Tomoaki Yamaguchi 研究室（岐阜大学）

AI 要約（直近 5 年の研究成果）

本研究室は、稲やキノアといった作物の生育状態と収量を、非破壊的に推定・予測する方法の開発に取り組んでいます。具体的には、ドローン（無人航空機）で撮影した画像データと機械学習技術を組み合わせることで、圃場全体の生育情報を効率的に把握する手法を研究しています。カメラで撮影したRGB画像や分光画像から、地上部バイオマス（植物の乾物重）や葉面積指数といった重要な生育指標を推定するモデルを構築し、その精度向上と汎用性の拡大を目指しています。さらに、これらの推定モデルの改善に向けて、複数の地点・生育段階・品種条件下でのデータ収集と検証を進めています。特に異なる環境条件やイネの品種の多様性に対応できるモデル開発に注力しており、少量の学習データでも高い予測精度を保つ手法や、モデルの判断根拠を解釈可能にする工夫も行われています。また、衛星画像を用いた土壌塩分調査など、リモートセンシング技術の農業応用領域も広げています。こうした研究を通じて、農家の負担を減らしながら作物管理と意思決定を支援する技術の実現を目指しています。

※ 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（16 件）

[2026] Plant-level yield prediction of quinoa in field plots across growth stages using UAV-derived 3D structural and spectral features with machine learning
DOI: https://doi.org/10.1016/j.atech.2026.101940
[2026] Understanding rice yield gaps with crop modeling and machine learning in a long-term continuous cropping experiment
DOI: https://doi.org/10.1016/j.fcr.2026.110477
[2025] A study on optimal input images for rice yield prediction models using CNN with UAV imagery and its reasoning using explainable AI
DOI: https://doi.org/10.1016/j.eja.2025.127512
[2025] Machine learning reveals drivers of yield sustainability in five decades of continuous rice cropping
DOI: https://doi.org/10.1016/j.fcr.2025.110114
[2025] Robustness of the RGB image-based estimation for rice above-ground biomass by utilizing the dataset collected across multiple locations
DOI: https://doi.org/10.1016/j.atech.2025.100998
[2025] Fusion of UAV-based 3D mesh and spectral features improves quinoa biomass and LAI estimation across genotypic and temporal variations
DOI: https://doi.org/10.1016/j.atech.2025.100818
[2024] Improving efficiency of ground-truth data collection for UAV-based rice growth estimation models: investigating the effect of sampling size on model accuracy
DOI: https://doi.org/10.1080/1343943x.2023.2299641
[2024] A novel neural network model to achieve generality for diverse morphologies and crop science interpretability in rice biomass estimation
DOI: https://doi.org/10.1016/j.compag.2024.108653
[2023] Estimation of Nutrient Index Values of ‘Kinumusume’, a Recommended Rice Cultivar in Okayama Prefecture, Using RGB Images
DOI: https://doi.org/10.1626/jcs.92.129
[2023] Spatial Estimation of Daily Growth Biomass in Paddy Rice Field Using Canopy Photosynthesis Model Based on Ground and UAV Observations
DOI: https://doi.org/10.3390/rs16010125

続きを表示（残り 6 件）

[2023] A machine learning approach is effective to elucidate yield-limiting factors of irrigated lowland rice under heterogeneous growing conditions and management practices
DOI: https://doi.org/10.1016/j.fcr.2023.109170
[2023] Optimal timing of satellite data acquisition for estimating and modeling soil salinity in cotton fields of the Mingbulak District, Uzbekistan
DOI: https://doi.org/10.18393/ejss.1380500
[2023] Analysis of Irrigated Salt-Affected Soils in the Central Fergana Valley, Uzbekistan, Using Landsat 8 and Sentinel-2 Satellite Images, Laboratory Studies, and Spectral Index-Based Approaches
DOI: https://doi.org/10.1134/s1064229323600185
[2023] Biomass estimation of World rice (<i>Oryza sativa</i> L.) core collection based on the convolutional neural network and digital images of canopy
DOI: https://doi.org/10.1080/1343943x.2023.2210767
[2022] Young Scientist Forum of ACSAC10 ONLINE: Let’s Talk about Young Scientist’s Presents & Futures
DOI: https://doi.org/10.1626/jcs.91.246
[2021] Spatio-Temporal Estimation of Biomass Growth in Rice Using Canopy Surface Model from Unmanned Aerial Vehicle Images
DOI: https://doi.org/10.3390/rs13122388

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（16 件）

科研費（0 件）

所属学会・役職（0 件）