この記事は、ゴーヤの葉が黄色くなった原因をAI画像診断で考察した記録です。
南関東（Zone9）での実測・観察として、黄色くなった下葉は「経験で切る」だけではなく、AIで判断の根拠を整理することにしました。
観察記録
場所：プランター（横浜）
季節：2026年7月
気温：24.5℃（76.1℉）
作物：ゴーヤ
作業：AI画像診断・下葉整理
背景：連日の雨のあと、ゴーヤの下葉が黄色くなった。経験では切り落とす場面だが、その判断をAI画像診断で客観的に整理できないか試してみた。
ゴーヤの葉を切った
ゴーヤの下葉が黄色くなってきた。
このくらいなら毎年切ってしまう。
今回も迷わず切り落とした。
ここまでは経験である。
しかし、そのあと一つ思った。
「AIなら、この判断をどう考えるのだろう。」
写真一枚では診断できなかった
最初は黄色い葉だけを送った。
するとAIはすぐに返事をした。
全体の写真はありますか。
新芽も見せてください。
葉の裏はどうですか。
根元は見えますか。
土の状態も確認したいです。
この瞬間、
AIにも情報が足りないことが分かった。
これは人間と同じだった。
私が欲しかったのは「切っていい」の答えではない
実は、
葉っぱは最初から切るつもりだった。
AIに許可をもらうためではない。
欲しかったのは、
経験を支える客観的な後ろ盾だった。
「なぜ切るのか。」
それを説明できる材料が欲しかったのである。
AIと一緒にデータを増やしていく
そこで、
少しずつ情報を追加した。
最終追肥は7日前
ハイポネックスを使用
エナジーXを使用
プランター栽培
横浜
観測日前日から7日間の気象データ
すると、
AIの診断も変わっていった。
写真だけでは肥料不足。
しかし、
気象データを加えると
長雨による過湿ストレスも考慮されるようになった。
これは、
AIとのコールアンドレスポンスだった。
質問され、
情報を追加し、
診断が育っていく。
プロンプトって何だろう
今回一番面白かったのは、
診断結果ではない。
プロンプトだった。
最初は、
「写真を診断してください。」
これだけだった。
しかし、
雨も必要。
日照時間も必要。
追肥日も必要。
逆に、
入力が多すぎると続かない。
そんな試行錯誤を繰り返した結果、
入力は
栽培場所
最終追肥日
写真
だけになった。
あとはAIが気象データを取得する。
ここまで来て初めて、
「使えるプロンプト」
になり始めた。
プロンプトは育つ
プロンプトは最初から完成しているものではない。
現場で試し、AIと対話し、足りない情報を見つけ、
少しずつ改善していく。
今回診断したのはゴーヤだった。
しかし、
本当に育てていたのは
AI診断プロセスそのものだった。
そして最後にもう一つ気付いた。
黄色い葉を切り落としただけの出来事だったが、
この日の収穫はゴーヤではなく、AIとの新しい付き合い方だった。
ゴーヤの黄色い葉っぱ
切り落とす
なんで？
・・・
Growing Prompt
This was not only a bitter melon observation.
I also explored how AI can support gardening decisions.
The plant kept growing.
So did the prompt.
試行錯誤の末に完成したプロンプトで診断を実行してみた。以下はAIが返した診断結果である。
このプロンプトであれば、構成としては十分です。ただし、このチャット環境では実際に気象庁の日別データを取得・集計する処理を確実に実行できない場合があります。そのため、ここでは取得できたと偽って数値を書くことはできません。
以下は、この環境で実行した場合の出力です。
Vegetablues AI Diagnosis Ver1.0
撮影日：2026年7月4日
撮影場所：横浜
最終追肥：2026年6月30日（ハイポネックス、エナジーエックス）
1．撮影日前日を含む過去7日間の気象データ
この環境では気象データを取得できませんでした。
今回の診断では、気象データの取得もAIに任せてみた。しかし、この実行環境では取得できず、そのまま診断が続行された。これも今回の検証結果の一つである。
2．写真から確認できる事実
株全体の勢い（事実）
- つるはネット上部まで伸長している。
- 生長点は確認できる。
- 複数の果実が着果している。
葉色（事実）
- 下位葉を中心に黄緑色から黄色の葉が多く見られる。
- 上位葉は比較的緑色を保っている。
黄化（事実）
- 古い葉ほど黄化が進んでいる。
- 一部の葉では葉縁の褐変が確認できる。
病斑（事実）
- 黒色～褐色の小さな斑点が認められる。
- 写真のみでは病斑か物理的損傷かは判断できない。
食害（事実）
- 葉に穴や葉縁の欠損が確認できる。
- 害虫本体は写っていない。
新芽（事実）
- 生長点は伸長している。
- 新葉が展開している。
- 巻きひげが伸びている。
茎（事実）
- 茎の折損や腐敗は確認できない。
根元（事実）
- 地際部の腐敗や変色は確認できない。
土壌状態（事実）
- 用土表面は乾いて見える。
- 水たまりや泥状の状態は確認できない。
- 少量の雑草が生えている。
その他気付いた点（事実）
- 小さなゴーヤが複数着果している。
- 生長点付近の葉色は比較的良好である。
3．総合診断
以下は画像・追肥履歴（気象データなし）を統合した推定です。
優先順位① 肥料不足
可能性：高
理由（推定）
- 黄化が下位葉から進行している。
- 生長点や新葉は健全に見える。
- 着果中で養分需要が高い時期である。
- 液肥を追肥しているが、養分消費が上回っている可能性がある。
優先順位② 害虫
可能性：中
理由（推定）
- 葉に穴や欠損が認められる。
- 害虫本体は確認できないため断定はできない。
優先順位③ 病害
可能性：低～中
理由（推定）
- 小さな斑点は見られるが、病害特有の広がりは確認できない。
- 写真だけでは病害とは判断できない。
優先順位④ 乾燥
可能性：低
理由（推定）
- 表土は乾いて見えるが、株全体の萎れは確認できない。
- 生長点や新葉は健全である。
優先順位⑤ 過湿
可能性：低
理由（推定）
- 根元に腐敗や過湿を示す所見は確認できない。
優先順位⑥ 肥料過多
可能性：低
理由（推定）
- 濃緑化や強い葉焼けなど、肥料過多を示す所見は確認できない。
総合所見
写真から確認できる事実
- 株は継続して生長しており、生長点は健全である。
- 複数の果実が着果している。
- 下位葉を中心に黄化が進行している。
- 葉には食害とみられる穴や欠損がある。
- 根元や茎に明らかな異常は確認できない。
診断による推定
最も可能性が高いのは、着果による養分需要の増加に伴う肥料不足です。また、軽度の食害も疑われます。病害を示す決定的な所見は写真からは確認できません。
このとき、AI診断の精度を上げるために「気象データも一緒に記録できないか」と考え始めました。
この試行錯誤が、のちに気温・降水量・日照時間を記録する「Vegetablues Weather」の開発につながっていきます。
コメント