>>さくらインターネットにサービス導入について相談する

農業×AI学習でWiCON2025に挑む 

仙台高等専門学校の学生たちによる有志チーム「Cyfarma」は、2025年のワイヤレステックコンテスト（以下、WiCON2025）への出場を目標に結成されました。研究室や部活、学年、学科を問わない優秀な有志が集まり、のべ約20人で構成されています。 

Cyfarmaが目指したのは、温度・湿度・土壌水分量などのセンサーデータをLPWA通信で収集し、WebアプリケーションからリモートでON／OFFできる「遠隔灌水システム」です。通信インフラが不十分な農地でも動作するよう設計し、さらにAIを活用した「クマ検知」と「チャットボット」という2つの機能を加えました。 

「まず、農家の方が使いやすいシステムである必要があります。どんなに高度でも、使いにくければ導入や活用はしていただけません。また、農家の方のお話を聞くなかで、クマ被害は本当に深刻なのだということもわかりました。電気柵を設置しても乗り越えてくる、作物はもちろん人間にも被害が出る……といった課題に、AIを活用できるのではないかと考えたのです」（阿部氏） 

>>さくらインターネットにサービス導入について相談する

計算資源の壁……モデル学習に時間がかかり、精度追求に限界 

「クマを判別する『物体検出モデル』をつくるには、モデルの種類やサイズ、データセットの前処理方法、学習率といったハイパラメーターの組み合わせを数十通り試す必要がありました。しかし私のパソコンでは、1回の学習に6時間以上かかってしまいます。1日に試せるのは2～3種類が限界で、精度の追求ができそうにありませんでした」（髙橋氏） 

そこで髙橋氏は、まず学内ワークステーション（NVIDIA RTX A4500搭載）の利用を検討しました。しかしこれも、断念することになったといいます。 

「インターネット利用に各種申請が必要になることと、ネットワーク回線の制限から、数万枚の学習画像データセットをダウンロードするだけで3～4日かかることがわかりました。コンテストの開発期間は限られていたため、現実的ではありませんでした」（髙橋氏） 

次に検討したのが、海外のクラウドベンダーが提供するH100インスタンスです。しかし、1時間あたりの利用料がおよそ数十ドル規模にのぼり、コンテスト参加チームの予算では利用が困難でした。さらに、VPN接続のための追加設定といった、ベンダー独自の環境構築も必要だったそうです。 

高火力 VRTは「SSH接続するだけで自分のパソコンがそのまま強くなった感覚」 

これらの課題を解決したのが、さくらインターネットの「高火力 VRT」でした。H100 GPUを搭載した仮想マシン形式のクラウドGPUサービスで、利用料金は1時間990円。仮想マシン（VM）形式のためLinuxアプリケーションをそのまま動かせる点が決め手になりました。 

「高火力 VRTはTailscaleをインストールするだけでVPN接続でき、nginxやFastAPIも普通に使えました」（髙橋氏） 

セットアップはさくらインターネットの公式マニュアルに沿って、NVMeの一時領域のマウント、CUDAツールキットのインストール、NVIDIAドライバーのインストールと順に進めました。その後のPython環境構築も、私物のパソコンと同じ手順で完了。コントロールパネルやマニュアルが日本語対応している点も、スムーズな立ち上げに貢献したそうです。 

「SSH接続するだけで、自分のパソコンとほとんど同じように使えました。面倒な独自設定もなく、外部サービスだと意識する感覚もなく、自分のマシンがそのまま強くなった感じです」（髙橋氏） 

加えて髙橋氏は、AIエンジニアとして「初期のディスク容量」の大切さも強調しました。  

「今回、検証用として起動領域20GBの構成を利用していたのですが、CUDAツールキットをインストールした時点で使用容量が18GBほどになり、Pythonのライブラリーや追加ツールを入れる余裕がなくなってしまいました。クラウドなので、通常であればディスクサイズを拡張することで対応できますが、今回は一時領域として7TBのNVMeストレージが利用できたため、Pythonライブラリーやデータセット、ソースコードは手元のパソコンに置き、作業時に一時領域へアップロードする運用で対応しました。  

今回の開発を通じて、AI開発用途では起動領域は最低でも40GB、余裕を持つなら100GB程度あると安心だということがよくわかりました」（髙橋氏） 

1日のトライアルが約20回に増加、精度は75％から95％へ 

高火力 VRTへ移行してからの変化は、数字ではっきりと現れました。 

クマ検知モデルの構築では、ImageNetから取得した画像で学習。最初はランダムにパラメーターを設定し、結果の高いものを起点にさらに調整を重ねる手法で、精度を段階的に引き上げていきました。1日に試せるモデル数が大幅に増えたことで、このサイクルを短期間で回せるようになったそうです。 

「学習時間が最短30分ほどになり、1日の試行回数が劇的に増加。それによってモデルの精度も75％ から95％まで向上しました」（髙橋氏） 

クマ検知モデルの開発が高速化したことで、髙橋氏は開発リソースをほかの作業にも投入できるようになりました。農林水産省などが公開する資料をもとに対話式で疑問に答える「農業チャットボット」も、そのなかの1つです。 

「チャットボットに使いたいLLMのモデルは、およそ30GBあります。これを動かすには大容量のGPUメモリーが必要で、自分のパソコンでは起動すらできませんでした」（髙橋氏） 

現在、Cyfarmaの農業支援システムは、さくらインターネットの2つのサービスを組み合わせた構成を採用しています。 

「さくらのVPSでセンサーデータの取得やデータベース格納、Webアプリケーションのバックエンド処理をしています。高火力 VRTはクマ検知のリアルタイム画像判定と、農業特化LLMチャットボットの実行に利用しています。AIモデルはFastAPIでAPI化し、バックエンドに組み込みました。Webアプリの操作がVPS経由でAIサーバーに届き、クマ検知の結果が農家へリアルタイムに通知される仕組みです」（阿部氏） 

「高火力 VRTは仮想マシンなので、学習したモデルをそのままAPIサーバーとして稼働できます。運用負荷を減らせるのも助かりました」（髙橋氏） 

WiCON2025で優秀賞を受賞、次のステージ「現実の圃場への適用」へ 

こうして開発されたCyfarmaの農業支援システムは高く評価され、WiCON2025でワイヤレス利活用部門 優秀賞を受賞しました。 

「今回の開発で、AIがどう社会課題に活かせるかの具体性や実現性を高められました。それが受賞につながったと考えています」（阿部氏） 

また、AIの用途に対する考え方にも変化があったと阿部氏は語ります。 

「AIはとても便利ですが、『何でもかんでもとりあえずAIにやらせよう』と考えてはいけないな、と思うようになりました。AIは使った分だけ計算資源を占有し、環境負荷も上げてしまいます。シーケンス制御でできることには、生成AIを使わないほうがよいはずです。用途や使い方をよく理解し、対象を絞って特化させることで、農業の再現性を高めていけると思っています」（阿部氏） 

Cyfarmaは今後、実際の圃場での継続運用とデータ収集を進める予定です。環境データや灌水の履歴、作物の状態といったデータを取り入れ、農業に不可欠な「経験と勘」をAIで補助したい考えです。 

「いつか、どんな場所でも……それこそ火星でも、農業ができるようにしていきたいですね」（阿部氏） 

社会課題へのアプローチのなかで、技術を磨く仙台高専Cyfarma。農業のリアルな課題解決を、さくらインターネットも応援しています。 

>>さくらインターネットにサービス導入について相談する