Tsutomu Matsui 研究室（岐阜大学）

AI 要約（直近 5 年の研究成果）

松井研究室では、農業生産の効率化と最適化を目指し、環境要因が作物の生育・収量に与える影響を定量的に理解する研究を展開しています。大豆や水稲、キャベツなどを対象として、降水量や気温などの環境データと収量・生育データを統合的に解析する手法を開発しており、ベイズ統計学的アプローチやガウス過程モデルといった統計的枠組みを駆使して、複雑な農業生態系の関係性を明らかにしています。また、無人航空機（ドローン）からの画像撮影と深層学習による解析を組み合わせた遠隔計測技術の研究も進めています。ドローンで取得した画像から植物の葉面積や植物密度を抽出し、これを作物成長シミュレーションモデルに組み込むことで、圃場レベルでの収量予測精度を向上させることに取り組んでいます。さらに、赤外分光法と機械学習を用いた土壌性質の迅速評価技術も開発しており、精密農業の実践に必要な情報取得の効率化を実現しています。これらの技術基盤の上で、農家が実際の圃場で行う試験（ほ場試験）に基づき、肥料施用量の最適化や高温耐性の品種選択など、実践的な栽培管理の改善方法を提案することが、研究室の大きな目標となっています。

※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。

外部リンク

研究成果（21 件）

[2025] A hierarchical Bayesian approach to assess the impact of environmental factors on soybean yield and yield components
DOI: https://doi.org/10.1051/bioconf/202515501028
[2025] Predictive performance of mid-infrared FTIR spectroscopy and machine learning models for soil property estimation in Japan
DOI: https://doi.org/10.1080/00380768.2025.2558584
[2025] Factors comprising tolerance to high temperature induce floret sterility in rice (Oryza sativa L.) cultivars in paddy field under common agricultural practices in Cagayan, Philippines
DOI: https://doi.org/10.1016/j.fcr.2025.110051
[2025] Assessing available silicon impact on rice yield and quality through on‐farm experimentations
DOI: https://doi.org/10.1002/agj2.70093
[2025] Assessing uncertainty of soybean yield response to seeding rates in on-farm experiments using Bayesian posterior passing technique
DOI: https://doi.org/10.1016/j.eja.2025.127651
[2024] A Bayesian approach to assessing uncertainty in the effect of fertilization strategies on paddy rice yield via multiple on-farm experiments
DOI: https://doi.org/10.1080/1343943x.2024.2367578
[2024] Accuracy and robustness of a plant-level cabbage yield prediction system generated by assimilating UAV-based remote sensing data into a crop simulation model
DOI: https://doi.org/10.1007/s11119-024-10192-3
[2024] An instance segmentation dataset of cabbages over the whole growing season for UAV imagery
DOI: https://doi.org/10.1016/j.dib.2024.110699
[2024] Critical evaluation of the effects of a cross-validation strategy and machine learning optimization on the prediction accuracy and transferability of a soybean yield prediction model using UAV-based remote sensing
DOI: https://doi.org/10.1016/j.jafr.2024.101096
[2023] Toward an effective approach for on-farm experimentation: lessons learned from a case study of fertilizer application optimization in Japan
DOI: https://doi.org/10.1007/s11119-023-10029-5

続きを表示（残り 11 件）

[2023] Predicting plant-level cabbage yield by assimilating UAV-derived LAI into a crop simulation model
DOI: https://doi.org/10.3920/978-90-8686-947-3_131
[2023] Multimodal Deep Learning for Rice Yield Prediction Using UAV-Based Multispectral Imagery and Weather Data
DOI: https://doi.org/10.3390/rs15102511
[2022] Critical reevaluation of an efficient sampling design for assessing soil properties using bootstrap sampling and geostatistical analysis in Japanese large-scale paddy fields
DOI: https://doi.org/10.1080/00380768.2022.2101864
[2022] Winter wheat yield prediction using convolutional neural networks and UAV-based multispectral imagery
DOI: https://doi.org/10.1016/j.fcr.2022.108786
[2022] Monitoring canopy micrometeorology in diverse climates to improve the prediction of heat-induced spikelet sterility in rice under climate change
DOI: https://doi.org/10.1016/j.agrformet.2022.108860
[2021] Machine learning techniques to predict soybean plant density using combination of UAV and satellite-based imagery
DOI: https://doi.org/10.14829/jcsproc.251.0_61
[2021] An early-morning flowering trait in rice can enhance grain yield under heat stress field conditions at flowering stage
DOI: https://doi.org/10.1016/j.fcr.2021.108400
[2021] Using linear mixed-effects modeling to evaluate the impact of edaphic factors on spatial variation in winter wheat grain yield in Japanese consolidated paddy fields
DOI: https://doi.org/10.1016/j.eja.2021.126447
[2021] Machine Learning Techniques to Predict Soybean Plant Density Using UAV and Satellite-Based Remote Sensing
DOI: https://doi.org/10.3390/rs13132548
[2021] Factors determining the occurrence of floret sterility in rice in a hot and low-wind paddy field in Jianghan Basin, China
DOI: https://doi.org/10.1016/j.fcr.2021.108161
[2021] 103. Can on-farm experiments benefit intensive farming systems with small- to moderate-scale fields?
DOI: https://doi.org/10.3920/978-90-8686-916-9_103

科研費（0 件）

まだデータがありません（KAKEN 取り込み後に表示）。

所属学会・役職（0 件）

まだデータがありません（学会データ連携後に表示）。

AI 要約（直近 5 年の研究成果）

外部リンク

関連研究室(8 件)

研究成果（21 件）

科研費（0 件）

所属学会・役職（0 件）