東京大学生産技術研究所とエア・ウォーター株式会社は、スマート農業の実現に向けて共同研究を進め、収穫に適した時期を高い精度で「予測」する技術と、農業生産性の向上に有効な「観察」する技術に関する共同研究成果を発表した。

ブロッコリーの収穫適期を2.5日未満の精度で予測することに成功

エア・ウォーター株式会社は、「デジタル&インダストリー」「エネルギーソリューション」「ヘルス&セーフティー」「アグリ&フーズ」の4つの事業領域を展開している企業。2020年12月に東京大学生産技術研究所と「IoTセンシング解析技術」社会連携研究部門を設置し、国内外でのスマート農業の実現に向けて共同研究を進めてきた。

従来の収穫時期や収穫量の予測モデルは、さまざまなセンサー類を用いて土壌分析を行うなど、データ収集やそのための高額な設備投資が必要となるが、今回の研究成果により、気温データの収集のみで収穫適期に特化した予測モデルが実現した。

研究では、植え付けた日からブロッコリーの収穫適期を2.5日未満の精度で予測することに成功し、品質低下防止や収穫適期逃しによる食品ロスの低減につなげてきたいとしている。

また、観察技術により収穫数が精度高く予測できるモデルも提供し、収穫に関わる機材や人員、集荷などの最適化を通じて生産性の向上を目指していく。

共同研究成果の詳細は以下の通りだ。

1．収穫適期の「予測」技術により、農作物の収穫量と品質を向上

（1）共同特許出願の概要

「IoTセンシング解析技術」社会連携研究部門の共同研究成果である、農作物の収穫適期を予測することに関する発明について特許を出願した。

具体的には、対象となる農作物の生育期間における最高/最低温度が所定の上下限値未満である日の平均温度から有効積算温度を算出し、その値に基づいて農作物の収穫適期を予測するというもの。

こうした予測技術を活用することで、以下のような効果が得られるという。

1. 収穫作業に必要な作業人数を事前に調整可能に
2. 農薬の「収穫の3日前までであれば使用可能」といった制約に対し、効果的なタイミングでの農薬散布が可能となり、農作物の品質向上が期待できる
3. 収穫適期を逃したことで発生する過熟による品質低下や収穫ロスを低減

農業就労者人口の減少は今後避けて通れないことから、機械化による一斉収穫が主流になることが想定される。その中で農作物の過熟・未熟の塩梅を見極め、圃場全体の平均的な収穫適期を科学的に判断することで、過熟や未熟によるロスを減らして収穫量を最大化し、農作物の安定的な確保を目指すとしている。


生育温度が10℃≦X≦28℃で、有効積算温度が800℃以上で収穫適期となる作物を、隣接したA市とB市それぞれの畑で同じ日に植え付けたケースでは、単純な平均積算温度はA市の方が高いが、有効積算温度はB市の方が高いため、収穫適期が早くなる。

赤字は生育温度外を示しており、青字は有効積算温度としてカウントされていないもの、黄枠は収穫適期を示している。


（2）「予測」技術を応用し、機械学習を用いたブロッコリーの収穫予測精度を向上

農作物の収穫予測モデルを応用する形で、機械学習を用いたブロッコリーの収穫予測に関する研究を行い、植え付けた日から収穫するまでの時期を平均2.5日未満の精度で予測できることが研究ベースで明らかとなった。

2026年度から指定野菜に追加されるブロッコリーは、産地の努力で国産ブロッコリーの品質が向上し、産地の面的な広がりの礎ができた一方で、異常気象などの影響で例年通りに収穫スケジュールが組みにくくなっている課題があるという。

特にブロッコリーは、収穫適期を逃してしまうと品質低下により商品価値が損なわれてしまうため、収穫適期を見極めるニーズが高まっている。

そこで東大生研とエア・ウォーターは、適期に収穫するだけでなく、選果・出荷場との連携を強化することで、食品ロス低減への寄与に向けた研究と実証を進めていくとしている。


2．ドローンを活用した「観察」技術により、収穫数/量を精度高く予測し、生産性を向上

ドローンを用いて農作物の個体番号を割り振り、位置と数を把握するための手法や、畑の中の生育差を比較・推定するためのモデルを開発。こうした観察技術により、収穫数が精度高く予測できるため、収穫物を収容するためのコンテナや人員、輸送手配、集荷場での受け入れ準備などを最適化が可能になるという。

個体番号を判断し、どのあたりに異常が生じているかを個体ごとや区画として認知することで、栽培途中もしくは次期作の改善につなげ、生産性の向上を目指す。

農業生産においては、気象環境や栽培環境、病害虫被害などの外的要因や個体そのものの遺伝的要因があるため、1000株植えた作物を1000株すべて収穫することは現実的に困難だ。

また、作物は種子の時点で収穫時の最大収穫量が遺伝的に決まっているということもあり、収穫数を精度高く予測する上では畑に定植した株数と栽培途中に枯死してしまった株、外的要因によって生育が遅れてしまっている個体など、収穫できない株数を把握することが必要不可欠だ。

外的要因による生育遅延が発生することによって食品ロスとなってしまうため、それらを改善し、ロスを減らすことが食品ロス全体の改善につながることも見据えた開発も行っている。


今後日本の農業は、収穫機械の導入によって省力・省人化しながら土地生産性を高める方向に進むことが予測される。

機械で一斉収穫する場合、個体ごとでなく圃場全体の適期を見極める必要があるため、同研究の予測と観察における精度をさらに高めることを目指す。また、気象予測の精度を高めることで農作物の予測精度の向上に寄与する研究開発を並行して推進し、気象予測を用いた収穫適期予測の実証試験を行っていくという。

さらに、ドローンで観察・把握した情報を圃場走行ロボットに与え、人に代わってモニタリングする研究開発も並行して進めるとしている。


論文情報
雑誌：Journal of Agronomy (MDPI)
題名：RNN-Based Approach for Broccoli Harvest Time Forecast
著者：Mykhailo Lohachov, Ryoji Korei , Kazuo Oki, Koshi Yoshida, Issaku Azechi, Salem Ibrahim Salem, Nobuyuki Utsumi
DOI：10.3390/agronomy14020361
URL：https://doi.org/10.3390/agronomy14020361

雑誌：Sensors and Materials
題名：Locating Open-field Broccoli Plants with Unmanned Aerial Vehicle Photogrammetry and Object Detection Algorithm: A Practical Prediction Approach
著者：Hiroki Hayashi, Hiroto Shimazaki, Ryoji Korei, Kazuo Oki
DOI：10.18494/SAM4364
URL：https://sensors.myu-group.co.jp/article.php?ss=4364


東京大学生産技術研究所
https://www.iis.u-tokyo.ac.jp/ja/
エア・ウォーター株式会社
https://www.awi.co.jp/ja/company/outline/outline.html