説明可能なAIを用いた人工ニューラルネットワークによるヒヨコマメ収量の予測

ヒヨコマメ（Cicer arietinum L.）は世界的に重要なマメ科作物であり、その穀粒収量は環境および農業的変動によって大きく影響されます。本研究の目的は、人工ニューラルネットワーク（ANN）を用いてヒヨコマメの穀粒収量を予測し、半乾燥条件下で異なる遺伝子型における収量形成に関連する主要な形質を特定することでした。データセットは、トルコのシヴァスでの2つの栽培シーズン（2022–2023年）に評価された96のヒヨコマメ遺伝子型から構成されました。結果は、生殖形質、特に1株あたりの種子重量、莢の数、および種子の数が穀粒収量を決定する最も影響力のある要因であることを示しました。環境変動も収量予測に有意に寄与し、遺伝子型と環境の相互作用の重要性を強調しました。開発したANNモデルは高い予測精度を示し、収量関連形質間の複雑な関係を捉える堅牢性を示しました。予測を超えて、このモデルは形質の優先順位付けに関する生物学的に意味のある洞察を提供し、ヒヨコマメ育種プログラムでの応用を支援します。総じて、ANNベースのアプローチは、正確な収量推定を可能にし、高性能な遺伝子型の選抜や持続可能な作物改良のための重要な育種形質の特定を促進することで、精密農業における効果的な意思決定支援ツールとして機能することが示唆されます。