近年、人工知能（AI）などの先端技術の融合により、農業は大きな変革を遂げています。 Frontiers in Plant Scienceに掲載された最近の研究は、モノのインターネット (IoT) センサーと組み合わせて、トマト、ピーマン、ジャガイモ、キュウリなどの重要な作物に焦点を当てた植物の病気の自動検出に適用されています。
従来、植物の病気の検出は、専門家の専門知識に大きく依存し、多大なリソースを必要とする時間のかかるプロセスでした。農家や技術者は作物を目視検査し、感染の兆候を手作業で特定する必要があり、診断が遅れたり、治療が効果的でなかったりすることがよくありました。この方法は時間がかかるだけでなく、生産コストも増加し、効率的なプランテーション管理のために情報に基づいた迅速な意思決定を行うことが困難でした。しかし、人工知能の出現により、このシナリオは劇的に変わり始めました。
これにより、病気の特定の精度と速度が向上するだけでなく、農作物の収量を最大化し、経済的損失を最小限に抑えるために重要な、より効果的な予防策の実施も可能になります。したがって、AI は革新的なツールとして存在し、農家が作物を管理し、植物の病気という課題に直面する方法を変革します。
この研究では、植物の病気の検出に適用されるいくつかの機械学習 (ML) および深層学習 (DL) 手法をレビューし、画像取得、前処理、セグメンテーション、特徴選択、分類などの所定のステップに焦点を当てています。
農業における AI テクノロジーの課題と限界
数多くの利点があるにもかかわらず、この研究では、AI ベースのテクノロジーの課題と限界も浮き彫りにしています。主な課題の 1 つは、現場で取得される画像の品質であり、光や湿度の変化などの環境要因の影響を受ける可能性があります。さらに、画像に不要なノイズや背景が存在すると、感染領域を正確にセグメント化して分析することが困難になる可能性があります。
もう 1 つの大きな課題は、AI モデルをトレーニングするために大規模で多様なデータセットが必要なことです。
したがって、モデルのトレーニングに使用されるデータセットを拡張および多様化するだけでなく、画像の取得および処理技術を継続的に改善することが不可欠です。
農業への AI の組み込みは、植物の病気の早期かつ正確な検出にとって大きな進歩を表します。方法論を継続的に開発し、現在の限界を克服することで、将来を思い描くことが可能になります。
ニュース参照:
Jafar, A.、Bibi, N.、Naqvi, R. A.、Sadeghi-Niaraki, A.、Jeong, D. (2024)。 人工知能による農業の革命: 植物の病気の検出方法、アプリケーション、およびその限界。植物科学のフロンティア、 15、1356260 。
