[S-5] スチューデントセッション⑤：生態環境，農地造成・整備・保全

14:20 〜 14:30

[S-36] Deep Learning-Based Rice Yield Estimation Using Xception Architecture and UAV-RGB Imagery under Differing Irrigation Regimes

*Pande Made Ngurah Bayu Abdi Bagaskara¹, Julien BOULANGE¹, I Made Anom Sutrisna Wijaya², Liyantono Liyantono³ (1. Tokyo University of Agriculture and Technology, 2. Udayana University , 3. IPB University)

キーワード：

Deep-Learning、Xception、Rice Yield Estimation、UAV、RGB-Image、AWD

バリ島のスバックでUAVのRGB画像とXceptionを用い、AWDと慣行灌漑の収量予測を行った。現地調査ではAWD区（1315.08kg）が慣行区を上回る収量を記録。モデル検証ではRGBのみでR2=0.507、IKAW指数で最高精度0.617を達成した。高価な多波長カメラなしで、Xceptionが灌漑の差異を学習し、安価なデータのみで高精度な予測が可能なことを証明し、持続可能な農業に貢献する。