課題
農作物を対象にした検出AIでは、「何をもってその生育段階と見なすか」の判断が人によってぶれやすく、アノテーションの品質がそのまま検出精度に跳ね返ります。
このプロジェクトでは、作業を始める前段階、つまり仕様そのものが定まっていないことが精度の律速になっていました。
支援内容
Nextremerは、アノテーション作業だけでなく上流の仕様策定から参画しました。
顧客企業と密に連携しながら、農作物の各種器官（花弁、果実、がくなど）の状態を基準として生育段階を厳密に定義し、専門知を取り入れた仕様書をゼロから策定しています。
- 対象作物の器官ごとに、観察できる状態を洗い出す
- 器官の状態から生育段階を判定する基準を、判断が割れない粒度で言語化
- 策定した仕様書に沿ってアノテーションを実施
成果
専門知を反映した仕様書を土台にアノテーションを行ったことで、検出精度を大幅に改善することに成功しました。
上流工程から参画したため、仕様と実作業の間で解釈がずれることなく、一貫した基準の学習データを揃えられています。
