日本農業・食料生産2015 – 継続中小池家のキュウリ農家
自作のディープラーニングによるキュウリ選別機
農家の息子が無料のAIツールでキュウリ選別機を自作 テストでは95%超の精度だが、農場では約70%
課題
日本の小さな家族農家では、キュウリを形、大きさ、色、傷によって手作業で9つの等級に仕分けていた。収穫の最盛期には、農家の母親が1日最大8時間を選別に費やし、技能の習得には数カ月かかり、季節のアルバイトにも任せられなかった。市販の選別機は、小規模農家には高すぎた。
取り組み
自動車の組み込みシステムのエンジニアだった小池誠（Makoto Koike）氏は、実家の農場に戻り、AlphaGoを見たことをきっかけに、GoogleのオープンソースライブラリTensorFlowで選別機を作った。Raspberry Piがカメラを制御してキュウリがあるかを確かめ、Linuxコンピューター上のより大きなモデルが9つの等級のいずれかを割り当て、その後コンベヤーとレバーでキュウリを箱に送る。母親が3カ月かけて分類した約7,000枚の写真で学習させ、試作機は2016年7月に使われ始めた。
主な数値
示唆
オープンソースのツールにより、1人でも非常に低コストで動く試作機を作れたが、低解像度の学習用写真が少なすぎたため、色、傷、とげを捉えきれず、精度はテストの95%超に対し、農場では約70%にとどまった。キュウリは依然として手作業で載せる必要があり、判定1回に数秒かかった。
分類
- 業種
- 農業・食料生産
- 業務機能
- 生産・品質
- イノベーションの類型
- プロセス・イノベーション
- 導入形態
- 自社開発
- 目的
- 生産性・スピード
- 根拠
- 企業自身の発表
出典
出典の要約
Googleのデベロッパーアドボケートが、小池誠氏がRaspberry PiとTensorFlowのモデルを動かすLinuxサーバーで2段階の選別機を作った経緯を説明している。母親が3カ月かけてラベル付けした約7,000枚の学習用写真、80×80ピクセルに縮小した画像、テスト精度95%超、実使用での約70%を挙げている。この差は、データの少なさと解像度の低さによるとしている。
Quartzは、小池氏が3カ月かけて7,000枚超の画像にラベルを付けたと報じている。2016年7月に実運用が始まった後、機械の有効性は約70%だった。
日本のテックサイトは、試作機のコンベヤー、カメラ、レバーと、9つの等級を説明している。約70%が正しく判定されたこと、1本あたり数秒かかること、手作業で載せる必要があることを報じ、母親が繁忙期に1日8時間選別していたと伝える。農家ごとに独自の等級ルールがあるとも指摘している。
詳細は原典でご確認いただけます。
