水耕栽培システムにおける植物個体レベルのバイオマス推定と成長予測のための測定駆動型デジタルツインアーキテクチャ

都市部の食料供給問題に対応するため、水耕栽培などの土壌を使わない園芸技術が開発されている。最近、プレプリントサーバーarXiv（arXiv:2606.02796）に掲載された研究では、水耕栽培システムにおけるレタス個体のバイオマス推定と成長予測のための測定駆動型デジタルツインアーキテクチャが提案された。著者はMorgan Mayborneら3名で、実際の水耕温室に統合されたシステムを構築し、カスタムハードウェアとセンサーを用いてデータを収集している。

研究チームは、各植物のデジタルツインモデルを作成し、測定情報と既存モデルを利用して成長軌跡を継続的に更新する手法を採用した。モデルパラメータを更新するため、RGB-D画像を入力とするカスタムニューラルネットワークを開発し、植物の質量をリアルタイムで推定。1300枚の画像で学習したネットワークは、実測値との誤差1.5グラム以内で質量を推定できた。このシステムに統合後、デジタルツインは1日から4日先の収量を約2グラムの誤差で予測することが可能となった。この精度は農業計画において重要な意味を持つ。

論文では、このデジタルツインアーキテクチャの利点として、測定駆動型であるため個々の植物の実際の成長に適応できる点が強調されている。システムは個体レベルからシステム全体までの精密な制御を実現し、都市農業へのスケーラブルなソリューションを提供する。将来的には他の作物への応用や、さらなるセンサー統合による予測誤差の低減が期待される。この研究は、精密農業と持続可能な都市食料システムの発展に貢献するものであり、人工知能とIoTの農業応用における可能性を示している。

さらに、システムの実装詳細として、温室内のセンサーネットワークが光、温度、養液濃度などの環境パラメータを継続的に監視し、これらのデータがRGB-D画像とともにモデルに入力される。デジタルツインモデルは植物成長モデルも統合しており、予測に物理的根拠を与えている。研究チームによれば、この測定駆動型アプローチは植物成長の変動性に効果的に対処し、各植物にカスタマイズされた管理戦略を提供する。従来の方法と比較して、予測精度と即時性が大幅に向上し、将来の自動化水耕農場の基盤となると期待される。