【AI×農業】AIで農業の持続可能性を支援する【産学連携】
Summary
TLDR株式会社ラプラスは、AI技術を活用して農業の効率化とデジタル化を目指す企業です。農作物の収穫量予測や出荷梱包ラインの自動化を通じて、人々の目や脳をサポートし、農業の持続可能性を高める取り組みを紹介しています。独自の物体検出エンジン「ラプラスAI」を開発し、農業現場の課題を解決し、人手不足や高齢化を背景に生産性向上を目指しています。また、AIを活用した農業の未来について、新たな人材の育成と技術の進化が求められています。
Takeaways
- 📦 出荷梱包ラインの自動化: スクリプトでは、人々の目でNG品をピックアップする作業を自動化しようとしている課題について説明しています。
- 👷 労働力不足の解決: 日本の農業における高齢化や人口減少を背景に、AIを活用して労働力不足の問題を解決しようとしています。
- 🌟 ラプラスアイの紹介: 物体検出エンジン「ラプラスアイ」が、AIを用いて農作物の色や形を検出し、数え、時間を測ることができる機能について紹介されています。
- 🛠️ デジタル技術の活用: 農業現場でデジタル技術がどのように活用され、熟練者の知恵を次の世代に伝える方法についての議論がされています。
- 🚀 ラプラスのビジョン: 会社ラプラスは、誰も職に困らない世界を作るためのビジョンを持っており、AIを活用して農業の持続可能性を支援しています。
- 💡 AIの目視判断の自動化: ラプラスアイは、人間の目視判断を自動化し、不良品の検出や収穫量の予測など、多様な農業関連のタスクを支援しています。
- 🔍 高精度の物体検出: ラプラスアイのアルゴリズムは、高い精度で物体を検出し、業界標準を上回るパフォーマンスを発揮することが示されています。
- 📈 収穫量予測の重要性: 収穫量の正確な予測が、出荷計画や人員配置に影響を与えるため、その重要性が強調されています。
- 🛒 コンベア速度の調整: NG品の多さを検出して、コンベアの速度を自動調整することで、人員を削減し効率を高める方法が提案されています。
- 🔧 導入のボトルネックの解消: ラプラスは、AI導入のプロセスを簡素化し、データセット作成やモデル評価をクラウドで行うことで、導入の障壁を低減しています。
- 👥 求める人材像: ラプラスは、課題に直面した際にアクションを起こすことができる人、物作りを楽しむ人、そしてお客様に笑顔を届けたいというモチベーションを持つ人を求めています。
Q & A
ラプラスアイの主な特徴は何ですか?
-ラプラスアイはAIを用いて物体を検出し、数え、時間を測ることができます。人の目と脳を模倣して、物事を自動化し、効率化を図るエンジンです。
ラプラスアイはどのようにして農業の持続可能性を支援する予定ですか?
-ラプラスアイはAIを活用して農作物の色や形を高精度で見分け、人間の目視判断を自動化することで、農業の効率を高め、知識の俗人化を防ぎます。
ラプラスアイのアルゴリズムはどのような精度を出せるとされていますか?
-ラプラスアイのアルゴリズムは、比較的少ないエポックで既存手法を上回る精度を出すことができるとされています。具体的な数値として、75エポック程度で既存手法を上回る精度が実現されることが期待されています。
ラプラスアイの導入によりどのような課題が解決されることになりますか?
-ラプラスアイは、出荷梱包ラインでの不良品の検出や、農作物の収穫量予測など、人間の目視判断を自動化することで、労働者の不足や熟練者の知識継承の課題を解決するのに役立ちます。
ラプラスアイはどのようなインターフェイスを備えていますか?
-ラプラスアイはIPカメラやウェブカメラ、専用の研究用カメラなど、目に見えるものは何でも繋げることができるインターフェイスを備えています。また、ロボットアームやPLCなどにも連携できるようになっています。
ラプラスアイの導入に必要なボトルネックとは何ですか?
-ラプラスアイの導入に必要なボトルネックは、データの管理やラベリング、データセットの作成、学習パラメータの決定、モデルの評価など、AIが実際に稼働し始めるまでに必要な準備工程です。
ラプラスアイの価格はどの程度ですか?
-ラプラスアイは、通常の物体検出プロジェクトに比べて価格を抑えています。具体的な価格は明示されていませんが、パッケージ化された機能の塊として提供され、汎用性を保ちながら価格の圧縮に成功しているとされています。
ラプラスアイはどのようにしてAIの導入を簡素化しようとしていますか?
-ラプラスアイは、データセット作成からチューニング、モデル評価までクラウド上で全て行えるようにし、AI専門のエンジニアが必要な工程を簡素化することで、導入を容易にしようとしています。
ラプラスアイはどのような人材を求めていますか?
-ラプラスアイは課題に直面した時にすぐに行動できるアプローチを持った人、未知な課題に対しても積極的に取り組めるモチベーションを持つ人を求めています。また、物作りに対する情熱や、お客様への価値提供への関心がある人も希望されます。
ラプラスアイの今後の展開や展望はどのようなものですか?
-ラプラスアイは、農業だけでなく、デジタル技術を活用して様々な課題を解決できるよう、DXの文脈で技術を広げていきたいとしています。また、ロボットと連動した自動化の分野にも取り組んでいく予定です。
Outlines
🤖 AIによる農業のデジタル化
この段落では、AI技術が農業における出荷梱包ラインの自動化にどのように貢献しているかが説明されています。ラプラスアイという物体検出エンジンを活用して、人々の目で行っていたNG品のピックアップ作業を自動化し、効率化を図る取り組みが紹介されています。また、農業における高齢化や後継者不足という課題にも触れられ、AIがそれらを解決する手段として期待されていることがわかります。
🛠 ラプラスアイの機能と特徴
ラプラスアイの機能と特徴について説明されています。この物体検出エンジンは、AIを用いて物体を識別、数え、時間測りができる高度な機能を持ち、産業や農業の現場での実用化が進んでいます。特に、ラプラスアイは価格面でもリーズナブルであり、一般的な物体検出プロジェクトに比べてコストパフォーマンスが優れていることが強調されています。
📈 ラプラスアイの精度と効果
ラプラスアイの精度と効果について詳述されています。独自のアルゴリズムを用いて、物体検出の精度を高め、既存手法を上回る性能を発揮していることがわかります。実際の比較結果も示されており、ラプラスアイの手法が他社と比べて高い正確度を持つことが確認できます。
🚀 ラプラスアイの応用事例と課題解決
ラプラスアイが具体的な課題解決にどのように役立つかが紹介されています。例えば、収穫量の予測や出荷梱包ラインの効率化など、様々な場面での実用例が示されています。また、AIを活用することで、人々の目視判断を自動化し、知識の俗人化を防いだり、生産効率を高める効果が期待されています。
👨💻 ラプラスが求める人材像
ラプラスが求める人材像について説明されています。課題に直面した際に、すぐに行動を起こすことができ、未知な問題に対しても積極的に取り組めるアプローチを持ち合わせている人材が求められています。また、物作りに対する情熱や、顧客満足を目指す姿勢が重要視されています。
🌐 ラプラスの未来展望
ラプラスの未来の展望について語られています。AIを活用して農業の持続可能性を支援し、人々の生産性向上に貢献することを目指しています。さらに、デジタル技術の知識が求められる現代において、様々な企業で活躍できる人材を育成し、社会に還元することを目指していることが示されています。
Mindmap
Keywords
💡ラプラスAI
💡デジタル技術
💡物体検出
💡収穫量予測
💡アノテーション
💡コンベア
💡目視判断
💡デジタル化
💡ロボットアーム
💡AIの専門家
💡DX
Highlights
ラプラスAIが農業現場の課題を解決し、デジタル技術を活用して農業の持続可能性を支援している。
目視判断を自動化することで、出荷梱包ラインでの不良品の検出を効率化している。
ラプラスAIは物体検出エンジンを使用し、農作物の色や形を高精度で識別することができる。
AIを用いた目視判断の自動化は、農業における人手不足問題に対処する一つの方法である。
ラプラスAIは、収穫量予測や品質管理など、農業の様々な場面で応用が可能である。
AI技術を用いて、農業現場の生産性向上と知識の継承を目指している。
ラプラスAIは、カメラとクラウドを組み合わせたシステムで、農作物の監視と分析を行う。
ラプラスAIのアルゴリズムは、業界標準を上回る精度を発揮することが証明されている。
ラプラスAIは、農家が自らの課題を解決するためのツールとして利用が可能である。
ラプラスAIは、収穫時期の予測や出荷量の管理など、農業の計画性向上に貢献している。
ラプラスAIは、農業現場でのデジタル技術の導入を容易にし、コストを抑えている。
ラプラスAIは、農業におけるロボットアームやPLCと連携し、自動化を促進している。
ラプラスAIは、データセットの作成からモデルの評価までクラウド上で行える機能を備えている。
ラプラスAIは、農業現場の課題に対する柔軟な対応が可能で、様々な作物に対応している。
ラプラスAIは、農業のデジタル化を促進し、新しい人材の育成にも寄与している。
ラプラスAIは、農業現場でのAI技術の適用を通じて、生産効率の向上を目指している。
Transcripts
[音楽]
[音楽]
[音楽]
[音楽]
はいえ導入前のですね現場の課題感として
はですね例えばえ出荷梱包ラインのですね
え商人化をやりたいというようなえご相談
をいただくことがありますで具体的には
ですねあのま要は物をですねこう流してる
例えばまミニトマトとかあるいは工業製品
とかをですねえこう流してるラインがあっ
てでその中をですね不良品っていうのが
あの出荷されないようにですね人が目で見
てこう全部こうNG品っていうのをですね
こうピックアップしていってこうのけてい
くっていうような作業がありますでこれを
ですねえ今現時点ではまあの5人であっ
たりとかま多いところで言うと10人で
あってたりされるっていうようなことが
あってそれをえなんとか商人化してえその
他のLINEにですね人にしかできない
LINEに移っていただきたいていうよう
なあの課題感っていうのがあり
[音楽]
ますそれでは農業の現場でどのように
デジタルが活用されているのか詳しくして
み
ましょうこの動画は1農業現場の課題2
物体検出サービスラプラスアイの解説3
求める人材と今後の展開についての3つの
ステップで構成されてい
ます私たちの生活に欠かせない
農作物ですがそれらを育てる人口は高齢で
リタイアする農家も多く新規収納者を
上回ることから年々減少していますしかし
農業には人の手が必要な場面も多くそこを
どのように商人化するのかが課題になって
いますまた熟練者の知恵をどのようにして
次の世代に残していくかの課題もありまし
たその課題をAIやデジタル技術で解決し
ているのが今回紹介する株式会社ラプラス
ですラプラスは佐保光線を卒業した同級生
で立ち上げた会社で物づくりが大好きな
メンバーが集まっています誰も職に困ら
ない世界を作るビジョンにAIで農業の
持続可能性を支援していますでは実際に
どのようにAIを活用しているのか
株式会社ラプラスの原崎市に解説いただき
ましょうえラプラスIについてえ説明させ
ていただきますえラプラスIはですねえ
物体を検出するためのエンジンですねま
AIを用いておりますで特徴としてはです
ね物をえ見分けてえ数えてで時間を測っ
たりできるまこういうあの人の目を目と脳
を使ってえっとやることをですねえ実現
するためのえエンジンになっておりますで
右の右上の図のようにですねま例えばイゴ
のですね収穫可能なものえ収穫待ちのもの
まこういうものをま色味であったり特徴を
捉えてえ数えて見分けて数えるですねえ
これによって収穫のえ予測ですね収穫量
予測みたいなことをですねえ実現できたり
もしますなぜこれをですねえ作っていくえ
に至ったかって言うとですねやっぱり皆
さんご存知の通りですねえ圧倒的にですね
今後労働者がですね不足していくくわけな
んですねでその中でえ皆さん経営される
方々とかですねま人がいないってなるとま
時間と余裕どちらもないっていうですねえ
こういう状況になっちゃうもはやなってる
わけですねでそんな中でですねどういう
課題をですねえ解決していけばえこういっ
た問題ってのはですねえ解消していくの
かっていうことを考えてみてえそれは答え
と答えの1つとしてはですねえ目視判断
ですねえ目視判断っっていうのがですね実
は皆さんも生活していく中とかですね工場
ではえ目を使って頭で何か判断するって
いう時間ってのがとてつもなく大きな
ウェイトを占めているわけなんですねで
そんな時にですね目で見て何か判断するっ
ていうのをえ機会にえやってもらえれば
かなりその全体の関節行数っていうのは
減るのではないかという風に考えてこの
ラプラスアイを作るに至りましたで例えば
ですねこういったあの果実とかえ野菜とか
をですねコンベアの上を流れているところ
ではですねま人がこうやって並んでえ
たくさんえ見てるわけなんですねでえその
見ていてえ結局この傷がついてるとかえー
下が取れてるとかですねそういったものを
人がピッピッとこう弾いていってるわけな
んですね人が5人かけてこのLINEを見
てるっていうのはですね不良品を出荷し
ないで済むようにえ5人で見てたりするん
ですねなのでえこういうえところてのは
ですねあの改善するポイントとしてはです
ね非常に魅力的です具体的なプロダクトと
サービスとしてはですねこういうHPCと
えカメラですねプラスえクラウドのま3点
セットでえ提供していきたいという風に
思っていてじゃあ一般的なこういうあの
物体検出系の話と何が違うのっていうと
ですねえまず価格はだいぶ抑えていますと
通常ですねあのこういう物体検出を行って
ま目で見て何かをやるみたいな
プロジェクトはですねま一般的にすごく
えっと0から作っていこうとするとま
だいぶお金かかりますでえ時間もかかり
ますでそれをですねこういうですねえ
パッケージとしてえ1つのこう機能の塊り
としてあらかじめ用意しておくことによっ
てえかつ汎用性も保ちながらですねえこう
いうあの提供価格の圧縮っていうのにえ
成功しましたそしてえすぐに試せ
るっていうところですねま0から作るわけ
じゃないんでえま早いもので言うともうえ
12週間あればもうすぐに試せるという
ような状況ですそして実運用にえ十分な
制度がえ出ていますもちろん用途にもより
ますしどんなデータをえどんな風に学習さ
せていくかっていうことにもよるんです
けれどもえ掃除てですねえラプIに使われ
ているアルゴリズムはですね高い精度が
出せるということがえ分かっています
そしてえこのプロダクトえラプラスIです
ねえ豊富なインターフェイスがございます
例えばえ入力する場合はこういうIP
カメラとかえこういうウブカメラですねえ
あるいは専用のえま研究用のカメラとか
ですねま目に当たるものであればま荒方何
でも繋がるというようなインターフェイス
を持っていてでかつですねえこのえラプラ
サイえからえ先ですねま要は目で見て何か
を判断した例えばNG品が多いとかえ
オッケ品が多いとかですねまそういう数え
て見分けてえ判断した上でじゃあ次出力し
たいわけですね出力する時はえロボット
アームに連携するとかPLCに連携すると
かえあるいは何かえ作業用の設備に連携
するとかですねま要は何かが見て分かって
その後何したいかっていうのは様々だと
思うんでえそういったインターフェイスを
揃えておりますまたですね導入のボトル
ネックっていうのをえっと解消する
取り組みをえ弊社としては進めていてです
ねえどういうことかって言うとですねま
機械学習を用いたプロジェクトのあるある
なんですけど結局ま要はAIが動き実際に
稼働し始めるまでにやることってのが結構
たくさんありますで例えばデータを集め
ますでデータを集めてえデータを管理し
ます管理しているデータに対してえ
ラベリングですねあのアノテーションとか
えラベリングま要はこのデータがえこう
いうデータだよっていうのをAIに教える
ためのえ前準備ですねえでデータセットを
作成しますでえ学習のパラメータを決め
ますえまエポックとかバッチサイズとかま
いろんなパラメーターがありますけどま
こういう条件で試しに学習させてみよう
かっていうことを決めなきゃいけないわけ
ですねでそれをえやりますとでそれで実際
に学習させて
え学習が終わってじゃあモデルがどれ
ぐらい使い物になりそうかっていうのを
評価して初めてま現場に導入ということが
できるようになるわけですねでこのえま
いくつかやんなきゃいけないことがあって
でそれをですねえ導入する際のボトルネッ
クっていう風に我々はえ見ていてでそれら
をですねもしAIに特化したエンジニアが
え全部やってるとですねとてもじゃない
けどたくさんの現場に導入していくって
いうのがですねなかなかやっぱり難しい
わけなんですねいやいやそうじゃなくて
その課題を持たれているお客様自身がです
ねえそういうあのデータの管理とかえ
データセットの作成とかをですねあの
できるようになったらお客さん自らがえ
現場の課題を見つけてえラプラスがあれば
それを解決できるっていうあの道具として
ですね使いやすくなるえしかつお客様が
導入される時のえっとコストってのもです
ねえっとAI専門のエンジニアが動かなく
ても済むんで結局下がるわけですでさらに
えっと維持とかしていくためのコストって
のもえ抑えられるわけですねそしてえ我々
からするとですよえそういうえ導入に至る
までの全ての工程っていうのをですねあの
我々以外のあのお客様側でえ実施
いただけることによってよりたくさんの
課題をえ解決するためにラプラサを提供
できるようになるとまそういった相場効果
が見込まれるのでえこの同流のボトル
ネックをえ解消しデータセット作成範囲
チューニングモデル評価ってのをクラウド
で全てえできるようにえ今進めていますで
え最後はですねえ現場に置いてあるまこう
いうHPCですねHPCの中にえっと
ラプラスIのえ新しいモデルってのを遠隔
でこう入れていくような気候もですねえ
備えています
はいはいでえ1番の特徴としてはですね
えっと独自にアルゴリズムをえ全て作って
いるということをえ
我々やっていてですねえ圧倒的に制度が
高いということがえ1つ上げられますで
もちろんあのいろんなですねあの他社さん
とかもやってるあのアルゴリズムもあのと
こういう用途に対してはすごくえっと制度
が出せてえ業界ではものすごく有用だって
いうものもちろんあるという前提でですね
弊社がえっと比較対象としてるものはです
ねま例えば物体検出として有名なヨですね
いろんなバージョンがありますえっとV8
ぐらいまで今出てると思うんですけどそれ
とですねえっと実際に比較を行っており
ますでもちろん前提としてですね同じえ
データセット数ですねで同じえエポック数
ですねまエポクっていうのは何回学習回す
かっていうようなイメージなんですけど
あのそれをですねえっと比較を行っており
ますで緑がえ既存の手法ですねでえピンク
がえラプラスでえ作ったえ手法ですねでえ
これを比較して横軸がエポックスですねで
縦軸がえっとAPですねま正しく検出でき
ているかみたいな値ですねえ平たく言うと
でそれをえ比較するとですね大体え75
エポックぐらいでえっとま広く世の中で
使われている既存手法っていうのをですね
あの上回ってくるぐらいのですねえ精度
っっていうのは出せているかなとで学習
終了時点でですねえ大体えまバイトまで
はかないですけど1.5倍ぐらいのえっと
APが出てるかなというような状況ですで
まグラフ見てもあんまわかんないので実際
に目で見てみましょうねということでえお
見せしますでこれがですね何やってる
かって言うとえっとノり見つけてますま
あの非常にあの目で見てもどこにあるかが
よく分からないレベルの話だと思うんです
けれどもえまず右側ではですね既存手法を
使っています左側で独自の手法を使ってい
ますでえ右側のえ薄緑の方ですねえこちら
でえ見つけることができているのりのえ
個数っていうのがですねえ上と下の画像を
合わせて4点見つけられてると思いますで
これもちろんあの同じデータセットですね
大体えっと340枚ぐらいの画像から
えっと150点ぐらいのですねあの
アノテーションを行ってえ同じそのデータ
をえそれぞれ既存手法と独自手法のですね
両方こうあの学習させたというような状況
で条件は全く同じですねでじゃあ独自手法
の方どうかって言うとですねまあの見て
分かる通りあの正しくかつ見落としがなく
ですねつまりAPがえ高いていうえことが
えまぱっと見分かるあると思いますでよく
見ないと分かりにくい人の目で見ても
なかなか見つけ出せないようなものもです
ねえ独自手法であればえきちんと見つける
ことができているのでまあのえっと制度と
いう意味ではえっと非常に自信があります
はいで具体例としてはですねま今これ
取り組み途中のものやえっと実際に実現し
たものが様々あるんですけれども例えば
えっと収穫量の予測ですね
あのいつえどれぐらいの量が取れてえこれ
ぐらい出荷できるっていうのをですねえ
うまく予想するのってなかなか難しいわけ
なんですねでそれを100%に近い精度で
本当に当てるってのはもうほぼ不可能に
近いんですけどそれでも大体これぐらいの
量が取れそうだっていうざっくりですね
予測ができるだけでもですね出荷する際の
え人材配置ですとかえ例えば市場に下ろす
際にこれぐらいの量多分出ると思いますっ
ていうことが言えることによってえ関係者
のですねえ人材の配置ですとかその構え
っていうのがだいぶ変わってくるわけなん
ですねでそれがなかなかうまくできない
もんでま皆さん困ってるという状況ですで
それをえなんとかこう解決していきたいと
思ってえまだ実現はしてないんですけど
あの取り組みとしてやや進めていってるの
はこの収穫料のの予測ですねでこれには
ラプラスアイ使ていてえ見分けて数え
るっていうところをですねえラプラスアイ
がになっていますでこの毎日毎日えこう
いう農業の補助のですねあの映像っていう
のをですねて自動で取っていって収穫可能
なものが今日何個収穫待ちのものが今日何
個っていうことをですねずっとこう取って
いくんですねで当然あの収穫したりする
わけですから収穫化っていうものはえっと
その日その日でずっと変動していきます
ただえっと収穫待ちのものが収穫下になっ
て収穫下のものがまた次えっと収穫されて
減っていくていうこのえっとサイクルを
ですねえ延々取っていきますで例えば修学
町は街でまあとどれぐらいの日数で収穫
できそうなのかていうところまでえ今
分かってきていますとでそれをやるとです
ねじゃあ10日後にはこれぐらい取れそう
だえ5日後にはこれぐらい取れそうだ3日
後にはこれぐらい取れそうだというですね
予測が立ち始めるんですねでそれをえやっ
ており
ますでこちらがですねあの1番分かり
やすい例かもしれませんこれがあの出荷
梱包ラインの商人化ですねえ左上の図に
あるようにですねあのま要は人がですね
生産あの出荷梱包ラインに貼り付いてです
ね5人とかでま結局こう物を見ながら不良
品が抜けないかっていうことをやってる
わけなんですねでこれをやはり皆さん
化したいという課題をお持ちなんですねで
5名から3名にするためにはどうしたら
いいっていうあのご相談が実際に発生して
いますでこの中でですねじゃあどうし
ましょうかとあのま要は完全にあの人が人
が不要なラインにするのはま次のステップ
ですねとじゃまず何ができそうかっていう
ところでえ話して話し合った結果として
ですねまあの5人かかってるのを3人に
するためには結局コンベアですねこの物を
運んでいるコンベアのえ速度を調整して
あげれるようにすればいいじゃんという
えっと話になりましたで例えばNG品がえ
少ない時はですね通常のこれまで通りの
速度でこう流しますとでNG品が多い時
だけえっと運転速度を下げようということ
にえなってますまつまり運転速度がえNG
品が多い時だけゆっくり流れればですね今
まで5人以内とえNG品が抜けてたえ工程
でも3人いればNG品見なきゃいけない
ものが多い時だけゆっくり流してあげれば
ですねそれまでのスループットってのを
維持しつつ不良かつ不良品が3人でも抜け
ないっていうえことが実現できるように
なりそうだという状況なわけなんです
ねラプラスではAIが物を見分ける物体出
に独自の手法を用いて農作物の色や形を
高い精度で見分けることができるようにし
ましたそれにより人が行っていた目視判断
の部分をAIが変わりにすることで商人化
を実現したり知識の俗人化を防ぐ効果も
ありましたまたAIの専門家でなくても
ラプラスアイがあれば農家が自ら課題が
解決できるような仕組みも作っています
解説にあったアノテーションを見てみ
ましょうえアノテーションと一口に言って
もですねまあのそもそもま目的ですね何を
やりたいのていうところでま全然あの定書
の仕方ってのは変わってくるんですねま
ただま皆さんがよくあの想像するのはま
例えばえミニトマトっていうのをま
見つけようというようなえ問題あの解決す
べき課題解いていくべき課題ってのがあっ
た時にですねまあのこうやってミニット
マットの画像にまこうやってあのペチペチ
とこうやってあのアノテーションしていく
わけですね
はいこんな感じでしょうかねはいまこんな
感じですねでこれでえっとミニトマト
みたいな感じあるいは下手を見つけたいの
であればえこういう風にま下の部分だけえ
囲っていくみたいなこともあるかもしれ
ませんこんな感じですねよいしょよいしょ
よいしょよいしょまこんな感じですねで
これ下という風にするみたいなまこういう
のをですねえアノテーションという風に
言いますで今あのやってる作業っていうの
はですねまが大きくその分けるとまあのま
画像分類っていうパターンとあとは物体を
検出する物体検出っていうものがあります
でそのうちま物体検出でえこういった作業
が必要になりますねで画像分類だとま
シンプルにまこの画像がミニトマトなのか
えまた別なのかですていう分け方になるん
ですけどこの画像の中でじゃミニット
マートはどこにあるのかっていうところ
までをえ推論するのが物体件数ですねでえ
今みたいにですねこうやってあのポチポチ
ポチポチポチと囲んでいったんですけれど
もま目的によってはですねまいろんな
パターンがありますここに下手ミニトマト
傷みたいな感じでえっとラベルってのを
用意してるんですけですけどまこれがです
よ例えばえっと収穫時期のえ予測っていう
のをやりたいとなってくるとですねまた話
は別になってくるんですねでこれはミニ
トマトを見つけても正直言ってあんまり
収穫時期のですね予測には役立たないわけ
でじゃそういう時どうするかっていうと
ですねえもしあなたがえ色味をもにえ収穫
時期のえ予想をしたいというテーマを与え
られたのだとするとまこういうパターンも
ありますということをお示します例えば
ですねええっと色味によってえ実際に収穫
までの日数っていうのがですねまある程度
予想できるという風に言われていますで
色味を元にえ予想していくってなるとま
カメラに映ったですねまミニトマトをの色
を元にじゃあ何日後に取れるのかっていう
ところをですねえカメラで見つけてじゃあ
あとこれ3日後だな1週間後だなってのを
見ていけばいいわけですねそうなった時に
はまラベルの付け方にもよりますけど
まあと3デズですねであとえ7
デイズとかあとはえ10
デイズとかえあとはえ
成熟収穫可能みたいなえラベルを作っても
いいわけですねはいで具体的にどう何を
言ってるのかって言とですねえっとはい
例えばこういうあの青をしたものですねま
これを実際にアノテーションしていきえ
アノテーション
こうですねこれをしていってじゃあこれは
ですねまだまだ先だなということでま実際
これぐらいの色みだったらですね修学まで
10日ぐらいかかるんですけどまこれは
10日10デイズっていう風にしとくん
ですねでじゃあこっちはどうかえこちらは
ですねもう赤がもうほぼほぼえ支配的な
色味になってるのでまこういう時はですね
こんな感じでえ
えっと収穫可能っていうラベルをつけます
するとですねえこれ学習した時どうなる
かって言うとえっとこういうものを
映し出した時にえっと収穫可能っていうえ
まえトマトが1つあるよっていうことが
分かるわけですねで一方でこういうものを
見た時にえ10日先のえものが映ってるよ
ということが分かるわけですねじゃあ一方
でえどうしようかなまこれぐらいしとき
ましょうかちょっとこうまだ赤とは言え
ないオレンジかかったようなものですね
はいまこういうのがあった時にじゃああと
3日だねというラベルのけ方をするとまこ
これがすぐにでも取れるものま今日取れる
ものっていうのがまず分かりますねで一方
でえこういうものをみ見ておくとじゃあ
あと3日後に取れるものっていうのがえ
この画格の中からこう分かってくるという
わけですねじゃこれ何が嬉しいかって言う
とま収穫の予測ができるというわけですね
例えばこれを全部え全部のアノテーション
行い学習させてじゃこういう似たようなえ
画像ってのをねあのAIに見せた時どう
なるかって言うとじゃあ例えば
123とかですねえあと3日のものが3つ
映ってるとでえ例えば
123456789ですねえあとえ10日
収穫までに10日かかるものがえっと9個
映ってるとですぐにでも収穫できるものが
このようなアノテーションを農家らが行う
ことで発見した課題にすぐに対処ができ
たり収穫量の予測によって適切な人員配置
ができ結果としてコスト削減へつなぐよう
な開発が進んでい
ます最後に株式会社ラプラスが求める人材
と今後の展開についてお伺いし
ます求める人材像としてはですねやっぱり
こう
何でしょうねそのまうーんってずっとこう
考え
続けるのではなくてですねこう何かしら
こう課題が目の前に出てきた時に
とりあえずやってみようというえ
アクションができる方っていうのが非常に
弊社には合ってるんじゃないかなと思い
ますでえていうのもですねやっぱりこう
何かこう分からない壁なり課題に当たった
時ってどうしてもやっぱりみんな考え
るっていうことが先行してしまって
なかなかこう手を動かせなくてどうしても
時間ばかりが過ぎていくっていうのって
やっぱ多いと思うんですよねでもこういう
AIの分野っていうのはえこうなったって
いう結果からあ実はこうなってるんじゃな
いっていう思考プロセスが非常に重要なん
ですねまそれがやっぱりやってみて初めて
分かるやっぱこういうあの機械学習とか
AIを使ったえ取り組みのえま大きな割合
を占めるえ作業になってくるんですねま
そういった意味で何か課題があった時にえ
すぐに手動かしてえ見るわかんなかったら
とりあえずググるとか分かんなかったら
とりあえずGPTに聞いてみるっていう
ようなま要は打破するためのですね物事目
の前にある課題を打破するためのえ習慣が
え身についてる方っていうのがすごくあの
フィットするんじゃないかなと思います
うんあとはですねあのあれですねま物作り
が好きとかですねま別にそのAIを今まで
やったことAIの開発をあのやったこと
あるかどうかはですねま正直あんまり関係
ないと思っていてそれよりかもあ物を作っ
て作ったものがお客さんに届いてでそれで
えお客さんが笑顔になって欲しいなって
いう思いを持たれているまそういうのの方
がま今までこんだけ経験しましたよりかも
重要だと思いますま正直言ってAIもです
ねあのどんどんどんどん世の中でですね
あのどんどん新しいものが出ていってるん
で我我々ですらやっぱりその知り尽くし
てるわけではないんですよなのでどちらか
というとま未知なるものとか課題ってのが
あった時にあそれに対してえもお客さんを
笑顔にしたい作って動かせるようになりた
いっていうモチベーションで手を動かして
いけるような方がえAIとか今後のまあの
DXとかまそういった分野にはすごい向い
てるかなと思いますし弊社でもあのそう
いう方をですねえ待っているという状況
ですそうですね今後のえ計画や展望につい
てですけどもまずあの大前提としてその今
ま日本国内
えやま九州っていうところではま人が
そもそも減ってますねで減っていてでそれ
を解決していくってなるとですねやっぱり
その1人1人のその生産性を上げていくっ
ていうことがやっぱり必要だと思ってい
ますでそのためにえっと弊社ではですね
あのDXっていう文脈でえ人の目やえ脳に
え変わる技術っていうのをですねどんどん
広げていきたいという思いでやっています
でやはりその目で見て何かを判断するって
いうコースはですねま皆さんが思っている
よりかもすごく大きなウェイトを占めてい
てあのそれをですね解消していくっていう
のは業全体の性化につがると思っています
でさらにその先にはですねやっぱりこう目
で見て判断するだけじゃなくてさらにこう
ロボットですねロボットと連動することに
よって手作業でやっているえ繰り返し作業
なんかをですね一部そのロボットに
置き換えるっていうま自動化の部分までえ
考えて今え取り組みを始めたところです
株式会社ラプラスではAIを活用し農業者
がから課題を解決できるようなサポートを
行っていましたIT企業だけではなくどの
ような企業で働くにしてもデジタル技術の
知識が必要とされる時代です今回紹介した
株式会社ラプラスのように様々な課題に
対しデジタルが活用できるのではないかと
想像できる人になれるといいです
[音楽]
ねDET
[音楽]
Browse More Related Video
コロナ禍でも加速“スマート農業”劇的な進化とは(2021年6月13日)
【空知地区水稲直播連絡協議会】熊谷会長にきく「湛水直播栽培の心得!」第一弾①
【AI×水産養殖】AIで持続可能な水産養殖を地球に実装する【産学連携】
【神プレゼン】製造業DX完全解説。これを見れば製造業DXの中身が全てわかる!
GCNT Forum 2022 Interview Session: Mr. Ho Ren Hua - Chief Executive Officer, Thai Wah Pub Co., Ltd
PutraMOOC | PRT2008M Topic 6 Innovation and Challenges in Agriculture (Part 5/6)
5.0 / 5 (0 votes)