大葉の病害虫被害を画像から検出する機械学習モデルの作成と評価

農業で避けられない病害虫被害の最小化と農薬の過剰利用の防止を両立させるためには被害を早期に発見し、対策をする必要があります。現在は農家が目視で被害の有無を確認していますが、労力がかかる、初心者には種類の判別までは難しいなど課題があります。したがって、この研究の目的は人手なしでオオバの病害虫被害を検出し農家に知らせるシステムを作ることです。卒業研究では実際にオオバの画像を撮りに行き、それらをYOLOｖ5によって学習させました。撮影枚数が90枚弱と少ないため、最初は精度が低かったのですが、背景を省いて学習対象の葉のみを切り取る、データ拡張をすることでデータ数を増やす、など工夫をしたことで葉1枚のみの画像の病害虫の種類を判別する精度は0.88まで上がりました。今後の研究として実際の栽培現場で検出出来るように沢山の葉がある画像での被害の検出精度を上げる、また、環境データと組み合わせて病害虫の発生予測をすることを考えています。そのために、撮影・モデルの作成方法を改めて検討しています。

機械学習という最近流行りの手法を用いているので就活受けがいいこと。直接農家の役に立てるので研究の意義が感じられること。精度を上げるために工夫できる点がたくさんあるので難しいがやりがいがあること。