実証済みの導入事例

課題

玉ねぎの選別は人手に依存し、異常品の混入が品質と歩留まりに影響。従来の画像認識では現場環境での精度が不足。

解決策

特徴適応型の異常検知手法を開発。ラボ環境と実運用環境の両方で検証。

成果

ラボ環境で97%、実運用環境で86%の検知精度を達成。

課題

こんにゃく芋は不規則な形状で重なりが多く、従来手法ではサイズ・重量の推定精度が不足していた。

解決策

オクルージョンに対応したサイズ・重量推定手法を開発。部分的に隠れた芋でも高精度に推定可能。

成果

サイズ誤差を50%以上、重量誤差を72%削減。

課題

ぶどうの収穫時期判定は果色の目視確認に依存し、経験の浅い農家には困難。客観的な判定基準が求められていた。

解決策

Vision Transformerを用いた果色推定モデルを開発。画像から収穫適期を高精度に判定。

成果

97.2%の精度で果色を推定し、収穫時期の客観的判定を実現。

課題

ぶどうの等級判定は熟練者の目視に依存し、判定基準のばらつきや人手不足が課題。

解決策

マルチビュー撮影とIoTセンサーを融合した深層学習ベースの等級判定システムを開発。

成果

最大85.7%の等級判定精度を達成。

課題

アザミウマは微小な害虫で、通常の画像認識では検出精度が66.5%と不十分だった。

解決策

超解像技術を組み合わせた検出手法を開発。微小な害虫の特徴を強調し検出精度を大幅向上。

成果

検出精度を66.5%から89.7%に向上（+23.2ポイント）。

課題

ぶどう摘粒は熟練農家の経験と勘に依存する高度な技術であり、新規就農者や未熟練者にとって習得が困難。

解決策

深層学習による粒検出とARグラスを組み合わせ、リアルタイムで摘粒ガイダンスを表示するシステムを開発。

成果

未熟練農家がシステム使用時に、熟練農家より8.18%高い品質スコアを達成。

課題

ぶどう摘粒は高度な手作業であり、労働力不足と作業負荷が深刻な課題。自動化が求められていた。

解決策

粒検出AIとロボットアームを組み合わせた自動摘粒システムを開発。屋内・圃場での検証を実施。

成果

屋内97%、圃場90%の成功率で自動摘粒を実現。