日本农研机构（农业·食品产业技术综合研究机构）种苗管理中心联合推进课谷口浩彰课长等的研究团队10月31日发布研究成果称，利用AI协助马铃薯种薯异常株剔除作业的系统试制机对“Toyoshiro（马铃薯种名）”异常株的检测准确度达到83%。该系统由AI通过现场拍摄的视频，检测出因病害感染等出现花叶病症状或枯萎症状的异常株，并通过声音和图像提醒操作人员。今后将扩大目标品种，争取在2025年导入农业现场。该系统有望大幅减轻即使是熟练操作人员也需要时间完成判断的工作，有助于解决人员短缺问题。

配备自动检测程序的苗圃管理车（异常株检测支援系统）（供图：农研机构）

将收获的马铃薯作为“种薯”用于种植，繁殖率约为10倍，与水稻（约400倍）等谷物相比较低，并且感染病害后产量和品质均会下降。对于许多可传染给种薯的病害，目前尚无治疗方法或有效的农药，且根据《植物防疫法》规定，种薯的合格标准应为病（异常）株残留率低于0.1%。

在马铃薯种薯生产方面，近年来，由于人口老龄化和劳动负担过重（种薯的栽培为普通马铃薯的1.8倍），生产面积和生产者数量持续减少，栽培技术的维护和传承已成为一大课题。尤其是栽培过程中识别和清除异常植株的劳动负担较重，而且这项工作需要专业知识和经验，使得新手很难加入。截至目前，农研机构通过采访调查种薯生产者，发现开发节省劳动力的异常株剔除技术有很大的市场需求。

所以，为了满足这些需求，农研机构种苗管理中心、北海道农业研究中心、农业信息研究中心、北海道技术支援中心展开合作，共同开发异常株检测支援系统。

正在开发的系统针对在北海道大量种植的马铃薯“Toyoshiro”及具有抗胞囊线虫性的“Konahime”和“Kitaakari”等品种，希望能在共计4次的剔除作业中检测出因黑胫病引起的植株矮化和枯萎症状，以及因病毒病引起的花叶病症状和叶斑病症状等，使检测残留率低于0.1%，达到熟练操作人员的检测水平（检测准确度83%）。

为了将熟练操作人员的知识经验AI化，利用AI的检测程序针对目标品种的不同生长阶段创建了约35,000条训练数据。通过利用深度学习模型进行学习，由检测程序自动进行判断。

该试制机在市售的苗圃管理车辆上配备了提高准确性的遮阳罩、6台便携式摄像机和计算机。在传统检查中，操作人员一般目视检查2垄，但该系统可在行驶过程中（2千米/小时）一次检测6垄的异常植株。操作人员会跟在旁边，在检测到异常株时将其剔除。

在实际试验中，“Toyoshiro”的目标检测率达到了83%。今后的目标是使其余2个品种也达到相同的检测率，并努力提高检测程序的准确性，及系统的单元化和在数据集中管理中的利用。此外，还预计将目标品种扩大到“男爵薯”和“May Queen”，并准备创建模型。

系统售价预计为200～300万日元（不含车辆）。

目标是在来年先行导入到种苗管理中心的原种生产，并在2025年与普通种植者合作导入栽培现场并开始验证实用性。还计划在未来实现可以记录异常株位置的功能。

谷口课长表示：“我们预计后年北海道的马铃薯种薯栽培现场将全面导入这套马铃薯异常株检测系统。该系统的导入有望提高马铃薯种薯种植者的生产效率，并鼓励新人加入该行业。作为农研机构，我们相信，该系统得到普及后，将能够从目前全国马铃薯种薯种植面积不足5000公顷并持续下降的局面中实现V型复苏。”

原文：《科学新闻》
翻译：JST客观日本编辑部

【论文信息】
杂志：International Journal of Applied Earth Observation and Geoinformation
论文：Automated Abnormal Potato Plant Detection System Using Deep Learning Models and Portable Video Cameras
DOI：104.102509.2021