農業への人工知能の導入は、農作物の品質や流通の効率化が図れ、様々なコスト削減につながる。例えば、圃場に設置した気象センサーのデータから、自動的に病害の発生リスクを予測して、事前に対策を打つことが可能になる。また、トラクターやドローンに取り付けられたカメラでとった写真や動画を瞬時に解析し、ピンポイントで除草や施肥を行うことが可能になる。このサイトでは、農業と人工知能に関連したコンテンツを載せていく。
機械学習のアルゴリズムには、回帰問題を解く線形回帰やスパースモデリング、分類問題を解くロジスティック回帰、SVM やニューラルネットワークなどがある。これらの機械学習の手法にはそれぞれ得意・不得意がある。機械学習を解決したい問題に適用する場合、その問題の特徴やデータの特徴に応じて学習手法を決めていく必要がある。
深層学習は、ニューラルネットワークの構造を複数層に重ねることで実現させた機械学習手法である。画像などを解析する CNN や系列データを解析する RNN などのアルゴリズムがある。
世の中は、画像解析が深層学習の代名詞となりつつだが、必ずしもすべての画像解析を深層学習で行う必要はない。OpenCV で提供されている様々な機能と特徴量ベースの機械学習手法を組み合わせることで、画像分類や物体認識を行うこともできる。
開発環境で動いていたプログラムが、他のシステム環境に移植したら動かなかった、ということはよくあることだ。その解決策として、仮想化技術が使われている。VMware や Docker などの仮想化技術を使うことで、開発に使用した仮想環境を他のシステムに移植して使用すれば、他のシステム環境の影響を受けることなく、プログラムを実行できるようになる。