東京大学大学院農学生命科学研究科附属生態調和農学機構の郭威助教授らの研究グループは、圃場の光学画像から小麦の穂を検出する世界初のデータセット「Global Wheat Head Detection（GWHD）データセット」の構築に成功した。

この研究は、世界7か国・9研究機関の協力で行われたものである。郭威助教授らは、この研究を契機に「コムギのAI研究のための国際的な画像収集プラットフォームを構築することで、農学分野におけるAI研究の加速化に期待したい」としている。

https://www.shutterstock.com/ja/image-photo/wheat-field-on-sun-harvest-food-1085014505

小麦の栽培に関する調査は、単位面積あたりの穂数など主に目視を中心とした内容で行われているが、近年は労力の軽減などを目的に、AIによる画像解析や深層学習を活用した調査方法の開発が進められてきた。

しかし、現行の方法は限られたデータセットのみを用いて穂の検出モデルを作成しているため、異なる栽培条件、品種に対する汎用性がないことから、スケールアップすることが困難な現状にあったという。

また、穂の認識はコンピュータビジョンの研究分野でも難しい課題のひとつだった。理由として、観察条件、品種の違い、生育ステージ、穂の向きなどにばらつきがあるだけでなく、風によるぼやけの可能性や、密集した個体群による重なりなど、正確な認識を阻害する要因が多数存在するためだ。

そこで東京大学の研究グループは、汎用性のある穂検出モデルの作成を可能にするため、世界各国の研究者と協力することで、大規模で多様性に富み、ラベル付けされたコムギの穂画像データセットの構築を目標に研究を進めた。

各国で開発されている圃場での画像取得の方法。(A)手動による低コストな方法(B)ロボット(C)ガントリー(D)懸垂ケーブル式

品種や生育段階、栽培条件が異なる約19万のコムギ穂の高解像度画像の格納に成功

「Global Wheat Head Detection（GWHD）データセット」は、大規模で多様性に富むという小麦の穂画像をラベル付けして格納したデータセットだ。

同研究では、世界7か国9機関の研究者がそれぞれの国の栽培現場から、合計11のサブデータセットを収集。データの整合化を行い、標準となる合計4698枚の画像データを作成したという。

各研究機関で撮影された画像を決められた基準で整合
画像のサイズは、1024×1024ピクセルに統一され、人間の判断が必要な部分においてはコンピュータが提案する新たな解析技術を投入。複数名による再検討および手動修正を行い、最終的には品種や生育段階、栽培条件が異なる約19万のコムギ穂の高解像度画像の格納に成功したという。

格納に成功したGWHDデータセットの一例
研究では、画像取得のガイドラインおよびデータ共有の基準を示したラベル付けの方法も提案されており、小麦の穂の認識手法開発のためのベンチマークとしての利用も可能になっている。

郭威助教授らの研究グループは、この研究を通じて農業および研究現場のフェノタイピング（再現性の高い表現型解析技術）研究や人工知能を活用したAIツールの開発加速につなげたい考えを示している。


「Global Wheat Head Detection（GWHD）データセット」
http://www.global-wheat.com