屋外農業機械の構築に向けた長短記憶の活用

Using Long Short-Term Memory for Building Outdoor Agricultural Machinery.

• Chien-Hung Wu
• Chun-Yi Lu
• Jun-We Zhan
• Hsin-Te Wu

抄録

今日では、気候変動により、農業生産高の減少や全体的な収量の低下が予想されているが、人口爆発が続く中、多くの未開発国が新興国へと変貌を遂げ、農地を他の用途に転用するようになっている。その結果としての農業生産量の減少は、食糧危機の深刻さをさらに増大させている。このような状況下で、本研究では、ロングショートタームメモリ（LSTM）を利用した屋外農業ロボットを提案している。この技術革新の主な特徴は以下の通りである。(1)可搬性に優れ、グリーン電力を利用して設置コストを削減できること、(2)LSTMを用いて現在の環境と天気予報を組み合わせて水やりのタイミングを予測できること、(3)環境を検知して天気予報の情報を活用することで作物に適した生育条件を確保できること、(4)電力や水資源が不足している農園では屋外での使用が主であることから、環境制御や資源配分に重要な役割を果たすこと、などが挙げられる。実験の結果、本研究で開発したロボットは、環境を効果的に検知して電力や水資源を制御できることがわかりました。さらに、農業生産量の大幅な増加を計画しているため、太陽光発電システムからの電力供給を制御する多変量LSTMを用いて変数を予測している。

Today, climate change has caused a decrease in agricultural output or overall yields that are not as expected; however, with the ongoing population explosion, many undeveloped countries have transformed into emerging countries and have transformed farmland to be used in other types of applications. The resulting decline in agricultural output further increases the severity of the food crisis. In this context, this study proposes an outdoor agricultural robot that uses Long Short-Term Memory (LSTM). The key features of this innovation include: (1) the robot is portable, and it uses green power to reduce installation cost, (2) the system combines the current environment with weather forecasts through LSTM to predict the correct timing for watering, (3) detecting the environment and utilizing information from weather forecasts can help the system to ensure that growing conditions are suitable for the crops, and (4) the robot is mainly for outdoor applications because such farms lack sufficient electricity and water resources, which makes the robot critical for environmental control and resource allocation. The experimental results indicate that the robot developed in this study can detect the environment effectively to control electricity and water resources. Additionally, because the system is planned to increase agricultural output significantly, the study predicts the variables through multivariate LSTM, which controls the power supply from the solar power system.

Copyright © 2020 Wu, Lu, Zhan and Wu.