[論文レビュー] Precision Robotic Spot-Spraying: Reducing Herbicide Use and Enhancing Environmental Outcomes in Sugarcane

Mostafa Rahimi Azghadi, Alex Olsen+6 more|arXiv (Cornell University)|Jan 25, 2024

Plant Disease Management Techniques被引用数 8

ひとこと要約

本論文は、糖きびに対する地上型AutoWeedシステムを深層学習で雑草分類に用い、スポット散布を実現することを示しており、全面散布に比べて除草剤使用を平均で35%削減しつつ、灌漑排水の水質を改善し、全面散布に対して雑草除去効果の97%を達成している。

ABSTRACT

Precise robotic weed control plays an essential role in precision agriculture. It can help significantly reduce the environmental impact of herbicides while reducing weed management costs for farmers. In this paper, we demonstrate that a custom-designed robotic spot spraying tool based on computer vision and deep learning can significantly reduce herbicide usage on sugarcane farms. We present results from field trials that compare robotic spot spraying against industry-standard broadcast spraying, by measuring the weed control efficacy, the reduction in herbicide usage, and the water quality improvements in irrigation runoff. The average results across 25 hectares of field trials show that spot spraying on sugarcane farms is 97\% as effective as broadcast spraying and reduces herbicide usage by 35\%, proportionally to the weed density. For specific trial strips with lower weed pressure, spot spraying reduced herbicide usage by up to 65\%. Water quality measurements of irrigation-induced runoff, three to six days after spraying, showed reductions in the mean concentration and mean load of herbicides of 39\% and 54\%, respectively, compared to broadcast spraying. These promising results reveal the capability of spot spraying technology to reduce herbicide usage on sugarcane farms without impacting weed control and potentially providing sustained water quality benefits.

研究の動機と目的

• 糖きび栽培における除草剤流出および環境影響の削減を動機づける。
• 現実時間で雑草と作物を識別するためにコンピュータビジョンと深層学習を用いた、地上ベースの後付け可能なスポット散布システム（AutoWeed）を開発・試験する。
• 実地試験での雑草除去効果、除草剤使用量の削減、および水質影響を定量化する。
• 既存の散布機器に対してDLベースのスポット散布手法を導入する現実性を評価する。
• 現場ごとのデータ収集とモデル学習を示し、現場規模の普及を支援する。

提案手法

• 既存の散布機に後付け可能なカメラ、NVIDIA Jetson処理系、および複数噴霧ノズル制御を備えたAutoWeed地上ユニットを開発。
• Burdekin regionの6つの試験にわたり、合計1,447,456枚の雑草画像データセットを収集し、CVATを用いて対象雑草をアノテーションした。
• 各試験に対して80/20の学習/検証分割でMobileNetV2 CNN分類器を訓練し、組み込みデバイス上で最大45.7 FPSのリアルタイム雑草分類を可能にした。
• アノテーション用に2x2タイル、推論用に1x2タイルを用いるタイル化アプローチを実装し、ラベリング速度と推論局所性のバランスを取った。
• スポット散布と全面散布を比較する複製条田試験を実施して、雑草除去効果、除草剤使用量、水質を評価し、効果評価にはUAV画像を用いた。
• 散布後の灌漑イベント後にHPLC/LCMS法を用いて排水中の除草剤濃度と負荷を分析。

実験結果

リサーチクエスチョン

• RQ1 DLベースの地上型スポット散布システムは糖きびにおいて全面散布と同等の雑草除去効果を達成できるか？
• RQ2 現場条件でスポット散布と全面散布を比較した場合の除草剤使用量の相対的削減量はどれくらいか？
• RQ3 スポット散布は全面散布と比較して灌漑排水中の除草剤濃度と負荷にどのような影響を与えるか？
• RQ4 商業的フィールドでAutoWeedを既存の散布機に後付けする際の実用的な導入上の考慮点と制限は？
• RQ5 雑草密度はスポット散布の性能と環境効果にどのように影響するか？

主な発見

Trial	Weed / Crop	Herbicide	Blanket spraying knockdown hit rate (%)	Spot spraying knockdown hit rate (%)	Blanket spraying herbicide usage (L/ha)	Spot spraying herbicide usage (L/ha)	Spot spraying knockdown efficacy (%)	Spot spraying herbicide reduction (%)
1	Nutgrass / Ratoon sugarcane	Sempra	-	-	200	177	-	11
2	Nutgrass / Ratoon sugarcane	Sempra	97	95	198	81	98	59
3	Nutgrass / Ratoon sugarcane	Krismat	97	89	199	183	92	8
4	Grass weeds / Mung bean	Verdict	99	96	211	100	97	53
5	Broadleaf weeds / Mung bean	Blazer	100	100	211	178	100	16
6	Nutgrass / Plant sugarcane	Sempra	100	96	207	73	96	65
Average	Various	Various	99	95	204	132	97	35

• スポット散布は、6つの試験の平均で全面散布の雑草除去効果の97%を達成した。
• スポット散布で平均除草剤使用量を35%削減しつつ、相対有効性を97%に維持。
• スポット散布による排水の平均濃度と負荷は、全面散布と比較して平均でそれぞれ39%および54%削減。
• 試験では、雑草圧と試験条件に依存して、スポット散布による除草剤使用量が8%から65%削減されることが示された。
• 分類の課題（遮蔽、露出）が、いくつかの試験で有効性の小さな低下（平均でヒット率が4%低下）に寄与した。
• スポット散布の性能は各畑で測定された雑草密度と相関し、サイト固有の制御利点を示した。