AIがワタの病害を98%精度で診断

世界の繊維産業を支える基幹作物であるワタの生産現場において、病害による収量損失は長年にわたる課題であり続けてきた。この問題に対し、深層学習を活用した植物病害診断システム「CottonLeafVision」が開発された。研究チームはDenseNet201、InceptionV3、VGG19の3種類の事前学習済み畳み込みニューラルネットワークを評価した結果、DenseNet201が最高精度98%を達成した。診断対象は健全葉を含む7クラスであり、実圃場の多様な環境条件下で撮影された画像データセットを用いて検証されている。

モデルの信頼性向上に向けて、研究チームは複数の手法を組み合わせた。Grad-CAM（勾配加重クラス活性化マッピング）により、AIが画像のどの領域を根拠に判断したかを視覚的に示す説明可能性を確保した。加えて、オクルージョン感度分析と敵対的学習を導入することで、照明変化や撮影角度のばらつきといった実環境ノイズへの耐性を強化している。さらに、スマートフォン等での現場活用を想定したプロトタイプも開発済みであり、技術の実装段階への移行を見据えた設計となっている。

ビジネス面での波及効果は多岐にわたる。繊維メーカーの調達部門にとっては、原料品質の事前把握が可能となり、低品質ロットの混入リスクを軽減できる。原綿の品質ばらつきは糸の均一性や生地強度に直結するため、製品不良率や返品率といったKPIの改善が期待される。アパレル企業のサステナビリティ部門においても、農薬の不必要な散布を抑制する精密農業の実現により、環境負荷の定量的削減目標の達成に貢献する可能性がある。

農業保険会社にとっても活用余地は大きい。病害発生の早期検知データを蓄積することで、損害査定の迅速化と保険料率の精緻化が可能となる。従来の目視調査に依存した査定プロセスと比較して、調査コストの大幅な削減が見込まれる。農業機械メーカーやアグリテック企業は、本フレームワークをドローン搭載の自動診断システムやスマートフォンアプリに組み込むことで、新たな付加価値サービスとして展開できる。

農薬・肥料メーカーにとっては、診断データと連動した精密散布システムとの親和性が高く、農場単位での農薬使用量削減と収量維持の両立を実証するデータ取得に活用できる。これは規制当局や小売バイヤーに対するESG訴求においても有効な根拠となる。

一方で実用化に向けた課題も残る。本研究が使用したデータセットは特定地域の圃場条件に基づいており、気候帯や土壌特性が異なる産地への適用には追加の学習データが必要となる。また、98%という精度は閉じた評価環境での値であり、商業展開前に複数産地での実証試験を経ることが望ましい。

世界のワタ生産量は年間約2500万トンに達し、繊維産業の原料調達コストに占める比重は大きい。病害による収量損失を数パーセント改善するだけでも、産業全体では数千億円規模の経済効果が生じる。AI診断の精度向上と実装コストの低下が続く中、農場から繊維工場までを結ぶデジタル品質管理の基盤構築に向けた動きが加速するとみられる。