近年,スマート農業の実現の一つとして,ICT技術の発展により栽培現場における多くの気象条件(気温,光強度,日射時間,湿度,CO2,飽差,土壌水分など)や生育状況を詳細にモニタリングし,農業ビッグデータとして利用可能になってきています.これらのデータは,栽培環境の「見える化」,病害虫,収量,収穫時期の「予測」など様々な観点から利用されていますが,品質や貯蔵性の予測については十分に行われていません.
これらのことから,いろいろな農業データ(環境・生育データ)と機能性成分含量の関連性を解明することによって,環境・生育条件と機能性成分含量や貯蔵性にどのような関連性があるか,何が変化することによって含量や貯蔵性が変動するのかを可視化し,機能性成分含量を高めたり,貯蔵性を高めてフードロスを抑えたりするための条件や予測技術を明らかにし,今後のAI(アグリ・インフォマティクス)農業に貢献したいと考えています.
この実験は,イチゴとトマトを対象に行っています.大学以内で栽培している塩・乾燥ストレスを与えているトマトを使ったり,ICTを利用した複合環境制御装置を導入しているトマト・イチゴ生産者と一緒に行ったりしています.
現在の研究テーマ
トマト・イチゴの機能性成分含量と貯蔵性の向上と予測に関する研究
関連する研究業績
Zushi, K., Yamamoto, M., Matsuura, M., Tsutsuki, K., Yonehana, A., Imamura, R., Takahashi, H., Kirimura, M., 2025. Machine learning and multiple linear regression models can predict ascorbic acid and polyphenol contents, and antioxidant activity in strawberries. J. Sci. Food Agric. n/a. https://doi.org/10.1002/jsfa.13906
Zushi, K., Yamamoto, M., Matsuura, M., Tsutsuki, K., Yonehana, A., Imamura, R., Takahashi, H., Kirimura, M., 2023. Tissue-dependent seasonal variation and predictive models of strawberry firmness. Sci. Hortic. 307, 111535. https://doi.org/10.1016/j.scienta.2022.111535
Zushi, K., Fukuda, T., Mori, Y., Takahashi, H., Kirimura, M., 2022. Seasonal variation and a statistical predictive model in assessing health-promoting properties of cherry tomato under long-term cultivation. Environ. Control Biol. 60, 91-101. https://doi.org/10.2525/ecb.60.91
Zushi, K., Tsutsuki, K., Takahashi, H., Kirimura, M., 2021. Correlation network analysis visually identifies interactions of antioxidant compounds with plant growth, leaf photosynthetic performance, and agronomic quality in strawberry. Environ. Control Biol. 59, 147-155.