Mouser Blog | Japan

土壌とセンサ：農業を革新する

精密農業は、技術を活用して農作物の生産性を高め、農場での意思決定に情報を提供します。その中核となる要素は、データを活用して変動性を理解し、各分野で見られる特定のニーズに合わせて介入策を絞り込むことです。

すべてをカバーできるような一律的なアプローチではなく、農場内の微妙な違いを評価し対応することで、精密農業の実践は効率性、生産性、収益性、持続可能性の向上を目指します。このデータ主導のコンセプトは、資源と環境を保護しながら増大する食糧需要に対応するために、世界的に採用が進んでいます。

このブログでは、農家が直面する課題、それを解決するためのテクノロジーが存在すること、そしてそれに不足があることについて深く掘り下げています。ほとんどの場合、農家は精密技術の導入に積極的であり、早急に実現できるようエンジニアに期待しています。

機械以上のもの：農家のための意思決定エージェントを作る

世界的に見て、農家にとっての包括的な課題は、2050年までに100億人を養うのに十分な食糧を生産するということと、農家、農場、環境への影響を軽減することです。^[1] 農業には保証がほとんどなく、農家は常に季節、日、時間ごとにまったく違う状況に直面する可能性があります。

FCCの精密農業コネクティビティ・タスクフォースで講演した^[2] John Deere社の生産システム・プログラム・マネジメント担当マネージャー、RyanM. Krogh氏は、最初の重大な課題についての概要を説明しました。Krogh氏は、農家にとって重要な要素の多くは、農家が管理できない部分にあると説明しました。したがって、基本的な基準として、農業技術は不確実性を管理できるようにし、農家が避けられない不安定性を有利な方向に導くものでなければなりません。

2つ目の大きな課題は労働力です。米国農務省（USDA）の2022年農業の国勢調査によると、米国の農家は長時間労働をしているとの結果が出ています。^[3] 2016年のデータによると、主要農家経営者の1週間の農作業時間は、商品の種類によって大きく異なっています。酪農家の労働時間は週64時間と最も長く、綿花、落花生、米の農場を経営する農家も40時間を超えています。多くの農家が生活のために農作業以外の仕事もしていることも重要な点です。

テクノロジーは、農家の作業をよりスマートにする論理的な方法です。Krogh氏は、農業オートメーションを機械として考えるのではなく、エンジニア、農家、ロジスティクスの専門家の知識がその機械に詰め込まれ、理由があって何かを実現させているのだと考えることが重要だと指摘しています。農業オートメーションでは、テクノロジーは、収益性、持続可能性、生産性を向上させながら、農家がその時々に起きていることに基づいて決断を下すのをサポートしなければなりません。

精密農業のケーススタディ：ある農家のハイテク作物管理

テクノロジーに基づく意思決定の一例として、5代目の農家でありソフトウェア・エンジニアでもあるAndrew Nelson氏が、ワシントン州東部にある7500エーカーの農場で超ローカルな天気予報を活用しています。^[4] Nelson氏は、畑のいたるところでセンサなどのIoTデバイスを使い、土壌や周囲の気温を測定しています。彼は、衛星、LoRA^®、携帯電話、Wi-Fi^®を利用して、この農場レベルのセンサデータをMicrosoft Research Project FarmVibesに送り込んでいます。その後、Project FarmVibesは農場レベルの微気候温度予測を作成し、Nelson氏が個々の農場の現場に合わせた霜リスク予測を作成するのに役立ちます。このモデルは、農場の微気候から得られた実際のデータに基づいて学習されているため、一般的な天気予報よりもはるかに正確に夜間の凍結の可能性を予測することができます。

霜の発生を正確に予測することで、作物保護剤や処理剤の的確な標的を定め、収量を最大化することができます。Nelson氏は、遅霜が農地の生産性を脅かす場合、システムの指示に従って、予防散布のタイミングを正確に知ることができます。

Project FarmVibesの機械学習（ML）モデルは、農地全体の気象データと土壌水分センサをペアリングすることで、同様の超ローカルな指示を提供することができます。現場での作業を計画する際、圃場全体の土壌がどの程度水を含んでいるかを把握し、重機による現場作業を試みるべきかどうかを判断するのに役立ちます。これにより、積極的な現場管理が可能になります。

要するに、Nelson氏は人工知能（AI）とMLモデルが、農場特有の条件を考慮することで、センサのローデータを農家にとって実用的な洞察に変換できることを実証しています。センサネットワークが農業分野で拡大するにつれ、データからの価値を高めるには、広範な情報を特定の現場に特化した指示に調整できる知的システムが必要となります。

Nelson氏はまた、AIと目視、マルチスペクトル、または正規化差植生指数（NDVI）カメラ（植物の反射赤色光と近赤外光を捉える）を搭載したドローンを使用して、雑草をよりよく検出し、処理が必要なエリアのみに散布します。鮮明な画像には、雑草が作物の畝を侵食している場所が写ります。何千エーカーものドローン画像を手作業でスキャンして雑草の発生場所を特定するのは非現実的であるため、Nelson氏はタグ付けされたドローン画像から学習させたAIモデルを使用し、撮影された各画像を自動的に分析できるようにしています。このモデルは、現場のあらゆる雑草を特定し、正確な地理座標まで記録します。

Nelson氏は、介入が必要な農地部分を正確に把握することで、GPSを利用した散布装置の自動ノズル制御技術を活用し、雑草の生えている畝だけに散布の照準を合わせることができます。これにより、広範囲な包括散布に比べ、驚くほど効率が向上します。この技術により、わずかな除草剤を使用しながら、より正確な除草処理が可能になり、コスト削減と土地とコミュニティの保護向上に直結します。

より良い解決策だが、Nelson氏は課題がないわけではないと指摘しています。Nelson氏は、重要な問題は接続性だと指摘し、「私たちはMicrosoftと協力してこの問題に取り組んでいますが、低コストで非常に長い距離を接続できるようにする必要があります。中間の帯域幅を農場にコスト効率よく導入するのは非常に難しい。」と述べています。

農業の接続危機

コストと農業現場の過酷な環境からコンポーネントを保護する必要性以外に、この種の技術を取り入れる上で最も大きな障害となるのは接続性です。エンジニアがその問題を解決するためにできることは限られています。

高速インターネットが利用できるのは一部の地方都市に限られ、インターネットの利用は一般的に限られています。たとえ農家が優れた高速サービスを家や納屋まで届けてもらったとしても、根本的な問題は解決しません。農業従事者は常に動き回っているので、指令センターは移動可能でなければならないのです。

例えば、自律走行するトラクターは、作業を実行するために機械上にすべてのインテリジェンスを備えたエッジコンピューティングを搭載しています。それでも自律性には継続的な通信と接続性が必要です。トラクター自体が見ているものを認識できなければ、介入が必要になるからです。その介入とは、人がモバイルアプリをチェックし、トラクターに対象物の周囲を移動するよう指示したり、その上を走行させたり、誰かが移動できるまで一時停止させたりすることかもしれません。それでも、単なるワイヤレス信号なので簡単だと考えるかと思います。

しかし、安定した無線信号を得ることは、様々なタイプの農地では非常に難しくなっています。接続インフラは、携帯電話や無線タワーの見通し範囲に限られています。農機具は丘や谷、木々、あるいは広大な空間を移動するため、タワーとの位置関係を見失うことがあります。つまり、信号が途切れたり、完全に見失われたりすることを意味します。

同じ問題は、データを収集するために畑に設置されたセンサにも該当します。丘がタワーの視界を妨げている場合、そのセンサはデータを農業システムに送り返すことができない可能性があり、また、信号が圏内に入ったり圏外になったりして接続が断続的になる可能性も考えられます。これは、農家がすべての機器と現場のセンサデータを活用し、業務上の洞察に役立てたい場合、大きな問題となります。接続性が一貫していないため、重要な決定を下すために必要なときに、そのデータの多くにアクセスできません。

農場が何キロも平坦な土地に広がっていても、コストは問題です。何百台、何千台ものカメラや土壌センサを配置する必要がある遠隔作物監視システムは、携帯電話接続1回につき月額5～10米ドルで、急速にかなりのコストがかかるようになります。

このダイナミックは、センサを多用する農業ソリューションの実行可能性を著しく制限します。センサベースのソフトウェアや分析を可能にするために、携帯電話のデータプランに年間数十万を費やすことを正当化できるのは、一部の農家のみとなっています。

しかし、いくつかの新しいワイヤレス技術は、接続コストを根本的に削減する希望を与えてくれます：

• LPWANオプション： LoRaWANやSigfoxなどのネットワークは、IoTデバイスに特化した低帯域幅と長距離接続を提供します。スループットを制限することで、何年もの間バッテリを長持ちさせ、年間1台あたりわずか1ドルという超低データレートを実現することができます。

• テレビ・ホワイトスペース： チャンネル間の未使用テレビ周波数をブロードバンド・データに利用する取り組みが進行中です。これらの周波数はセルラーよりも遠くまで伝搬し、建物や地形に浸透しやすいため、電波塔の数は少なくて済みます。つまり、地方にワイヤレスインターネットを低コストで提供することになります。

• 低軌道衛星： 民間の衛星コンステレーション企業は、適切な帯域幅と遅延を持つグローバルで手頃な価格の衛星インターネットを提供するために、何千もの衛星を打ち上げています。コストが下がれば、あらゆる場所で低コストの接続が可能になる可能性があります。

今後数年間で、これらの技術革新や関連する技術革新は、農業における技術導入の障壁となる接続性を解消できる可能性があります。運用コストが低いため、ほとんどすべてのセンサやハードウェアソリューションが、データコストよりも生産性向上に基づいて実行可能になります。しかし今日、起伏の多い田園地帯に長距離にわたり、信頼性が高く低コストの接続を実現するという根本的な問題を解決することは、依然として継続的な課題となっています。

進むべき道：ハードルを乗り越え、進歩を持続させる

農業におけるテクノロジーは、接続、自動化、データ活用の拡大を通じて、農場の生産性と持続可能性を大きく変える態勢にあります。クラウドコンピューティングとAIは、農業に特化したテクノロジーの活用に大きな進歩をもたらしています。しかし、一般農家への広範な普及には、依然として大きな障壁があります。信頼性の高い接続性、相互運用性、使いやすさ、そしてコストに対する根強い課題を解決することは、依然として必須となっています。

農業経営面でも、技術者にもっと注力させる必要があります。実際に農場で働く条件下でイノベーションをテストすることで、現実的なニーズに対応した設計が可能になります。革新者たちが抱える問題に対処し続けることで、テクノロジーは農業をより正確で効率的、そして環境に配慮した未来へと導いてくれます。それにより、生産性を維持させ、食料と地域社会が頼れる基盤を安定させることができます。農業におけるテクノロジーの可能性を最大限に引き出すには、それを近代農業の状況に合わせて組み込む必要があります。

出典

[1] https://www.wri.org/insights/how-sustainably-feed-10-billion-people-2050-21-charts
[2] https://www.fcc.gov/news-events/events/2023/11/precision-ag-connectivity-task-force-meeting-november-2023
[3] https://www.nass.usda.gov/Publications/AgCensus/2022/Full_Report/Volume_1,_Chapter_1_US/usv1.pdf
[4] &Andrew Nelson, interview with the author