無人航空機（UAV）が無人地上車両（UGV）を視覚ベースで追跡し、協調的な空中・地上ロボティクスを実現することは重要な課題です。しかし、搭載されたカメラからの信頼できる連続的な方位角推定は、センシング不確実性、計算能力の制約、そして制御の解釈可能性の必要性により困難です。既存のディープラーニングアプローチや幾何学的再構成手法は、大規模なデータセット、外部位置情報システム、または複雑なモデリング仮説を必要とするため、リソース制約のあるプラットフォームへの展開適性が低くなります。 本研究では、YOLOボックスから抽出した低次元の特徴量（目標の重心位置、領域、アスペクト比）から連続的な方位角コマンドを生成する解釈可能なファジィ推論フレームワークを提案します。このアプローチは明示的な幾何学的モデリングを必要としません。まずマムダニ型ファジィシステムを肩-三角形-肩の入力分割を使用した解釈可能なベースラインとして用いた後、各入力当たり3つの前件部メンバーシップ項を持つ1次タカギ・スギェノモデルを採用します。パラメータは訓練セットの分位数から導出され、コンパクトな27ルール構造を実現します。 6,169個のラベル付きサンプルをVICON動作キャプチャ環境から使用して評価した結果、タカギ・スギェノモデルは平均絶対誤差0.140°±0.003°、二乗平均平方根誤差0.200°±0.008°、最大絶対誤差1.254°±0.121°を達成しました。精度指標では±1°で99.676%±0.270%、±3°および±5°で100.000%±0.000%のスレッショルド内精度を記録しています。さらに、画像平面水平変位と予測方位角符号の方向一貫性は90.254%±0.612%に達しました。 これらの結果は、このフレームワークが透明性、データ効率、計算軽量性を備え、移動する地上目標に対するリアルタイム視覚ベースのUAV誘導に適していることを示しています。