Jetson Orin Nanoでキュウリ長さ計測、RTX 3050 Tiと同じMAE 0.58 cm

何が起きたか

2026年11月6日掲載の論文は、RGB-D画像からキュウリの長さを測るパイプラインをNVIDIA Jetson Orin NanoとRaspberry Pi 4で評価した。温室で撮影した7個体の50画像を再生して比較し、JetsonはRTX 3050 Ti搭載ワークステーションと同じMAE 0.58 cmを記録した。

詳細

処理系はYOLO26nによる検出、プロンプトベースのセグメンテーション、medial arc splineによる長さ推定で構成する。JetsonではTensorRT FP16コンパイルにより検出レイテンシが2.57倍改善し、1果実当たり72 ms・精度値0.84 cm、または2.74秒・精度値0.64 cmという2つの動作点を示した。Jetsonの1果実当たりエネルギーは42.2 J。7 Wモードの消費エネルギーは15 Wモードより73%多かった。 論文は4種類のアブレーションを実施した。セグメンテーション方式を同じにした場合、測定精度はプラットフォーム間で0.01 cm以内に再現し、処理コストはプラットフォームによって214倍異なるとした。NMS-free検出ヘッド全体をINT8量子化すると、画素座標と信頼度を同じ出力テンソルに含む構造のため検出結果がなくなり、校正方法では回避できなかった。検出ヘッドを量子化対象から外すと機能が戻り、1.37倍の改善となった。Raspberry Pi 4とMobileSAMの組み合わせは、JetsonとSAMの組み合わせより1果実当たりのエネルギーが2.5倍多い一方、消費電力は47%少なく、持続負荷時にサーマルスロットリングは発生しなかった。

Key Facts

本紙の見方

この研究の焦点は、果実計測の精度だけでなく、ワークステーション上の処理を低電力の単板コンピューターへ移した際に、速度とエネルギーがどう変わるかを同じ画像で比べた点にある。7個体・50画像の条件ではJetsonのMAEがRTX 3050 Ti搭載機と一致した一方、これは限られた温室画像での比較であり、異なる品種や撮影条件にも同じ精度が出ることを示すものではない。 Jetsonでは処理速度と測定精度の異なる2つの動作点が示された。したがって、現場での導入判断は「エッジ機器で動くか」だけでなく、選別ラインが必要とする処理時間と許容誤差を照合する問題になる。加えて、論文はセグメンテーションの精度がプラットフォーム間でほぼ再現する一方、処理コストは機器によって大きく異なると報告した。精度を決める処理方式と、それを実行する計算機の選択を分けて評価できるという含意がある。 量子化の結果は、モデル全体を一律に軽量化する手法が常に成立するわけではないことを示す。座標と信頼度を同じテンソルに持つ検出ヘッドではINT8化が機能せず、そこを除外する必要があった。エッジ実装では、モデルの処理構造に応じた最適化と、その際の速度・精度の再測定が要るとみられる。 電力だけで機器を比較できない点も重要だ。Raspberry Pi 4とMobileSAMはJetsonとSAMより消費電力が低いが、1果実当たりのエネルギーは多かった。処理時間を含めた単位作業当たりのエネルギーが、電源や冷却に制約のある現場での選択指標になり得る。今後確認すべきなのは、異なる個体数や撮影環境での精度再現性、連続処理時の速度とエネルギー、選別工程で許容できる誤差との適合性である。論文の評価だけから、実際の選別設備での稼働率や運用性能までは判断できない。

なぜ重要か

論文の評価では、Jetson Orin Nanoがワークステーションと同じMAE 0.58 cmを示し、エッジ機器でも当該画像セットの計測精度を維持できた。一方、JetsonとRaspberry Pi 4では処理時間と1果実当たりのエネルギーが異なるため、導入機器の選択には必要な処理速度と許容誤差を合わせて見る必要がある。