ワインブドウの収穫期6カ月前でも得られる早期収量予測の指標について

• Item type: SIG Technical Reports(1)
• 公開日: 2024-09-19
• タイトル: ワインブドウの収穫期6カ月前でも得られる早期収量予測の指標について
• タイトル / 言語: en
• タイトル: Possible Components of Early Yield Estimation in Viticulture Six Month Earlier than the Harvest
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 画像処理・データ分析
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: ヤマハ発動機株式会社
• 著者所属: ヤマハ発動機株式会社
• 著者所属: ヤマハ発動機株式会社
• 著者所属: ヤマハ発動機株式会社
• 著者所属: 静岡大学情報学部情報科学科／学術院情報学領域／グリーン科学技術研究所／創造科学技術大学院
• 著者所属: ヤマハ発動機株式会社
• 著者所属: ヤマハ発動機株式会社
• 著者所属: ヤマハ発動機株式会社
• 著者名: 眞田, 慎; 黒田, 剛士; Damaris, T.; 猿田, 悠; 峰野, 博史; 難波, 直樹; 岩城, 洋平; 内海, 智仁
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: ワイン用ブドウの栽培において早期の収量予測は，生産性の向上や適切な雇用管理の実現に必要なタスクである．古典的な手法では圃場内の少量のブドウ樹木サンプルから樹木当たりの平均房数と平均的な房重量を農家が手作業で計測して収量予測を行う．この方法は労力や時間などのコストが高く，且つ破壊的である．近年は深層学習モデルを用いた低コストで非破壊的な手法が提案されているが，房に対して生じる葉によるオクルージョンが十分な精度での予測を困難にしている．本研究では葉によるオクルージョンの影響を受けない生育初期に注目し，収量予測に必要な房収穫数の深層学習モデルを用いた芽や若枝数のカウントに基づく予測可能性を実証する．さらに，房のインスタンスセグメンテーションの結果を用いた房体積推定の可能性を示し，葉によるオクルージョンの影響を受けづらい収量予測システムの実現可能性を提示する．本実験ではブドウの生育期を Bud / Shoot / Inflorescence / Bunch の 4 段階に分け，各生育期で Bud などの対象カウントに基づいて収穫数予測を行った．予測数と目視カウントの誤差は収穫期の約 6 カ月前にあたる Bud 期で最も小さく 2% に収まったが，Inflorescence 期や Bunch 期では最大 39% となった．生育初期でのカウントが葉によるオクルージョンのある生育晩期と比較して正確な収穫数予測に有効であることを示した．また，房のインスタンスセグメンテーション結果から算出した房平均体積の時系列変化には，一般的な房の成長曲線と類似した特徴があった．深層学習モデルを用いた早期収穫数予測と房体積の推定によって正確な収量予測が実現可能であることが示せた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Early yield prediction is necessary to improve productivity and employment management in precision viticulture. In the conventional method, the average number of bunches per vine and the average bunch weight required for yield prediction are manually measured by farmers based on several vines in their vineyard. It is highly costly in terms of labor load and time, and destructive. Recently, low-cost and non-destructive methods with deep learning models have been researched. However, it is difficult to obtain sufficiently accurate predictions due to the occlusion of bunches by leaves. We focus on the fact that occlusion by leaves does not occur in the early growth period of vines. In this study, we demonstrate that the number of harvest bunches required for yield prediction can be predicted based on the number of buds or shoots counted with a deep learning model. We also discuss the possibility of estimating the bunch volume, correlated with the bunch weight, using bunch instance segmentation results. In this experiment, the grape growth period is divided into four stages: Bud, Shoot, Inflorescence, and Bunch. Then, the number of harvest bunches is predicted in each stage based on counting objects, e.g., buds. The error between the predicted harvest number and visual counting was about 2% in the Bud stage, about 6 months before the harvest, and impaired up to 39% in the Inflorescence and Bunch stages. This result shows that counting at the early growth stage without occlusion by leaves is useful for harvest number prediction. The time series change of estimated bunch volume based on instance segmentation was comparable to the widely accepted berry growth curve. These results show that yield prediction with high accuracy is possible by the early harvest number prediction and the bunch volume estimation based on instance segmentation.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12628327
• 書誌情報: 研究報告コンシューマ・デバイス＆システム（CDS）; 巻 2024-CDS-41, 号 32, p. 1-8, 発行日 2024-09-19
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8604
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会