深度フィルタリングと点ベースカウントによる近接RGBビデオからの大豆圃場自動ランキング
Automated Ranking of Soybean Plots from Close-Range RGB Video via Depth Filtering and Point-Based Counting
大豆の収量構成要素(例:莢数)の手動評価は、労力、時間、主観性がかかる。既存の物体検出やインスタンス分割に基づくコンピュータビジョンアプローチは、深刻な隠蔽、曖昧な植物境界、バウンディングボックスアノテーションの高コストのため、大豆キャノピーの近接RGB画像では性能が低い。これらの課題に対処するため、本研究では、明示的な個体ごとの検出を回避し、代わりに単眼深度推定、意味的植物セグメンテーション、および莢のキーポイントカウントから派生したグローバルフレームレベルの特徴を集約するビデオベースのランキングパイプラインを提案する。Depth Anything 3からの深度マップは背景のノイズを抑制するために使用され、SAM3(軽量SegFormerに蒸留)によるゼロショットセグメンテーションは植物面積信号を提供し、点ベースカウントネットワーク(P2PNet)は莢数を推定する。この手法は、11のランクと複数の屋内および屋外シーンを含む制御されたデータセットで評価された。提案されたパイプラインは、自動化されたベッド品質スコアリングのための実用的で費用対効果の高いソリューションを提供するが、現在のところ固定カメラジオメトリに依存しており、まだ莢を個々の植物に関連付けていない。
- 大豆圃場の近接RGBビデオから莢数などの収量構成要素を自動ランキングするビデオベースのパイプラインを提案。個体ごとの検出を回避し、フレームレベルの特徴集約で評価する点が新規。
- Depth Anything 3の深度マップで背景ノイズを抑制し、SAM3(軽量SegFormerへ蒸留)によるゼロショットセグメンテーションで植物面積信号を取得、P2PNetで莢数を推定する構成。
- 11ランク・複数の屋内/屋外シーンを含む制御データセットで評価。ただし現状は固定カメラジオメトリに依存し、莢を個々の植物に紐付ける処理は未実装という制約が残る。
農業フェノタイピング(形質評価)の自動化は、AIによる収量予測・育種高速化の基盤技術であり、アグリテック領域の投資テーマに直結します。本件は新規の商用製品ではなく研究段階ですが、単眼深度推定(Depth Anything 3)とゼロショットセグメンテーション(SAM3)、点カウント(P2PNet)を組み合わせて高コストな個体アノテーションを回避した点が実用化コストの壁を下げる方向性として注目されます。一方で固定カメラジオメトリ依存や莢と個体の紐付け未実装など商用展開には制約が残り、育種企業・農業機械メーカーへの技術導入時期を見極める必要があります。