← すべての事例
稼働中 石見イチゴ農園 · 台中・新社
石見イチゴ農園 × NEXUPIRA × NCIR

一枚の写真。AI がイチゴの病気を教えてくれる。

楊先生的草莓園 — wide shot
楊さんのイチゴ畑 · 台中・新社 · 背景のビンロウ樹は台湾中部の象徴

主要な数字

2 hr → <10 sec
巡回時間
1 photo
写真1枚で診断
AI
病害の種類と位置を特定

要点

台中・新社の有機イチゴ農園。園主は毎日2時間かけて畝を巡回し、病害虫を経験だけで判断していました — 照合できる情報はありませんでした。今はスマホで一枚撮るだけ。10秒以内に AI が病害の位置と種類を示し、写真とデータは自動で収集・保管されます。

農家の手のなかのツール

一枚の写真。AI が10秒以内に病害を枠で囲む。

楊さんが見る画面はひとつだけ。PWA を開いて一枚撮ると、AI が病害を枠で囲んで種類を示し、照合データと防除の提案まで添えます。アプリのインストールも、入力も、別システムへのアップロードも不要です。

インタラクティブ demo · クリックで開始 · 音声切替を内蔵

PWA disease detection — capture, detect, diagnose, log
PWA の4ステップ:撮影 / 検出 / 診断 / 記録

ここで NEXUPIRA が行うこと

楊さんは YOLO や Workflow Engine が何かを知る必要はありません。写真を撮れば答えが返る、それだけです。その裏では NEXUPIRA のフルスタックが動いています。分光計が稼働すれば、同じ Workflow にステップをひとつ足すだけで統合できます — システムの作り直しも、プラットフォームの乗り換えも不要です。

  • Vision モジュール

    YOLO 物体検出で、病害の種類と位置を特定します。

  • Event Bus

    検出結果がイベントを発火し、異常を自動で通知します。

  • Workflow Engine

    撮影 → 通知 → データ保管まで、ひとつの DAG が自動で走り切ります。

  • Google Cloud

    すべてがクラウド上で動き、農家はスマホだけで操作できます。

裏側の ML 作業

AI はどのように病害の見分け方を学んだか。

「10秒以内の判定」の裏側には、伝統的な ML パイプラインがあります。圃場で実際に撮影してイチゴの病害サンプルを集め、Roboflow で一枚ずつ種類と位置をアノテーションし、mAP が約90%に収束するまで YOLO モデルを学習させ、PWA へデプロイする。以下は実際の作業画面です。

Roboflow labeling interface
01 — Roboflow アノテーション:病害クラス + 位置のバウンディングボックス
Model training metrics
02 — 学習曲線:mAP が収束し、Box / Class / Object Loss が低下

フェーズ

  • 稼働中

    PWA で撮影し、イチゴと葉の病害を10秒以内に判定します。

  • 進行中

    NCIR(国家儀器科技中心)と連携し、スペクトル解析を追加 — 実を摘まずに糖度と残留農薬を測定します。

    スペクトルのイメージ

パートナー

技術

  • YOLO
  • Roboflow
  • NEXUPIRA Workflow Engine
  • Google Cloud
  • LINE

同じエンジン。次はあなたのシナリオで。

お問い合わせ →