根拠: Slack 会議議事録および Kakiuchi 指示(④)。構築方式: スクラッチ(画像認識AI + RAG判定 + LLMエージェント)。優先度: 中(チャレンジ・海外)。
1. 背景
- Greencarbonの課題のうち排出削減の実証(モニタリング)の自動化に該当。
- 現在、AWD(間断灌漑)のメタン削減証明は手作業(チャンバー実測)に依存。
- チャレンジ案件だが、ベトナム等の海外展開を前提に挑戦。
2. 目的
AWDによるメタン削減証明をチャンバー実測 → 画像AI判定へ移行する。
土の色・水分・稲の生育状況を画像判定し、水管理(灌漑)の適切性を判断。施肥タイミング等の営農アドバイスも構想。
3. 機能要件
- R-1 画像認識: 現場の画像・映像から土色・水面(水位)・稲の生育状況を判読。
- R-2 判定: 判読結果から水管理の適切性(AWD遵守の可否)を判定。
- R-3 営農アドバイス: 灌水・施肥タイミング等の営農指示を提示。
- R-4 多言語: 現地農家向け(日本語 / ベトナム語 等)。
4. ハードウェア
- スマートグラス(Meta Ray-Ban等)の活用を検討(ハンズフリー現場撮影)。
- スマートフォン併用可。
5. データ要件
- 教師データ: 判定ロジック構築用のラベル付き土壌・稲画像(AWDフィールド、可能なら時系列)。
- 検証データ: チャンバー実測(ground truth) — 判定精度の検証用。
- 参照知識(RAG): AWD・クレジット方法論等の関連資料。
6. 課題 (実現方式の検討対象)
- C-1 判定ロジック構築: 教師データ(ラベル画像)収集が先行必要 → 最大のボトルネック。
- C-2 ハード・アプリ連携: スマートグラス・アプリ統合。
- C-3 通信環境: 現場の通信不安定への対応。
7. スコープ
- 実現可能な方式検討 + デモ(Webプロトタイプ)までが現段階。
- ① AIエージェント、通常のCAT.AI製品デモは別件。
出典: Slack (2026-07-10 MTG議事録および Kakiuchi 指示 ④)。