UniTriRob: 噴霧式（エアロポニック）垂直農業におけるレタス収量を予測する頑健な機械学習回帰モデル

より賢いレタス農場が重要な理由

土地、水、天候の制約がある都市に一年中新鮮な葉物を供給するのは容易ではありません。エアロポニック垂直農場は、土を使わずに霧状の養液でレタスを高密度の屋内タワーで栽培することで、空間と水を節約します。しかし、こうしたハイテク農場で安定した収穫を得るには、事前にどれだけのレタスが収穫できるかを把握する必要があります。本研究は、収量予測をより正確に行う新しい手法を紹介し、農家が資源を節約しつつ計画を立てやすくすることを目指します。

空中でサラダを育てる

エアロポニック垂直農業では、レタスが積み重なった列に配置され、根は空中にぶら下がり、定期的に栄養を含む霧を噴霧されます。温度や湿度、光、pH、養分濃度などを精密に制御できるため、土壌栽培に比べて短期間で少ない水量でレタスを育てられます。欠点は、こうした厳密に制御されたシステムが意外に脆弱である点です。センサーの小さな不具合や条件の一時的な揺らぎが測定値を狂わせ、クリーンで安定したデータを仮定する単純な予測手法は信頼できなくなります。

従来の数理手法が及ばない理由

多くの既存の収量予測は標準的な回帰や一般的な機械学習手法に依存しており、データが整然としているときに最もよく機能します。実際のエアロポニック農場では、pH、総溶解固形分、電気伝導度、濁度、温度、湿度、光、成長量を追うセンサーからの読み取りに外れ値や不均一なノイズが混入することが頻繁にあります。ノズルの詰まり、一時的な電源低下、センサーのドリフトなどが極端値を生み出し、通常のモデルを誤差へと引きずります。その結果、これまでの手法は長期の屋内栽培試験に伴う現実の「雑な」データに十分対応できませんでした。

悪いデータを無視するよう設計された三段構えのモデル

著者らは、UniTriRobと呼ぶ新しい回帰フレームワークを設計しました。これは三つの頑健な手法を組み合わせた単一モデルです。一つは小さな異常値の影響を穏やかに抑える手法、もう一つは明らかな外れ値を排除しながら反復的にフィッティングする手法、三つ目は平均の代わりに中央値を用いて極端な点に強い手法です。これらを組み合わせることで、疑わしい測定値に重みを付けすぎるのではなく、影響を弱めます。モデルは、エアロポニックタワーにおける複数のレタス生育サイクルについて15分ごとに記録された5万件以上の時刻付きデータで訓練され、主要な環境条件が時間とともにどのように変化し、それらの変化が最終的な収量にどう影響したかをとらえました。

実稼働農場でのモデル検証

研究者たちは慎重なデータクレンジングと可視化の後、記録を訓練用とテスト用に分割しました。次に、線形回帰や多項式回帰、サポートベクター回帰、単独で使われるいくつかの頑健手法など、さまざまな代替手法とUniTriRobを比較しました。平均二乗誤差、平均絶対誤差、パーセンテージ誤差などの指標を用いると、UniTriRobは収穫されたレタスの実際の重量に対して一貫して最も近い予測を出しました。収量の変動の約98％を説明し、標準的なモデルと比べて誤差率を概ね5分の1から4分の1程度削減し、計算時間も現実的で実際の農場制御システムでの利用に適していることが示されました。

今後の都市型農場への意義

より正確な収量予測は、屋内農家が経験則に頼ることなく給水、養分、照明を細かく調整できるようにします。本研究では、頑健なモデルにより重要な要因が明らかになり、試験的なトライアルでは最大で水使用量を約40％削減するなど資源削減の方法が示唆されました。著者らは、自らの結果が特定のエアロポニック構成のレタス栽培に適用されるものであり、他の作物やシステムへの適用を検証する追加研究が必要であることを強調しています。それでも、UniTriRobはノイズの多いセンサーデータを適切に扱うことで、ハイテクな垂直農場をより予測可能で効率的にし、混雑した都市への新鮮な食料供給に適したものにできることを示しています。

引用: Rajendiran, G., Rethnaraj, J., Zade, S. et al. UniTriRob: a robust machine learning regression model for predicting lettuce yields in aeroponic vertical farming. Sci Rep 16, 15791 (2026). https://doi.org/10.1038/s41598-026-44564-8

キーワード: エアロポニックレタス, 垂直農業, 収量予測, 頑健回帰, スマート農業