Geco Strategic Weed Managementは、散布機が通過する直前に雑草を見つけるカメラとは異なる農業AIを広げている。数年分の画像と圃場履歴から、次の対策前に持続的な雑草ゾーンを推定するソフトウェアだ。EMILIは2026年1月までに北米で商用提供され、7カ国160超の農場で使われていると報告した。2023年にはカナダ西部の3試験農場だった。到達範囲の証拠ではあるが、農場の利益が再現されるという証拠ではない。
経済的な違いは重要だ。種子や強力な除草剤を増やせば作物に効果があっても、費用も増える。Gecoの提案は、追加支出がどこで正当化されるかを履歴から判断することにある。マニトバ州のEMILI、全国的なAIVA Networkとの試験は、予測ゾーンを実測雑草、収穫結果、機械作業へ結び付けるためのもので、見栄えのする色分け地図を作るだけではない。
シードバンク戦略は地下の種子の写真ではない
雑草シードバンクとは、土壌内や周辺に蓄えられた生存可能な種子だ。今季発芽するものも、休眠して将来の圧力になるものもある。除草が成功して圃場がきれいに見えても、その蓄えは残り得る。創業者Greg StewartのCountry Guideへの説明は、今日見える植物から反復する個体群と、その最も深刻な集中域を継続的に減らす試みへ焦点を移す。
同社によれば通常は5年分の圃場履歴と100枚超の衛星画像を、AIと農学モデルで分析する。ドローン画像や光学式散布機データで補える。反復観測に基づく推定であり、衛星が地下の種子を直接数えるわけではない。作物ストレス、こぼれ種由来の植物、残渣、裸地、病害、通常の圃場変動から、反復する雑草信号を区別できるかが価値を左右する。
出力は圃場を管理ゾーンに分ける。播種密度を高めれば光、水、養分を巡る作物の競争力が増し、残効性除草剤は一定期間土壌で作用して発芽する雑草を狙う。耕起や収穫時の雑草種子防除も選択肢だ。輪作、抵抗性、土壌、設備、既存の防除計画が適切な対策を決める。地図は農業アドバイザーを置き換えず、すべての農場に同じ処方を出さない。
処方ファイルは、対応する播種機、散布機、耕起具、自律機械へ可変投入量の指示を渡す。Gecoは専用プラットフォームを求めず既存ブランドに対応するとする。障壁の一つは下がるが、正確な記録、ファイル準備、実際の互換性確認は必要だ。適切な作業期間内に機械が使えて初めて、予測は実務的価値を持つ。
AI導入が限られる市場での成長
Enterprise Machine Intelligence and Learning InitiativeであるEMILIは2023年にGecoとの協力を始めた。160超の農場という報告は、登録面積、処方利用頻度、契約更新、複数年の継続率を明らかにしない。農場数だけよりこれらの指標が利用の深さを示す。一社の拡大は、カナダ農業全体へのAI普及を示すものでもない。
Farm Credit CanadaとDeloitteの導入分析では、2025年第2四半期のカナダ農業事業者のAI利用率は1.8%、他産業は12.2%だった。農村の接続性、資金制約、人材不足、分断されたインフラ、不確かなガバナンスが障壁だった。Gecoが成長するのは全面自動化済みの業界でなく、導入が難しく不均等な環境だ。
EMILIはマニトバの土地、履歴記録、ドローン観測、地上調査を提供する。AIVAはアルバータ、オンタリオ、サスカチュワンの協力先へ検証を広げる。小麦、大豆、ジャガイモ、トウモロコシ、ライ麦、大麦、キャノーラ、ソラマメが対象で、別のロボット経路試験はカボチャとタマネギで行う。群落、生育段階、土壌、天候、雑草種が違えば、小麦田から別地域のジャガイモへ移せるかは仮定ではなく試験対象になる。
初期検証は除草剤抵抗性コキアとカラスムギを扱った。限られた除草剤に依存するプレーリー地域の大きな問題だ。カナダ農業・農産食品省のコキア研究は、1株が30,000粒の種子を作り得ることと抵抗性の拡大を説明する。持続する集中域への高価な対策は意味を持ち得るが、生物学的重要性だけで収益は証明できない。
予測を圃場作業につなぐ三つの実験
EMILIの初期圃場検証は衛星モデルをドローン画像と実地調査に比較し、試験圃場の大きめの雑草群を確実に識別できたとした。広く入手できる衛星データによる処方を支持するが、すべての種、作物、圃場、生育段階で同等の性能を示したわけではない。
現在のAIVA実験では、まずシーズン中4回の地上調査で衛星ゾーンと実際の種・密度を比較する。確認を工程に組み込むものだ。反復画像は異常年への依存を減らせても、天候、散布時期、通行条件、作物変更による曖昧さをなくさない。
第2の実験は標準・増量播種と標準・増量残効性除草剤を組み合わせる。選択域の増量播種は約25～50%だ。雑草圧、収量、タンパク質を測定し、検出地図を農学と収入に結び付ける。増量率自体が全作物への一律の推奨ではない。
第3の実験はカボチャとタマネギで、雑草を優先するロボット除草経路と従来の直線経路を比較する。日々の機械能力は限られるため、優先順位付けには価値があり得る。人の調査にも同じ論理が使える。カメラ散布機は「今ここで何が育つか」、Gecoは「どこで季節をまたいで圧力が戻るか」を問う。予測、近距離検出、人の確認は排他的でなく補完的に働ける。
有望な一件の播種結果は全顧客の収益ではない
2025年、GecoとEMILIはInnovation Farmsの一圃場で、各幅120フィートの3帯に増量播種を試した。選択された雑草域に25%多く播き、EMILIは収量7%増、雑草29%減を報告した。Stewartは追加種子の費用に対する7倍のリターンと表現した。誰の報告か、何を分母にしたかが重要だ。一季の特定処理であり、ソフトの全費用や全顧客についての7倍収益ではない。
仕組みは既知の作物競争であり、Gecoは対象選定を担う。低圧力域も含めて全面に増量すれば無駄になり得る。高価な除草剤も持続圧力が費用を正当化する場所に限る考えだ。2026年小麦試験は播種と残効処理の標準・増量4組を試し、Olds Collegeもアルバータで比較可能な反復ブロック試験を行う。雑草圧と収穫量を測った後に農学・経済比較をする。
全費用にはソフト、農業助言の時間、追加種子や薬剤、機械走行、処方準備、調査、運用複雑性が入る。対象選定の効果と、単に処理を増やす効果も分ける必要がある。有利な降雨年や圃場変動が増益を強めることも、将来の種子供給防止の価値が当季収穫に現れないこともある。複数季の戦略だから複数年評価が必要だ。
作物間の再現も重要だ。競争力の高い小麦群落は広い間隔の野菜と違い、キャノーラと大豆では経済性も違う。EMILIはモデルと独立して観測し、AIVAはマニトバ外への移転を試せる。それで信頼は高まるが結論は未確定だ。公開情報には顧客利益分布、失敗率、登録面積、複数年継続率が不足する。この不足は初期結果の否定ではなく残る実証範囲を示す。
アルゴリズムは画像解像度の限界を消せない
衛星には広域の観測と履歴があり、ドローン未調査の圃場も含まれる。大きな反復群を捉えても小植物を見逃したり、1画素に複数特徴を混ぜたりし得る。雲は取得を妨げ、残渣、土色、影、群落の閉鎖、生育段階は分類を複雑にする。反復観測や補完画像が役立っても地上確認は必要だ。
査読済みの2026年UAV研究は、夏季休閑地で3種類のドローン手法を地上カメラ基準と比較した。すべてが雑草を過小計数し、見逃し率はRGBで41～65%、近赤外48～73.5%、YOLOで78～85%だった。重要なのはGecoやその複数年衛星手法の評価ではないことだ。複雑なアルゴリズムだけでは画像細部の不足を補えないという例であり、この率をGecoに割り当ててはならない。
持続ゾーンは散布日に小雑草を全数数えるより広い対象で、衛星に適するかもしれない。それでも偽陽性は資材を浪費し、偽陰性は抵抗性集団の結実を許す。損失は非対称で、種、抵抗性、作物価格、処理費、予想種子数による。一般的な精度点数で、誤ったゾーンに従って行動した結果の測定を代用できない。
残る判断は農場と検証者のもの
データ管理も重要だ。作付履歴、画像、処方地図は機微な経営情報を示す。所有、保存、再利用、持ち運びの条件、反復手作業なしのソフト・機械間転送を明確にする必要がある。作業前のファイル準備で接続需要は下がっても、弱い農村回線は送信、支援、新画像を遅らせ得る。助言者には異例のゾーンを問い直し、作付けと抵抗性履歴に合わせる役割が残る。
次の証拠には、可変量試験の反復された純収益、AIVA各地の種別偽陽性・偽陰性、稼働機械との実用的統合を組み合わせるべきだ。特定作物に効果が集中するなら用途を絞るべきで、万能の精度を主張すべきではない。ロボット経路試験は、画面のもっともらしさでなく実機が先に働く場所を問う点で具体的だ。
Gecoの実質的な提案は、複数季の証拠で高価な防除を選択的にすることだ。その選択がどこで現在費を増やさず将来圧力を減らすかは未解決である。処理・無処理結果を季節をまたいで記録し、地域履歴と全運用費に照らす方が、商業的到達範囲だけより多くを語る。
Google Newsの集約記事入口からも報道へ進めるが、追加の圃場研究やGecoの公式声明ではない。