gabvmon.com
← プロジェクト一覧完了

近赤外分光法を用いた​土壌分析用​自律走行車両

メカトロニクス工学の卒業論文。近赤外(NIR)分光法と機械学習を組み合わせ、圃場で土壌の養分を推定するロボットを一から設計しました。論文審査では審査委員の全会一致で承認されました。

役割
著者(機械・電子・制御設計、機械学習、UI)
背景
PUCPメカトロニクス工学科 卒業論文
期間
2024〜2026
技術スタック
PythonScikit-learnPandasJupyterAutodesk InventorRaspberry Pi 5ESP32LoRa 433 MHzFigma
土壌養分マップの上に網点処理で描かれた卒業論文の車両

課題

適切に施肥するには土壌にどの養分が含まれているかを知る必要があり、しかもそれは時間とともに変化します。現状では土壌試料を分析機関に送るしかなく、1試料あたり約S/ 250〜300(約US$ 70〜80)の費用と数日の待ち時間がかかります。そのため、特に中小規模の生産者にとって、頻繁なモニタリングは現実的ではありません。

提案

圃場を走行して土壌を掘削し、近赤外(NIR)プローブを降ろしてスペクトルを取得し、機械学習モデルでその場で養分を推定する自律走行型の地上車両です。結果はスマートフォンやパソコンから地図上で確認できます。

主要コンポーネントを示した車両のレンダリング

設計はVDI 2221の設計方法論に沿って進め、すべてのサブシステムを対象としています。

機械学習

Open Soil Spectral LibraryとLUCAS 2015(欧州連合)のスペクトルを用いて、多出力回帰モデルを学習させました。分光計のバイナリ形式であるASDファイルの読み込み処理も自作しています。MLPと、Dung Beetle Optimizerでハイパーパラメーターを最適化したSVR(DBO-SVR)を比較したところ、ほぼすべての目的変数でDBO-SVRが上回りました。

土壌特性 R² RPD
窒素 0.956 4.75
pH(CaCl₂) 0.948 4.38
炭酸カルシウム 0.946 4.30
pH(H₂O) 0.943 4.20
有機炭素 0.932 3.83

土壌分光分析では、RPDが3を超えると予測能力が非常に高いとされています。リンとカリウムは近赤外域での応答が弱いため、予想どおりこれより低い精度となりました。

経済性

学んだこと

最も難しかったのは、分野をまたいだ統合です。構造、電子回路、制御、分光法、予測モデルは互いに制約し合います。分光計の重量がシャシーを左右し、シャシーが消費電力を左右し、消費電力が航続時間を左右します。個々の部品ではなくシステム全体を見て判断することを学びました。

次のステップ

卒業論文の範囲は設計とシミュレーションまででした。現在、このシステムのWebインターフェースを別プロジェクトとして実装しています:Niranden。