衛星画像の作物識別、新モデルが精度で先行

英国の研究者らは、欧州の衛星Sentinel-2が撮影する多波長の時系列画像から、作物の種類を画素単位で判別する深層学習モデル「PAtteRNS」を開発した。時間、波長、空間の三つの軸それぞれに自己注意機構を独立して適用する初のモデルであると位置付けている。公開データセットPASTISとMTLCCで既存の最先端モデルを上回る成績を記録した。

研究の概要

従来の手法は、時間軸や空間軸など一部の次元にのみ注意機構を適用するものが多かった。三つの次元すべてに注意機構を適用すると計算量が急増するため、実用上の障壁となっていた。研究チームは三つの注意機構を並列に配置する新たなトランスフォーマー構造を提案し、この計算負荷を大幅に抑えた。畳み込みネットワークとの併用により、局所的な形状の精緻化も図っている。

評価では、複数の代表的な指標で比較対象のモデルを上回った。とりわけ差が大きかったのは、圃場の輪郭の正確さを測るBoundary IoUという指標である。この指標は従来の研究で報告されることが少なかった。しかし、農地の面積算定や区画単位の管理では、輪郭の誤差が結果に直結する。

論文はさらに、二つの重要な知見を示した。第一に、データセット内の作物クラスの分類方法に不備があると、モデルの性能が大きく低下する。第二に、同じデータセットでもタイルサイズが異なる版同士では結果が比較できず、異なる条件で学習したモデルの優劣を公平に判断できない。

ビジネスへの示唆

影響が最も大きいのは農業分野と、それを支える金融・保険分野である。農業保険や農業融資を扱う金融機関では、作付け確認や被害査定に現地調査が必要であり、人件費と時間が負担となっている。区画境界を高精度に捉えられるモデルを使えば、査定業務の省力化と、査定までの日数の短縮が見込める。

食品メーカーや商社の調達部門では、作付面積に基づく収穫量の予測が在庫計画や価格交渉の根拠となる。予測誤差の縮小は、欠品率や廃棄率、調達コストの改善に寄与し得る。農業機械や資材の企業にとっても、地域ごとの作物分布を把握できれば、営業エリアの優先順位付けや需要予測の精度向上につながる。

行政や補助金の運用でも応用が考えられる。

• 農林水産分野の補助金の申請確認における、現地確認件数の削減
• 脱炭素やサステナビリティ報告における、作付け実態の検証
• 地域別の収量予測に基づく食料安全保障の評価

もっとも、導入にあたって企業が注意すべき点は、論文が示したデータ設計の問題である。タイルサイズの違いで結果が比較できないのであれば、ベンダーが示す精度の数値をそのまま鵜呑みにはできない。導入検討の際は、自社が対象とする地域と作物、画像の切り出し条件で再評価することが欠かせない。ベンダーとの契約でも、評価条件の明記が求められる。

今後の展望

研究チームは、作物区分データセットを構築する際の標準的な手順の整備が必要だと提言している。また、画像のタイルサイズを状況に応じて変える動的な処理の実現が、今後の課題であるとした。

モデルの計算量を抑えた設計は、広域の継続的な監視に向く。ただし本研究の検証は、欧州のデータセットに限られている。国内の小規模で形状が複雑な圃場や、異なる気候帯の作物への適用性は、別途確認する必要がある。衛星データを使う企業にとっては、モデルの性能だけでなく、評価データの品質と条件を見極める力が競争力を左右する段階に入ったといえる。