アイデンティティブロックを保持する新規二重メタヒューリスティック損失関数を用いた生成対抗ネットワークによるサーマル画像拡張で向上した水田葉の病害検出

なぜ稲の葉とサーマルカメラが重要か

米は世界の半数以上の人々の主食であり、作物保護のわずかな改善でも食料安全保障に大きな影響を与えます。多くの稲の病気は、葉に褐色の斑点や黄変が現れる前に植物内部で静かに進行します。本研究は、わずかな温度変化を検出するサーマルカメラと高度な人工知能を組み合わせることで、水田の葉の病害をより早期かつ確実に検出し、農薬使用を抑えつつ収量を守る助けになることを示しています。

熱で見えない病変を捉える

稲が病気になると、葉の温度分布が微妙に変化します。感染や昆虫被害が水の流れや代謝を乱すことで、葉の一部が1〜2度ほど温まることがあります。研究者らはこの着想を基に、インドで携帯型サーマルカメラを使って636枚の稲の葉を撮影し、主要な5種類の病気と健常葉をカバーしました。各画像は葉表面の温度を記録し、肉眼では見えない熱の違いをカラーマップに変換して、肉眼で気づく前に問題を示す可能性があります。

なぜより多く、より良いデータが必要か

現代の病害検出器はディープラーニングに支えられており、何千もの例からパターンを学びます。しかし実際の圃場では、あらゆる病期や気象条件下で多様なサーマル画像データを大量に収集するのは困難で高コストです。画像の反転や回転といった単純な水増しは限界があり、重要な温度パターンをぼかしたり歪めたりしてしまうことが多い。著者らは、分類モデルを実地でより良く働かせるために、十分量で信頼できる合成サーマル画像を作成することを目指しました。

信号を尊重する自然に学んだAI

本研究の核心は生成対抗ネットワーク（GAN）で、現実らしい新しい画像を生成するAIの一種です。従来の学習規則の代わりに、研究チームは2つの生物に着想を得た最適化ルーチンを損失関数として導入しました。ひとつはカイアシ（Chaoborus）類の幼虫の狩り行動をモデルにしたもので、欠損やノイズのあるピクセルを“埋め”、葉にわたる滑らかで現実的な温度勾配を保持することに注力します。もうひとつはオーストラリアのザリガニの領域防衛・採餌行動に触発されたもので、隣接ピクセル間の関係性に集中し、熱い領域と冷たい領域が物理的に整合するようにします。ネットワーク内部にはアイデンティティ“ショートカット”ブロックが織り込まれ、画像が強調される過程でも本質的な病変の特徴が変わらず伝わるようにしています。

鮮明な合成画像、より強い診断力

この二重戦略により、GANはStyleGAN2やBigGANといった既存の生成器よりも実カメラデータに著しく近いサーマル葉画像を生成しました。ピーク信号対雑音比（PSNR）や構造的類似度（SSIM）といった品質指標が明確に向上し、重要な温度勾配や病変パターンがより良く保持されていることが専門的指標で確認されました。これらの合成画像を複数の病害検出モデルの学習データに加えると、精度は大幅に向上しました。代表的なVision Transformerモデルは元のデータで約83%だったものが新しい拡張を用いるとほぼ98%に跳ね上がり、ResNet、EfficientNet、DenseNetでも同様に大きな改善が見られました。

計算機実験から田んぼへ

著者らはベンチマークを超えて、インドの4州で収集した4万4千枚を超えるフィールド画像でシステムを検証しました。サーマル撮影、二重メタヒューリスティックGANによる強調、そして自動分類からなる完全なパイプラインは、実世界条件下で約95%の精度を達成し、誤検知と見逃しの双方を低く抑えました。この手法は気温や湿度、撮影時刻、稲の品種や外部データセットの違いにも耐性を示しました。要するに、本研究は慎重に設計された自然に着想を得たAIが、現実的で信頼できる“追加の”サーマル画像を生成し、圃場での病害検出器をより早期かつ正確にすることで、世界で最も重要な作物のひとつに対する警戒システムを強化しうることを示しています。

引用: Khalil, H.M., Elrefaiy, A., Elbaz, M. et al. Enhanced paddy leaf disease detection using novel dual metaheuristic loss functions in generative adversarial networks with identity block preservation for thermal image augmentation. Sci Rep 16, 6544 (2026). https://doi.org/10.1038/s41598-026-36477-3

キーワード: 稲の病害検出, サーマルイメージング, 生成対抗ネットワーク, 農業用AI, データ拡張