Deep Learning and RGB Images for Leaf Area Index Estimation
RGB画像とディープラーニングを組み合わせることで、葉面積指数（LAI）を精度よく推定できることを示した。
Effect of Environmental Differences on Empirical Regression Models for Estimating Leaf Area Index Using Vegetation Indices in Rice
Asian Crop Science Association解析手法をブログ・動画・ソフトウェアの形で公開しています。
お気軽にご連絡ください。