現場認識 → 判定 → 指示
スマートグラス/スマホが取得した圃場映像を3層AIが解釈し、AWD実施可否・営農指示・申請文面をその場で返す。熟練者の目視判断を標準化。
現場キャプチャ
サンプル圃場を選択、または撮影映像を入力
湛水
落水
病害の兆候
3層AIパイプライン
LAYER 1 · PERCEPTION
画像認識AI マルチモーダルVLM
▼
LAYER 2 · DIAGNOSIS
状態認識・判定AI RAG + ドメインルール
▼
LAYER 3 · ACTION
指示・アドバイスAI LLMエージェント · 日/英/ベトナム語
スマートグラスARビュー
ハンズフリーで撮影しながら視界に判定・指示が即オーバーレイ(作業の妨げゼロ)。機種は未定(Meta / Google)。
稲 · 葉色正常
水面検出 · 水位低
⚠ AWD: 落水タイミング到達 (灌漑中断を推奨)
水位 < 地表 -15cm · 乾燥3日目 → 3日後に再灌漑
ハンズフリー
農作業中の視線のまま撮影。追加入力作業ゼロ → データ収集の手作業問題(ISSUE 03)を解消。
即時表示
現場で判定・指示を即座に視界へ表示。熟練者不在でも新人農家が安定判断。
証跡の同時取得
撮影映像自体がトレーサビリティ証跡 → 申請書類を自動生成(二重作業 ISSUE 02を解消)。
AWD乾湿サイクル判定
間断灌漑(Alternate Wetting & Drying)の湛水↔落水の時系列をドメインルールで追跡し、遵守可否と次のアクションを判定する。メタン削減クレジット(J-Credit AG-005)の根拠。
水位の時系列 & 判定
地表基準 -15cm到達で再灌漑。過乾(-25cm以下)は収量リスク、過湿(湛水継続)はメタン排出↑
✔ AWD遵守
乾湿3サイクル確認。AG-005要件の充足経路。
乾湿3サイクル確認。AG-005要件の充足経路。
◆ 次のアクション
再灌漑ライン到達 → 3日後の灌水を推奨。
再灌漑ライン到達 → 3日後の灌水を推奨。
▣ クレジット連携
サイクルログ → 申請証跡を自動蓄積。
サイクルログ → 申請証跡を自動蓄積。
ナレッジベース (RAG)
判定層(L2)が参照する外部知見。検出結果+営農データを突合し、判定根拠を出典とともに付与する。①のRAGインフラ(pgvector+BM25)を再利用可能。
🎓 ベトナム農業大学
現地品種・地域条件の営農知見、栽培マニュアル。圃場アクセス・実証協力。
契約・提供範囲の確認要
🧪 バイエル農薬DB
病害虫 × 推奨薬剤・希釈倍率・散布タイミング。判定AI推薦ロジックの共同設計。
契約・提供範囲の確認要
☁ 気象API
降雨・気温予測 → 灌水・防除タイミングの最適化。
公開API連携
📈 GC営農データ
圃場別の過去履歴・収量・施肥記録。判定突合の基準。
社内提供が必要
判定例 — 根拠トレース
| 判定 | 入力根拠 | 参照知見 | 出力 |
|---|---|---|---|
| AWD実施可否 | 水位 -16cm, 乾燥3日 | AG-005 v3.5 p.12 | 再灌漑を推奨 |
| 病害の兆候 | 葉色異常(黄変)、斑点 | バイエルDB · いもち病 | 薬剤X 希釈1000倍 |
| 施肥要否 | 葉色SPAD推定 低 | ベトナム農大マニュアル | 追肥を推奨 |
ロードマップ・データボトルネック
約12ヶ月・4段階。開発着手は可能だが教師データ(ラベル画像+チャンバー実測)が最大のボトルネック。
Phase 0 · NOW
知見ソース整理、想定圃場の特定、データ収集の構造化設計
Phase 1 · M1–3
L1精度検証(土壌色・水位・AWD)、知見RAGインデックス
Phase 2 · M4–7
3層連携、多言語(日/英/ベトナム語)、農家トライアル
Phase 3 · M8–12
申請フォーマット連携、バイエル等パートナー連携、農家展開
Phase 4 · M12+
他作物(野菜・果樹)・他国への横展開
期待効果 (クライアント定義)
熟練者依存の削減−30%
申請業務の効率化×2
横展開領域3領域
🔴 最大のボトルネック — 教師データ
必要データ
1. AWDフィールド画像(タイ/カンボジア/ベトナム, 時系列)
2. チャンバー実測(ground truth)
3. 熟練者の判定基準・チェックリスト(ラベル)
1. AWDフィールド画像(タイ/カンボジア/ベトナム, 時系列)
2. チャンバー実測(ground truth)
3. 熟練者の判定基準・チェックリスト(ラベル)
対応: PoCはVLMプロンプト+少数ラベルで短期稼働 → 2次で軽量CNN/ViTの自前学習。