시즈오카 대학은 야마하 발동기 주식회사와 제휴해, 충분하고 고품질의 교사 데이터의 준비나 작성에 노력을 요하는 농업 분야 등에서의 기계 학습 태스크에 대해, 조건부 화상 생성 AI를 이용한 새로운 생성 데이터 확장 방법의 연구 개발에 성공했다.
스마트 농업을 실현하기 위해서는 농작물의 이미지로부터 특정 부위를 라벨링한 대량의 교사 데이터가 필요하다. 그러나, 농작물의 화상 데이터는 조건·환경에 따라 다양한 양상을 나타내고, 다양한 도메인적 특징을 갖는다. 꽃과 과일, 절, 숙도, 병해의 정도 등의 라벨링에도 모호함이 수반해, 고품질 한편 일관된 대량의 교사 데이터의 작성이 곤란했다.
연구 그룹은 조건부 이미지 생성 AI를 이용한 새로운 생성 데이터 확장 수법을 개발. 의 이미지 다음으로, 소량의 교사 영상 데이터를 준비하여 국소적인 특징을 추학시키고, 지정하는 조건에 따른 도메인적 특징을 가지는 교사 영상 데이터를 기계 로 대량으로 자동 생성할 수 있다.
이에 따라, 와인 포도의 성육 측정에서의 소량의 야간 화상으로부터 주간 화상의 생성 데이터 확장을 실시해, 다양한 물체 검출 모델과 Keypoint 검출 모델로 유효성을 검증했다. 28.7%, 부위(Keypoint) 검출 태스크로 13.7%의 대폭적인 정밀도 향상이 예상되는 것을 확인했다.
이것에 의해, 교사 화상 데이터 준비(2,400장)에 필요한 노동 시간을 600시간으로부터 1시간 정도로 대폭 삭감이 가능.또, 다른 시각이나 날씨, 농장, 성장 단계 등의 변화에도 적용할 수 있어 작물의 성장 추정과 수량 예측 등 AI를 활용한 농업 DX(디지털 트랜스포메이션) 발전의 가속을 기대할 수 있다고 한다.