農作物収量予測に向けた可視化手法の適用分析事例

抄録

農作物の収量を予測することは，収穫日までの期間に環境補正が可能となること等，収量安定化の観点から重要である．また，この問題に対して畳み込みニューラルネットワーク（CNN）を利用することで，高精度な予測が期待される．その一方で，農作物データの取得やモデルの学習に時間とコストがかかることから，適切なサンプルサイズが必要であるかの見積もりは重要である．本発表では，ハウス栽培環境下のきゅうりに焦点を当て，１週間後の収量が平均より多いか少ないかの２値分類問題に対して，識別根拠を視覚的に説明する手法であるGrad-CAMを適用して，本質的情報が得られているかについて分析した結果を示す．分析の結果，従来から重要性が指摘されている葉の部分を識別根拠として捉えている可能性があるという示唆が得られた．しかし，数百程度のサンプルサイズの場合には学習間で分析結果は安定せず，必要なサンプルサイズ確保と適切な学習モデル選択の必要性も見受けられた．