根拠: Slack要件(画像判定 → 水管理判断 → 営農アドバイス、スマートグラス)。構築方式: スクラッチ。
1. アーキテクチャ概要 — 3層AI
Slackが求める「画像で判定 → 水管理判断 → 営農アドバイス」を認識 → 判定 → 指示の3層で設計する。
現場撮影 (スマートグラス / スマートフォン)
│ 動画・画像 (+ 圃場ID・時刻)
▼
[前処理] フレーム抽出 · 顔マスキング
│
▼
L1 認識(PERCEPTION) ── 土色 · 水面(水位) · 稲の生育 検出 → 定量化
│
▼
L2 判定(DIAGNOSIS) ── RAG + ドメインルール → 水管理の適切性(AWD可否)·施肥要否
│ (参照: AWD・営農ナレッジベース)
▼
L3 指示(ACTION) ── LLMエージェント → 営農アドバイス(灌水·施肥), 多言語(日/ベトナム語)
│
▼
現場に即時表示 (スマートグラス)
2. Layer別設計
L1 認識 (PERCEPTION)
- 入力: スマートグラス/スマホの動画・画像(動画はフレームサンプリング)。
- 検出: 土の色、水面の有無・水位、稲の生育状況(葉色等)。
- モデル: 1次 マルチモーダルVLM(プロンプト) + 少数ラベル → 2次 軽量CNN/ViT 自前学習。
L2 判定 (DIAGNOSIS) — コア
- 処理: RAG + ドメインルールで水管理の適切性を判定。
- 判定項目: AWD実施可否(OK/NG)、水位低下、施肥要否。
- ルール: AWD乾湿サイクル(水分状態の時系列 → 遵守判定)。
- 根拠: 判定ごとに参照ナレッジの出典を付与。
L3 指示 (ACTION)
- 出力: 営農アドバイス(「3日後に灌水」、施肥タイミング等)。
- 多言語: 日 / ベトナム語 等の現地ロケール。
- 表示: スマートグラス即時表示(ハンズフリー)。
3. 判定ロジック · 学習戦略 (教師データ対応)
教師データが最大のボトルネックのため、段階的に進める。
| 段階 | 方式 |
|---|
| 1次 | VLMプロンプト + 少数ラベルで短期稼働 |
| 2次 | 軽量CNN/ViT 自前学習 (精度・エッジ配備) |
- ラベル: 土壌水分(乾/中/湿)、生育段階、AWD位相(乾期/灌漑後)、灌漑の適切性。
- 検証: チャンバー実測(ground truth)対比で精度確認。
4. ハードウェア · オフライン
- デバイス: スマホ(1次) + スマートグラス(ハンズフリー、併用)。
- オフライン: ローカルキュー(撮影+メタ保存) → エッジ軽量判定 → 通信回復時にクラウド精密補強。圃場ID+時刻ベースで同期。
5. プライバシー
- 現場映像内の作業者/他人の顔をオンデバイスでマスキング。
スクラッチ設計 — Slack要件ベース。デモ画面と対応。