熱帯の農作物を衛星画像で見分けるAI新基準、未知の島では正解率半減と判明

米アレン人工知能研究所（Ai2）などの研究チームは、熱帯地域における農作物マッピングAIの性能を評価する新たな公開ベンチマーク「PLANTEUR」を発表した。機械学習プラットフォームのHugging FaceおよびGitHubで提供されている。

衛星画像などのリモートセンシングデータから作物の種類を特定する技術は、食料安全保障の計画や水資源の配分、農地変化の追跡において基礎となる。しかし、学術コミュニティで広く信頼されてきた既存の評価基準「PASTIS」はフランス本土のみを対象としており、複雑な地形や小規模農家が多い熱帯の農業環境でモデルが機能するかを検証できない課題があった。

PLANTEURは、レユニオン島、グアドループ、マルティニーク、仏領ギアナ、マヨット、サン・マルタンの熱帯6地域をカバーする。Sentinel-2、Sentinel-1、Landsat-8の衛星から得られた2,750の時系列データと、4,506平方キロメートルに及ぶ農地区画由来のラベルを収録した。分類対象には、サトウキビ、バナナ、パイナップルのほか、キャッサバやヤムイモ、タロイモといった熱帯の根菜類を含む7つの作物が設定されている。

研究チームが複数の手法を用いてベースラインの性能を検証したところ、評価したすべてのモデルでPASTISと比較してスコアが大幅に低下した。さらに、学習データに含まれていない島でテストを行った場合、すべてのモデルで精度がおよそ半分に落ち込んだという。研究チームは、熱帯の環境でも機能する頑健なモデルの開発を促す契機にしたいとしている。