本研究では，トマト栽培の草勢状態を判断する指標の一つとして，株画像から花・果実と葉・茎の面積比を画像認識する学習システムを構築した。しかし，これらの画像解析の前処理として行われる物体のラベリングなどのアノテーション作業には，多大な計算コストがかかる。そこで，著者らは誤差逆伝播を用いた教師なし学習によるクラス分けと教師あり学習の物体検出を組み合わせた半教師あり学習によるセグメンメンテーション手法を提案した。その結果，花・果実と葉・茎との面積の割合を高い正答率をもって認識することができ，計算コストを軽減した提案システムの有効性が示唆された。
