中央省庁及び都道府県の機関や関連団体などの事務従事者を対象に、執務上の参考に供するための各種情報を正確・確実・迅速にお届けしています。
農研機構は、判断の根拠となる画像の特徴を可視化できるＡＩを開発した。開発されたＡＩをジャガイモの葉の病気診断に適用した結果、病気の特徴に基づいて、病気が健全かを９５％以上の高精度で診断することができた。このＡＩは、判断の根拠を明確化することができるため、利用者は安心して利用することができる。今後、農業分野を始め、根拠を説明できるＡＩが必要な広い分野での活用が期待される。
学習した特徴を可視化できるＡＩの開発
近年のＡＩ技術の進展とビッグデータの活用により、農業研究分野でもＡＩを活用した研究が増えており、成果を上げている。中でも、画像識別技術については、作物、病害虫などの分類に関する課題への適用が進められている。
これまで、精度の向上という面で深層学習などのＡＩが活用されてきたが、それらのほとんどは学習したネットワークが分類のためにどのような特徴を学習したかを解釈・説明できないブラックボックスモデルだった。学習した特徴が明らかでないと、利用者はＡＩが正しい特徴を学習したか否かを判断することはできない。人間の意思決定の参考にする場合など、判断の根拠が必要となるケースが次々と出てきており、判断の根拠を説明できるＡＩへの社会的要請が強まっている。
そこで今回の研究では、学習した特徴を可視化できるＡＩの開発が行われた。
判断の根拠を示した上で病気か否かを判別するＡＩ
今回の研究では、ジャガイモの葉の画像を題材として、判断の根拠を示した上で病気か否かを判別するＡＩが開発された。
このＡＩにはオートエンコーダーという技術が用いられており、学習した特徴を可視化できる。
また、植物の葉の画像データから健全、病気、共通部分の特徴を３つの領域に分けて学習により抽出する。今回の研究では、入力のＲＧＢ画像のサイズが２５６×２５６画素であるのに対して、特徴領域は４０９６次元とされた。また、特徴領域の１／４が健全、１／２が共通、１／４が病気の領域と定義された。
健全の画像を入力する場合は病気の特徴領域を使用せず、病気の画像の場合は健全領域を使用せず、それぞれの特徴が対応する特徴の部分領域へ反映されるように条件付きで学習を行う。学習の基準は、入力画像と生成画像の差で、差が小さくなるようにオートエンコーダーを学習させる。
さらに、病気や健全の特徴のみを抽出し、病気／健全葉を判別するＡＩに入力することで、入力画像が病気／健全葉のどちらであるかを判定することができる。
研究の中では、このＡＩについて、ジャガイモで２種類の病気について、健全な葉の画像４００枚、病気の葉の画像８２７枚により深層学習が行われた。１７６枚の画像を用いて精度検証した結果、２種類の病気の両方で９５％以上の高精度で診断することができた。また、ピーマン、トマトの各１種類の病気についても同様の学習を行い検証した結果、病気／健全葉の識別精度は９０％を上回った。
このほか、病気葉を入力画像として、健全の特徴を使用せず生成した画像と、病気の特徴を使用しない画像を比較した結果、後者では病気の特徴が消えた画像が生成された。この結果から、特徴領域が病気か否かを説明するものであることが確認できた。
より幅広い分野での活用にも期待
この病気診断プログラムは、病気株の検出が特に重要となるジャガイモの原原種（元だね）ほ場等への導入が検討されている。さらに、イネの重要害虫であるウンカ類の種類判別への適用が試みられている。
また、このＡＩは、学習次第で様々な活用が可能。今後、農業分野を始め、根拠が説明できるＡＩが必要な広い分野での活用が期待される。
Copyright 株式会社官庁通信社 All Rights Reserved.
