研究概要
ホーム > 研究概要
研究開発の背景と目的
栽培現場で取得が容易(測定可能)な情報から、作物の生理生態情報を算出・推定する研究を行っています。導き出した生理生態情報を基に、営農に役立つ支援情報として提供できるよう取り組みを進めています。
IoP営農支援システムの構築と自律的進化
農業者・IoP・AIによるPDCAサイクルエンジンの駆動

主な研究課題
-
作物生理生態AIエンジン
光合成、蒸散、体温、葉面積、受光量、草丈、開花数、果実肥大、着果負担等の生理生態情報の時空間変動の営農現場での可視化を実現 -
葉面対流センサ及び各種制御システム
蒸散追従かん水制御、蒸散追従肥培制御、光合成追従CO2制御を実現 -
営農支援AIエンジン
生理生態、栄養成長、生殖成長、収量、収穫日の予測、最適化、自動化、統合管理、技術診断・改善等の営農支援情報の提供 -
PDCAによる改善の仕組み
IoP農家群、普及員、農技センター、企業、大学の連携による改善の仕組み
研究の進捗と成果
2020年度までの成果
-
研究成果:IoPに不可欠のメインエンジン(作物生理生態AIエンジンと営農支援AIエンジン)に関する成果(1)~(7)を得た。
- 作物群落の複雑な生理生態に関するHybrid AIモデル群を、IoPの中核モデルとして新規に提唱し、その有効性を実証した。
- ハウス内環境データと作物群落1点画像から、作物群落の光合成速度及び蒸散速度のリアルタイムでの見える化を実現した。
- Hybrid AIモデル群を中核モデル群とする作物生理生態AIエンジンを構築し、群落光合成速度、群落蒸散速度、群落葉面積、群落体温等の他に、栄養成長と生殖成長のリアルタイムでの見える化を実現した。
- 果菜(ナス)においては、群落光合成等の情報を基に、開花数、着果数、果実肥大、着果負担、収穫予定日のリアルタイムでの見える化を実現した。
- 葉菜(ニラ)においては、Autoencoder等のAI技術を駆使して、作物群落1点画像から、草丈、生重、分げつ数のリアルタイムでの見える化を実現した。
- ハウス作物群落内の微気流の変動を、敏感かつ定量的に評価可能な葉面対流センサを新規に開発した。
- 環境ストレス適応機能による野菜の高付加価値化の推定に応用可能なモデルを新規に構築した。