Flora-YOLO: 構造最適化と特徴洗練によるエッジデバイス上でのリアルタイムバラ等級付けのための軽量フレームワーク
Flora-YOLO: A lightweight framework for real-time rose grading on edge devices via structural optimization and feature refinement
本論文は、エッジデバイスの計算制約と現代農業における非効率な手作業による花卉の等級付けの課題に対処するため、YOLO11nアーキテクチャを基盤とした軽量で堅牢な検出フレームワーク「Flora-YOLO」を提案する。このフレームワークは、微細な花弁の質感を抽出・増幅するC3k2_SGBモジュール、重度の葉の重なり下でも重要な高周波空間情報を保持するADownモジュール、初期段階の蕾の弱い意味信号を増幅し背景ノイズを抑制するC2VGAハイブリッドアテンションメカニズム、不規則な花弁境界の正確なバウンディングボックス回帰のための形状認識勾配ガイダンスを提供するFSIoU損失関数という4つの最適化を組み込んでいる。5倍クロスバリデーションによるカスタムデータセットでの評価では、ベースラインと比較して計算負荷を28.6%削減しつつ、mAP@0.5で86.7%、mAP@0.5:0.95で50.4%を達成した。これは1.73Mパラメータと4.5GFLOPsを必要とする。さらに、公開データセットでのドメイン外テストにより、種を超えた汎化性能も確認された。Android端末とNPUアクセラレータ付きNXP i.MX 8M Plusプラットフォームへのハードウェア展開では、90.5msのレイテンシで11.05 FPSのリアルタイム推論速度を実現し、精密花卉栽培における自動化されたエッジベースの選別ソリューションとして高い効率性、精度、スケーラビリティを示した。
- YOLO11nをベースに、C3k2_SGB・ADown・C2VGAアテンション・FSIoU損失の4つの最適化を組み込んだ軽量花卉検出フレームワーク「Flora-YOLO」を提案。
- 5分割クロスバリデーション評価で、ベースライン比28.6%の計算負荷削減とmAP@0.5=86.7%、mAP@0.5:0.95=50.4%を達成。モデル規模は1.73Mパラメータ・4.5GFLOPs。
- Android端末およびNPUアクセラレータ搭載のNXP i.MX 8M Plus上で、90.5msレイテンシ・11.05FPSのリアルタイム推論を実機展開で実現。
- 公開データセットでのドメイン外テストにより、花卉の種を超えた汎化性能を確認。
YOLO11n をベースにした軽量検出フレームワーク「Flora-YOLO」の学術論文で、農業向け花卉等級付けという用途特化型のAIモデル最適化事例です。投資家的には、モデルの"成果物"そのものより、(1) Android端末や NXP i.MX 8M Plus の NPU 上で 11 FPS・90.5ms という実用水準のエッジ推論を達成し、計算負荷を28.6%削減した点、(2) 1.73M パラメータ・4.5GFLOPs という超軽量設計が、農業以外の産業向けエッジAI検査・選別(食品、部品検査、物流)へ横展開しうる点が注目点です。NXP のような車載・産業向けエッジSoCベンダーのNPUエコシステムが実アプリで検証されることは、エッジAI推論市場の立ち上がりを示すシグナルになります。ただし現時点では商用化・企業参入・調達の発表はなく、直ちに個別銘柄の投資判断に直結する材料ではなく、エッジAI応用の裾野拡大を示す技術トレンドとして捉えるのが妥当です。