農林水産分野におけるセンシング技術及びデータの活用平藤雅之（独）農業・食品産業技術総合研機構北海道農業研究センター筑波大学大学院・生命環境科学研究科 [Mips] ムーアの法則 Quantum computer 1,000,000,000 Processing Speed 100,000,000 10,00,000 Core i7 990x (2011) 1,000,000 Core i7(2008) 100,000 Core 2 Quad (2006) 10,000 Pentium Ⅳ (2000) Pentium III (1999) Pentium II (1997) Pentium-pro(1995) 1,000 100 Pentium(1993) 10 80486(1989) 80386(1985) 80286(1982) 1 0.1 1970 8086(1978) 1980 1990 2000 2010 2020 [Year] D-Wave社の市販用量子コンピュータ ICTとDNAシーケンサの加速度的変化 http://www.nature.com/news/2011/110726/full/475435a/box/1.html ナノテクによるDNAの読み取り A biological nanopore in a lipid bilayer A nanopore in a solid state membrane http://genengnews.com/gen-articles/direct-dna-sequencingusing-nanopore-sensors/4802/ USBメモリサイズのDNAシーケンサ https://www.nanoporetech.com/ ICTとセンサを活用するスマート農業 1. 2. 3. 4. 5. 6. 多地点・高頻度のデータ収集オープンデータの活用データ統合によるビッグデータの構築生産・経営の「見える化」機械学習による予測・最適化フェノミクスへの活用（品種改良の高速化・オンデマンド化）農業機械通信制御インターフェースの共通化規格品種改良とフェノミクスナッツフレーバー「インカのめざめ」アントシアニン含量が多い「シャドークイーン」ジャガイモシストセンチュウ抵抗性の「ノーザンルビー」根中糖分が高く、褐斑病の発生が少ないてんさい品種「アマホマレ」ドイツの種苗会社 http://www.strube-international.net/seed_research/breeding/?n=511-515 形質情報（フェノタイプ）の網羅的収集植物個体の生長計測装置温度－光合成速度の関係は複雑 1 0.8 正規化光合成速度 0.6 0.4 0.2 0 10 15 20 25 気温 [℃] 30 35 40 植物個体の応答はカオス入力：周期的出力：不規則的生態系は多数のカオスノードの集合体光合成速度 CO2 濃度相対湿度気温 0 100 200 300 Time[hour] 400 500 モデリング時系列データの収集がキーとなる 5 xi 0 Time 時間カオス理論 (ターケンスの埋め込み定理) 観測可能な１変数の時系列データから全体システムを同定できる植物個体は器官と共生微生物等の集合体 Environment Fruit Plant Microbiome Leaves Stem Soil Root 機械学習（GA）による数値モデルの未知パラメータ推定大量のデータさえあれば精密なモデルを量産できるカンショ（沖縄100号四街道）の生育モデル（1978-80の実測値を学習させ、1982を予測） Leaf (g/m×m) Stem(g/m×m) 9/28 10/12 10/12 9/14 8/31 8/17 9/28 Root(g/m×m) 8/3 7/20 60 50 40 30 20 10 0 7/6 10/12 9/28 9/14 8/31 8/17 8/3 7/20 80 60 40 20 0 7/6 予測値実測値 Tuber(g/m×m) 9/14 10/12 9/28 9/14 8/31 8/17 8/3 7/20 7/6 0 8/31 10 8/17 20 8/3 30 7/20 60 50 40 30 20 10 0 7/6 40 フィールドでの情報収集 UAV（無人航空機） RGB, NIR (Near Infra-Red), 熱画像民生用のデジカメ（高解像度、安価）で撮影した例搭載したデジタルカメラを下に向けて撮影蒸散速度に関する形質情報を網羅的に収集（熱赤外画像）１個体ごとの病害抵抗性形質を網羅的に収集 (RGB+IR) 植物個体群の３次元情報を網羅的に収集センサネットワークフィールドサーバ多数の機能をオールインワン化  台風等に耐える耐候性  気温，湿度，日射量，土壌水分，葉の濡れ，紫外線， CO2 ，害虫カウンタ等多数のセンサ  ネットワークカメラ  外部機器を遠隔制御  無線LANでインターネットに接続（通信可能距離は数100m～数10km）  無線中継機能  周囲ではインターネットが利用可能（フリースポット化）害虫のモニタリング Field Server RS-232C Pulse Counter Coil Electric Insect Killer Pheromone 画像による害虫のカウント Insects (Hemiptera:Alydidae) 生物・農業・環境の複雑性 → センサ、設置場所、使用目的の違いでカスタマイズどうすれば様々な機能を持つセンサノードを多数設置できるだろうか？パーソナルファブリケーションものづくり革命 (ICT+Fab) レーザーカッター Linux Hadoop 子供向けに開発されたマイコン基板Arduino 3Dプリンタオープンソース・ソフトウェアオープンソース・ハードウェア簡便な自動工作機械 Open-FS (Open Field Server) Wi-Fi/3G/4G(LTE) LED garden light with IR sensor Sonar GPS module Arduino on Mother board Solar panel Photo sensors Soil temperature sensor Inside temperature sensor Soil temperature sensor Soil moisture sensor Battery Tweeting data 消散係数（LAIの逆数）の測定最上部と最下部で光強度を測定 12:30のデータのみを使った場合安価（100USD）な超音波ソナーの評価 HRXL-MaxSonar MB7366 測定範囲：30cm-10m，精度：1mm （デジタル出力）、10mm （電圧出力） http://www.maxbotix.com/documents/HRXL-MaxSonar-WR_Datasheet.pdf Open-FSに超音波ソナーを搭載し水位測定の評価実験積雪深測定による超音波ソナーの評価（LTEで接続）異常値をソフトウェアで除去すると積雪深が測定できた 2014.3.17 hours 2013.11.01 Nov. Dec. Jan. Feb. Mar. 草丈の測定微小形質情報の収集 3Dプリンタで作った顕微鏡ホルダー撮影例ハイパースペクトルカメラとMEMS分光センサビッグデータをつくる商用の農業ソフト（富士通） apras（農研機構） CLOP：アプリケーション層（API）での統合 CLOP (CLoud Open Platform) 規範と具体的技術（フレームワーク，サービス）の集合体機械学習によるリコメンデーション・サービス Personal PC Cluster Open Data Big data DB DB DB DB Machine Learning SNS Farm work logs Fertilizer Chemical Yield Images Plant growth Disease Soil moisture Soil temperature LAI Height Optimization of farming On-demand breeding Consumers’ comments 軽油価格の予測例過去の軽油価格の時系列データから予測軽油の実価格過去の軽油価格と日経平均の時系列データから予測肥料価格の予測結果を自動Tweetするサービス肥料価格、為替レート、日経平均等の過去の時系列データから未来の肥料価格を予測。農林水産業のイノベーション 1. スマート農業＋フェノミクスの相乗効果 2. ビッグデータの活用     農業技術・経営の見える化機械学習による網羅的予測農業生産・経営の最適化大規模農業の支援 3. フィールドフェノミクスによるイノベーション    品種開発の高速化高付加価値な種苗産業の創出６次産業化のイノベーション農学・生物学においてまだ分からないこと 1. 雑種強勢のメカニズム 2. 進化「生物に学ぶ」生物の進化はあまりに早すぎる。量子コンピュータとして説明できないだろうか？進化の量子論ストレス（ノイズ）が大きいとコピーエラーが増える → 最小ストレス状態の存在確率が最大になる Stress M. Hirafuji, S. Hagan, A global optimization algorithm based on the process of evolution in complex biological systems, Computers And Electronics In Agriculture (29)1-2, pp. 125-134, 2000