Enhancing Strawberry Yield Forecasting with Backcasted IoT Sensor Data and Machine Learning

技術要約：バックキャスティングによるIoTセンサーデータを用いたイチゴ収穫量予測の高度化

問題提起
本論文は、効果的なAIベースの作物収穫量予測モデルを訓練するために必要な、歴史的なセンサーデータの不足という、デジタル農業における重大なボトルネックに対処している。IoT技術は環境パラメータ（温度、湿度、土壌水分など）のリアルタイム監視を可能にするが、動的な農場環境において、複数の栽培シーズンにわたってこれらのセンサーを配備することは、コスト面や物流面で困難な場合が多い。その結果、多くの農場では過去の収穫記録はあるものの、それに対応する詳細なセンサーデータが不足しており、収穫時の労働力最適化などの情報に基づいた意思決定を支援できる、堅牢な機械学習（ML）モデルの訓練が制限されている。

手法
本研究は、英国スコットランドの実際のイチゴ生産現場において、2種類のポリチューブ（加熱式の「Seaton」と非加熱式の「Multispan」）を用いて実施された。著者らは、2つの栽培シーズン（2023–2024年）にわたって環境データを収集するためにIoTセンサーを配備すると同時に、4つのシーズン（2021–2024年）にわたる歴史的な収穫データも収集した。

センサーによるカバー範囲がない2つのシーズン（2021–2022年）のデータギャップを埋めるため、著者らは従来のフォアキャスティング（予測）ではなく、**バックキャスティング（遡及予測）**のアプローチを開発した。

1. バックキャスティング・メカニズム： 未来の状態を過去のデータから予測するのではなく、アーカイブされた外部の気象データ（英国気象庁提供）を使用して、欠落している過去のセンサー観測値を再構築する。具体的には、ターゲットとなる時刻 $t$ に対して、外部の気象共変量のルックアヘッド・ウィンドウ（$t+1$ から $t+k$）を用いて、時刻 $t$ における内部ポリチューブ内のセンサー値を予測する。
2. データ合成： バックキャスティングモデルは、実際に配備された2023–2024年シーズンのデータを用いて、外部の天候と内部のチューブ内条件との関係を学習するように訓練された。その後、これらのモデルを2021–2022年の気象庁の歴史的データに適用し、合成センサーデータを生成した。
3. モデル選定： ディープラーニングモデル（LSTMやTransformerなど）は、単一農場のような限られたデータセットでは不向きであることを認識し、著者らはアンサンブル決定木手法であるランダムフォレスト（RF）、勾配ブースティング決定木（GBDT）、およびXGBoostを採用した。
4. 予測パイプライン： 最終的な収穫量予測モデルは、(a) 実センサーデータのみ、(b) 合成バックキャストデータで拡張された実データ、(c) さまざまな特徴量の組み合わせ（収穫量のみ、収穫量＋天候、収穫量＋センサー、収穫量＋センサー＋天候）の3つのデータセットを用いて訓練された。

主な貢献

• 実世界のIoT実装： 本論文は、水の使用量、内外の温度と湿度、土壌条件、および光合成有効放射（PAR）を捉える、ポリチューブ内へのIoTセンサーの包括的な配備を記録しており、電源故障やセンサーの脱落といった実用上の課題も明らかにしている。
• バックキャスティング手法： 著者らは、外部の気象アーカイブを用いて合成のポリチューブセンサー観測値を生成することにより、歴史的なセンサーデータの不足に対する斬新な解決策を提案している。このアプローチは、潜在的なノイズではなく連続的で信頼性の高い外部データソースを活用している点で、生成的敵対ネットワーク（GAN）とは異なり、深刻なデータ不足がある環境に適している。
• 実証的検証： 合成されたバックキャストデータと実データを組み合わせることで、限られた実データのみで訓練されたモデルよりも大幅にパフォーマンスが向上することを本研究は検証している。

結果

• バックキャスティングの精度： バックキャスティングモデルは、欠落しているセンサー値を正常に再構築した。特定の機能についてはGBDTが概して最も優れた性能を示したが、RMSE（平方根平均二乗誤差）が最小となるものに基づいて、他の機能にはRFやXGBoostが選択された。
• 収穫量予測の性能：
  • 実データのみで訓練されたモデルでは、環境特徴量を追加すると「収穫量のみ」のベースラインと比較して性能が低下することが示された。これは、複雑な特徴量の相互作用を学習するためのデータ量が不十分であったためと考えられる。
  • 合成データ＋実データで訓練されたモデルは、大幅な改善を示した。GBDTモデルが最も優れた結果を出し、「収穫量＋センサー」の特徴セットを使用した場合、実データのみのベースラインと比較してRMSEを19.55%、MAE（平均絶対誤差）を**7.75%**減少させた。
  • 「収穫量＋センサー」の組み合わせは「収穫量＋センサー＋気象庁データ」よりも優れた結果となった。これは、バックキャスティングによって合成された局所的な微気候データの方が、広域的な気象データ単独よりも予測力が高いことを示唆している。
  • バックキャスティングの入力として、時間的コンテキストとノイズのバランスを考慮した結果、ウィンドウサイズは6ステップが最適であることが特定された。

意義と主張
本論文は、収穫量予測のために外部の気象アーカイブから欠落した栽培シーズンのIoT観測値を再構築する試みとして、最初期の研究の一つであると主張している。

著者らは、本研究が個々の農家が直面する現実的な課題、すなわち予測モデリングのための十分な歴史的センサーデータを蓄積できないという問題に対処していることを強調している。バックキャスティングによる合成データ拡張が予測精度を高めることを示すことで、本研究は、データが乏しい小規模な農業環境においてもAIを活用するための実行可能な経路を提示している。

謙虚さと限界
著者らは、その主張に関して謙虚な姿勢を維持している。

• 回顧的な性質： 評価は明示的に回顧的である。2023年の収穫ラベルはテスト用に保持されているが、バックキャスティングモデルは2023年のデータを含むセンサーと天候の関係を用いて較正されている。著者らは、評価年からのデータを一切使用せずに再較正を行う、より厳格な前向き（プロスペクティブ）な評価が必要であることも認めている。
• 因果メカニもの： パフォーマンスの向上は、データ拡張下での実用的な予測有用性の証拠として解釈されており、モデルが因果的な農学的メカニズムを学習したことの証明ではない。
• 汎用性： 本研究は単一のスコットランドの農場で行われた。著者らは、このアプローチの多様な気候やポリチューブ設計への転用可能性を検証するには、今後の研究が必要であると述べている。
• ベースライン比較： 本研究は自己回帰的な機械学習ベースラインと比較しているが、単純な永続性ベースライン（例：来週の収穫量は今週の収穫量と同じであると予測する）との比較は含めておらず、最も単純な予測器を上回るという主張は避けている。