精度84%のAI選果機で選別を初心者にも、秋田のシイタケ生産法人の試み

同法人では、秋のような寒暖差を人工的に再現するハウス管理が経験と勘に委ねられ、猛暑も重なって収穫量や品質が安定せず、赤字になる年もありました。選別作業でも知識と経験が求められる一方、地域では生産者の高齢化や廃業で熟練者が減り、人手不足と品質低下が懸念されていました。

栽培と選別という別々の工程に見えますが、根は同じところにあると編集部は見ています。どちらも「良い状態」を判断する基準が人の頭の中にしかなく、その人がいなければ品質が保てない構造だったことです。人が足りないこと以上に、判断を渡す手段がなかったことが本当の弱点だったのではないでしょうか。

AI選果機の開発で最も手間をかけたのは、人が良品と良品以外をどの特徴で見分けているかを突き止め、その特徴が表れた画像データを大量にそろえる工程でした。微妙な差を見抜く判断は、熟練者自身も言葉にしにくいものです。AIに学ばせる前に「何を見ているか」を特定する作業を挟んだことで、ベテランの目利きを機械が扱える形に変換できたと考えられます。

学習の途中で、シイタケの形だけでなく作業場の外光が判定を左右すると気づき、選果機にLEDライトを付けて光量を一定にした点も見逃せません。モデルの側をいじるのではなく、撮影条件という入力の側を揃えにいった判断です。現場の照明は時間帯や場所で変わるため、この対処がなければ試験では動いても日々の作業では揺らぐ仕組みになっていた可能性があります。

判定を「良品」か「良品以外」かの二択に絞り、緑と赤のライトで示す設計も、使い手を初心者やスポットワーカーに据えた発想と噛み合っています。細かな等級分けまで担わせず、最も迷いやすい一点の判断だけを肩代わりさせることで、経験の浅い人でも迷わず手を動かせる道具になっています。栽培側でも、センサーデータと即時通知で環境の異変を早くつかむ仕組みが、同じく勘に頼っていた判断をデータに置き換える役割を果たしています。

ハウスの環境管理では、異常通知ですぐに調整できるようになり品質低下を防げたほか、異常の原因にエアコンの過剰運転が多かったことから無駄な電力消費も減りました。環境を見直した結果、品質が向上して秋田県種苗交換会で2年連続の三等賞を受け、1菌床当たりの売上高は2倍になっています。収穫予測に基づく人員配置で収穫時期を逃すことも減りました。開発したAI選果機は1秒で判別し、精度約84％は選別に約2年従事したスタッフと同程度です。初めて選別する人は1個に4〜5秒かかっていたため、作業時間の短縮や、ベテランへの質問が減ることによるストレス軽減が見込まれています。今後は農福加工センターでの実証と、そのデータを基にした自動選別装置の開発が予定されています。