コンピュータビジョンのタスク自動化は、畑で植物の表現型をハイスループット解析し、より効率的で持続可能な農業を実現するための大きな鍵となります。
時間および空間的に有用な植物特性を抽出するためには、フィールドデータの分析に加えて、植物モデルと新たなコンピュータビジョン技術の開発が不可欠です。
機械学習技術を用いれば、データの中から有用な情報を取り出し、農家の意思決定をサポートすることもできます。実験室内の完全に制御された環境に比べると、フィールドでの条件は大雑把ですし、小規模農場の場合は多様な作物を育てているために、誰もが利用できる価格のツールおよびセンサーを提供することは特に厳しい課題となっています。こうしたアプローチを成功させるためには農家参加型の実験が不可欠です。そしてそのためにはフリーのオープンソース・ソフトウェアを開発し、データを公開することが重要であると考えています。
[keywords] 植物モデル / コンピュータビジョン / 機械学習
Automated computer vision tasks are a key factor to provide high-throughput phenotyping of plants in the field, and could lead to a more efficient and sustainable agriculture. This requires analysis of data acquired in the field and development of both plant models and new computer vision methods to extract useful traits from crops, across space and time. Machine learning techniques can also help us find useful information in the data and help the farmers in their decision-making process. The roughness of in-field conditions compared to the lab's perfectly controlled environment, as well as the diversity of crops in small market farms make for a great challenge, especially when we want to keep the costs of tools and sensors accessible to everyone. Making farmers part of these experiments is key to the approach's success, and this is why I think it is important to develop free and open source software, and to keep the data open.
[Keywords]
Plant Models / Computer Vision / Machine Learning
