技報【最新号】

今年はヤマハ発動機にとって、節目の創立70周年にあたります。この70年の歩みの中で、当社は製品やサービスを通じてお客様に感動を届けることで、ブランドとしてのヤマハを確立してきました。そして私たちはこれからもお客様により形成されてきたブランドとしての存在感を高め続ける必要があります。その際に常に意識すべきは、ヤマハとしての「らしさ」です。そして私たちはこの「らしさ」を、「発・悦・信・魅・結」の五つの漢字でモノづくりの道標として定義してきました。新しい発想による商品や、その礎となる技術領域にフォーカスしてみると、独創的なコンセプトで革新に挑むこと、時代の先をいく革新的なこと、今まで誰も成しえなかったこと、言い換えると「発」＝イノベーションに挑戦してきた歴史を確認することができます。

2015年に登場した初代モデル以降、「TRACERシリーズ」はスポーツツーリングカテゴリーに新たな価値を提供してきた。スポーツバイクとしての高い運動性能と、多目的に使用可能な実用性を高次元で両立させることにより、大小さまざまな改良を重ねながら四世代にわたり進化し、幅広い用途に対応するモデルとして、独自の地位を確立した。今回、第五世代の新型モデルを導入するにあたり、本稿ではその製品特長を紹介する。

The “Ténéré 700”, launched in 2019, has been highly acclaimed for its unique value proposition — offering true offroad performance combined with excellent on-road versatility. For the MY25 model, development focused on enhancing rider control, off-road capability, and electronic integration, while staying true to the core values of the Ténéré family. Key technical objectives included achieving EU5+ emissions compliance, improving suspension performance, and introducing rider-selectable power modes. These advancements further strengthen Yamaha’s leadership in the sub-1,000 cm3 On-Off segment.

当社は、船底から水を吸引し、後方へ高圧で噴出することで推進力を得るウォータージェット推進機を搭載したスポーツボート（以下SB）を展開している。このSBは用途に応じて2つのカテゴリに分類される。ひとつは、ウェイクサーフィンやトーイングなどのマリンアクティビティ、水上でのリラックスタイムを楽しむことを主目的とする「Family Fun（以下FF）モデル」である。もうひとつは、釣り用途を意識したセンターコンソール艇である「Family Sport Hybrid（以下FSH）モデル」である。現在、当社は19ft/22ft/25ft/27ftの4サイズレンジで、各種FFおよびFSHモデルを展開しており、アメリカのジェットボート市場においてシェア1位を誇っている。さらにラインナップの拡充と事業規模の拡大を図るとともに、FFカテゴリにおけるプレミアムブランドとしての存在感を一層高めるため、当社最大となる29ftクラスのフラッグシップモデル「295XD」の市場導入に向けた開発を行った。

現在「ヤマハ発動機」において、カーボンニュートラルの実現に向けた電動化の取り組みが進められている。マリン分野における電動化の大きな課題は航続距離であり、船舶に搭載するバッテリの重量およびサイズに課題がある。そこで、電動の強みである低回転・高トルクを最大限に生かし、同時にバッテリの重量とサイズを最小限に抑えるべく、低速用途に限定した製品開発を開始した。2021年には、“乗船者が水の音や風の音を聞いて自然との一体感を感じられる”という、今まで体感したことがない価値提供が可能となる低速に特化した電動操船システム「HARMO」を欧州で販売を開始した。今回、この「HARMO」のさらなる普及を目指し、進化させた「新型HARMO」の開発を行った。

「Helm Master EX」は、ボート操船に不慣れなユーザーでも容易に操作できるジョイスティック（Joystick）操船機能や、釣りがしやすいよう自動位置・方位制御による定点保持機能を提供してきた。しかし、操船席から周囲を見渡しづらい構造のボートや大型艇では、ジョイスティックを用いても着桟時に桟橋との距離を把握しにくく、接触への不安を覚える場合がある。また、定点保持機能を使用していても船長は操船席に留まる必要があり、釣りなどのアクティビティを楽しみにくいという課題があった。本製品「ワイヤレスジョイスティック（Wireless Joystick）」と「落水検知システム（MOB※1検知システム）」を組み合わせた「ワイヤレスステーション（Wireless Station）」は、こうしたユーザーの不安や不満を解消するだけでなく、従来の“固定された操船席”という制約を取り払うことにより、船長に新たな快適性、解放感、爽快感を提供するものである。 ※1　MOB：Man overboardの略で、船外への落水を示す。

1975年に「ヤマハ発動機株式会社」が初のゴルフカー「YG-292」を発売し、2025年にゴルフカー事業は50周年を迎える。本年6月、当社は日本国内向けの5人乗り電動ゴルフカー「G30Es」および「G31EPs」を発売した。現行モデルと同様に、電磁誘導式※および手動走行式の2機種をそろえ、電動ならではの静粛性に加え、力強く滑らかで安定感のある走行性を備える。本モデルは、次なる50周年に向けて現行モデルの基本コンセプトである“快適な移動空間”、“安心感のある走行特性”、“優れた運行信頼性”を踏襲しつつ、走行性を進化させ、経済性と環境性を高次元で両立させた。以下に、開発の狙いと特徴を示す。 ※埋設した誘導線に沿って走行する自動運転システム

ヤマハ発動機株式会社は、電動アシスト自転車「PAS」の開発を通じて培った高度な制御技術および駆動技術を活用し、福祉・高齢化社会に対応する製品のひとつとして、ジョイスティック型車椅子用電動ユニット「JW-Ⅰ」を1995年に発売した。翌1996年には世界初のアシスト型車椅子用電動ユニット「JW-Ⅱ」を発売し、その後フルモデルチェンジやマイナーチェンジを重ね、国内における簡易型（手動兼用型）電動車椅子市場で常に高いシェアを維持している。今回紹介する「JWG-1」は、10年ぶりのフルモデルチェンジとなるジョイスティック型電動化ユニットであり、本稿ではその開発概要と特長について紹介する。

ヤマハロボティクス株式会社アセンブリソリューション事業部（以下、当社）では1 Stop Smart Solution のコンセプトを基にしたワイヤボンダ、ダイボンダを世に送り出している。これらのボンダは半導体後工程での組立に関わる重要な工程であり、近年では生産の自動化や生産時の装置状態のモニタリングなどの要求が出ている。本稿ではそれらの要求に対応したワイヤボンダ「UTC-RZ1」を紹介する。当社のワイヤボンダの歴史は株式会社新川として1959年の創立以来、ワイヤボンダの開発・製造・販売を主軸として事業を展開し、2019年にはヤマハ発動機ロボティクス事業部の傘下となった。2025年7月にグループ会社と統合し、「ヤマハロボティクス株式会社（以下当社）」として新たな体制を構築した。ワイヤボンダは、半導体集積回路（以下IC チップ）の電極であるパッドと、IC チップを搭載するパッケージ端子のリードとを結線する装置であり、その歴史は約60年におよぶ。黎明期には手動ボンダが用いられ、オペレータが顕微鏡を覗きながら位置決め・接合・結線を行っていた。世界の半導体製造が成長期を迎えた1977年、当社は世界初の全自動ワイヤボンダを販売した。これにより、オペレータが複数台の装置を同時に操作可能となり、生産性が大幅に向上した。1980年代以降は、パソコンや携帯電話機などにおける半導体IC の高度化に対応するため、IC チップのファインピッチ化（電極パッドの縮小および電極数の増加）やチップ積層化に対応するループ形成技術およびバンプボール接合プロセスを開発し、製品プロセスの多様化に対応してきた。2000年代には、小型メモリーカードの大容量化やスマートフォンなどのモバイルデバイスに対応した低ループ形成技術およびオーバーハング積層チップ対応機能が搭載された。一方、2008年のリーマンショック以降、半導体製造コストの削減が求められ、ワイヤ素材は金から銅へと約50％が切り替わり、フレームのコスト削減も進行した。これに伴い、低コストマテリアルに対応する接合技術として、マルチステップ機能（多段階接合機能）を導入した。2020年代には、新型コロナウイルスの影響によるリモートワークの拡大や製造オペレータの人件費高騰・採用難といった課題を背景に、マテリアルハンドリングに対応した自動化技術や品質管理における自動チェック機能の需要が高まり、ワイヤボンダにはメンテナンスモニタや自己診断機能を搭載し、省人化に対応している。また、電気自動車の普及拡大に伴い、パワー半導体への対応技術として50um 以上の太径銅線によるワイヤボンディング技術を開発した。さらに、生成AI の普及により、次世代デバイスに対応するワイヤボンディング技術のニーズも高まっている。以上の半導体とワイヤボンダの長い歴史を基に今回、当社の新型ワイヤボンダ「UTC-RZ1」を紹介する。

新たに開発したリチウムイオン電池パックを搭載した5人乗り電動ゴルフカー「G30Es」「G31EPs」を、2025年6月に国内市場へ投入した。ゴルフカーの使用実態および潜在的なニーズに対応すべく、4kWhおよび6kWhの2種類の電池パックを並行して開発した。本リチウムイオン電池パックは、開発から製造までを一貫して社内で行った内製品である。開発設計は「ヤマハ発動機株式会社」、製造は「ヤマハモーターパワープロダクツ株式会社」が担当し、四輪車の駆動用電池パックとしては当社初の内製事例となる。今後、モビリティ全般の電動化が加速する中で、車両駆動用電池パックにおけるコスト競争力は必要不可欠である。本製品は、開発のみならず製造技術、品質技術、調達推進、関連会社との協力を通じて内製化を実現し、技術の獲得に至った。その結果、従来搭載電池と6kWh電池を比較して、約50％のコスト削減を実現しており、その具体的な取り組み内容については、後述する各技術項目にて紹介する。

近年、労働安全におけるリスクマネジメントの重要性が高まっており、リスクの予見とそれに基づく低減措置は不可欠である。特に設備導入に際しては、労働災害や健康被害のリスクが高い場合、構造や仕様の変更などの対策が求められる。設備完成後にリスクが判明すると、改造による手戻りが発生しやすいため、導入前にリスクを抽出し、対策を織り込むことが重要である。一方、現実世界と仮想世界を融合するXR（クロスリアリティ）技術が注目されている。XRはVR、AR、MRなどを包括する総称であり、製造業においては開発期間やコストの削減手段として期待されている。これらの技術の詳細については後述する。本稿では、組立工程における新設備導入時に、VRを活用したリスクアセスメントの実施とその効果の事例について述べる。

電子部品を実装し、電子基板を生産する表面実装機を用いた生産フロア（以下SMTフロア（SMT：Surface Mount Technology（表面実装技術）））においては、少子化や製造業離れによる労働力不足、世界的な賃金・物価高騰による人件費の増加、作業熟練度の差による作業品質のばらつきなどが課題として挙げられる。これらの課題は、お客さまにとって事業の拡大のみならず、維持・継続にも大きなリスクとなる。ヤマハ発動機株式会社（以下当社）では、これらの課題解決を目的として、SMTフロア無人化に向けた自動化ソリューション技術の開発を進めている。本報告では当技術により実現を目指す、未来のSMTフロア像を紹介する。

ヤマハ発動機株式会社IT本部では、2030年までの長期ビジョン“Art for Human Possibilities”に向けて、IT・デジタル技術・データの戦略的活用を図るため、“Yamaha Motor to the Next Stage”を掲げ、Y-DX1（経営基盤改革）、Y-DX2（今を強くする）、Y-DX3（未来を創る）から成る3つのデジタルトランスフォーメーション（DX）活動を推進している。リアルとデジタルで創出するヤマハの新たな体験・サービス・製品を通じてお客さまとつながり、ブランド価値の向上を図り、生涯にわたるヤマハファンの創造を目指している。その実現に向け、ビジネス部門からの要求に迅速に応えるソリューションを提供することがIT部門の役割であり、DX活動の基盤としてクラウドネイティブな環境の実現に取り組んでいる。本稿では、その取り組みの一つとして、迅速かつ簡便に構築可能なシステム検証環境を紹介する。この環境は既に複数のプロジェクトで活用されており、DX活動の基盤として貢献している。

ヤマハ発動機株式会社クリエイティブ本部では、2020年より、人と社会の“Well-being”向上を目指し、オープンイノベーション型の研究開発プロジェクト「Town eMotion（タウンイモーション）」を推進してきた。その基盤として定義された「クリエイティブフィールド（CF）」における社会価値創造の実践は、地域課題へのアプローチや社会的インパクトの創出に資する重要な試みである。本稿では、その第2段階として、CFでのまちなかR&D活動におけるグリーンスローモビリティ（GSM）を用いた検証、および“循環車”という新たな地域連携モビリティの共創開発プロセスとその可能性について報告する。

近年、カーボンニュートラル社会の実現に向けて、燃料電池を搭載した小型電動モビリティの導入が提案されている[1][2]。燃料電池車は、BEV（Battery Electric Vehicle）と比較して、航続距離などの面で優位性を有する。一方、燃料電池は負荷変動によって劣化し、出力が低下するという課題がある。そこで、ヤマハモーターエンジニアリング株式会社（以下当社）では、高出力応答が求められる小型電動モビリティへの適用を目的として、燃料電池とLiC（Lithium-ion Capacitor）によるハイブリッドシステムを開発した。本システムにより、燃料電池の負荷変動を抑制しつつ、二次電池にLiB（Lithium-ion Battery）を採用した場合と比較して、LiCにて約53%の小型化、約50%の軽量化、約23%の加速性能向上を実現した。LiCは小型軽量かつ高出力であるが、放電容量が小さい。そのため、まずは燃料電池とLiBによるハイブリッドシステムを試作し、負荷変動抑制機能の検証を行った。次に、LiBをLiCに置き換えたシステムを開発し、燃料電池の負荷変動抑制効果および走行性能の向上について良好な結果を得た。本稿では、これらの技術開発の取り組みと評価結果について紹介する。

カーボンニュートラルの実現に向けて、商品使用時のCO2排出のみならず、構成部品の製造過程におけるCO2排出の削減も急務である。塑性加工分野では、軽量・高強度化、高精度化、低コスト化の技術進化が継続的に求められており、CO2削減と両立するバランスの取れた工法が必要とされている。板鍛造工法は、投入材料の削減、ネットシェイプ化、複数部品の一体化による工程削減が可能であり、カーボンニュートラルに適した工法の一つである。ヤマハモーターエンジニアリング株式会社では、燃料タンクのプレス成形技術をベースとした塑性加工技術を提供しており、鍛造を含む各種塑性加工工法およびそれを具現化する金型装置の開発を行っている。今回、ヤマハ発動機株式会社の小型プレミアムスクータ「NMAX」に搭載された変速機構「YECVTユニット」の基幹部品において、従来の単品部品同士を溶接する仕様ではなく、一枚の厚板から冷間工法により一体成形することで、軽量・コンパクトかつ高強度・高精度な部品として成立させた。材料の特性を活かした複合的な塑性加工工法を、解析技術と金型技術を駆使して取り入れることで、新たな付加価値を創出する複合塑性加工工法「YEC板鍛造工法」を開発し、量産化を実現した。本稿では、当該工法開発技術の概要について述べる。

プレジャーボートの動力に必要なエネルギーは自動車の約10倍と見積もられており、電動化でのカーボンニュートラル達成の実現にはバッテリの大容量化など多くの課題がある。そこで本研究ではカーボンニュートラルの実現を目指し、水素直噴エンジンを適用した水素ボートシステムの開発を行った。エンジン開発では異常燃焼を抑制し、信頼性を確保しつつ、自然吸気水素直噴エンジンとして航走に適した性能を実現した。また水素ボートシステムは従来のプレジャーボートのパッケージングを維持し、水素タンクをはじめとした水素供給システムを搭載し、水素を安全に取り扱うため、水素に特化したフェールセーフシステムを開発した。

船外機の商品性向上に向け、低騒音化が求められている。騒音の主要因の一つとして、クランク軸が主軸受を叩くことに起因する“クランク打音”が挙げられる。この騒音を予測するには、主軸受に作用する動的荷重の予測が必要であるが、計測の難易度が高いため、これまで十分な検証が行われていなかった。本報では、エンジン実稼働時における主軸受荷重の計測手法とその結果、さらに計測結果を検証データとして用いた予測モデルの構築結果について報告する。荷重計測には、ひずみ測定値から荷重を推定する手法に着目し、実稼働時の荷重を推定した。予測モデルの構築に際しては、クランク軸およびエンジンケースを弾性体とした動解析モデルを構築した。実測結果と解析結果を比較し、時間領域および周波数領域における解析結果の精度を検証した結果、主軸受の動的荷重を高精度に予測可能であることを確認した。

ヤマハ発動機株式会社は1974年に国内初のオールFRP製プールを販売し、ニーズや社会変化に応じて多様なプールの開発、事業拡大のための挑戦を続けてきた。現在までに累計6,500件以上のFRP製プールを納入し、プールの主要材料としてFRPが認知されるまでに至った。ヤマハFRPプールはプール槽をいくつかのユニットに分割して工場にて製造し、施工現場にてひとつのプール槽にするユニット構造を採用している。FRPの耐腐食性に優れている点や軽量である点がプールの材料として有利である一方、塩素との反応や温度収縮などFRPにより生じる問題もあり、構造や工法、原材料に対する改良を行ってきた。本論文ではヤマハFRPプールの構造的な特徴から施工技術、FRP製プールの利点や課題を、50年の実績と共に報告する。

気候変動に対する世界的な関心が高まる中、二輪車（MC）においてもカーボンニュートラル（CN）を実現することが課題であり、CNを実現するためには様々なアプローチが必要である。内燃機関（ICE）を用いたパワートレインでは、e-fuelやバイオ燃料などのCN燃料を採用することでCNを達成できるが、コストや供給面を考慮すると、ICEのCO2削減技術の開発が重要である。MCは四輪自動車と比較して、高出力、軽量、コンパクト、長距離走行が要求されるが、採用できるCO2削減技術は動力性能とCO2削減のトレードオフになりがちであり、両方の要求を高いレベルで実現することが課題である。そこで、特に高い動力性能が要求されるミドルクラスのスポーツMCに着目し、CO2削減技術を開発することにした。技術開発目標としては、スポーツMCに求められる動力性能を維持しつつ、CO2排出量をworldwide-harmonized motorcycle test cycle (WMTC)クラス3-2で65g/kmとした。目標達成に必要な技術の組み合わせをシミュレーションし、技術実証のコンセプトを選定した。その結果、電動アシストターボ（E-Turbo）付ダウンサイジングコンセプトを選定し、試作エンジンを用いてCO2排出量と動力性能をダイナモで検証した。本稿では、これらのシミュレーションに基づく技術選定の考え方と、試作エンジンを用いた実証結果について述べる。

二輪車の動力学シミュレーションへのライダーモデル追加に関する可能性と課題を検討した。本研究では、二輪車の動きを運動方程式で再現する10自由度（10-DoF）モデルに加えて、人体の各部位をマスとジョイントで構成した人体モデルを追加した。人体モデルは、腕と肩の角度を制御することで操舵角を操作可能とした。このモデルの効果を検証するために、固有値解析、定常円旋回、スラローム走行の3つのシミュレーションを実施した。固有値解析においては、両手をハンドルバーに固定した状態で、ウォブルモードの固有値が根軌跡上で安定側へとシフトすることが確認された。走行シミュレーションでは、人体モデルの有無による走行影響に加え、人体モデルを介したハンドル操作と直接ハンドルにトルクをかける操作による走行影響が見られた。特にスラローム走行では人体モデルを介したことでの操作遅れが確認された。これらの結果から、人体モデルがシミュレーションの振動および走行軌跡に影響を及ぼすことが示唆された。今後はシミュレーションに応じた、人体モデルパラメータの適切な調整が求められる。

近年、二輪車向け運転支援システムの研究・開発が進められている。我々は先行車への接近に対しライダーへ注意を促す、カメラを用いたシステムの研究に取り組んでいる。研究中のシステムは物体検出機能、自車と周辺車両の進路予測機能、対象選択機能、出力判定機能で構成する。四輪車と異なる二輪車特有の車両挙動に対応するため、自車と周辺車両の進路予測アルゴリズムを提案した。しかし、これまではシンプルなシーンに限定した効果確認しかできていない。そこで、本稿ではアルゴリズムの説明と、シーンを拡充し提案したアルゴリズムの性能評価を行う。アルゴリズムは自車の進路予測機能、周辺車両の進路予測機能、対象選択機能で構成する。自車の進路予測機能はカメラ画像上で自車の進路を予測する。周辺車両の進路予測機能はカメラ画像上で周辺車両の進路を予測する。対象選択機能は自車の予測進路と周辺車両の予測進路に基づいて注視すべき対象を選択する。性能評価は、アルゴリズムを組み込みカメラシステムに実装し、外部から入力するテストコース走行データに対し、机上で実施した。評価の結果、直進中や旋回中に先行車両を対象選択できていることが確認された。ただし、車線変更中は先行車両を対象選択できないタイミングもあることが確認された。今後、アルゴリズムを実環境に適用する場合には、動きが複雑な場面や複数車両と混走する場面での処理改善が課題となる。

沖永良部島の知名町および和泊町は、「国立大学法人東海国立大学機構名古屋大学（以下名古屋大学）」、「ヤマハ発動機株式会社」とともに、2023年8月10日に沖永良部島をモデルとした脱炭素・持続可能なモビリティ社会の構築に向けた連携協定を締結した。両町が開示する2018年の部門別CO2排出量データによれば、運輸部門の割合が38％と最も大きく、当該部門における脱炭素推進の重要性は高い。効果的な排出量削減には、自動車の移動実態に基づいた施策提案が不可欠である。そこで、名古屋大学の情報通信技術（ICT）を活用し、自動車の移動実態調査を実施した。調査により、運輸部門からのCO2排出量を、自動車種別ごとの移動実態に基づくデータとして提示することが可能となった。また、火力発電が主な電力供給源である沖永良部島において、電動化による排出削減効果と、発電源を再生可能エネルギーに置き換えた場合の効果を比較した。さらに、島内のモビリティ課題を広く把握し、脱炭素・持続可能なモビリティ社会の実現に向けた戦略について議論を行い、提案をまとめた。

「ヤマハロボティクス株式会社」は、“ポスト5G向けチップオンウエハダイレクト接合3D積層統合技術開発”をNEDO助成事業として実施した。本技術の実現に必要な要素技術である、①異物除去洗浄・前処理技術、②半導体チップ非接触ハンドリング技術、③異物検査技術、④接合技術の開発成果について報告する。

Effective Skin Lesion Segmentation is crucial for dermato- logical care, it enables the early identification and accurate diagnosis of skin cancer. Denoising Diffusion Probabilistic Models (DDPMs) have recently become a major focus in computer vision. Its applications in image generation, such as Stable Diffusion, Latent Diffusion Models and Imagen, have showcased remarkable abilities in creating high-quality generative outputs. Recent research highlights that DDPMs also perform exceptionally well in medical image analysis, specifically in medical image segmentation tasks. Even though a U-Net backbone served as the foundation for these models initially, there is a promising opportunity to boost their performance by incorporating other mechanisms. Recent research includes a transformer-based framework for diffusion models, but the advancement comes with the challenge of inherent quadratic complexity. Research has shown that state space models (SSMs), like Mamba efficiently capture long-range dependencies while maintaining linear computational complexity. Due to these benefits, it outperforms many of the mainstream foundational architectures. However, we found that simply merging Mamba with diffusion results in suboptimal performance. To truly harness the power of these two advanced technologies for medical image segmentation, a more effective integration is required, we formulate a novel Mamba-Based Diffusion framework, called Diff- Mamba for skin lesion segmentation. We access its performance on the ISIC 2018 dataset for skin lesion segmentation, and our method out- performs existing state-of-the-art techniques. The code is available at: https://github.com/amit-shakya-28/DiffMamba

Effective management of high-resolution, and spatially wide contextual cues is fundamental to the accurate semantic segmentation. Traditional approaches like multi-resolution feature maps, and skip-connection are effective but require changes in the backbone architecture, restricting utilization of newer models and architectures for the problem. In this work we propose an architecture-agnostic, two-stage, global-local frame- work, called GoLo, for the semantic segmentation, which can use arbitrary semantic segmentation models within its two stages. We focus on segmenting cell nuclei in histopathology image analysis, where accurate segmentation of cell nuclei boundaries is one of the key issues. The proposed framework consists of first stage with Global and second stage with Local learning approach. The first stage is proposed to process the image globally and provide the coarse nuclei segmentation map. In the second stage, to process the image locally, coarse segmentation map and input image is first converted into patches. These patches are then fed as input to the second stage to get the fine- grained segmentation map. Both stages are trained with a combination of dice and binary cross entropy loss. To show the effectiveness of our approach, we test 4 state-of-the-art segmentation architectures (ACC-UNet, UCTransnet, Swin-UNet, and Vanilla U-Net), on 4 different benchmark datasets (MoNuSeg, CPM-17, CoNSep, and TNBC). We evaluate performance of each technique before and after using our framework. We report an average improvement of 4.82% in mIoU, and 4.52% mDSC score, across techniques, and datasets.

Aquaculture production significantly influences overall fish production, yet it is often adversely affected by various fish diseases. These diseases can be effectively identified by analyzing the condition of the fish’s skin. Consequently, there is a growing demand for automated fish skin disease detection methods. By implementing such automated approaches, the efficiency and accuracy of disease detection can be enhanced, leading to better management of fish health and, ultimately, more sustainable aquaculture practices. In this work, we propose a novel Transformer based modified YOLO approach for detection of five different fish skin diseases. We propose a Transformer feature extraction module (TFEM) to effectively capture the long-range dependencies from input image. The proposed TFEM is incorporated in the YOLOv7 back- bone for efficient feature learning. We assessed the performance of our proposed TFEM by comparing it with various YOLOvX approaches to confirm its effectiveness. Both qualitative and quantitative results demonstrate that our method is highly capable of accurately detecting five distinct fish diseases. The source code is available
at:https://github.com/shrutiphutke/Fish_disease_detection_YOLO_transformer

The advancement of various learning approaches has a great impact in computer vision applications specifically for medical image analysis. Being the most important task, classification accuracy of medical images has been successively improved using different methods such as Convolutional neural networks (CNNs), Transformers, etc. These models have some limitations such as the CNNs perform poorly when the feature extraction considering long-range dependency is concerned. Whereas Transformers perform well while dealing with the long-range dependencies for feature extraction, leading to the quadratic complexity. The evolution of state space models (SSMs) deals with the limitations of both the CNNs and Transformers. This has the advent of capturing the long-range dependencies and the linear complexity. Further, the scanning mechanism in the SSM provides the advantage of focusing on the required features while ignoring the rest. The existing Mamba based approach for medical image classification considers only horizontal and vertical feature scanning ignoring the diagonal information. While the omni-directional selective scan considers all of them. With this motivation, we propose omni directional selective scan-based convolution mamba (OSCMamba) approach for medical image classification. The OSCMamba approach is applied on different medical image modalities for image classification. The detailed experimental analysis with AUC and ACC on six different datasets proves the efficiency of the proposed OSCMamba based medical image classification approach. at: https://github.com/shrutiphutke/OSCMamba

The growing demand for healthy food, driven by population growth and the prevalence of plant diseases, is a significant concern. Farmers are increasingly forced to cultivate their fields continuously, often relying on pesticides that degrade soil quality and contribute to the spread of various diseases. Disruptive technologies, such as automated cassava leaf disease detection using deep learning models, can play a vital role in promoting agricultural sustainability. While numerous deep learning methods have been explored, challenges remain, particularly in developing lightweight models that can quickly and accurately identify disease class variations while also being suitable for deployment on electronic devices. This research focuses on evaluating lightweight deep learning models, specifically CNN and transformer networks, for cassava leaf disease detection. Based on our experiments, we propose an ensemble model consisting of lightweight models (CNN and transformer) for automated early disease detection using raw images. We have utilized the ResNeXt, EfficientNet-B5, and TinyViT lightweight models, optimizing the ensemble process through brute force approaches. Additionally, we experimented with centre-crop and multi-crop image transformations to test these models, aiming to enhance performance and classify im- ages based on the global information derived from the whole image. Our combined approach achieved state-of-the-art results with an overall re- call of 90.35% on the unseen test cassava leaf disease dataset. With high accuracy, fewer parameters, and low computation time, our model is well-suited for deployment on mobile devices.

Cell nuclei segmentation is essential for microscopic image analysis. It facilitates the detailed micro-environmental insights for clinical studies. Automated nuclei segmentation can simplify the work of pathologists and address the variability and subjectivity among them, thereby improving diagnostic consistency and accuracy. Although deep learning (DL) techniques usually offer better performance than traditional methods for nuclei segmentation, they still struggle with challenges especially when the nuclei are clustered and overlapped with each other. To address these challenges, many effective deep learning techniques have been developed. Nonetheless, these approaches still exhibit limitations, such as the tendency to overlook certain nuclei. To mitigate this issue, we propose a two-stage network to boost accuracy by incorporating an enhancement network (second stage) on top of the widely used encoder-decoder architectures (first stage). The enhancement network refines the results by utilizing the decoder’s output and original image. The primary goal of this proposed method is to segment those regions that might have been overlooked by the base model, by re-considering the original image within the network. The study employs popular models such as U-Net, Micro-Net, and U-Net++ as base models. The results illustrate improvement of 0.8±1.8% in Precision, 1.5±3.0% in Recall, 1.4±0.5% in Dice Score, and 1.6±0.7% in IoU across different datasets through the proposed method.