韓国の温室および露地栽培におけるキャベツの検出と計数のためのYOLOv8-CBAMと改良型BoT-SORTの使用
Cabbage Detection and Counting Using YOLOv8-CBAM and Improved BoT-SORT for Greenhouse and Open Field Cultivation in Korea
本研究では、温室および露地栽培環境下でのキャベツの苗および成育した株の検出、追跡、計数を行うためのRGB画像およびビデオベースのフレームワークを開発した。このフレームワークは、YOLOv8nに畳み込みブロック注意モジュール(CBAM)を統合し、軌道持続性、短間隔再接続、クラス一貫性ID管理、計数イベントフィルタリングを組み込んだ改良型BoT-SORT手順を導入した。YOLOv8n-CBAMは、平均精度0.880、再現率0.920、mAP@0.50 0.960、mAP@0.50:0.95 0.600を達成した。フレームワーク全体では、平均計数精度99.27%、平均絶対誤差0.56株、二乗平均平方根誤差0.88株、R2 0.997を達成した。改良型BoT-SORTは、平均IDF1を79.6%から82.3%に、平均HOTAを74.3%から83.2%に向上させ、IDスイッチを23から12に減少させた。処理速度はRTX 3090ワークステーションで毎秒23.38フレームであった。
- YOLOv8nに畳み込みブロック注意モジュール(CBAM)を統合したYOLOv8n-CBAMが、平均精度0.880、再現率0.920、mAP@0.50 0.960、mAP@0.50:0.95 0.600を達成した。
- 軌道持続性・短間隔再接続・クラス一貫性ID管理・計数イベントフィルタリングを組み込んだ改良型BoT-SORTにより、平均IDF1を79.6%から82.3%へ、平均HOTAを74.3%から83.2%へ向上させ、IDスイッチを23から12に削減した。
- フレームワーク全体で平均計数精度99.27%、平均絶対誤差0.56株、二乗平均平方根誤差0.88株、R2 0.997を達成し、処理速度はRTX 3090ワークステーションで毎秒23.38フレームであった。
農業分野へのAI適用は、コンピュータビジョンを用いた収量予測・自動計数の実用化が進む領域です。本研究はYOLOv8nにCBAMを統合し、追跡アルゴリズムBoT-SORTを改良して計数精度99.27%・R2 0.997を達成しており、精度面では実用水準に到達しつつあります。一方、処理速度はRTX 3090で毎秒23.38フレームにとどまり、エッジ環境での運用には計算効率の改善が課題です。投資家としては、こうした研究がアグリテック企業のスマート農業製品に取り込まれ、省力化・収量最大化のソリューションとして商用化されるか、また使用モデル(YOLOv8n)が特定ベンダー依存になり得る点に注目したいです。