■ 公開された論文の概要
弊所代表の上脇優人と、東京農工大学の福田信二教授による共同研究論文が、国際学術誌『Smart Agricultural Technology』に掲載されました。 本研究は、ハツカダイコンの栽培において、画像や点群から得られる多次元情報と、気温や湿度といった物理的な環境情報（センサーデータ）を、機械学習を用いて統合（マルチセンサーフュージョン）し、高度な生育および収量予測を行う手法を開発・検証したものです。
▶ 論文詳細はこちら（ScienceDirect）
Yuto Kamiwaki, Shinji Fukuda. Multi-sensor fusion using random forests for predicting plant height and yield in radish cultivation. Smart Agricultural Technology. 101436. 2025. https://doi.org/10.1016/j.atech.2025.101436
■ 弊社のデータモデリング・解析ソリューションへの応用
本論文で実証された「性質の異なる複数のデータ（マルチセンサー情報）を統合し、ノイズを処理して高精度な予測モデルを構築する技術」は、弊所のコンサルティングおよび各ソリューションの根底を支えるコア技術です。
- 研究開発サポート／戦略的データ活用『SHINRA』
弊所では、既存のAIツールを盲目的に適用するのではなく、本論文のように国際誌に採択されるレベルの厳格な数理的アプローチを用いています。需要予測や売上予測など、複雑な変数が絡み合うビジネスデータに対し、根拠のある高精度な予測モデルを構築し、データドリブンな意思決定を支援します。 - 時系列センサーデータ解析（『MITERAS』『G-SENSIA』）
多次元データの統合技術（マルチセンサーフュージョン）を極めているからこそ、弊所は工場やインフラ現場における「照明や遮蔽物による精度の低下」を熟知しています。そのため、弊所の異常検知システムでは一つのセンサーデータには一切依存しません。現場の各種センサーが捉える複雑な時系列データに対し、本研究で培った高度な機械学習のノウハウを適用することで、環境ノイズを数学的に排除し、設備故障の予兆や害虫発生をより安定的かつ高精度に検知いたします。
■ 高度な予測モデリング・異常検知に関するご相談
「複数のデータソースを統合して、精度の高い需要予測・収量予測を行いたい（SHINRA）」 「ノイズの多い現場のセンサーデータから、確実な異常検知モデルを構築したい（MITERAS）」 といった、一筋縄ではいかない課題をお持ちの企業様は、z是非弊所へご相談ください。
▶ [ご相談・お問い合わせはこちら（※お問い合わせページへのリンク）]