主な研究業績とビジネスへの応用領域
当社のデータ解析およびコンサルティングの基盤となっている代表的な学術論文とそのビジネス応用例です。
異種データの統合による高精度予測モデルの構築
学術論文
Yuto Kamiwaki, Shinji Fukuda. Multi-sensor fusion using random forests for predicting plant height and yield in radish cultivation. Smart Agricultural Technology. Volume 12. pp.101436. 2025-09. https://doi.org/10.1016/j.atech.2025.101436
ビジネス応用領域：【サプライチェーン予測 / 製造業の歩留まり改善】
性質の異なる複数のセンサーデータを機械学習（ランダムフォレスト等）で統合（マルチセンサーフュージョン）し、最終的なアウトプット（収量や品質）を高精度に予測するアプローチです。工場の各工程から上がるサイロ化したデータやサプライチェーン上の複雑な変数を統合し、経営指標を予測するロジックの基盤となっています。
3D画像解析と機械学習を用いた非接触の状態推定
学術論文
Yuto Kamiwaki, Shinji Fukuda. A Machine Learning-Assisted Three-Dimensional Image Analysis for Weight Estimation of Radish. Horticulturae. 10(2). 2024-01-31. https://doi.org/10.3390/horticulturae10020142
ビジネス応用領域：【高度な品質管理 / 外観検査アルゴリズムの実装】
対象物を破壊・接触することなく、立体的な画像データから機械学習を用いて「重量（内部状態）」を高精度に推定する技術です。この立体的な特徴量抽出の考え方は、製造業における複雑な外観検査の自動化や見えない欠陥の予兆を捉える品質管理アルゴリズムへと応用されています。
環境ノイズ（外乱）に耐えうるロバストな解析アルゴリズム
学術論文
Yuto Kamiwaki, Shinji Fukuda. Effect of the Light Environment on Image-Based SPAD Value Prediction of Radish Leaves. Algorithms. 17(1). 2023-12-29. https://doi.org/10.3390/a17010016
ビジネス応用領域：【現場データのクレンジング / 異常検知の高度化】
光の当たり方といった「環境ノイズ（外乱）」が予測精度に与える影響を定量化し、ノイズ環境下でも目的の数値（品質指標）を正確に予測する研究です。現場のセンサーやカメラから得られる「ノイズだらけの汚いデータ」から不要な要因を排除し、真の異常やリスクだけを正確に検知するための堅牢なデータ処理基盤として活用されています。