産業インサイト・課題解決 | SCI総合研究所株式会社

ホーム
産業インサイト・課題解決

気温・湿度データは害虫発生予測に使えるか。コナジラミを例に、積算温度とラグで評価する方法

気温・湿度データは害虫発生予測に使えるか。コナジラミを例に、積算温度とラグで評価する方法

気温・湿度と害虫の相関が弱いと、環境データは使えないのでしょうか。非線形性、時間遅れ、積算効果を踏まえ、有効積算温度やラグ特徴量への加工と、ベースライン比較による評価手順を、コナジラミの疑似データ例で…

害虫モニタリングの設置場所をデータで見直す方法｜入口・換気口・圃場中央の比較

害虫モニタリングの設置場所をデータで見直す方法｜入口・換気口・圃場中央の比較

害虫モニタリングの設置場所を、捕獲データから見直す方法を解説します。入口・換気口・圃場中央の比較を例に、観測条件の整え方、偏りの切り分け、増やす・減らす・動かすの判断の考え方を整理します。

害虫カウント数だけで判断しない｜時系列・地点差・生育段階で見る異常の捉え方

害虫カウント数だけで判断しない｜時系列・地点差・生育段階で見る異常の捉え方

害虫の捕獲数だけで防除の要否を判断すると、回収間隔・地点差・気温・生育段階の違いを見落とす場合があります。発生密度と被害リスクを分けて捉え、判断ルールにつなげる方法を、Pythonの疑似データ例とあわ…

害虫検出AIが別の作物・拠点で精度を落とす理由：ドメインシフトの評価と追加学習の進め方

害虫検出AIが別の作物・拠点で精度を落とす理由：ドメインシフトの評価と追加学習の進め方

トマト施設で作った害虫検出AIをイチゴ施設へ展開すると精度が落ちる理由を、背景・光・個体差・作型の4要因で整理。評価設計を先に作り、必要な部分だけ追加学習する進め方を解説します。

害虫画像が少なくてもAIは作れる？少量データで始める転移学習・データ拡張・人手併用

害虫画像が少なくてもAIは作れる？少量データで始める転移学習・データ拡張・人手併用

害虫画像が100枚程度でもAIは作れるのか。不均衡データで起きる「正解率の罠」と評価指標の選び方、転移学習・データ拡張・人手併用を組み合わせた一次スクリーニングの設計を、架空の数値例で解説します。

画像AIの害虫判定で誤検知が多い原因とは？粘着板の汚れ・影・類似昆虫への対策を撮影条件・学習データ・閾値から解説

画像AIの害虫判定で誤検知が多い原因とは？粘着板の汚れ・影・類似昆虫への対策を撮影条件・学習データ・閾値から解説

画像AIの害虫判定で誤検知が多い原因を、撮影条件・学習データ・閾値（集計）の3軸で整理。粘着板の汚れ・影・類似昆虫への対策、適合率・再現率の見方、現場で使える点検表を解説します。

データ分析の外注で社内に残すべき知識とは？ブラックボックス化を防ぐ3つの資産

データ分析の外注で社内に残すべき知識とは？ブラックボックス化を防ぐ3つの資産

データ分析やAIモデルを外注しても、社内が説明・再実行・更新判断できる状態を残すには何が必要か。データ定義・分析ロジック・再現手順の残し方を、サンプルコードとチェックリストで解説します。

需要予測の先は数理最適化か？予測との違いと進むべき企業の特徴

需要予測の先は数理最適化か？予測との違いと進むべき企業の特徴

需要予測の値を出しても生産配分・在庫配置・配送計画の判断が属人化する企業向けに、予測と最適化（処方的分析）の違い、数理最適化に進むべき企業のチェックリスト、制約条件と目的関数の整理方法を、疑似データの…

説明できない高精度AIは経営判断に使ってよいか｜利用目的別「説明責任水準」の決め方

説明できない高精度AIは経営判断に使ってよいか｜利用目的別「説明責任水準」の決め方

説明できない高精度AIを経営判断に使ってよいか。結論は「利用目的次第で、条件付きで使える」です。影響の大きさ・可逆性・外部への説明義務・人の介在の4軸で、説明責任水準を決める方法を解説します。

AIモデルは作った後に劣化する：モデルドリフトの原因と、監視指標・再学習条件の決め方（原材料変更で品質予測の精度が下がったケースで解説）

AIモデルは作った後に劣化する：モデルドリフトの原因と、監視指標・再学習条件の決め方（原材料変更で品質予測の精度が下がったケースで解説）

本記事では、原材料変更後に品質予測の精度が下がった疑似ケースを使い、データドリフトとコンセプトドリフトの違い、監視指標、しきい値と再学習条件の決め方、新旧モデルの比較と切り替え手順を整理します。