冈山大学
京都大学
东京农工大学
国际农林水产业研究中心
岐阜大学
东北大学

◆发表要点

• 通过使用AI的图像分析，可以简便地推定水稻的收获量。
• 只需用市面上贩卖的数码相机和智能手机拍摄水稻。
• 高产品种的开发和农家农场的生长诊断有望一举加速。

　水稻在日本自不必说，在世界范围内也是以人口约半数为主食的非常重要的作物。我们通过国际性的研究网络从国内外收集了大量的水稻图像和收获量数据，让AI学习。据此，开发了只拍摄野外生长的水稻的收获期画像，开发了以高精度估计每面积收获量（收获量）的技术。本技术不仅适用于广泛的品种和环境条件，最大的特征是仅凭市面上贩卖的数码相机和智能手机，谁都可以简单地推定水稻产量，可以说实现了看清水稻收获量的“AI之眼”。
本研究成果将于当地时间6月29日在国际杂志《Plant Phenomics》在线公开，预定于7月28日出版。本技术通过大幅度省力化·迅速化到现在为止花费时间和劳力必要的水稻产量调查，为在育种现场的高产品种的选拔做出贡献。此外期待农家农场，特别是发展中国家等，到现在为止调查困难的地域的水稻生产量的把握，进而最适合的栽培法选择和政策立案等，多方面可活用。

◆研究者表示

本研究，是多数的国家·研究机关联合，集结了众多研究者的力量的国际共同研究的成果。向所有相关人员表示衷心的感谢。虽然我自己不是AI的专家，但是挑战了新的领域，这样公布了成果，我感到很有成就感。希望有更多研究人员对本技术感兴趣。

田中　佑 副教授

■论文信息
论文名：Deep learning enables instant and versatile estimation of rice yield using ground-based RGB images
刊登：PlantPhenomics
作者：Yu Tanaka, Tomoya Watanabe, Keisuke Katsura, Yasuhiro Tsujimoto, Toshiyuki Takai, Takashi Sonam Tashi Tanaka, Kensuke Kawamura, Hiroki Saito, Koki Homma, Salifou Goube Mairoua, Kokou Ahouanton, Ali Ibrahim, Kalimuthu Senthilkumar, Vimal Kumar Semwal, Eduardo Jose Graterol Matute, Edgar Corredor, Raafat El-Namaky, Norvie Manigbas, Eduardo Jimmy P. Quilang, Yu Iwahashi, Kota Nakajima, Eisuke Takeuchi, Kazuki Saito
D　O　I：10.34133/plantphenomics.0073

■研究资金
　本研究获得科学研究费补助金（19H19H02939, 20H02968, 21K19104）、European Union and International Fund for Agricultural Development（IFAD; DCIFOOD/2015/360-968, PRUNSAR）、CGIAR Research Program（CRP）、JICA/JST SATREPS（JPMJSA1608）的支援而实施。

＜详细研究内容＞
“AI之眼”的水稻收获量的简单·迅速推定


＜咨询窗口＞
学术研究院环境生命自然科学学域（农）
副教授　田中　佑
（TEL）086-251-8319