航空画像を用いた深層学習ベースのオブジェクト検出によるジャガイモ作物のストレス識別

精密農業におけるリモートセンシングおよび深層学習を活用した分析の応用に関する最近の研究は、作物管理の改善および農業生産に伴う環境影響の低減に大きな可能性を示している。しかし、これらの技術が現実の農場環境での実装に向けた実用的意義を持つためには、農業画像の分析に特化した新しいアルゴリズムが求められ、自然な田畑画像環境下でも堅牢に動作する必要がある。本論文では、ジャガイモ（Solanum tuberosum L.）の空中画像を深層ニューラルネットワークを用いて分析する手法を提示する。主な目的は、個体レベルでの健全な作物とストレス状態にある作物の自動空間認識を実証することである。具体的には、ルセット・バーバンク品種のジャガイモにおける、乾燥ストレスに起因する早期葉黄化（植物の老化）を対象としている。本研究では、作物ストレスを検出するための新しい深層学習（DL）モデル「Retina-UNet-Ag」を提案する。このモデルはRetina-UNetの変種であり、低レベルの意味表現マップから特徴ピラミッドネットワークへの接続を導入している。また、Parrot Sequoiaカメラを用いて取得した空中田畑画像のデータセットを新たに構築した。このデータセットには、健全な植物領域およびストレスを受けた植物領域の手動によるバウンディングボックスのラベルが付与されている。実験的検証により、現場画像における健全な植物とストレス植物の区別が可能であることが確認され、平均Diceスコア係数（DSC）は0.74を達成した。既存の最先端の物体検出用深層学習モデルとの比較においても、本手法の有効性が示された。本研究で提案する手法は、自然条件下で収集された空中画像を用いたジャガイモ作物のストレス評価および認識に貢献するものである。