ケーススタディ
アジアの農業複合企業向け物体検出
パーム油農園の果実在庫数
導入
当社のクライアントは、広大なアブラヤシ農園を含むアジア有数のアグリビジネス企業であり、在庫管理に起因する業務の非効率性に直面していました。地域全体に広く展開する当社にとって、正確な在庫管理は業務効率化にとって極めて重要でした。
状況/問題
当社のクライアントは、特に各農園から収穫されたアブラヤシの生果房（業界ではFFBと呼ばれる）の追跡において、大きな在庫差異を確認していました。主な課題は、アブラヤシの果房は毛深く密集しているため、まとまった状態では個々の果房を区別することが困難であるという事実に起因していました。収穫された果実の追跡を担当する計数者は、目の疲労などの問題に直面し、計数ミスが増加していました。
これらの在庫差異は、会社の業務生産性を低下させるだけでなく、監査基準への準拠を危うくし、罰金や収益損失の可能性にもつながりました。また、アブラヤシの在庫を正確に追跡できないことで、果実の盗難など、計上されていない損失が発生するリスクもありました。
これらの課題に対処するため、クライアントは計数精度を向上させ、在庫管理を合理化する、より信頼性が高く拡張性の高いソリューションを求めていました。 Tictag は、高所に設置する CCTV などの従来の監視方法の使用を妨げる密生した葉によって複雑化したクライアント独自の環境に合わせてカスタマイズされた AI 駆動型ソリューションの開発を依頼されました。
提案された解決策
Tictagは、クラウドソーシングによる人間の知性とAIベースの自動化を組み合わせた革新的な拡張AIソリューションを提案しました。目標は、視覚的に複雑な環境下でも、収穫物内の個々の果実房を85%以上の精度で正確に識別できるAIモデルを構築することでした。
Tictagのアプローチでは、人間の知性を用いてパーム油果実房の画像に手動でアノテーションを付与することで、AIがトレーニングに使用できる高品質なデータセットを確保しました。この手法は、環境要因によりCCTVカメラなどの特定のハードウェアソリューションを使用できないといったクライアントの制約にも配慮しました。
何が行われたか
プロジェクトを実行するために、Tictag は次の手順を実行しました。
- データ収集: Tictag は、クライアントから油ヤシの実の房の画像を収集し、国境を越えたプライバシー規制への準拠を保証するために、パスワードで保護された SFTP リンクを介して転送しました。
- データ準備：収集された画像の中から、最もユニークな画像100枚がAIモデルの学習用に選定されました。これらの画像は、人間のアノテーターがポリゴンアノテーションを用いて手動でタグ付けし、精度を確保しました。
- 品質管理：タグ付けされた各画像は、経験豊富なチームメンバーによって綿密に品質チェックを受けました。このプロセスにより、100%のデータタグ付け精度でクライアントの承認を得ることができました。
- モデルトレーニング：Tictagは承認されたデータセットを使用してAIモデルをトレーニングし、個々の果物の房を識別する際に85％の精度を達成することを最初の目標としました。
- クライアントテストインターフェース：Tictagは、クライアントがAIモデルをテストし、パフォーマンスを微調整できるユーザーインターフェース（UI）を開発しました。クライアントはモデルのUIに追加画像をアップロードすることで、さらなる最適化と精度向上を図ることができます。
達成されたこと
Tictagは、クライアントの技術要件とスケジュール要件の両方を満たし、85%の精度を誇るAIソリューションを無事に提供しました。このシステムの導入により、パーム油の果実の房を一つ一つ識別するという、反復的で目が疲れる作業が軽減されます。その結果、運用スタッフは、反復作業が少なく、より認知能力の高い、ランダムな画像サンプルをチェックして精度を検証する作業に集中できるようになります。
1農園あたり1日あたり、1画像あたり50房の画像を平均5,000枚撮影すると、このソリューションによる時間節約は農園あたり約500工数に相当し、クライアントの人員効率を約75%向上させることができます。
上記のTictagソリューションの説明は、AI精度をさらに95%に高めるための、ソリューションの2回目の大規模導入の基盤となります。執筆時点で進行中のこのソリューションは、クライアントの運用エコシステムに統合され、ポートフォリオ内の他の製品にも拡張される予定です。