CN106954385A - 植物信息取得系统、植物信息取得装置、植物信息取得方法、作物管理系统以及作物管理方法 - Google Patents
植物信息取得系统、植物信息取得装置、植物信息取得方法、作物管理系统以及作物管理方法 Download PDFInfo
- Publication number
- CN106954385A CN106954385A CN201680002923.8A CN201680002923A CN106954385A CN 106954385 A CN106954385 A CN 106954385A CN 201680002923 A CN201680002923 A CN 201680002923A CN 106954385 A CN106954385 A CN 106954385A
- Authority
- CN
- China
- Prior art keywords
- information
- plant
- value
- crop
- management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 290
- 229930002875 chlorophyll Natural products 0.000 claims abstract description 59
- 235000019804 chlorophyll Nutrition 0.000 claims abstract description 59
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims description 106
- 238000004040 coloring Methods 0.000 claims description 74
- 238000000611 regression analysis Methods 0.000 claims description 57
- 230000003287 optical effect Effects 0.000 claims description 24
- 239000000203 mixture Substances 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 18
- 238000009305 arable farming Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 abstract description 227
- 241000209094 Oryza Species 0.000 abstract description 119
- 235000007164 Oryza sativa Nutrition 0.000 abstract description 114
- 235000009566 rice Nutrition 0.000 abstract description 114
- 238000006243 chemical reaction Methods 0.000 abstract description 111
- 239000003337 fertilizer Substances 0.000 abstract description 55
- 230000035558 fertility Effects 0.000 abstract description 12
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000004611 spectroscopical analysis Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 description 68
- 238000000034 method Methods 0.000 description 48
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 34
- 230000008569 process Effects 0.000 description 34
- 230000008859 change Effects 0.000 description 22
- 241001270131 Agaricus moelleri Species 0.000 description 20
- 230000006870 function Effects 0.000 description 18
- 238000005286 illumination Methods 0.000 description 18
- 238000002474 experimental method Methods 0.000 description 17
- 229910052757 nitrogen Inorganic materials 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 14
- 238000003306 harvesting Methods 0.000 description 12
- 241001463139 Vitta Species 0.000 description 11
- 235000013399 edible fruits Nutrition 0.000 description 11
- 239000000618 nitrogen fertilizer Substances 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 230000010287 polarization Effects 0.000 description 9
- 241000894007 species Species 0.000 description 9
- 239000003905 agrochemical Substances 0.000 description 8
- 230000003068 static effect Effects 0.000 description 8
- 239000002689 soil Substances 0.000 description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 6
- 239000002917 insecticide Substances 0.000 description 6
- 239000012071 phase Substances 0.000 description 6
- 238000003825 pressing Methods 0.000 description 6
- 241000701074 Human alphaherpesvirus 2 Species 0.000 description 5
- 239000002956 ash Substances 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 241001062009 Indigofera Species 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 4
- 235000013339 cereals Nutrition 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000004737 colorimetric analysis Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 150000008442 polyphenolic compounds Chemical class 0.000 description 4
- 235000013824 polyphenols Nutrition 0.000 description 4
- 238000009738 saturating Methods 0.000 description 4
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000002253 acid Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000010410 dusting Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012314 multivariate regression analysis Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 231100000241 scar Toxicity 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000008719 thickening Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 238000009333 weeding Methods 0.000 description 2
- 240000007124 Brassica oleracea Species 0.000 description 1
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 1
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 1
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 1
- 235000002918 Fraxinus excelsior Nutrition 0.000 description 1
- 206010053759 Growth retardation Diseases 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 244000269722 Thea sinensis Species 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 239000008346 aqueous phase Substances 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 244000038559 crop plants Species 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- QDOXWKRWXJOMAK-UHFFFAOYSA-N dichromium trioxide Chemical compound O=[Cr]O[Cr]=O QDOXWKRWXJOMAK-UHFFFAOYSA-N 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000011207 functional examination Methods 0.000 description 1
- 231100000001 growth retardation Toxicity 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 229910052738 indium Inorganic materials 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 150000002829 nitrogen Chemical class 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
- A01G7/04—Electric or magnetic or acoustic treatment of plants for promoting growth
- A01G7/045—Electric or magnetic or acoustic treatment of plants for promoting growth with electric lighting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2803—Investigating the spectrum using photoelectric array detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
- G01J3/51—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors using colour filters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/251—Colorimeters; Construction thereof
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B11/00—Filters or other obturators specially adapted for photographic purposes
- G03B11/04—Hoods or caps for eliminating unwanted light from lenses, viewfinders or focusing aids
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B15/00—Special procedures for taking photographs; Apparatus therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8845—Multiple wavelengths of illumination or detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/02—Mechanical
- G01N2201/024—Modular construction
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B11/00—Filters or other obturators specially adapted for photographic purposes
- G03B11/04—Hoods or caps for eliminating unwanted light from lenses, viewfinders or focusing aids
- G03B11/045—Lens hoods or shields
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/14—Measures for saving energy, e.g. in green houses
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Databases & Information Systems (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Botany (AREA)
- Library & Information Science (AREA)
- Medical Informatics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Mathematical Physics (AREA)
- Wood Science & Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
通过从对植物进行拍摄而得的图像数据取得基于植物表面的颜色的该植物的信息，与叶绿素计、分光分析装置相比，能以低成本取得植物的信息。在稻子等作物的生产中，基于从对作物进行拍摄而得的图像数据算出的换算叶色值等观察到的数据，借助作为用户终端的智能手机等来辅助进行包含肥料量的决定等施肥管理、其他农活的肥力管理。提供一种用于此的植物信息取得系统、植物信息取得装置、植物信息取得方法、作物管理系统以及作物管理方法。在智能手机(1)上连接有照相机(30)。能够从通过利用照相机(30)对稻子的叶进行拍摄而得的图像数据获得换算叶色值。通过将该换算叶色值发送到管理服务器(10)，例如获得在换算叶色值比基准小的情况下所需要的施肥量的信息，作为用于施肥管理的管理信息。
Description
技术领域
本发明涉及用于从植物的表面的颜色取得植物的信息，对基于有用植物的栽培的与作物等生产物的生产有关的各种农活等进行管理并且辅助的植物信息取得系统、植物信息取得装置、植物信息取得方法、作物管理系统以及作物管理方法。
背景技术
在农业、特别是稻子的栽培中，存在使用作为水稻的施肥管理的指标的叶色浓度的颜色样本即叶色色标的情况。叶色色标从最淡的1到最浓的7逐级表示叶色，若读到各值的中间值，则能够以13级测定叶色，因此能够简易地判断叶色。不过，在测定时需要注意背向太阳等，根据测定的时间段，难以进行叶色的判断。另外，稻子等作物，已知若作物的氮含量变高则绿色变浓(叶绿素含量变高)，例如在预定地域中预定时期的预定品种的稻子的叶的绿色比预定浓度淡的情况下，能够设为优选施加氮系的肥料等的施肥的时期或量等的判断材料。
按照记载有根据该稻子的叶的颜色例如施加肥料的定时等的资料，进行施肥管理。该资料需要针对气候、土壤的环境等一定程度上类似的地域来分别制作，能够根据例如月日等日期(时期)、那时的主要的叶色色标上的颜色进行施肥管理等。如上述那样，基于叶色色标的例如在施肥管理中使用的资料，需要针对县、市镇村单位等比较狭小的每个范围制作，由例如与农业有关的公共机关(县的农业试验场等)、其他组织(农业合作社、农业法人等)来制作。
另外，对于叶色的数值化，除了使用上述的叶色色标之外，还使用叶绿素计。
该叶绿素计根据叶绿素(chlorophyll)的光学特性求出叶绿素的含量。公知叶绿素在可见光的600～700nm的红光的范围内具有吸收的峰值，并且，几乎不吸收比700nm靠长波长侧的红外光。因此，使用输出红的区域的光的LED和输出红外光的LED，基于这些红的区域的透射光的光学浓度与红外光的透射光的光学浓度之差来计算所测定的叶所含有的叶绿素的量。
该叶绿素计的测定结果也与基于上述的叶色色标的测定结果同样地，能够用于对例如氮肥的施肥量是否恰当进行判断等，能够将测定结果用作施肥管理的指标。此外，对于叶绿素计，输出成为叶绿素的含量的指标的SPAD(土壤、作物分析仪器开发，Soil&PlantAnalyzer Development)值，并且，将SPAD值和作为叶色色标的测定结果的色标值相关联，可相互转换。由此，无论SPAD值还是色标值，都可使用与相同的稻子的栽培有关的上述的资料来进行施肥管理。在以下的说明中，将叶绿素计的SPAD值以及叶色色标的色标值称为叶色值。即、在以下的说明中，叶色值包含SPAD值和色标值。
上述的叶绿素计以叶绿素的含量的测定为目的，并且以基于叶绿素的含量对作物的氮量进行计量为目的，但也提出了通过作物的光学测定来测定氮的分光分析装置(参照例如专利文献1)。在该情况下，可直接测定氮含量，能够用于施肥管理。
现有技术文献
专利文献
专利文献1：日本特开平8-327538号公报
发明内容
发明要解决的课题
叶色色标存在比较廉价的优点，但如上述那样由测定时刻、天气、测定者等导致测定结果存在偏差成为问题。另外，叶绿素计、分光分析装置彼此也成为与成本相当的价格设定，存在小规模农户犹豫购买的可能性。此外，作为在比较宽的范围内对植物的生长状态进行测定的方法，公知有使用了人造卫星的遥感，但1次测定花费高额的费用。
另外，为了利用所述各种装置的测定结果，如上述那样需要与所利用的地域相对应地记载有基于测定结果的施肥管理的资料。在叶色色标的情况下，测定者决定测定结果，在原样的状态下不是数字数据，不可避免例如根据资料求出与测定结果相对应的施肥管理，例如叶绿素计、分光分析装置中，将测定结果处理为数字数据的可能性高，但基本上仅输出测定结果，无法根据测定结果直接获得关于施肥管理的数据。
为了进行基于上述的叶色值的施肥管理等，需要培育稻子的农业从业人员使用上述的色标、叶绿素计来求出将例如叶的颜色的浓淡等数值化而得的叶色值，并使用该叶色值，根据例如各地方的自治体、农协等所提供的符合地域的施肥管理方法的册子等资料，进行具体的施肥量的计算等。
对于稻子的施肥管理，除了需要例如叶色值之外，为了决定实际上所施加的肥料的量，还需要农田(田地)的面积、每单位面积的稻子的株数等稻子的量、稻穗的高度等生长程度(生长迟缓、生长过快等)信息，并且，如上述那样需要自治体、农协等所提供的施肥管理的资料。另外，要求农业从业人员具有基于施肥管理的资料来实际决定肥料的量的知识、能力。
通过这样的施肥管理，可谋求米的生产量的增加、稳定化、品质的提高，但对于农业从业人员，不仅需要叶色值的测定，而且需要如上述那样与叶色值的利用有关的知识和能力，有时例如经验少且施肥等的知识并不充分的农业从业人员难以进行基于上述的叶色值的施肥管理等。另一方面，熟练并且施肥管理、肥力管理的知识丰富的农业从业人员能够根据其经验和知识进行施肥管理、肥力管理，可能认为根据上述那样的叶色的测定、测定结果和所发布的资料的施肥的研究等作业麻烦。
另外，作物的生长很大程度被气候所左右，因此，在上述的各种资料基于多年的平均气候而制作成的情况下，在实际的天气相对于平均天气大幅度偏离了的情况下，需要变更施肥管理、肥力管理的内容，在施肥管理、肥力管理用的上述资料的内容发生了变更的情况下，需要将资料内容的变更向基于这些资料进行农活的农活从业人员传递。
本发明是鉴于上述状况而做出的，目的在于提供一种植物信息取得系统、植物信息取得装置、植物信息取得方法、作物管理系统以及作物管理方法，其通过从对植物进行拍摄而得到的图像数据取得基于植物的表面的颜色的该植物的信息，与叶绿素计、分光分析装置相比，能以低成本取得植物的信息，在稻子等作物的生产中，基于从对作物进行拍摄而得到的图像数据算出的换算叶色值等被观察的数据，并借助作为用户终端的智能手机等来辅助进行肥料的量的决定等施肥管理、包括其他农活的肥力管理。
用于解决课题的手段
为了解决所述课题，本发明的植物信息取得系统的特征在于，其具备：拍摄元件；
光学系统，其具有使作为被摄体的植物的像成像于所述拍摄元件的镜头；
照明用的光源，其在进行使用了所述拍摄元件的拍摄时照射所述植物；
以及遮光设备，其在进行使用了所述拍摄元件的拍摄时遮断自然光，
根据从图像信号获得的所述植物的颜色的颜色信息与表示所述植物中的叶绿素的量的信息之间的相关关系将表示所述植物的叶绿素的量的信息输出，该图像信号是从对所述植物进行了拍摄的所述拍摄元件输出的。
另外，本发明的植物信息取得系统的特征在于，其具备：拍摄元件；
光学系统，其具有使作为被摄体的植物的像成像于所述拍摄元件的镜头；
照明用的光源，其在进行使用了所述拍摄元件的拍摄时照射所述植物；
遮光设备，其在进行使用了所述拍摄元件的拍摄时遮断自然光；
图像处理设备，其基于从所述拍摄元件输出的图像信号取得表示所述植物的颜色的颜色信息；以及
植物信息取得设备，其基于所述颜色信息和与该颜色信息具有相关性的与所述植物有关的植物信息之间的相关关系，根据所述颜色信息取得所述植物信息。
另外，本发明的植物信息取得方法，使用了植物信息取得装置，该植物信息取得装置具备：拍摄元件；
光学系统，其具有使作为被摄体的植物的像成像于所述拍摄元件的镜头；
照明用的光源，其在进行使用了所述拍摄元件的拍摄时照射所述植物；
遮光设备，其在进行使用了所述拍摄元件的拍摄时遮断自然光；
图像处理设备，其基于从所述拍摄元件输出的图像信号取得表示所述植物的颜色的颜色信息，
该植物信息取得方法的特征在于，基于所述颜色信息和与该颜色信息具有相关性的与所述植物有关的植物信息之间的相关关系，根据所述颜色信息取得所述植物信息。
根据这些结构，能够通过利用所谓的照相机对植物进行拍摄来获得例如植物中的叶绿素的含量、氮的含量这样的植物信息，该照相机具备拍摄元件、具备镜头的光学系统以及照明用光源。即，即使不使用比色分析计等昂贵的测定装置，也能够利用可廉价地制作的照相机来获得叶绿素浓度等植物信息。
另外，在利用遮光设备遮断了自然光的状态下，利用照明用光源的光对植物进行拍摄，因此，不受到自然光的影响，能以稳定的光量和光的朝向进行拍摄，因此，在屋外的农田等中的测定时，能够防止测定结果因太阳的位置等而改变。此外，植物信息也可以包含例如叶绿素、氮、糖分、多酚等植物所含有的成分(化合物、分子)的含量、植物的生长度、植物果实的成熟度、是否发病等信息。
在本发明的所述植物信息取得系统以及植物信息取得方法中，优选的是所述植物信息是成为所述植物所含有的预定的成分的含量的指标的数值，表示所述植物的颜色的所述颜色信息以利用所述拍摄元件进行拍摄而得到的图像数据的各像素的构成颜色空间的多种变量的值中的1种以上所述变量的值表示，且是代表与所述图像数据的预定范围内的多个像素分别相对应的该变量的值的代表值。
根据这样的结构，颜色信息是以构成颜色空间的变量、例如RGB颜色空间的R、G、B的各变量、HSV颜色空间的H、S、V的各变量、将这些变量加上灰度(Gray)(灰色、亮度)的变量而得的颜色空间的变量中的至少1种的值表示的颜色信息，且是利用拍摄元件进行拍摄而得到的图像数据的预定范围内的多个像素的所述变量的代表值(例如平均值)。另外，将植物信息作为植物所含有的成分的含量的值。因而，只要颜色信息的值与植物信息的值之间存在相关关系，就能够根据颜色信息的值使用相关式算出植物信息的值，或基于相关关系使用将颜色信息的值和植物信息的值相对应而成的数据表，根据颜色信息的值求出植物信息的值。此外，也可以如上述那样根据作为颜色信息的颜色空间的变量中的1个以上变量的上述的代表值，求出植物的生长度、果实的成熟度、发病的有无。
在本发明的所述植物信息取得系统中，优选的是将成为所述植物所含有的预定的所述成分的所述含量的所述指标的所述数值设为从属变量，将作为表示所述植物的所述颜色的所述颜色信息的构成所述颜色空间的所述变量的所述代表值设为独立变量，进行回归分析或多元回归分析，从而预先求出用于根据所述独立变量算出所述从属变量的相关式，
所述植物信息取得设备使用所述相关式并根据作为基于从所述拍摄元件输出的所述图像信号的所述颜色信息的所述代表值，算出成为所述植物所含有的预定的所述成分的所述含量的所述指标的所述数值。
另外，在本发明的植物信息取得方法中，优选的是将成为所述植物所含有的预定的所述成分的所述含量的所述指标的所述数值设为从属变量，将作为表示所述植物的所述颜色的所述颜色信息的构成所述颜色空间的所述变量的所述代表值设为独立变量，进行回归分析或多元回归分析，从而预先求出用于根据所述独立变量算出所述从属变量的相关式，
使用所述相关式并根据作为基于从所述拍摄元件输出的所述图像信号的所述颜色信息的所述代表值，算出成为所述植物所含有的预定的所述成分的所述含量的所述指标的所述数值。
根据这些结构，将成为植物信息的值设为从属变量(目标变量)，将成为颜色信息的值设为独立变量(说明变量)，利用回归分析或多元回归分析求出相关式，能够利用该相关式根据成为颜色信息的值算出成为植物信息的值。因而，只要是被认为与颜色信息的值之间存在相关关系的植物信息的值，就能够根据颜色信息求出成为表示植物所含有的成分的含量的指标的值。此外，成为含量的指标的值也可以是直接表示含量的值。
另外，在本发明的所述结构中，优选的是所述植物信息是成为作为预定的所述成分的叶绿素的所述含量的所述指标的叶色值，作为所述变量的种类，所述颜色空间具有R(红)、G(绿)、B(蓝)以及灰度(Gray)(灰色)，或具有H(色相)、S(彩度)、V(明亮度)以及灰度(Gray)(灰色)。
根据这样的结构，与搭载有以往的叶色值(例如，SPAD值的换算值)的测定所使用的专用的比色分析装置的叶绿素计相比较，能以低成本进行与SPAD值具有互换性的叶色值的测定。由此，能以比较少的负担进行使用了叶色值(SPAD值的换算值)的稻子的施肥管理，可推进小规模农户中引入使用了叶色值的稻子的施肥管理。
另外，不会如叶色色标那样在进行测定时受到自然光的影响，能够抑制由测定时期、测定时刻、测定场所、测定者等导致的测定数据的偏差，可进行精度比叶色色标的精度高的施肥管理等的运用。
另外，在本发明的植物信息取得系统的所述结构中，优选的是植物信息取得系统具备：植物信息取得装置，其具备所述拍摄元件、所述光学系统、所述光源、所述遮光设备以及所述图像处理设备；便携终端，其具备所述植物信息取得设备，
所述植物信息取得装置以能够发送所述颜色信息的方式与所述便携终端连接起来。
另外，在本发明的植物信息取得系统的所述结构中，优选的是植物信息取得系统具备服务器，该服务器具有与所述植物信息相对应地存储有与所述植物的栽培有关的信息的数据库，
所述便携终端能够利用无线通信经由因特网以能够与所述服务器进行数据通信的方式与所述服务器连接，
所述服务器在从所述便携终端接收到所述植物信息的情况下，将与接收到的所述植物信息相对应的与所述植物的栽培有关的所述信息从所述数据库提取，将所提取的与所述植物的栽培有关的所述信息向所述便携终端发送。
另外，在本发明的植物信息取得方法的所述结构中，优选的是在取得了所述植物信息之后，从与所述植物信息相对应地存储有与所述植物的栽培有关的信息的数据库将与所述植物信息相对应的与所述植物的所述栽培有关的所述信息提取。
另外，本发明的植物信息取得装置的特征在于，设置于所述植物信息取得系统中，对所述植物进行拍摄并将表示所述植物的颜色的所述颜色信息输出。
根据这些结构，由主要进行拍摄的植物信息取得装置和主要进行运算处理、数据的显示等的便携终端构成植物信息取得系统。便携终端为例如智能手机、平板型的个人计算机、笔记本个人计算机，但是，一般而言，智能手机的普及率高，能够恰当地利用智能手机。
在该情况下，例如数据的显示等可使用智能手机的显示器，在进行声音输出的情况下，能够使用智能手机的扬声器。因而，植物信息取得装置侧无需设置显示器、扬声器。另外，在植物信息取得装置侧，仅根据从拍摄元件输出的图像信号求出颜色信息并输出即可，因此，如果去除遮光设备，基本上是照相机的结构，且仅从近距离对植物的比较窄的范围进行拍摄，因此，拍摄元件无需很多的像素数，并且，无需高密度地排列有像素的拍摄元件，能够使用像素数较少的廉价的拍摄元件。因而，作为照相机，能够使用比叶绿素计等廉价的结构的照相机。
根据以上内容，在用户持有智能手机的情况下，购买与比叶绿素计等廉价的照相机相当的植物信息取得装置即可，因此能够减轻用户的金钱的负担。另外，在智能手机侧进行根据颜色信息取得植物信息的运算处理，因此，能够利用运算能力较高的智能手机作为便携设备容易地处理。另外，测定日期时间、测定场所等能够利用智能手机侧的计时功能、基于GPS传感器的当前位置的测定等自动地获得。在该情况下，植物信息取得装置侧无需表、GPS传感器，因此，能够谋求针对计时功能、位置测定功能的成本的降低。
另外，智能手机等便携终端可通过wifi、公共无线通信网进行使用了因特网的数据通信，使取得的植物信息经由因特网访问服务器，能以短时间获得与取得的植物信息相对应的与植物的栽培有关的信息，无需例如从将与测定数据相对应的与植物的栽培有关的信息记载于纸的资料找出的劳力和时间。另外，在服务器侧，能够与测定日期时间、测定场所相关联地收集例如SPAD值作为很多用户测定好的植物信息，可获得在与SPAD值相对应的施肥管理等中有用的信息。
本发明的作物管理系统的特征在于，具备：用户终端，其发送作物信息、表示所述作物信息的取得时期的时期信息、表示取得了所述作物信息的地域的地域信息，该作物信息是包括由所述植物信息取得系统取得的植物信息、并且包括栽培的作物的生长状态的所述作物的信息；
管理服务器，其能够与所述用户终端进行数据通信，接收所述作物信息、所述时期信息以及所述地域信息，并且，具有管理信息存储设备，该管理信息存储设备存储有与这些信息相联系的涉及作物栽培的管理的管理信息，且将基于该作物信息、该时期信息以及该地域信息从所述管理信息存储设备提取的所述管理信息向已发送了所述作物信息、所述时期信息以及所述地域信息的所述用户终端发送。
本发明的作物管理方法是具备用户终端和能够与该用户终端进行数据通信的管理服务器的作物管理系统中的作物管理方法，其特征在于，
所述管理服务器在从所述用户终端接收到作为包括所栽培的作物的生长状态的所述作物的信息的作物信息、表示所述作物信息的取得时期的时期信息、表示已取得所述作物信息的地域的地域信息的情况下，基于从存储有与所述作物信息、所述时期信息以及所述地域信息相联系的涉及作物栽培的管理的管理信息的管理信息存储设备接收到的所述作物信息、所述时期信息以及所述地域信息提取所述管理信息，并将所述管理信息向该用户终端发送。
根据这些结构，在例如作为农业从业人员的用户使用智能手机(以下存在简记为智能机的情况)等便携无线终端作为用户终端来取得涉及所栽培着的作物的生长的作物信息，并输入智能机，若将取得作物信息的时期和地域的信息与该作物信息一起向管理服务器发送，则能够利用智能机接收管理信息。
该情况下，农业从业人员无需持有自治体等所散发的与施肥有关的资料等，只要具有智能机和用于进行数据的输入输出和进行与管理服务器之间的数据通信等的应用程序(以下简记为应用)，就能够获得用于作物栽培的管理信息。
因而，例如在施肥管理中，能够容易地获得表示肥料的量的管理信息等，因此，即使是对于施肥管理、肥力管理的经验、知识缺乏的农业从业人员，也能够根据从所栽培的有用作物的生长状态简单地获得管理信息。
另外，简单地获得涉及作物栽培的管理信息，因此，精通施肥管理、肥力管理的农业从业人员也不花费劳力和时间就获得管理信息，可对自身的做法和管理服务器所输出的管理信息的做法进行比较，能够参考管理信息来进行肥力管理。
在本发明的所述结构中，优选的是所述用户终端具备拍摄设备，以便取得对所栽培的所述作物的表面的一部分进行拍摄而得的图像信息作为用于取得所述作物信息的信息，该拍摄设备具有所述拍摄元件、所述光学系统、所述光源以及所述遮光设备。
根据这些结构，用户终端具备用于对作物的表面的一部分进行拍摄而取得作物表面的图像的拍摄设备，因此，能够将该图像数据作为作物信息从用户终端向管理服务器发送。
此外，用户终端具备拍摄设备的情况，例如在用户终端为智能手机的情况下，包括将作为外接照相机的拍摄设备与智能手机连接的情况。
另外，既可以将利用拍摄设备拍摄而得的图像信息作为作物信息向管理服务器发送，也可以根据图像信息例如利用用户终端算出色标换算值、SPAD换算值作为换算叶色值，将该换算叶色值等作为作物信息向管理服务器发送。另外，也可以是在发送了对作物进行拍摄而取得的图像信息作为作物信息的情况下，在管理服务器侧将图像信息数值化成换算叶色值。在此，换算叶色值是基于图像数据与SPAD值之间的相关关系求出，并与SPAD值存在相关的SPAD换算值，但正如可从SPAD值转换成色标值那样，可从SPAD换算值转换成色标值。另外，将从SPAD换算值转换的色标值称为色标换算值。因而，换算叶色值含有SPAD换算值和色标换算值。
基本上遮挡自然光来使用照明装置的照明等，只要能以大致恒定的条件对作物的叶等进行拍摄，就可根据上述的色标值、SPAD值与图像信息的例如RGB值、亮度Y值等之间的相关关系求出SPAD换算值、色标换算值作为换算叶色值。
根据以上内容，不使用难以计量的叶色色标来求出色标值，不使用比较昂贵的叶绿素计，通过使用例如安装于智能手机的照相机、内置于智能手机的照相机等来对作物进行拍摄，就能够获得例如色标换算值、SPAD换算值等信息(换算叶色值)，可利用管理服务器基于该信息提取管理信息。由此，农业从业人员能够进一步容易地获得管理信息。
另外，在本发明的所述结构中，优选的是，从所述用户终端发送且所述管理服务器所接收的信息含有涉及所述作物要栽培的耕地的面积的耕地信息。
根据这些结构，从用户终端向管理服务器除了发送作物信息、时期信息、地域信息之外，还向管理服务器发送含有涉及种植有与作物信息相对应的作物的耕地的面积的信息的耕地信息，因此，只要在管理服务器中与作物信息、时期信息、地域信息相联系地存储每单位面积的施肥时的肥料的量，就能够基于该肥料的量和耕地信息求出要向所述作物施加的总的肥料的量等，并发送给用户终端。该情况下，不仅知晓每单位面积的肥料的量，还知晓实际上使用的肥料的量，能够节省计算的劳力和时间。此外，耕地信息既可以例如是耕地的面积，也可以是可识别耕地的形状和尺寸的成为耕地的角的部分的位置的信息，例如也可以是四边形的土地的4角的位置。另外，在耕地信息或作物信息中存在要在耕地中栽培的作物的每单位面积的栽培密度的目标信息，例如每单位面积的株数、茎数等信息的情况下，在管理服务器中也可以根据栽培密度来变更肥料的量。
另外，在本发明的所述结构中，优选的是，所述管理服务器基于从所述用户终端发送的所述作物信息、所述时期信息以及所述地域信息提取被存储到所述管理信息存储设备的所述管理信息，在所提取的所述管理信息含有每单位面积的施肥量的信息的情况下，基于该施肥量的信息和从所述用户终端发送的所述耕地信息算出所述耕地的施肥量，并发送到所述用户终端。
根据这些结构，从用户终端输出具体的肥料的量，成为用户几乎不对施肥管理的计划花费劳力和时间的状态。因而，即使是没有经验、知识的用户，也能够进行与作物的生长状态相符的施肥管理。另外，经验、知识丰富的用户不花费劳力和时间就可决定肥料的量，因此，例如可容易地进行与用户决定好的肥料的量之间的比较，存在成为用户利用的契机的可能性。
本发明的所述植物信息取得系统的特征在于，所述植物信息取得系统具备异常值检测设备，该异常值检测设备在所取得的所述颜色信息或所述植物信息满足设定好的异常值判定条件的情况下将该颜色信息或该植物信息设为异常值。
根据这样的结构，异常值被异常检测设备检测，例如作为测定结果，可将异常值排除、或可重新测定。
对于测定异常的主要产生原因，存在如下原因：第1原因，在拍摄时，在被摄体和拍摄范围之间存在偏差，存在被摄体没有映入拍摄范围的一部分的部分；第2原因，没有用遮光设备完全遮光，在拍摄时自然光进入；第3原因，被摄体的拍摄部位存在污垢、伤痕。
在第1原因的情况下，例如，所拍摄的预定范围的图像的周边部的至少一部分越过设定好的下限值而变暗(颜色变浓)、或超过上限值而变亮(颜色变淡)，因此，可基于此对异常值进行判定。在第2原因的情况下，由于自然光的进入，通过图像比预定的阈值更亮可进行判定，在被摄体为植物的绿叶的情况下，在RGB的蓝B的值超过阈值而变亮(变浓)的情况下能够判定为异常。在第3原因的情况下，通过多次拍摄求出颜色信息、植物信息的标准偏差σ，能够将例如超过2σ的范围的颜色信息、植物信息判定为异常。在该情况下，无法根据1个图像、颜色信息、植物信息判定异常，一般而言，在植物信息的测定中，一下子进行多次测定，因此能够求出标准偏差σ，由此能够判定异常。此外，在满足作为判定为异常的条件的异常判定条件的情况下判定为异常，在不满足判定为正常的条件的情况下，能够判定满足异常判定条件。
另外，本发明的所述植物信息取得系统的特征在于，所述植物信息取得系统具备：显示设备，其将基于所述图像信号的图像或从该图像信号取得的所述颜色信息显示为颜色；
显示控制设备，其使所述显示设备显示所述图像或所述颜色，并且使所述显示设备显示成为比较对象的比较图像或比较颜色。
根据这样的结构，能够一边对成为测定结果的图像、颜色与成为比较对象的图像、颜色进行比较一边进行测定，或视觉确认测定结果。作为比较对象，在一下子进行多次测定的情况下，能够将多次测定中的此次测定以前所测定到的图像、颜色显示为比较图像、比较颜色，在该情况下，可确认一下子进行测定的多次测定中的偏差的程度，并且，可将认为不正常的测定中止或排除。另外，作为比较对象，也可以是去年等过去的同时期的颜色或图像的数据、所提供的其他田地、农田等的植物的颜色、图像的数据。通过将生长良好状态的颜色、图像作为比较对象，可一定程度判断生长状态。另外，在接受农活的指导的情况下，通过对比较对象和当前的测定结果进行比较的同时的指导，能够进行易懂的指导。另外，比较显示既可以在测定时进行，也可以在测定后进行。
在本发明的所述结构中，优选的是所述颜色信息是与由所述拍摄元件拍摄而得到的预定范围的图像的各像素的各颜色成分相对应的值的每一颜色成分的代表值。
根据这样的结构，作为各测定结果的颜色，不像叶的图像那样由于叶的部位的不同而颜色不同，能够显示为一样的颜色的面。由此，在比较时，与像叶的图像那样由于位置不同而颜色不同的情况相比，更容易进行各测定结果彼此的视觉上的比较。在此，颜色成分，例如是作为颜色空间的例如红R、绿G、蓝B的各颜色成分，但可以是除了RGB以外的颜色成分，也可以包括根据RGB的各值求出的灰度(Gray)(灰色)。
另外，本发明的所述植物信息取得系统的特征在于，所述图像处理设备被调整成使用所述光学系统、所述光源、以及所述遮光设备，在对与预定的所述植物信息相对应的校正用被摄体进行了拍摄时，所述植物信息取得设备能够取得与预定的所述植物信息近似的所述植物信息。
根据这样的结构，在使用了拍摄元件、光学系统、光源、遮光设备的拍摄中，能够缩小由于它们个体差异，即使对相同颜色的植物进行拍摄，也由于植物信息取得系统的植物信息取得装置(照相机)的不同，所输出的颜色信息、植物信息的差异。此外，拍摄元件和图像处理设备既可以由单芯片构成，也可以独立地由两个芯片构成。
发明效果
根据本发明，能够从表示由拍摄元件拍摄的植物的颜色的颜色信息取得植物信息。在该情况下，利用基本上具有作为照相机的基本结构的植物信息取得装置获得植物信息，能够比专用的比色分析装置廉价地取得植物信息。另外，能够容易地进行基于作物的生长状态的施肥管理、肥力管理。
附图说明
图1是表示本发明的实施方式的植物信息取得系统的植物信息取得装置的框图。
图2是表示本发明的实施方式的植物信息取得装置的概略图。
图3是表示本发明的实施方式的植物信息取得系统的概略图。
图4是用于说明由本发明的实施方式的植物信息取得装置进行的植物信息取得处理的流程图。
图5是用于说明由本发明的实施方式的便携终端进行的植物信息取得处理的流程图。
图6是用于说明由本发明的实施方式的服务器进行的植物信息取得处理的流程图。
图7是用于说明由本发明的实施方式的植物信息取得装置进行的校正方法的工序图。
图8是用于说明由本发明的实施方式的植物信息取得装置进行的校正方法的图。
图9是表示本发明的第2实施方式的作物管理系统的框图。
图10是用于说明由本发明的第2实施方式的智能手机和管理服务器进行的作物管理应用启动时的主处理的流程图。
图11是用于说明由本发明的第2实施方式的智能手机和管理服务器进行的作物管理应用的登录处理的流程图。
图12是用于说明由本发明的第2实施方式的智能手机和管理服务器进行的作物管理应用的初始设定处理的流程图。
图13是用于说明由本发明的第2实施方式的智能手机和管理服务器进行的作物管理应用的栽培信息输入处理的流程图。
图14是用于说明由本发明的第2实施方式的智能手机和管理服务器进行的作物管理应用的测定判定处理的流程图。
图15是用于说明本发明的第2实施方式的换算叶色值的测定后的智能手机的显示的图。
图16是用于说明本发明的第2实施方式的多个测定点处的换算叶色值的测定后的智能手机的显示的图。
图17是对本发明的第2实施方式的叶色的测定和基准值的过去的履历进行比较来表示的图表。
图18是表示在本发明的第2实施方式的智能手机等终端的显示中，将包括耕地内的各测定点的区域中的换算叶色值与叶色基准值之差逐级地以颜色显示在地图上的例子的图。
图19是表示在本发明的第2实施方式的终端等的显示中，将各农田各自的换算叶色值和叶色基准值之差逐级地以颜色显示在地图上的例子的图。
图20是用于说明本发明的实施例中的实验条件的图。
图21是表示本发明的实施例中的一元回归分析的结果的图表。
图22是用于说明本发明的实施例中的多元回归分析中的独立变量的范围缩小方法的图。
图23是表示用于本发明的实施例中的多元回归分析中的独立变量的范围缩小的成为独立变量的数据的图。
图24是表示本发明的实施例中的多元回归分析中的独立变量的范围缩小的分析结果的图。
图25是表示本发明的实施例中的多元回归分析中的独立变量的范围缩小的分析结果中的相关系数R、自由度已调整决定系数R2、说明变量选择基准Ru的图。
图26是表示作为本发明的实施例中的每个实验条件的多元回归分析的结果的(多元)决定系数R2和显著F的图。
图27是表示作为本发明的实施例中的每个实验条件的多元回归分析的结果的(多元)决定系数R2的图表。
图28是表示本发明的实施例中的每个实验条件的多元回归分析结果中的(多元)决定系数R2的上位两个实验条件的分析结果的图。
图29是表示以针对从本发明的实施例中的全部实验条件选择出的实验条件得到的相关式计算的SPAD换算值与叶绿素计测定到的SPAD值之间的相关关系的图表。
图30是用于说明图29的多元回归直线与各标定点之间的最短距离的计算方法的图。
图31是表示图29的多元回归直线与各标定点之间的最短距离的度数分布的图表。
图32是用于说明本发明的第3实施方式中的异常值的检测方法的图。
图33是用于说明本发明的第3实施方式中的异常值的检测方法的流程图。
图34是用于说明本发明的第4实施方式中的智能手机的显示画面中的数据的比较显示的图。
图35是用于说明本发明的第4实施方式中的智能手机的显示画面中的数据的比较显示的图。
图36是用于说明本发明的第4实施方式中的智能手机的显示画面中的数据的比较显示的图。
图37是用于说明本发明的第4实施方式中的智能手机的显示画面中的数据的比较显示的图。
图38是用于说明本发明的第4实施方式中的智能手机的显示画面中的数据的比较显示的图。
具体实施方式
以下，说明本发明的第1实施方式。
本实施方式的植物信息取得系统基于对植物的表面进行拍摄而得到的图像数据取得植物的信息。在本实施方式中，根据图像数据中的例如RGB(红、绿、蓝)等构成颜色空间的多个变量的值求出叶色浓度(例如，SPAD值的换算值、叶色色标的换算值)。
如图1和图2所示，本实施方式的植物信息取得系统的植物信息取得装置101(作物管理系统的作物信息取得装置：照相机30)由装置主体32和具备与装置主体32相对的支承面的支承构件33构成，支承构件33将基部转动自由地固定于装置主体32，成为例如订书机(霍奇克斯式订书机，)状的构造。即，支承构件33的基端部旋转自由地连接于装置主体32，从而在支承构件33的顶端部侧与装置主体32之间夹持成为测定对象的例如叶。
此外，支承构件33可相对于装置主体32旋转预定范围的角度，并且，被未图示的弹簧等施力设备施力，以便在预定范围内成为最大角度。在该状态下，通过克服施力而使支承构件33的顶端部靠近装置主体32，可保持在夹持叶的状态。
在装置主体32中，作为拍摄装置而具备：拍摄元件(图像传感器)41、作为用于使像成像于拍摄元件41上的光学系统的镜头40、照明用的白色LED(光源)42、反射光防止用的偏振板43(43a、43b)、自然光遮断用罩34、开启关闭用的开关35。另外，在装置主体32中具备：控制电路50，其对白色LED42、拍摄元件41以及各种电路的至少开、关(ON、OFF)进行控制；图像处理电路51，其对从拍摄元件41输出的RGB的各信号进行处理；数据处理电路52，其根据从图像处理电路51输出的RGB空间的图像数据计算独立变量；以及通信电路53，其与后述的便携终端130(智能手机1)之间进行数据通信。通信电路53与便携终端130之间能以无线(bluetooth(蓝牙，注册商标)；WiFi)或者有线(USB电缆等)连接。另一方面，支承构件33的与装置主体32相对的面是平面，在与装置主体的拍摄位置相对应的位置设置有定位引导件36。定位引导件36是从支承构件33沿着宽度方向(从图2中的跟前侧向进深方向)左右突出的凸部，在上部具有与支承构件33的平面连续的平面部。在左右的各定位引导件36的中央部设置有表示照相机的拍摄范围的中央的直线状的凹部。该凹部起到用于使叶位于拍摄范围的中央的记号的功能。因而，在将稻子的叶从左右的一个定位引导件36的凹部配置到另一个定位引导件36的凹部的状态下夹着叶时，能够将叶配置于照相机的光学的视野的中央。因而，定位引导件36的凹部成为用于在将稻子的叶配置于支承构件之时将稻子的叶配置于照相机的拍摄范围的中央的记号，并且能够在直到即将夹持叶之前用手固定，以使叶不相对于支承构件33移动。即使不设置凹部，也可以将定位引导件36本身的位置作为用于配置于中央的记号。
自然光遮断用罩49由黑色的聚氨酯材料形成，自然光遮断用罩49的高度以及快门开关35接通(ON)的高度被设定成，在夹着叶来进行拍摄时不给叶造成损伤且在自然光遮断用罩49充分地遮断了自然光的状态下快门开关35接通(ON)。
拍摄元件31是具备滤色器的CCD(电荷耦合元件，Charged coupled devices)传感器或CMOS(互补金属氧化物半导体，Complementary Metal―Oxide―Semiconductor)传感器。镜头40是例如近摄用的单焦镜头。白色LED42是用于对叶进行拍摄的照明，在本实施方式中，在叶的拍摄时上述罩34被按压于叶的表面，在自然光被遮断了的状态下利用白色LED42的光进行拍摄。此时，成为叶被装置主体32和支承构件33夹着的状态，且成为支承构件33将透过叶的方向的自然光遮断了的状态。因而，由上述的罩34和支承构件33构成了在拍摄时遮断自然光的遮光设备。
另外，为了防止成为靠近被摄体的白色LED42的反射光映入例如叶的表面的状态(例如，接近于映于镜中的状态)，使用了偏振板43。如图2所示，偏振板43由白色LED42的照明光通过的偏振板43a和作为被摄体的叶的反射光通过的偏振板43b构成，且偏振板43a和偏振板43b成为偏振方向正交的状态。由此，经由偏振板43a照射到叶的白色LED42的照明光的直接反射光被一对偏振板43a、43b遮挡，防止成为例如白色LED42映入叶的表面的状态，看得见叶表层的颜色。
另外，在该例中，使用半透明反射镜44，使照明光透过半透明反射镜44而照射叶，并且，使半透明反射镜44反射来自叶的反射光而向镜头40引导。另外，通过如上述那样将叶夹持于装置主体32与支承构件33之间的罩34的位置，成为圆筒状的罩34被按压于叶的状态，能够防止从拍摄用的开口进入的自然光朝向拍摄元件41侧。即，能够谋求自然光的遮断。另外，罩34对拍摄范围进行了限制，拍摄范围变得比拍摄元件41的有效像素部分窄。此外，在夹着叶的情况下，若叶损伤则叶有可能变色，因此，优选罩34成为在其表面没有突起等的平滑形状。另外，为了提高遮光性和防止叶的损伤，罩34也可以使用在进行用手夹持的操作时弹性变形的柔软性高的原材料。
本实施方式根据叶的颜色求出换算叶色值(SPAD换算值)作为例如植物信息(作物信息)且作为表示叶绿素的含量的指标，但此时基于与可转换成色标值的SPAD值之间的相关关系求出了与SPAD值相关的SPAD换算值。因此，使用例如拍摄而得到的图像数据的预定范围(预定面积)的各像素的RGB的各值和根据RGB的各值求出的灰度的值。此外，在求出各像素的RGB值时，从拍摄元件41输出的例如RGB的信号被图像处理电路(图像处理设备)51进行图像处理，作为RGB的各颜色的信号输出。另外，在拍摄元件41是单板式的情况下，与滤色器的图案相对应地，各像素由R的像素、G的像素、B的像素构成，但通过同时化处理(内插处理)求出各像素的RGB值。
在本实施方式中，使用来自基于光学系统的拍摄范围内的进一步预定范围内的多个像素的信号。上述的预定范围设为例如2mm×2mm且200像素×200像素程度，但并不特别限定于此。使用该预定范围所含有的各像素的RGB的各值和根据RGB的值求出的灰度的值。灰度的值可利用下式根据RGB的各值求出。
灰度(Gray)＝R×0.3+G×0.59+B×0.11
此外，作为图像数据，并不限于RGB和灰度，也可以设为使用HSV、HLS、YUV、YCbCr、YPbPr等的图像数据。基本上，只要存在应该求出的作为作物信息的色标值与叶绿素浓度(SPAD值)之间的相关关系，也可以使用除了RGB以外的颜色空间。
另外，求出RGB的各值、灰度的值，但上述拍摄范围中的被利用的预定范围的各像素的值并不是必须的，求出与拍摄而得的图像数据的预定范围内的各像素的颜色有关的数据的代表值、即RGB的各值和灰度的值各自的代表值，基于与该代表值之间的相关关系求出例如换算叶色值(SPAD换算值)。作为表示集体的中心的倾向的代表值，能够采用平均值、中央值、众数，此外也可以采用积分值、能成为代表值的各种值。在本实施方式中，将图像数据的预定范围的各像素的RGB的各值和灰度的值各自的平均值作为代表值求出。
此外，作为可取得的植物信息(作物信息)，并不限于换算叶色值，也可以是认为例如与叶绿素浓度、SPAD值存在相关性的氮含量。基本上，能够将与构成图像数据的各像素的RGB等变量的值存在相关关系的值设为可取得的作物信息。只要认为在例如果实的颜色、糖浓度、柠檬酸浓度、其他酸浓度、多酚浓度与成熟度等的生长状况之间存在相关关系，就也可以取得糖的浓度、各种酸的浓度的信息、各种多酚的浓度、生长状况的信息作为作物信息。另外，也可以在是否患有预定病症的判定中使用上述的RGB等的值。
另外，开关35经由控制电路50进行白色LED42和拍摄元件41的开(ON)、关(OFF)，兼用于例如照明的开、关和快门。对于开关35，若使支承构件33如上述那样克服施力设备的作用力而靠近装置主体32，则位于装置主体32侧的开关35被支承构件33按压而接通，若使支承构件33与装置主体32分开，则开关35断开。若开关35接通，则搭载控制电路50、拍摄元件41、图像处理电路51等的电路基板的电源接通。另外，利用由此开启的控制电路50的控制，在照明用的白色LED42开启之后，快门开启。此时，只要叶被夹在支承构件33与装置主体32的罩34之间，叶的表面就在被罩34遮光的状态下被拍摄。此时，透过叶的光被支承构件33遮光。此外，开关35并不限于1个，也可以分别设置搭载拍摄元件41、图像处理电路51等的电路基板的电源开关、照明用白色LED42的电源开关、快门用的开关等。在该情况下，开关35仅作为取得静止图像用的快门按钮发挥功能，因此，也可以直到开关35被按下为止对智能手机显示当前的输入图像的动画。由此，能够一边确认图像一边按下开关，因此可拍摄恰当的静止图像。
另外，在本实施方式中，开关35通过碰到支承构件33而接通，但开关35既可以是例如在使支承构件33旋转移动了预定角度的情况下接通的开关，也可以是设置于预定部位的触摸传感器。另外，开关35既可以是设置于罩内的照度传感器(例如受光元件)，也可以在自然光被遮挡而照度降低之时使照明用白色LED42点亮，利用照度传感器对白色LED42的点亮进行检测而使快门开启的开关。
镜头40是例如近摄用的单焦点的微距镜头，将焦点对准与罩34的前端接触而封闭罩34的被摄体(叶)。
控制电路50用于如上述那样进行白色LED42和拍摄元件41的驱动等的控制，除此之外，也可以用于进行图像处理电路51、数据处理电路52、通信电路53的驱动等的控制。
图像处理电路51基于从拍摄元件41输出的图像信号进行上述的同时化处理，并且根据预定范围的各像素的RGB的值求出各像素的灰度的值，并将各像素的RGB的各值和灰度的值输出。在数据处理电路(图像处理设备)52中，求出各像素的RGB的各值各自的平均值(代表值)和各像素的灰度的平均值(代表值)。即、求出R的平均值、G的平均值、B的平均值、灰度的平均值，将这些值向通信电路53输出。在通信电路53中，照相机30通过使用了有线、例如USB、有线LAN(以太网，(注册商标))的有线通信、使用了无线、例如WIFI(无线LAN)、蓝牙(注册商标)的无线通信可与作为便携终端130的智能手机(智能手机1：用户终端)进行通信，发送对上述的叶进行拍摄而得到的图像数据的RGB的各平均值和灰度的平均值。
即、如图3所示，植物信息取得装置101与便携终端130连接，并且便携终端130可借助无线公用线路网和因特网142与服务器143连接。便携终端130具备：无线通信设备，其用于作为移动电话(智能手机1)经由无线公用线路网进行声音通信和数据通信；控制设备(植物信息取得设备)，其进行各种通信的控制，并且执行所安装的应用程序(以下简称为应用)；显示器(显示设备)，其进行基于应用、系统(OS)的执行的显示；显示控制设备，其基于应用等的执行使显示器显示图像；声音控制设备，其对声音的输入输出进行控制；以及各种传感器，其包括GPS。
另外，便携终端130具备应用、在应用中所使用的作为存储装置的闪存。此外，在应用等程序中所使用的作为存储器的RAM设置于例如控制设备。
另外，在闪存中预装有植物信息取得处理用应用(植物信息取得设备)，针对从植物信息取得装置101(照相机30)发送的上述的RGB和灰度的代表值(平均值)算出作为叶绿素量的指标的SPAD换算值。
在植物信息取得处理用应用(作物管理用应用)中登记有例如利用回归分析、多元回归分析求出的上述代表值与SPAD换算值之间的(多元)回归式(相关式)。例如登记有根据RGB的各平均值中的G的平均值和灰度的平均值算出SPAD换算值的多元回归式。由此，在从植物信息取得装置101接收到RGB的各平均值和灰度的平均值的情况下，基于G的平均值和灰度的平均值将SPAD换算值从便携终端130输出。
若例如将换算叶色值(SPAD换算值)设为Y、将G的平均值设为X1、将灰度的平均值设为X2，则多元回归式成为Y＝a(X1)+b(X2)+c。在该式中，将拍摄而得到的图像数据的预定范围的多个像素的G的值的平均值(独立变量)代入X1，将图像数据的预定范围的多个像素的灰度的平均值(独立变量)代入X2，从而算出作为Y(从属变量)的SPAD换算值。
另外，将所求出来的SPAD换算值、向便携终端130输入的稻子的品种、栽培稻子的地域(住所)、当前的日期、稻子的高度作为用于进行施肥管理的数据向服务器143发送。在服务器143中基本上与地域、当前的日期以及品种相对应地存储有SPAD换算值和稻子的高度。利用地域(住所)和当前的日期对与该地域、当前的日期、品种相对应的SPAD换算值进行检索并提取，对登记的SPAD值和测定到的SPAD换算值进行比较。同样地对登记的稻子的高度和所输入的稻子的高度进行比较。此外，也可以是，稻子的高度发送由例如安装到便携终端130的高度测定用的软件计量到的值。
如果所测定的SPAD换算值比登记的SPAD换算值小，就可判断为氮肥不足，相反如果所测定的SPAD换算值比登记的SPAD换算值大，就存在氮肥充足、或氮肥多于需要量的可能性。另外，如果测定到的SPAD换算值比所登记的SPAD换算值低、且测定到的稻子的高度比所登记的稻子的高度低，就印证了肥料不足，如果测定到的SPAD换算值比所登记的SPAD换算值高、测定到的稻子的高度比所登记的稻子的高度高，则过度施肥的可能性变高。
在服务器143中根据地域、日期(或距播种、插秧的天数)、品种如上述那样登记成为标准的SPAD换算值，并且针对例如测定到的SPAD换算值登记有建议。例如，如果测定到的SPAD换算值比成为标准的SPAD换算值低，就基本上登记有催促氮肥等的施肥的建议，如果测定到的SPAD换算值比成为标准的SPAD换算值高，就登记有抑制肥料那样的建议。
另外，根据季节、地域以及品种不仅获得施肥管理的建议，还获得水的管理、除草、病症对策等的建议。在这些建议中含有与SPAD换算值相关联的建议、没有关联的建议。此外，当前，在与各地域的稻子种植有关系的组织(农协、农业试验场、政府机关等)中，可针对SPAD换算值提供包括针对测定到的SPAD换算值的施肥管理的建议，也可利用该建议。
在由这样的植物信息取得装置101进行的植物信息取得方法中，例如，如图4的流程图所示，进行作为照相机的一种的本实施方式的植物信息取得装置101(照相机30)的植物信息取得处理。
此时，进行叶的拍摄。
在叶的拍摄中，选择例如与其他叶大致相同的没有异常的叶。将该叶在照相机30的罩34的位置插入装置主体32与支承构件33之间。利用该动作，开关35从断开变成接通(步骤S1)，搭载于照相机30的控制电路50开启，基于控制电路50的控制进行白色LED42的点亮、拍摄元件41的启动、图像处理电路51的启动、数据处理电路52的启动、通信电路53的启动(步骤S2)。这些电路也可以处于1个芯片上。
接下来，可将开关接通作为触发而自动地进行拍摄(步骤S3)。从拍摄元件41输出的信号在图像处理电路51中被如上述那样同时化处理而生成图像数据。此时，灰度的数据也根据RGB的数据算出。即、各像素的RGB和灰度的值被算出(步骤S4)，该各像素的RGB和灰度的值被向数据处理电路52发送(步骤S5)。在数据处理电路52中，根据图像数据的预定范围内的各像素的R的值、G的值、B的值、灰度的值算出R的代表值、G的代表值、B的代表值、灰度的代表值(步骤S6)。R的代表值、G的代表值、B的代表值、灰度的代表值和图像数据经由通信电路53向智能手机(便携终端130)1发送(步骤S7)。此外，各代表值也可以利用智能手机1根据上述的图像数据求出。
在便携终端130中，如图5的流程图所示，在从植物信息取得装置101输入了上述的各代表值的情况(步骤S11)下，代入上述代表值与SPAD换算值之间的关系式而算出SPAD换算值(换算叶色值)(步骤S12)。即、G的代表值和灰度的代表值被代入基于SPAD值与上述各颜色的代表值之间的相关的多元回归式，求出换算叶色值。
所求出的换算叶色值与作为其他数据的上述住所、日期、品种等数据一起显示于便携终端130的显示器(步骤S13)。此时，也可以显示拍摄而得到的图像数据。显示到显示器的数据可向服务器143发送，但除了SPAD换算值以外的数据显示被显示成可直接变更。在用户变更了数据的情况(步骤S14)下，与此相对应地，存储于便携终端130的数据被变更后更新存储(步骤S15)。接着，输入稻子的高度(步骤S16)。此外，稻子的高度也可以设为用户计量而输入的高度，但也可以是在植物信息取得处理用应用中预先设置有众所周知的高度计量功能，通过利用便携终端130的照相机进行拍摄，算出并输入稻子的高度。
所求出的SPAD值被发送到登记于服务器143的数据库(步骤S17)。在服务器143中，如图6的流程图所示，若从便携终端130接收SPAD值等的数据(步骤S21)，则基于上述的地域、日期、稻子的品种、SPAD值、稻子的高度对服务器143的数据库进行检索(步骤S22)，获得是否施加肥料、施加肥料的情况下的每单位面积的施肥量等与施肥管理有关的数据(步骤S23)。通过检索而得到的与施肥管理有关的信息向便携终端130发送(步骤S24)。
在便携终端130中，若接收到与施肥管理有关的信息(步骤S18)，则显示该信息(步骤S19)。与上述的是否施加肥料、施加肥料的情况下的每单位面积的肥料的量、其他稻子的农活有关的信息被便携终端130接收而显示于便携终端130。
在智能手机(便携终端130)1中，在上述的各代表值从照相机30输入的情况下，代入上述代表值与换算叶色值(SPAD换算值)之间的关系式而算出换算叶色值。已知SPAD值和绿色的基于叶色色标的读取值存在相关关系，换算叶色值的计量中使用RGB+灰度中的G和灰度的值。即、G的代表值和灰度的代表值被代入基于换算叶色值(SPAD换算值)与上述的各颜色的代表值之间的相关的多元回归式，换算叶色值被求出。
所求出来的换算叶色值与作为其他数据的上述住所、日期、品种等数据一起显示于智能手机1的显示器。此时，拍摄而得到的图像数据也可以同时显示。显示到显示器的数据可向服务器143(随后论述的管理服务器10)发送，但除了换算叶色值以外的数据显示被显示成可直接变更。在用户变更了数据的情况下，与此相对应地，存储于智能手机1的数据被变更而被更新存储。接着输入稻子的高度。此外，稻子的高度也可以设为用户计量而输入的高度，也可以是在植物信息取得处理用应用中预先设置众所周知的高度计量功能，通过利用照相机30进行拍摄，算出并输入稻子的高度。
接着，使用图7来说明照相机30的校正方法的工序。在照相机30中，根据颜色来获得植物信息(作物信息)。此时，需要对各照相机30的个体差异、经时变化等进行校正。
在由叶绿素计测定了的情况下，将成为预定的SPAD换算值(校正用的基准值)的色条在例如照相机30的销售时一同包装(步骤St1)。用户使用该色条来进行校正(步骤St2)。优选在使用开始时进行校正，尽可能每隔设定好的期间大致定期地进行校正。
首先，将照相机30与便携终端130(智能手机1)连接，并且，使植物信息取得处理用应用(作物管理用应用)启动。
校正处理中，作为由连接有照相机30的智能手机1进行的处理，从以下的步骤S31起的处理成为由智能手机1进行的处理。
在作物管理应用启动了的智能手机1的显示器上，可显示例如将校正等的项目显示为按钮的子菜单。在进行校正处理的情况下，通过用户按压校正按钮，在智能手机1中，在显示器的显示有校正按钮的范围内，对触摸屏被触摸的情况进行检测(步骤S31)。其中，在作物管理用应用启动后，成为对向显示为菜单的各按钮的触摸的检测进行监视而待机的状态，通过检测到对校正按钮的触摸，开始校正处理(步骤S32)。
在智能手机1的显示器上，显示表示促使对一同包装的色条拍摄预定次数(例如5次、10次)，并将色条夹在装置主体32与支承构件33之间来进行拍摄的情况的显示，成为对从照相机30输入拍摄而得到的图像数据进行监视而待机的状态。此时，对图像数据的输入次数进行计数，在显示器进行促使继续进行色条的拍摄的显示，直到输入次数的计数值成为上述的预定次数为止。与此相对应地，用户进行色条的拍摄，从而图像数据依次向智能手机1输入(步骤S33)。
在智能手机1中，取得所输入的图像数据并存储于闪存等存储装置(步骤S34)。
在智能手机1的控制设备中，对色条进行拍摄而得到的预定数的图像数据的预定范围的各像素的RGB的值中的G的值的作为代表值的平均值和预定范围的各像素的灰度的值根据RGB的值算出，并且求出预定范围的各像素的灰度的值的作为代表值的平均值。即、求出预定范围内的各像素的G值和灰度值的平均值。针对预定数的图像数据的全部进行该计算，在针对各图像数据求出平均化了的逐个G值和R值之后，求出预定张数的每个图像数据的G值的平均值(代表值)和灰度值的平均值(代表值)。
将算出来的G值和灰度值代入上述的回归式来求出SPAD换算值。通过该色条的拍摄而得到的换算叶色值与设定于色条的成为基准的叶色值之差被算出决定为修正用的数据(步骤S35)。
算出来的修正用的数据被自动地登记于智能手机1内(步骤S36)，结束处理(步骤S37)。以后，在基于实际的叶的拍摄图像来计算SPAD换算值时使用该修正用的数据来进行修正。即、能够使用将修正值代入到被设定于回归式的修正项的相关式，在根据G的平均值和灰度的平均值进行了校正的状态下，求出换算叶色值。
其中，在智能手机1内登记有修正用的数据，但并不限于此，既可以预先登记于服务器143，或者也可以预先登记在两者中。在不是利用智能手机1对随后论述的SPAD换算值进行计算，而是利用服务器进行计算的情况下，能够简化处理。另外，在也包括履历在内始终预先将修正用的数据登记于服务器的情况下，通过服务器对修正值的变动进行检查，能够把握照相机30的性能的劣化，能够促使用户注意，能够抑制异常的拍摄图像、异常的SPAD换算值向数据库的登记。
如上所述，多元回归式表示为Y＝a(X1)+b(X2)+c，对其使用修正项(α)，修正成Y＝a(X1)+b(X2)+c+α。即、将如上述那样算出来的修正值代入α后，求出作为从属变量Y的换算叶色值。
例如，在图8中，将根据叶的图像数据通过计算得到的换算叶色值(SPAD换算值)设为独立变量X，将由叶绿素计测定所述叶的情况下的SPAD值设为从属变量Y，进行回归分析，作为该回归分析的结果，根据颜色信息算出来的SPAD换算值(X)和由叶绿素计测定叶而得的SPAD值(Y)的相关式(回归式)为Y＝0.8762X+4.6722。在图8中，纵轴是根据颜色信息算出来的SPAD换算值(X)，横轴是由叶绿素计测定叶而得的SPAD值(Y)。所标绘的点与测定的稻子的各株相对应。
此时，若成为色条的基准值(与由叶绿素计测定到的测定值大致相等的值)的SPAD值是40，校正时的SPAD换算值的根据颜色信息的算出值为34，则基准值-算出值＝+6，相关式被修正成Y＝0.8762X+4.6722+6。由此，相关式所表示的回归直线向右移动。此外，图8的决定系数R2＝0.8762用于表示上述相关式中的贡献率。即、决定系数R2用于表示用说明变量多大程度说明了测定结果的变动，越接近1，表示精度越高。另外，图8表示通过计算求出SPAD换算值的情况与由叶绿素计测定的情况之间的相关关系，在实际的校正中，如上述那样将用于根据G的代表值和灰度的代表值求出SPAD换算值的相关式即Y＝a(X1)+b(X2)+c修正成Y＝a(X1)+b(X2)+c+α。
如以上那样，能够使用将修正值代入被设定于回归式的修正项的相关式，在根据G的平均值和灰度的平均值进行了校正的状态下，求出换算叶色值。
另外，在上述的校正方法中，用户进行照相机30的校正，与此不同地，说明在照相机30的出厂时由照相机30的生产厂家等进行的校正。
在照相机30中，设置有例如CMOS传感器即拍摄元件41和作为集成电路的图像处理电路51。此外，拍摄元件41和图像处理电路51既可以单一芯片化成SOC，也可以是独立的芯片。
例如，在图像处理电路51中可进行白平衡、黑色电平控制、各种滤波器功能、矩阵增益调整、孔径修正、伽马修正等，也存在自动调整的情况，例如，矩阵增益调整、孔径修正、伽马修正等可从外部针对每个RGB设定参数而调整颜色、亮度。
在此，在照明所使用的白色LED42中，蓝色LED和使用了黄色荧光体的LED比较廉价，成为主流，但是，例如，即使是在同批次内，亮度等性能的偏差也比较大，在将白色LED42作为光源的情况下，照相机30的个体差异有可能变大。
因此，在照相机30中，在出厂前的阶段，对成为预定的叶色值的色条(例如，叶色色标中的稻子的叶的适当的叶色的范围所含有的叶色值4或成为其附近的叶色值(植物信息)的绿色的校正用的被摄体)进行拍摄，对上述的图像处理电路51的参数进行变更，以使作为叶色色标的读取值的换算值的叶色值成为例如上述的4。由此，在照相机30的出厂时，在可利用图像处理电路51进行调整的范围内，个体差异变小，可省略由上述的用户进行的校正、或可延长直到进行用户的校正为止的期间。另外，能够缩小照相机30的个体差异而缩小各农户、农业关系的各期间内的换算叶色值的偏差，提高基于换算叶色值的管理的精度。
在使用了这样的照相机30的换算叶色值的测定中，即使遮断自然光也能够进行预定的照明、且无需像素数较多的拍摄元件41，能以像素数较少的拍摄元件41进行测定。另外，可在智能手机1侧进行运算处理的一部分、数据的显示等。根据以上内容，虽然比叶色色标昂贵，但与不具备照相机而是具备专用的比色分析装置的叶绿素计相比较，可低成本地制造。
另外，通过截止自然光而使用LED照明，可进行稳定的拍摄，可抑制由于季节、时刻、天气、环境的不同而测定结果改变，能够进行误差较少的测定。另外，只要在植物(作物)的叶、茎、果实、根等各种部位的表面的颜色与作物的各种信息之间存在相关关系，就可进行各种信息的测定。此时，照相机30只要具有能够将根据对植物(作物)的表面进行拍摄而得到的图像数据的各像素的RGB的各值、或包括根据RGB求出的灰度在内的各值输出的功能，通过追加被登记于智能手机1侧的植物信息取得处理用应用的关系式，就可进行除了叶绿素以外的物质的含量的测定。例如，也可以是，不仅对SPAD值进行实测，而且实际上通过破碎叶而提取叶绿素来对叶绿素量进行实测，求出上述的代表值与叶绿素的实测到的浓度之间的相关式，不求出SPAD值而是求出叶绿素量。另外，也可以对与叶绿素量存在相关关系的氮量进行实测，求出实测到的氮量与上述的代表值之间的相关关系来测定氮量。另外，对于果实等，只要认为其颜色与果实所含有的糖、酸、色素成分即多酚等的浓度之间存在相关关系，就能够在它们的测定中使用照相机30和智能手机1。
此外，在本实施方式中，使用G的代表值和灰度的代表值，因此，也可以不算出R的代表值和B的代表值。若根据回归式求出SPAD换算值，则该SPAD换算值、向智能手机1输入的地域(住所)、日期、稻子的品种、稻子的作物高度经由因特网142向服务器143(管理服务器10)发送。此外，地域的信息也可以使用例如被设置于智能手机1的GPS所读取到的智能手机1的位置信息。另外，日期的输入的功能也可以设为根据智能手机1的时钟功能、日历功能输入今日的日期的功能。
另外，在本实施方式中，在照相机30设置有数据处理电路52，但也可以在智能手机1的作物管理用应用的功能中添加数据处理电路52的功能。该情况下，照相机30基本上输出RGB的各值和灰度的值作为图像数据。此外，虽然取决于相关关系的高低，但既可以将全部RGB+灰度设为独立变量，也可以将除了B之外的RG+灰度设为独立变量，也可以仅将G或灰度设为独立变量。
接着，说明本发明的第2实施方式。
如图9所示，本实施方式的作物管理系统具备：用户所使用的作为用户终端的智能手机(智能手机1)；管理服务器10(服务器143)，其可使用移动电话用的公共无线线路或有线、无线的LAN并且经由因特网2(142)与智能手机1连接；作为测定设备(拍摄设备)的照相机30，其可经由USB等与所述智能手机1连接；以及终端60，其由个人计算机构成，其可经由因特网2等与管理服务器10连接而用于进行管理服务器10的管理。
作为便携终端130的智能手机1是众所周知的，具有进行数据通信的功能、具备显示作为可通信的数据的图像(静止画、动画)、文本等的显示用数据的显示器的显示功能、主要使用触摸面板来进行的文本等数据的输入功能、执行应用程序(应用)的程序执行功能，作为可针对管理服务器10进行数据的输入和输出的终端发挥功能。
另外，作为使用智能手机1的用户，设想了农业从业人员，设想了干农活、进行农活的管理的人成为智能手机1的用户。另外，在此，作为农活，设想了稻子的栽培，设想了农业从业人员从事基于稻子的栽培的米的生产。此外，本实施方式涉及作物的栽培的管理，也可以进行作为作物的、除了米以外的各种谷物、豆类、包括薯类等在内的各种蔬菜、各种水果等的栽培的管理。另外，作物并不限于成为食品的植物，基本上是栽培可管理的作物即可，作物包括花、茶、树木等。另外，可将本发明应用于花、观叶植物等观赏用植物的颜色的管理。
管理服务器10可经由因特网2同时与作为便携终端130的多个智能手机1进行数据通信，并且，具备：控制部11，其具有例如中央运算处理装置(CPU)、RAM、ROM等，并且具有用于数据的存储、通信的各种接口；由硬盘等构成的贮存装置等。在贮存装置中构筑有数据库，该数据库作为可检索地存储各种数据的存储设备发挥功能，可通过检索等来提取所存储的数据。
在本实施方式的管理服务器10中构筑有用户信息数据库12、耕地信息数据库13、栽培信息数据库14、测定值数据库15、叶色基准值数据库16、农业、肥料数据库17等。
在用户信息数据库12中，与可确定用户的唯一的用户ID相联系地登记有主要在随后论述的账户登录时输入的个人信息。在用户信息数据库12存储例如用户ID、姓名、住所、邮件地址、电话号码等，并且登记出生年月日、职业、所属组织(团体、法人等)等。此外，也可以在用户信息数据库12含有用于收费等的信用卡的信息。
此外，作为用户，也可以不是个人，而登记法人等组织、团体。
在耕地信息数据库13中，与上述的用户ID相联系地存储有用户干农活(用户管理的)的耕地(农田)的位置。此外，农田的位置基本上以纬度和经度表示，但只要在农田存在住所，也可登记住所。此外，针对1个用户可登记多个农田。另外，可在耕地信息数据库13登记农田的种类和面积。
农田的种类主要用栽培的作物来区分，例如是稻子、卷心菜、西红柿等。另外，登记为农田的种类的作物的种类含有可确定作物的品种名、品牌名。
此外，农田的位置既可以使用例如智能手机1的GPS功能来输入、或者也可以在智能手机1的地图应用上输入，只要知晓农田的纬度、经度，也可以将其直接输入。另外，农田的位置也可以设为将代表农田的一处的纬度和经度输入，但优选的是，通过输入各农田的各角的纬度和经度，成为农田的形状和面积可知的状态。此外，例如，在四边形的土地中存在4个角，在3角形的土地中存在3个角，在大致L字状的土地中存在5处向外的角和1处向内的角。
在如此将农田的全部的角(包括向外的角和向内的角)的纬度和经度输入的情况下，例如，在智能手机1的地图应用上显示航空照片，并且，在航空照片上依次指示农田的各角并确定各角的纬度和经度后输入。另外，也可以使用智能手机1的GPS功能，持有智能手机1的用户等智能手机1的操作者在各农田的角登记由GPS功能测定的纬度和经度。
不过，在GPS中有可能产生误差，因此，优选可在地图应用上修正农田的位置。基于这样的农田的角的位置，在管理服务器10中算出农田的形状和农田的面积。此外，用户也可以从智能手机1输入农田的面积。另外，各农田带有可按照每一地块来确定农田的地块序列号，各农田的纬度和经度的数据、作物的种类、品种等数据、顾客ID可与地块序列号相联系地存储。
如以上那样，在耕地信息数据库13中，与顾客ID相联系地登记有用户进行管理、干农活的农田的位置、作为农田的种类的在农田栽培的作物的品种、农田的面积和地块序列号。
在栽培信息数据库14中，与顾客ID相联系并与各作物的品种、栽培有各作物的农田的地块序列号、时期(日期时间)相对应地存储有栽培信息。例如，作为栽培信息，存储例如播种日、插秧日、结花骨朵日、施肥日、结穗日(出穗日)、出穗预定日、从田地排水日、施肥日、撒农药日等农活的内容(也包括肥料、农药的量)和农活的时期、成为作物的生长的阶段的日。此外，要存储于栽培信息数据库14的栽培信息能够根据作物的种类、品种而不同。
在本实施方式中，可在测定值数据库15中存储利用上述的照相机30拍摄而得到的图像数据(图像信息)、从该图像数据读取的换算叶色值(作物信息)的数据。此外，在除了换算叶色值以外，存在作物的作物高度、每单位面积的株数、每株的茎数等的测定值(作物信息)的情况下，也可以将全部的测定值的数据存储于测定值数据库15。此外，在栽培信息数据库14和测定值数据库15中，各信息与上述的顾客ID、地块序列号、日期时间或日期等时期信息相联系地存储，可从作物信息确定用户、农田、日期时间，并且，可从顾客ID、地块序列号对栽培信息、耕地信息进行检索，可对农田所在地域进行检索。另外，作为测定值的换算叶色值基本上可转换成读取色标的情况下的色标值、SPAD值，在本实施方式中，基于与SPAD值之间的相关关系决定了换算叶色值(SPAD换算值)。
此外，在本实施方式中，成为基准的叶色基准值是基于使用照相机30而求出来的换算叶色值算出的，换算叶色值(测定值)和叶色基准值以使用了照相机30的图像数据的同样方法求出。此外，也可以使用利用除了照相机30以外拍摄而得到的图像数据来求出换算叶色值、叶色基准值。或者，叶色基准值也可以基于以往进行的色标值或SPAD值确定。另外，在以下的说明中，存在将测定到的换算叶色值记载为测定值，将叶色基准值记载为基准值的情况。
在叶色基准值数据库16中，按照作物的品种、栽培地域登记有与时期相对应的优选叶色基准值。在此，时期是指该年度的日期、从插秧日经过的天数等的时间轴。基准值是专业人士对在该地域的该品种的过去的季节测定到的换算叶色值进行分析，决定应该设为相对于特定的时间轴的基准的换算叶色值来确定的。叶色基准值数据库16的叶色基准值在分蘖期或者插秧前等的时期决定，但专业人士也可根据该年度的气象状况等适当变更。
只要计量到的换算叶色值基本上成为与叶色基准值一致或相近的值，叶色基准值就表示作物顺利地生长。在例如预定的时期的换算叶色值比叶色基准值小的情况下，表示氮肥的不足，在换算叶色值比叶色基准值大的情况下，虽然也取决于稻子的高度等，但存在氮肥过多、生长过快的可能性。此外，若生长过快而稻子的高度变高，则稻子因风等倒伏的可能性变高，因此，优选的是一定程度限制稻子的培育，例如限制氮肥的量。
叶色基准值可对例如该地域中的当前的季节之前的季节的多年的换算叶色值数据进行分析来推算，但不仅参考基于照相机30的换算叶色值数据、也参考基于色标、SPAD值的叶色值数据，各品种的各时期的优选的换算叶色值的数据存储为叶色基准值。此外，也可以根据此次季节的天气等的状况使叶色基准值的时期变换，或使对应于叶色基准值的换算叶色值的容许范围向低侧、高侧变宽或变窄。
在农业、肥料数据库17中，按照品种、地域、时期，同换算叶色值的测定值与基准值之差相对应地登记有每单位面积的施肥量作为用于作物栽培中的施肥管理的管理信息。此外，基本上在测定值比基准值高的情况下，施肥量为0。在此，肥料主要是氮类肥料，但是，也可以登记有例如成为与磷、钾等有关的肥料的标准的施肥量、与生长状态相应的施肥量。在该农业、肥料数据库17中，针对上述的叶色的测定值与基准值之差，由专业人士决定并登记有每单位面积的施肥量。即，在农业、肥料数据库17中登记有用于施肥管理的施肥量的信息作为作物的栽培的管理之一，成为存储有涉及作物的栽培的管理的管理信息的管理信息存储设备。农业、肥料数据库17也与叶色基准值数据库16同样地可由专业人士根据该年度的气象状况等适当变更。
在此，管理服务器10利用换算叶色值、作物高度等生长状态、每单位面积的株数、一株中的茎数等栽培密度等对上述的每单位面积的施肥量进行调整。另外，在管理服务器10中，基于上述的农田的面积算出每块农田的施肥量。
例如，既可以基于测定的换算叶色值相对于叶色基准值的差对每单位面积的施肥量乘以或除以1.1、0.9等系数，也可以将每单位面积的施肥量和系数相加或相减，也可以在测定的换算叶色值比叶色基准值浓、且作物高度比成为基准的作物高度高的情况下将施肥量设为0。
也可以基于每单位面积的株数、一株中的茎数等来判定作物的生长密度比基准高还是低，基于此来增减每单位面积的施肥量。
另外，终端60例如是在地方自治体、农协、农业法人等农业相关团体中进行或辅助施肥管理、肥力管理的团体的操作者使用的终端，基本上是用于针对叶色基准值数据库16、农业、肥料数据库17进行数据的登记、数据的变更等数据的管理的终端，安装有用于管理服务器10的各数据库的阅览等的专用应用B(作物管理用应用)。在叶色基准值数据库16、农业、肥料数据库17的数据的登记、数据的变更过程中，有时参照耕地信息数据库13、栽培信息数据库14、测定值数据库15等，对它们的数据进行统计处理来利用，终端60通过登录管理服务器10，可访问管理服务器10的全部数据库。另外，通过利用终端60阅览使用作物管理系统的多个用户的测定数据等，而不是阅览每个用户的测定数据，也可观察地域整体的状况或进行各用户的各农田中的测定结果的比较。因而，不仅将叶色的测定值与基准值比较，也可将测定值与其他农田的测定值比较，在测定值明显比其他农田大或小的情况下，能够将其利用于施肥管理中的判断材料。
照相机30在此是换算叶色值测定用的，在装置上部的霍奇克斯式订书机状的部分夹持作物的叶，能够在遮断了自然光的状态下对叶的表面进行拍摄。照相机30与智能手机1连接而将拍摄而得的图像数据输出到智能手机1，经由智能手机1将图像数据输出到管理服务器10等。
此外，在第2实施方式的作物管理系统中，与第1实施方式的植物信息取得系统同样地，使用换算叶色值作为作物(植物)的培育状态的指标。即，在作物管理系统中，基于利用照相机30对作物的表面进行拍摄而得到的图像数据，取得换算叶色值作为作物的信息。在第2实施方式中，与第1实施方式同样地根据图像数据中的例如RGB(红、绿、蓝)等构成颜色空间的多个变量的值求出表示叶绿素浓度的换算叶色值。
即，作物管理系统与植物信息取得系统近似或类似，实质上是大致相同的系统，作物管理系统的照相机30与上述植物信息取得系统的照相机30相同。
另外，智能手机1具备作为存储应用、在应用中所使用的数据等的贮存器的闪存。此外，作为在应用等程序中所使用的存储器的RAM设置于例如控制设备中。
另外，在闪存中安装有作物管理用应用，针对从照相机30发送的上述的RGB和灰度的代表值(平均值)算出作为叶绿素量的指标的换算叶色值。此外，根据利用照相机30拍摄而得到的图像数据算出换算叶色值，但算出换算叶色值的处理既可以由智能手机1进行，也可以由从智能手机1发送了图像数据的管理服务器10进行，也可以在照相机30的内部进行。此外，在以下的说明中，作为换算叶色值进行说明，但此处的色标换算值可转换成SPAD换算值，如随后论述的实施例所示，求出SPAD换算值并将其转换成色标值。
在智能手机1中，从管理服务器10下载并安装有专用应用A(作物管理用应用)。在作物管理用应用中登记有利用例如回归分析、多元回归分析求出的上述的代表值和换算叶色值(SPAD换算值)的(多元)回归式(相关式)。登记有例如根据RGB的各平均值中的G的平均值和灰度的平均值算出SPAD换算值的多元回归式。由此，在从照相机30接收到RGB的各平均值和灰度的平均值的情况下，基于G的平均值和灰度的平均值，从智能手机1输出换算叶色值。
另外，所求出来的换算叶色值、向智能手机1输入的稻子的品种、栽培有稻子的地域(住所)、当前的日期、稻子的高度(作物高度)作为用于进行施肥管理的数据被发送到管理服务器10。在管理服务器10中，在上述的叶色基准值数据库16中，与例如稻子的品种、地域(住所)、时期(日期)相关联地登记有成为基准的叶色基准值。
在该管理服务器10中，作为施肥管理的处理，根据从智能手机1输入的地域(农田的住所、纬度以及经度)、当前的日期、稻子的品种对叶色基准值数据库16进行检索而提取叶色基准值。接着，对所提取的叶色基准值和输入的换算叶色值进行比较。
在此，在对与品种、地域、时期(月日)相关联地登记于叶色基准值数据库16中并如上述那样提取的叶色基准值和测定的换算叶色值进行了比较的情况下，例如，如果换算叶色值的值比叶色基准值小(如果颜色浅)，就考虑氮源不足，相反如果换算叶色值的值大(颜色浓)，就考虑氮源过多。
由此，可从管理服务器10向智能手机1发送是否施加氮肥等的施肥管理上的建议。
第2实施方式的作物管理系统的由照相机30取得换算叶色值作为作物的信息的作物信息取得方法，可与例如第1实施方式的植物信息取得系统的植物信息取得方法同样地进行。即，可与上述的图4的流程图所示的植物信息取得处理同样地进行。
接着，参照图10、图11以及图12的流程图对智能手机1的作物管理用应用中的主处理、登录处理以及初始设定处理进行说明。此外，在此，为了容易说明，假定作物管理用应用进行作为作物的稻子的施肥管理、肥力管理等栽培的管理，但作物并不限定于稻子，可将该作物管理系统适用于作为作物的各种蔬菜、水果、谷物等各种作物。
图10是表示作物管理应用的主处理的流程图和主画面。若利用智能手机1启动作物管理用应用，则开始主处理，显示主画面1a(步骤A1)。在此，在作物管理用应用中基本上可进行登录处理、初始设定处理以及作物管理处理。另外，作物管理处理存在3个模式，用户能够利用智能手机1选择任一模式。该作物管理处理的模式中存在如下模式：测定判定模式，其中，进行换算叶色值的测定和测定到的换算叶色值所表示的作物的生长状态的判定；栽培信息输入模式，其中，用户输入插秧、撒农药、施肥等农活的信息；叶色值履历显示模式，其中，将测定到的换算叶色值的测定结果的履历与叶色标准值比较并显示。
如图10所示，在启动时的主画面(启动画面)1a中，显示初始设定按钮1b，并显示测定判定按钮1c、栽培信息输入按钮1d、叶色值履历显示按钮1e作为与作物管理处理的上述各模式相对应的按钮。另外，在主画面1a显示有登录按钮1f，若触摸登录按钮1f，则在没有登录的情况下开始登录处理，但基本上在没有登录的状态下，即使触摸任一按钮，都开始登录处理。
即，在智能手机1中，判定是否以作物管理应用启动后的主画面1a中的触摸操作为契机来登录(步骤A2)。此外，登录了的状态是指如下状态：在管理服务器10中进行基于从作物管理应用启动着的智能手机1输入账户信息的认证，智能手机1对管理服务器10的访问被允许。
在没有登录的情况下，开始随后论述的登录处理(步骤A3)。在已登录的情况和上述的登录处理已结束的情况下，以对主画面1a的除了登录按钮1f以外的各按钮1b～1e的触摸为契机，选择与主画面上的各按钮1b～1e相对应的作业(处理)(步骤A4)，与触摸到的按钮1b～1e对应地选择执行初始设定处理(步骤A5)、或者选择执行作物管理处理的测定判定模式(步骤A6)、或者选择执行作物管理处理的栽培信息输入模式(步骤A7)、或者选择执行作物管理处理的叶色值履历显示模式(步骤A8)。
接着，参照图11的流程图说明登录处理。
在如上述那样使作物管理用应用启动了时，在没有登录的情况下开始登录处理，登录画面显示于智能手机1的画面1a(步骤B1)。在登录画面显示例如用户ID、密码的输入栏，并且显示用于在输入了这些用户ID和密码之后进行登录的登录按钮。另外，在登录画面中，针对没有设定用户ID和密码的未注册的用户显示有注册按钮。
若在登录画面上按压注册按钮，则开始用户注册处理，在作物管理用应用中，根据按压注册按钮还是按压登录按钮来判定是否进行用户注册(步骤B2)。
即，在触摸了注册按钮的情况下，作为选择了用户注册的操作，进行用户注册处理，在按压了登录按钮的情况下，进行登录处理。
在触摸了注册按钮的情况下进行用户注册处理(步骤B3)。在用户注册处理中，进行向管理服务器10的用户信息数据库12输入每个用户所注册的用户信息的处理。基本上显示用户信息的各项目的输入栏，进行使用户输入与各输入栏相对应的用户信息的处理。此外，在该用户注册处理中，用户信息从智能手机1向管理服务器10发送，用户信息被注册于管理服务器10的用户信息数据库12中，在用户信息注册时，需要成为可在智能手机1与管理服务器10之间进行数据通信的状态。
在用户注册处理中被输入并注册于用户信息数据库12的用户信息中存在例如顾客ID、用户ID、密码、姓名、住所、邮件地址、电话号码、收费信息、合同期间、照相机序列号、所属团体等。
在用户信息注册处理中，从智能手机1向管理服务器10通知要进行用户信息注册的情况，此时管理服务器10在进行了自动地设定还未注册于用户信息数据库12的顾客ID的处理之后，与该顾客ID相联系地由智能手机1输入的用户信息被注册于管理服务器10。
用户ID是用户决定的ID，也可以是例如昵称、邮件地址、姓名，但优选不与其他用户重复。此外，用户ID与唯一的顾客ID相联系，因此，也可以与其他用户重复。
收费信息是例如信用卡的信息，但收费也可以以预付卡、电子货币卡、银行存款、自动扣除等来进行。另外，在用户利用作物管理系统的过程中也未必进行收费。
合同期间是用户的作物管理系统的合同上的利用期间，例如合同期间自动地更新。照相机序列号是分别唯一地设定于与上述智能手机1连接的照相机30的编号，并且可对照相机30是否是正品进行判定。在该例中，设定有作物管理系统用的照相机30，用户购买被设定好的照相机30来使用，或从所属团体提供照相机30，各照相机30带有序列号，能够根据序列号对是否是可在作物管理用系统中利用的照相机30进行判定(认证)。此外，通过限定可使用的照相机30，能够抑制换算叶色值的测定结果的偏差，谋求测定结果的可靠性的提高。
此外，也可以，在没有输入序列号的情况下，将连接到智能手机1的照相机30设为无法使用，作物管理系统无法利用。例如，也可以将照相机30的购买设为作物管理系统的使用条件之一。
所属团体是例如农协、农业法人等。根据该所属团体，可对属于团体的用户进行接受来自由该所属团体管理的终端60的建议等服务。
若将用户信息输入用户信息的各输入栏，则用户注册完成，用户注册处理结束。此外，在用户注册结束时成为已登录的状态。
在按压了登录按钮的情况下，不进行用户注册处理，就进行登录输入处理(步骤B4)。在登录输入处理中，输入到上述输入栏的用户ID和密码被发送到管理服务器10，在管理服务器10中进行使用了用户信息数据库12的认证处理。在管理服务器10中，基于如上述那样从智能手机1输入的用户ID和顾客ID从用户信息数据库12提取密码，在所提取的密码与所输入的密码一致的情况下允许登录，在不一致的情况下拒绝登录。
在登录输入处理结束了的智能手机1中开始认证处理(步骤B5)，在从管理服务器10发送了上述的登录的允许或拒绝的结果的情况下，显示该结果。此外，在允许了登录时，智能手机1成为登录到管理服务器10的状态，通过选择由管理服务器10设定好的菜单，进行各处理。在拒绝了登录的情况下，用户进行作为账户的用户ID和密码的再次输入，或结束作物管理用应用。
接着，对在启动时的主画面(启动画面)1a中初始设定按钮1b被选择时的处理进行说明。在智能手机1登录到管理服务器10时，在初始设定还未完毕的情况下，在智能手机1中促使进行初始设定处理。此外，初始设定是否完毕与顾客ID相联系地登记于用户信息数据库12，在登录到管理服务器10时被确认。此外，如果在耕地信息数据库13中没有登记与顾客ID相对应的耕地，则不进行初始设定处理中的农田登记，确认是否进行初始设定处理。
在该初始设定处理中，基本上登记用户干农活的农田的位置。此外，在利用作物管理系统进行施肥管理时，需要耕地信息中的农田的面积的数据等，但是，例如根据换算叶色值等对稻子等作物的生长状态进行判断，只要以独自的方法进行施肥管理，就未必需要输入各农田的信息作为耕地信息。此外，耕地信息的输入可从设定画面随时进行。
在智能手机1的初始设定处理中，如图12的流程图所示，初始设定画面显示于显示器(步骤C1)。在初始设定画面中显示是否进行农田登记的选择画面，在选择画面上用户可输入是否进行农田登记。基于用户的输入，利用智能手机1对是否进行农田登记进行判定(步骤C2)。若选择不进行农田登记，则初始设定处理结束。另一方面，若选择进行农田登记，则耕地信息的输入栏被显示，可由用户输入上述的农田的信息作为各耕地信息。此外，各用户可登记多个农田。若将各耕地信息输入耕地信息的输入栏，则智能手机1将所输入的耕地信息向管理服务器10发送，作为农田登记处理(步骤C3)。发送来的耕地信息与顾客ID(用户ID)相联系地登记于管理服务器10的耕地信息数据库13。此外，在耕地信息数据库13中，针对作为农田的单位的每块登记农田。
在初始设定处理中输入的作为耕地信息的农田的信息是每个农田(每块)的地块序列号、农田名、住所、地域名、农田的面积、农田的形状的顶点(角)的数、各顶点的纬度和经度、所有者名字。农田名用于在用户具有多个农田的情况下容易区别各农田，可任意地设定。此外，也可以能以用户ID等和连号、字母等的组合自动地设定。农田的各地块序列号在耕地信息数据库13内成为不重复的唯一的数值，地块序列号的设定可由例如管理服务器10参照耕地信息数据库13不重复地进行。
用户可以输入农田的面积，但通过输入上述的各顶点的位置，确定农田的形状和尺寸，因此，也可以根据农田的形状和尺寸算出农田的面积。地域名基本上是成为住所的市镇村的名字，但在例如地域名被处理为米的品牌的情况下，也可以使用成为品牌的名字。
在作为农田的形状的顶点的位置的纬度、经度的输入中，也可以使用由例如智能手机1的GPS测定的当前所在地。
例如，在输入了顶点的数之后，用户持有智能手机1站立于各顶点，在智能手机1的初始设定画面上按压预定的按钮，从而智能手机1输入由GPS测定的当前位置。另外，也可以通过利用地图应用而在地图上触摸顶点位置，从而输入顶点位置。在该情况下，作为智能手机1的显示，不仅单独使用地图，也可以使用航空照片。
由GPS单独进行的当前所在地输入有可能产生误差，因此，也可以在利用GPS输入了各农田的顶点的位置之后，使地图应用的地图上的所输入的顶点的位置显示，而在地图上对位置进行修正。此外，在用户已输入有农田的面积、没有根据由农田的顶点位置表示的形状算出面积的情况下，即使顶点位置存在微小的误差也没有问题，因此，也可以不进行修正就使用GPS上的位置。
在1个农田的信息的输入结束了的情况下，继续使用户输入该农田的测定点，进行将所输入的测定点信息登记于测定点D/B的处理(步骤C4)。测定点的输入能够以与前述的农田的形状的顶点的位置的输入方法同样的方法输入。SPAD换算值的测定需要定点观测，因此，预先登记测定点。测定点以所输入的顺序被赋予测定点编号。
在1个农田的信息的输入结束了的情况下，在初始设定画面显示选择是否输入下一个农田的信息的画面，因此，用户选择是否还输入另一农田的信息。
在智能手机1中，对是否继续输入下一个农田的信息进行判定(步骤C5)，在不进行下一个农田的信息的输入的情况下，结束初始设定处理，在进行下一个农田的信息的输入的情况下，返回步骤C3之前的输入农田的信息的状态，输入下一个农田的信息。
在作物管理系统中，在初始设定结束了的状态下，用户定期地进行换算叶色值的测定，判定测定到的换算叶色值相对于叶色基准值是大还是小，除了该换算叶色值的数据以外，将作为栽培信息的作物(稻子)的品种、作物的生长程度、作物的栽培密度等的测定值从智能手机1输入管理服务器10的测定值数据库15。另外，在进行了施加肥料、或撒农药的农活的情况下，将该农活作为栽培信息登记于栽培信息数据库14。
该栽培信息的输入在作物管理处理的栽培信息输入模式下进行。栽培信息的输入需要农田的信息，可在初始设定处理后利用。通过在上述的主画面1a上触摸栽培信息输入按钮1d，开始作物管理处理的栽培信息输入模式。
接着，对在启动时的主画面(启动画面)1a中栽培信息输入模式按钮1d被选择了时的处理进行说明。如图13的流程图所示，在栽培信息输入处理中，进行确定农田的数据的输入，例如农田名的输入栏显示于智能手机1的栽培信息输入画面(步骤D1)，通过用户敲入农田名，农田名从智能手机1向管理服务器10发送(步骤D2)。此外，智能手机1已登录于管理服务器10，因此，也可以是该用户所拥有、占有、负责的农田名显示于画面上，由用户进行选择。另外，此时，表示当前的年月日的数据从智能手机1向管理服务器10发送。此外，年月日的数据是当前的年度、公历、日本历中的任一可知的数据即可，也可以利用管理服务器10侧的时钟功能求出。
在栽培信息数据库14中，在每一块农田，还在每一年度登记有各农田的栽培信息作为1个记录的数据，各记录与顾客ID相联系，并且与可确定农田的上述的农田的地块序列号和年度相联系。因而，若表示农田名和年度的数据从登录而识别了顾客ID的智能手机1向管理服务器10发送，则在管理服务器10中，参照耕地信息数据库13来对与农田名相对应的农田被登记的情况进行确认，根据顾客ID、从耕地信息数据库13提取到的地块序列号、当前的年度，提取栽培信息数据库14的针对每个农田和年度存储为1个记录的栽培信息。
在栽培信息数据库14中是否具有与上述的顾客ID、地块序列号、年度相对应的栽培信息的记录，从管理服务器10向智能手机1发送。在智能手机1中，根据来自管理服务器10的通知，判定有无与上述的顾客ID、地块序列号、年度相对应的记录(步骤D3)。
在没有与农田和当前的年度相对应的栽培信息的记录的情况下，进行新的记录的制作和登记(步骤D4)。
在该情况下，从智能手机1请求新的记录的制作，利用管理服务器10在栽培信息数据库14制作新的记录。
在制作新的记录时，在新的记录中与在记录制作时登录并选择了栽培信息输入处理的智能手机1相对应地登记顾客ID，并且，基于上述的农田名登记耕地信息数据库13上的地块序列号，还登记当前的年度。通常，在年初制作新的记录，作为那时已决定的信息，输入例如米品种。可根据在该新的记录制作时所登记的顾客ID、地块序列号、年度，随后在栽培信息数据库中对栽培信息进行检索，可在恰当的时期进行未输入的栽培信息的输入。
在存在与上述的顾客ID、地块序列号、年度的信息相对应的栽培信息的记录的情况下，利用管理服务器10从栽培信息数据库14提取符合的栽培信息的记录，将记录向智能手机1发送(步骤D5)。
在登记了栽培信息的新的记录的情况和栽培信息的记录被提取的情况下，成为在智能手机1接收到记录的状态，利用记录的栽培信息检查是否向应该输入数据的各基本项目输入了数据(步骤D6)。此外，应该输入的项目是预先设定好的随后论述的基本项目。另外，该检查也可以不是由智能手机1而是由管理服务器10进行。例如，在最初制作了新的记录的情况下，请求米品种、每坪面积的株数等信息作为输入项目。之后，在画面上输出促使根据时期需要输入的项目的输入的信息。
应该输入栽培信息数据库14的数据的基本项目是米品种、每坪面积的株数、插秧日、出穗日预测、收获日、产量(Kg)、每单位面积的产量(Kg/m2)、等级、平均水分量(％)、平均蛋白质质量(％)。米品种是例如越光、秋田小町等品种。此外，其中，如上述那样作物为米，但在作物为米以外的作物的情况下，登记作物的品种。
每坪面积的株数是指，例如与在插秧时一束一束地插秧的苗的束的每单位面积的数相当的数。一株含有多个稻子的茎，该每一株的茎数从苗的阶段起依次增加。插秧日是插秧的日子，在由作物管理系统对农活进行管理方面，优选在插秧日前后输入栽培信息来对稻子的栽培进行管理。
出穗预测日是预测稻子出穗的日子，基于地域和插秧日决定。基本上，由地域的自治体、农协进行预测，各地域的农业从业人员可知晓。此外，也可以根据地域和插秧日由管理服务器10自动输入。
收获日是在实际上收获的日子以后登记的，因此是应该输入的数据的项目，但实际上在栽培期间并不输入。此外，收获日的数据作为栽培信息的本年度之前的年度的数据而残留，作为过去的信息可利用于次年以后的栽培。另外，在栽培信息数据库14中，输入在收获后确定的数据，产量(Kg)、每单位面积的产量(Kg/m2)、等级、平均水分量(％)、平均蛋白质质量(％)等数据在收获后进行的检查之后被输入。
在栽培信息数据库14中除了存储有上述的基本项目的信息之外，还存储已干的农活，可输入与例如施肥日、撒农药日相关联地表示已施加的肥料的实施项目代码和施加量、表示农药的实施项目代码和撒药量。在栽培信息数据库14中，针对各种肥料、各种农药设定有代码作为农活的实施项目，能以实施项目的代码确定肥料、农药。此外，农活并不限于肥料、农药，能够包括各种农活，设定农活的代码即可。作为农活，能够设为可登记水相对于田地的出入、对米以外的作物浇水时的水量、除草、给果实加袋等实际上进行的农活的全部。
在智能手机1中，可利用上述应该输入的项目的检查来对是否存在应该输入的项目进行判定(步骤D7)。此外，在如上述那样由管理服务器10进行了检查的情况下，检查结果的判定也可由管理服务器10进行。
在应该输入的基本项目中存在栽培信息未输入的项目的情况下，基本项目的输入画面显示于智能手机1上，栽培信息可输入于未输入的项目(步骤D8)。基本上，收获日在栽培中未输入，直到被收获为止显示基本项目的输入画面，但可跳过基本项目的输入画面。另外，栽培信息的每个农田的记录进行了新的登记的情况下，存在未输入的基本项目，将栽培信息的基本项目输入。
在输入了基本项目的情况下，在基本项目的输入被跳过的情况下，在没有应该输入的基本项目的情况下，使智能手机1显示用于输入上述农活的项目的栽培信息输入画面(步骤D9)。在智能手机1中，可输入农活的信息，在农活的输入栏可输入已实施的日期、实施项目的代码、与已实施的内容相关的数值(例如，肥料、农药、水等的量)(步骤D10)。
此外，对于栽培信息的输入，各栽培信息的输入栏显示于智能手机1的栽培信息输入画面，由用户进行上述的实施项目的代码等栽培信息的输入。若栽培信息输入于输入栏，则所输入的栽培信息从智能手机1向管理服务器10发送，向管理服务器10的栽培信息数据库14输入栽培信息(步骤D11)。
接着，参照图14的流程图对在启动时的主画面(启动画面)1a中测定判定模式按钮1c被选择了时的处理进行说明。在本实施方式中，作为对作物的生长状态进行测定的指标，对叶的换算叶色值、作物的作物高度、一株中的茎数进行了测定。作物的作物高度用于表示作物的生长状态，在例如像米那样不是收获叶、茎而是收获作为谷物的谷粒的情况下，作物高度和收获量并不成正比。特别是在稻子中，若作物高度长得过高，则倒伏的概率变高，对稻米的收获量、品质带来不良影响。
叶色值基本上依赖于叶绿素浓度，叶绿素浓度依赖于氮量。即，如果作为肥料的氮量充分，则叶色值成为较大的值，如果氮量不充分，则叶色值成为较小的值。在叶色值的情况下，与表示充分的浓度的状态相比，即使进一步变浓，并不限于对米的收获量等带来好的影响，基本上优选叶色值、即绿色的浓度成为适度的浓度。与各品种和时期相对应的叶色基准值，用于表示例如适合于收获更多高品质的米的叶色值。一株中的茎数如上述那样在插秧后增加，由于茎数的增加，肥料等的需要量增加。
若如上述那样按压显示于智能手机1的主画面1a的测定判定按钮1c，则开始作物管理处理的测定判定模式。虽未图示，但最初用户选择农田。这由用户的农田一览表画面显示于画面，用户触摸并选择来决定。通过选择农田，服务器上的耕地信息D/B和测定点D/B被检索，取得农田的信息和测定点的信息，在画面上显示所选择的农田的形状，在其上显示测定点的位置。以后的作物管理处理的测定判定处理，进行所选择的农田的测定点的数。首先，若用户触摸并选择测定点，则在智能手机1中，在换算叶色值的测定之前显示稻子的作物高度的输入栏和每一株的茎数的输入栏。由此，若用户在智能手机1上输入稻子的作物高度和每一株的茎数，则在智能手机1存储这些作物高度和茎数(步骤E1)。
接着，通过利用连接到智能手机1的照相机30对稻子的叶进行拍摄，将叶的图像数据从照相机30向智能手机1输入(步骤E2)。此时，在自然光被遮挡的状态下利用LED的照明光对叶进行拍摄。由此，能够抑制自然光的影响，并且在利用LED照明进行拍摄时利用偏振板抑制来自叶的表面的直接的反射光，从而防止来自较近的位置的LED的照明的反射光发白地映出。也可以在拍摄前在智能手机上显示表示当前所在地和测定点的地图来将用户向准确的位置引导，以便能够在指定好的测定点进行拍摄。或者、也可以进行“稍微向前方○m”、“向斜前方○m”这样的声音引导。
在智能手机1中，与拍摄数据的输入相对应地，根据内部的GPS功能读取当前的位置的纬度和经度，并且利用内部的时钟功能读取当前的时刻(包括年、月、日)，与图像数据相关联地存储位置、日期时间(步骤E3)。此外，在所读取的当前的位置的纬度和经度距当前选择的测定点1m以上的情况下，作为输入错误而将错误信息输出。或者，也可以在判断为距登记于该农田的任一个测定点1m以内的情况下，设为存在测定点的输入错误，将所输入的测定点设为该最近的测定点而进行以下的处理。
另外，智能手机1对输出天气的信息的网站进行访问，读取包括由上述的GPS读取的当前所在地在内或附近的地域的当前的天气(步骤E4)。接着，进行用于根据图像数据算出换算叶色值的图像分析(步骤E5)。基本上，如上述那样进行根据图像数据求出R、G、B、灰度的各值的代表值的处理。此外，该处理既可以由例如照相机30进行，也可以由智能手机1进行。
接着，使用上述的相关式来算出换算叶色值和所求出来的R、G、B、灰度的值(步骤E6)。在此，换算叶色值根据与SPAD值之间的相关求出，成为与SPAD值近似的值。该换算叶色值(SPAD换算值)可利用为SPAD值，并且，也可转换成可由色标设想的色标换算值。基本上在地方自治体、农协等所提供的数据中，使用了色标值和SPAD值，可使用根据图像数据求出来的换算叶色值(色标换算值和SPAD换算值)来进行基于所提供的数据的判定。
若换算叶色值的1个测定点处的测定结束，则如图15所示，测定结果显示于智能手机1的画面5b(1)(测定显示模式画面)。此外，霍奇克斯式订书机状的照相机30夹着叶而开关35接通，从而自动进行拍摄。此时利用连接有照相机30的智能手机1输出快门声音，并且产生振动(1秒钟)。
在画面5b(1)上进行拍摄而得到的图像数据的显示5c。该显示5c用于表示叶的表面，是暗示例如换算叶色值的绿的彩色图像。另外。在画面5b(1)进行作为图像数据的颜色的平均值(代表值)的R、G、B、灰度(Gray)的值的显示5d、从这些值算出的SPAD换算值的显示5e、从SPAD换算值换算的色标换算值的显示5f。另外，在1个测定点进行设定好的次数的测定，求出各测定点的SPAD换算值和色标换算值的平均，进行从应该拍摄的设定好的次数除去拍摄次数而剩余的拍摄次数的显示5g。另外，在画面5b(1)显示有快门按钮1h，即使不夹着叶而接通开关35，通过使手指触摸画面5b(1)的快门按钮1h也可进行拍摄。由此，也可进行作为像叶那样薄的形状以外的作物的根菜、水果等的表面的拍摄。
如图16所示，若在1个测定点处设定好的次数的拍摄结束，则在智能手机1进行测定结果显示1i。该显示中，显示作为设定好的测定次数的各测定中的测定值的SPAD换算值和色标换算值，并且，测定它们的平均值。此外，在异常值存在于平均之前的测定值那样的情况下，也可进行再次测定，例如，若触摸1个测定值并触摸画面上的变更，则可再次进行拍摄。如果没有问题，就触摸登记，将测定值和平均值等数据向管理服务器10发送并存储。此外，可将测定者在测定时注意到的点记载为注释，在数据的登记时也存储注释。
接着，如上述那样将输入的位置和月日的数据向管理服务器10发送。在管理服务器10中，基于稻子的品种、位置和月日从叶色基准值数据库16提取叶色基准值，并向智能手机1发送。在智能手机1中，能够获得叶色基准值(步骤E7)。
此外，也可以在本步骤E7中，照相机以有线或者无线方式连接到智能手机时取得被存储到照相机内部的存储器的照相机的序列号，在将上述数据向服务器转送时同时转送，在服务器中对接收到照相机的序列号和储存到用户信息D/B的照相机序列号进行比较，在不一致的情况下，作为不恰当的访问请求而答复智能手机，在智能手机中输出错误信息，不进行之后的处理。由此，能够防止不恰当的访问、由不恰当的照相机向服务器登记图像以及SPAD换算值，能够进行下一年度的叶色基准值的适当的决定。
在叶色基准值数据库16中，与品种和日期相对应地如图14的图表所示那样登记有作为标准(基准)的叶色值的叶色基准值，通过输入品种和日期，能够提取叶色基准值。在智能手机1中，对通过测定而从图像数据得到的换算叶色值和从叶色基准值数据库得到的叶色基准值进行比较(步骤E8)。此外，在此，叶色值的值越大，颜色越浓。
比较结果如下：测定值和基准值大致相同且测定值相对于基准值处于容许范围的情况(步骤E9)；超过容许范围而测定值比基准值大的情况(步骤E10)；超过容许范围而测定值比基准值小的情况(步骤E11)。
在基准值和测定值处于容许范围内的情况下，栽培着的稻子的换算叶色值与叶色基准值大致相等，因此，顺利地生长，可利用例如智能手机1进行表示稻子的生长顺利的情况的显示(步骤E9)。在测定值超过容许范围并比基准值大的情况下，即颜色较浓的情况下，氮肥过多的可能性较高，利用智能手机1进行控制肥料、或者观察稻子的状况那样唤起注意的显示(步骤E10)。在测定值超过容许范围并比基准值小的情况下，想到氮不足，优选施加氮肥，为了决定肥料的量，使用测定值和基准值来对管理服务器10的农业、肥料数据库17进行检索(步骤E11)。在该情况下，除了换算叶色值的测定值和基准值之外，还输入稻子的品种、农田的地域、插秧日、当前的日期等。在农业、肥料数据库17中按照每个品种和每个地域存储有基准值与测定值之差、从插秧日到当前的经过天数、施肥量的表格数据。在表格数据中，根据基准值与测定值之差、从插秧日起的经过天数求出施肥量。
施肥量成为设定好的种类的肥料的农田的每单位面积的重量。从农业、肥料数据库17提取出的施肥量乘以例如登记到耕地信息数据库13的面积。由此，算出每单位面积的施肥量和每一农田的施肥量。在该情况下，也可以基于栽培信息数据库14的每单位面积(坪)的株数、测定值数据库15的每株的茎数、作物高度等数据对施肥量进行修正。也可以是，例如，茎数和作物高度与月日相对应地设定基准值，株数也设定基准值，在茎数和株数比基准值多的情况下，以使施肥量增加的方式进行修正，在作物高度较高的情况下，以使施肥量减少的方式进行修正。
决定好的每单位面积的施肥量和每一农田的施肥量由例如管理服务器10算出，并向智能手机1发送(步骤E12)，由智能手机1显示(步骤E13)。此外，在基于所显示的施肥量数据实际进行了施肥的情况下，选择前述的栽培信息输入模式而对施肥的实施进行存储。在基于上述那样的测定值与基准值之间的比较结果的处理结束时，将测定到的各种值按照每个农田(每个地块序列号)登记于测定值数据库15(步骤E14)。
即，可在测定值数据库15中登记顾客ID、地块序列号、拍摄日期时间、测定场所(GPS)、天气、气温、彩色图像、换算叶色值(换算好的测定结果)、基准值、作物高度值、每一株的茎数、R值、G值、B值、灰度(Y)值、诊断结果等。
存储到该测定值数据库15的数据可从基本上利用顾客ID和密码认证了的用户的智能手机1阅览，并且，可从运营作物管理系统的团体、例如地方自治体、农协、农业法人等的终端60阅览，并可利用数据。在该情况下，可对多个用户的各农田的数据进行比较。
对从用户的智能手机1可阅览的画面显示进行说明。使用了测定值数据库15的数据的处理中存在上述的作物管理处理的叶色值履历显示模式。如上述那样若在主画面1a按压叶色值履历显示按钮1e，则如图17所示，显示可对测定值的过去的数据(履历)和基准值的过去的数据(履历)进行比较的画面。
在该情况下，能够看到随着时间的经过而变动的基准值和测定值这两者，因此，在例如测定值比基准值低的状态下使施肥量增加了的情况下，可进行之后测定值也没有达到基准值的情况、大致达到基准值的情况、超过基准值的情况等的观察，根据这些内容，可求出对应于测定值与基准值之差的最佳的施肥量等。此外，在图17中显示登记到栽培信息数据库14的施肥、撒农药的日期、肥料、农药的使用量。这些施肥、撒农药的显示与进行这些的日期相对应地显示于图表的时间轴上。由此，能够容易地确认肥料、农药对测定值的影响。
另外，在本画面中，使图17的图表的背景颜色显示成同换算叶色值(SPAD换算值)的测定值与基准值之差的变化相对应地变化。即，按照时间轴的每个预定期间将图表的背景分成块，将各块的背景颜色设为同测定值与基准值之差值相对应地预先设定好的颜色并显示。由此，能够视觉地确认测定值与基准值之差。此时，优选未测定的时期的颜色根据前后的测定日的颜色补充并推测来进行着色。此时，基准值也呈带状地显示于图表的上方或者下方，并表现为渐变，由此能够利用颜色的不同视觉地识别基准值与测定值的不同。
另外，对于由用户选择好的农田，使用针对全部测定点测定并算出的SPAD换算值的数据、和用户从上方利用智能手机1的照相机功能对农田整体进行拍摄而得到的图像，在智能手机1的画面上显示农田的外形形状，显示每个测定点的SPAD换算值的测定值和基准值，根据每个测定点的SPAD换算值和显示于农田拍摄图像的色彩状况对农田整个区域的SPAD换算值分布进行推测，将显示了以颜色区分的方式涂抹显示与基准值之差的图像的图表示在图18中。其中，对由智能手机1拍摄到的图像中的农田进行识别。此时，利用智能手机1的基于GPS等的位置测定功能来决定农田的拍摄位置，并且，利用田埂等来对农田的形状进行图像识别，且根据上述农田的形状的顶点位置来对农田的范围进行识别。此外，用户也可以在智能手机1的画面上输入所拍摄到的图像上的农田的范围。在该情况下，通过例如在农田的图像上触摸上述的形状的顶点位置来输入农田的范围。
接着，在智能手机1中，在图像数据上设定如上述那样进行了测定的测定点的位置。在该情况下，使用上述的测定点的纬度和经度。在农田的图像数据中，以图像上的颜色的不同将农田划分成多个区域。此时，使用例如图像数据的RGB的各值、根据RGB求出的与色差、亮度等有关的值中的与SPAD值的相关性较高的值。例如，也可以使用G的值、根据RGB的值求出的与亮度有关的灰度的值。另外，也可以根据各像素的RGB的值、灰度的值利用上述的相关式求出临时的SPAD换算值并使用。
在使用上述的值(例如，G的值)来划分成各区域的方法，能够使用例如任意方法，对各测定点处的图像数据上的G的值进行排序而以值的大小顺序排列，将相邻的G的各值的中间值作为阈值，将包含各测定点的G的值的G的值的范围设定为按照阈值划分开的范围，基于图像数据的各像素的G的值将各像素划分成各范围的区域。
划分好的各区域利用所含有的测定点的测定值与基准值之差的值的大小来进行颜色区分。另外，也可以不对与基准值之差、而对农田整个区域的SPAD换算值分布进行涂抹显示。在该画面上的测定点所在的场所，与该SPAD的测定值一起显示有×标记等标记。
接着，对显示于运营作物管理系统的团体、例如地方自治体、农协、农业法人等的终端60的画面进行说明。如上述那样，在终端60中，注册于作物管理服务器10，因此，例如，如图19所示，在地图上也可对农田内的全部测定点的测定值的平均值与基准值之差的不同进行颜色区分来显示被登记于作物管理系统的各农田的区域。在该情况下，在大致相同的地域内可分清与基准值几乎没有差的农田和与基准值之差较大的农田，可向基准值与测定值之差较大的农田的用户的智能手机1发送促使注意那样的消息等。
另外，通过对各农田的基准值与测定值之差、各农田的米的生产量、米的品质等进行比较，可使基准值接近米的生产量较高且米的品质较高的农田的测定值。由此，可将基准值改善成更适合的值。此外，图17～图19的颜色区分表示与基准叶色值之差，但也可以设为表示换算叶色值(SPAD换算值)的测定值的颜色区分(直接表现叶色，或者与换算叶色值相应的颜色区分)。
接着，说明本发明的第3实施方式。
第3实施方式说明在第1实施方式的植物信息取得系统以及第2实施方式的作物管理系统中用于对所述颜色信息、植物信息的异常值进行检测并将该异常值删除的方法。
在例如熟练的农业从业人员利用叶绿素计对SPAD值进行测定那样的情况下，存在如下情况：根据稻子的基于视觉的颜色感觉和作为测定结果的SPAD值，测定结果判断为异常而重新测定，异常对作物管理的影响被排除的可能性较高。不过，对于没有进行测定的农业从业人员来说，发现异常值未必容易。因此，在植物信息取得系统和作物管系统中，在照相机30或智能手机1中对所测定的颜色信息、植物信息的异常值进行检测。
在本实施方式中，在与图32所示的3个异常的原因相对应的异常值的检测方法中，在满足3个异常值判定条件的任一个的情况下作为异常值。第1异常判定条件是如下条件：在照相机30的拍摄范围中的预定范围内对被摄体进行了拍摄的情况下，对拍摄位置偏离而预定范围的一部分从被摄体偏离、或与被摄体的侧缘部重叠的情况下的异常进行判定。在此，预定范围是例如2mm×2mm且180像素×180像素程度的范围。因而，存在例如比稻子的叶的宽度足够小、但由于拍摄方法而叶与预定范围整体不重叠的情况。在该情况下得到的矩形的预定范围的图像的四角中的某一个成为从被摄体偏离了的状态，图像的从被摄体偏离了的角部分比其他部分变暗(颜色变浓)、或变亮(颜色变淡)。
因而，在第1异常值判定条件下，从预定范围的4角部分的像素取得RGB值，求出各个角部分的换算叶色值。在此，在将黄色换算值设为叶色色标的读取值的换算值的情况下，在4角部分的换算叶色值小于1、或超过7的情况下，将利用该测定获得的预定范围整体的颜色信息、换算叶色值判定为异常值。
即，对于异常值判定条件，在矩形的预定范围的4角部分分别求出换算叶色值，在即使该叶色换算值的1个超过预定的上限值或预定的下限值的情况下，将作为该测定时的测定结果的换算叶色值判定为异常值。在图32中，在用于说明第1异常值判定条件的图像中，在1～4这4个角部，仅在1个角部换算叶色值超过7而成为9以上，预定范围整体的换算叶色值被判定为异常值。此外，用于异常判定的并不限于换算叶色值，也可以将求出叶色换算值所使用的作为测定结果的RGB、灰度值(平均值)中的任一个单独或多个组合，与设定好的单独或多个阈值(上限值、下限值)进行比较来进行判定。
第2异常值判定条件主要用于对在拍摄时未充分地遮光而自然光进入的情况下的异常值进行判定。在本实施方式中，夹着叶并遮光来进行拍摄，但存在如下情况：由于叶的表面不是平面而成为曲面，遮光并未充分地进行，自然光进入，图像比正常时变亮(颜色变淡)。第2异常值判定条件用于将图像(颜色信息)如此变亮的情况检测为异常。此外，自然光成为主要从上述的矩形的预定范围的1侧缘部进入的状态，在矩形的图像中主要是1侧缘部变亮。如图32的第2异常值判定条件的项目所示那样，在蓝B的亮度值(代表值)成为作为阈值的75(0～255的范围)以上的情况下，将所求出的换算叶色值判定为异常。此外，在对绿叶进行计量的情况下，在自然光被充分地遮断了的状态和如图32所示那样自然光进入了的状态下，蓝B的亮度值的变化比其他颜色的亮度值的变化大，易于知晓自然光的有无，因此，利用蓝B的亮度来判定异常值。此外，在图32中，示出各颜色的平均的亮度值和判定为异常的情况下的亮度值，蓝B的亮度的变化量明显比其他颜色的亮度的变化量大。
此外，作为异常值判定条件，也可以不判定蓝B的亮度值，而是判定其他颜色的亮度值、全色(白)的亮度值是否超过阈值。也可以设为参照矩形的预定范围的4个侧缘部的蓝、其他亮度值而对是否超过阈值进行判定。
第3异常值判定条件是由叶的污垢、伤痕等决定的条件、对由其他原因导致的异常值进行检测的条件，根据多次测定结果求出RGB、灰度值的标准偏差σ，将作为超过例如2σ的范围的测定结果的换算叶色值判定为异常。此外，在由叶色色标、叶绿素计进行的叶色值的测定中，例如，在1个农田中选择10株稻子，在每一株中对展开第2叶的叶色值进行测定的情况较多。因此，在本申请实施方式，也只要在一下子的测定中获得10个换算叶色值，就能够求出标准偏差σ来进行异常值的检测。对于检测，即使是RGB、灰度值的一个超过了上述的范围的情况下，也判定为异常。或者也可以仅对RG、或者RGB的计算值灰度进行判定。
以下，参照图33的流程图对异常值判定处理进行说明。此外，异常值判定处理可由例如智能手机1进行，但也可以在照相机30设置异常值判定处理的功能。在异常值判定处理中，首先，设定测定次数(步骤F1)。如上述那样一下子的测定中，可进行例如10次测定。
接着，开始由照相机30进行的测定(拍摄)(步骤F2)，照相机30进行拍摄(步骤F3)。实际上，在测定开始，智能手机1侧等待依次从照相机30输入图像信号的状态下，从照相机30依次输入图像信号等。输入的图像信号被存储于智能手机1侧。此外，在将异常值去除后进行再次测定的情况下，在将作为异常值的图像信号等的测定结果删除之后存储新的图像信号。
根据图像信号算出预定范围的各像素的R、G、B、灰度的值而求出作为各像素的代表值的平均值并将其作为颜色信息，并且根据颜色信息算出换算叶色值(步骤F4)。此时，求出预定范围整体的颜色信息以及换算叶色值，并且求出4角部分的颜色信息和换算叶色值。此外，各像素的平均值，只要求出例如绿G的平均值和灰度的平均值即可，在此，为了异常值判定，进一步求出蓝B的平均值(代表值)。此外，RGB的平均值的算出既可以由照相机30进行，也可以由智能手机1进行。
接着，对拍摄范围的矩形的预定范围的四角部分的换算叶色值是否超过预定的上限值或预定的下限值进行判定(步骤F5)。
在上限值和下限值都没有超过的情况下，对蓝B的平均值是否超过预定的阈值进行判定(步骤F6)。
在步骤F5中矩形的预定范围的图像的角部分的换算叶色值超过上限值或下限值的情况下、和在步骤F6中蓝B的平均值超过预定的阈值的情况下，在智能手机1中进行错误显示(步骤F7)。例如，在智能手机1的显示器显示产生了异常值的情况，通知再次测定。用户基本上反复进行拍摄直到设定好的次数的拍摄结束为止，在步骤F5、步骤F6中判定为异常的情况下，测定次数不递增，就在步骤F7中通知错误，转向步骤3而等待从照相机30输入下一个图像信号。
在步骤F6中判定为蓝的颜色信息正常的情况下，使测定次数增加1，对测定次数是否成为上述设定好的次数进行判定(步骤F8)。在没有达到设定好的次数的情况下，转向步骤F3而在下一个基于照相机30的拍摄的图像信号输入时存储图像信号，转向步骤F4。
在步骤F8中，在测定次数达到了设定好的次数的情况下，求出所测定到的全部的换算叶色值的RGB、灰度值的标准偏差σ和平均值(步骤F9)，接着对是否存在相对于换算叶色值的平均值超过例如2σ的范围的换算叶色值进行判定(步骤F10)。
在没有超过2σ的范围的换算叶色值的情况下，对其进行确认(步骤F11)，将测定到的换算叶色值登记于智能手机1(步骤F12)。
另外，在步骤F10中存在超过2σ的叶色值的情况下，将表示存在异常值的警告进行显示(步骤F13)。接着，在将异常值去除时，使用户利用按钮的按下等表示是否为了获得替代异常值的测定值而进行再次测定的意思，并判定是否进行再次测定(步骤F14)。在判定为用户进行了表示不进行再次测定的输入的情况下，转向步骤F12，将全部测定结果登记于智能手机1。此外，既可以将超过上述的2σ的范围的测定结果排除，也可以询问用户是否登记，来使用户决定是否登记。此外，对于异常检测，在即使是RGB、灰度值的1个超过的情况下也判定为异常。或者也可以仅对RG、或者RGB的计算值灰度进行判定。
在步骤F14中，判定为选用户择了再次测定的情况下，例如，将按测定顺序附加了编号的图像信号等测定结果中的判定为异常值的测定结果的编号输入(步骤F15)。接着，返回步骤F3而利用照相机30进行拍摄。此时，在将拍摄而得到的图像信号等向智能手机1登记时，将与输入的编号相对应的成为异常值的图像信号、颜色信息、叶色换算值等删除。
根据这样的异常判定处理，即使用户不对测定结果是否异常进行判断，也利用智能手机1对是否是异常值进行判定并删除异常值，因此，即使是难以进行异常值的判定的用户，也能够安心地进行测定。另外，能够以较高的概率排除异常值，因此，作为测定结果的换算叶色值的可靠性变高，能够减少由测定者的不同导致的测定结果的差异。
接着，说明本发明的第4实施方式。
本实施方式表示上述的植物信息取得系统或作物管理系统中，如上述那样求出的换算叶色值在智能手机1中的显示方法。上述的照相机30以可输出图像信号、颜色信息的方式与智能手机1连接。此外，颜色信息也可以在智能手机1侧根据图像信号算出。
图34表示利用照相机30进行拍摄过程中的智能手机1的显示画面(显示设备)102，在显示画面102中，包括从照相机30输出的图像信号显示为上述的预定范围的动画的拍摄动画显示部103和显示画面102的下侧的比较对象显示部104，在该比较对象显示部104中，成为比较对象的已进行拍摄而得到的图像数据显示为静止画(照片)。另外，如上述那样以设定好的次数连续进行拍摄，因此，在此次拍摄之前已拍摄的静止画显示于比较对象显示部104。在此，例如，如上述那样一下子进行10次测定(拍摄)，在图34中，在第7次拍摄时，成为第6次拍摄结果的静止画显示于比较对象显示部104。此外，在显示画面102的下部显示叶色色标的读取值的换算值(叶色值)和SPAD换算值(SPAD值)。因而，用户能以数值和颜色识别测定结果。另外，在显示画面102的上侧显示预先登记有位置的农田名和表示农田内的地区的记号。这利用智能手机1的GPS功能根据位置对农田名和地区的记号进行检索来显示。此外，也可以在比较对象显示部104不显示颜色地显示拍摄而得到的静止图像。
在将图34的智能手机1的显示画面102设为通常模式的画面的情况下，图35成为比较模式的显示画面102，除了比较对象显示部104之外，还显示第2比较对象显示部105。可在第2比较对象显示部105显示被登记于智能手机1或者数据管理服务器10等的外部数据库的其他农田、不同年度的颜色信息(RGB值的代表值)的颜色、图像，能够对例如生长良好的成为模范的颜色、其他农田的状态的颜色、图像与当前拍摄的图像进行比较。此外，设为上述的全面涂敷状态的单色的颜色图像是将根据例如在求出上述的叶色换算值时拍摄而得到的图像数据算出来的RGB值的平均值(代表值)设为颜色的图像。另外，成为比较对象的颜色(RGB值的平均值)的数据，也可以是从例如地方自治体、农协、其他组织提供的，或运营管理服务器10的组织使用本实施方式中的照相机30收集到的。
图36是将在一下子的测定中所测定到的多个结果显示于1个显示画面102的结果显示部106的图，作为各测定的测定结果，可显示多个叶色色标的换算值(叶色值)和SPAD换算值，并且，与这些相对应地将作为上述RGB值的代表值的颜色信息显示为颜色。
由此，能以数值和颜色来确认一系列的测定结果，也能够通过视觉来确认测定结果。此外，在结果显示部106中，能够以手动并通过再次测定来将认为异常的测定结果变更，并且能够以手动进行测定结果的登记。
图37是表示用于以静止画(照片)对多个测定结果和成为比较对象的过去的测定数据等进行比较的显示画面102的图，在显示画面102的数据比较部107，按照每个测定结果，在测定结果显示部108显示静止画。另外，在比较照片显示部108a显示作为成为比较对象的测定数据的静止画。在此，成为比较对象的静止画例如是如下内容：1、同一农田的前次测定结果；2.同一农田的过去的同一时期的测定结果；3.另一农田的同一时期的测定结果；4.该地区的基准农田的同一时期的测定结果；5.该地区的模范农户的同一时期的测定结果、6.该县在该时期所推荐的基准的叶色值等。此外，第六个不是照片，而是以上述那样的RGB的平均值表示的颜色。另外，在平均值显示部109显示将作为上述的各测定结果的RGB的平均值进一步平均而得到的平均值的颜色图像，并且，在基准值显示部110显示成为基准值的RGB值的颜色的图像。成为基准值的颜色是指，例如从公共机关供给、且认为在现状下最佳的生长状态的颜色信息。此外，成为基准值的颜色、换算叶色值也可以是基于例如过去的结果、来自公共机关的成为基准的指标、该地域的作物的平均值、该地域的优秀的生产者的栽培结果等的颜色、换算叶色值。
对于作为上述的RGB的平均值的颜色的求出方法，在例如图像数据具有计32400像素(180像素×180像素)的情况下，若算出各像素的RGB值，则获得合计32400个RGB的各亮度值。若RGB的各亮度值的合计除以像素数(32400像素)，则可求出平均。
此外，对于测定结果，在以上述那样的RGB的平均值的全面涂敷状态的颜色显示成为比较对象的测定数据的情况下、或在根据作为测定结果的RGB、灰度的平均值求出换算叶色值的情况下，在例如照相机30的机种、生产厂家不同的情况下，图像处理不同，因此，除了拍摄传感器、光源、光学系统等的个体差异之外，还由于图像处理的工艺、参数的设定等的不同，形成的图像信号变化。因而，在准确地进行成为拍摄对象的植物的颜色、基于颜色的换算叶色值的比较方面，优选如上述那样对相同机种的照相机30进行校正来使用。在无法使用相同机种的照相机30的情况下，在与上述的校正同样地对相同的颜色的色条进行了拍摄的情况下，优选的是以即使是机种不同的照相机，也能够取得大致相同的RGB的平均值的方式进行调整。此外，由于显示器的机种的不同，所显示的颜色变化，但以相同机种的显示器进行比较显示，因此，无需进行显示器侧的图像处理电路等的调整。
图38是可同时显示时间序列中的不同时期的测定结果、不同场所的测定结果、上述的基准值来进行比较的图。在显示画面102的图表显示部112，换算叶色值分成测定值和基准值而显示为折线图表，可对测定值和基准值进行比较。另外，在颜色比较部113，同样地将基准值和测定值并列显示为上述颜色信息的颜色(RGB的平均值的颜色)。
由此，在以时间序列显示测定结果和基准值的情况下，可根据图表和颜色来进行状况是良好、还是恶化了、还是改善了等的判断。另外，在与不同的场所相对应地显示测定结果和基准值的情况下，能够按每个场所对生长状况的好坏进行判定，可按每个场所进行施肥管理、应对方法的研究。
实施例
以下，作为本发明的实施例，说明为了求出基于利用照相机30拍摄而得到的图像数据的RGB和灰度的值与SPAD值之间的相关关系的多元回归式而进行的实验。
如图20所示，实验条件如下所述：在作为测定期间(数据期间)的2014年的6月25日～8月18日的约50日期间内进行了5次测定。测定日是6月25日、7月4日、7月11日、7月25日、8月18日这5日，作为实验条件，也设定了成为测定期间的后一半的7月11日、7月25日、8月18日进行了测定的形态。测定所使用的照相机使用了没有支承构件33的开发中的照相机。没有支承构件33，因此，在测定时，在将叶放置于桌子、各种台等的状态下需要将罩34的顶端按压于叶，不是在现场对稻子进行测定，而是在采集了稻子之后在建筑物内进行拍摄和SPAD值的测定。
在测定时，在多个稻田设定多个试验区，从各试验区采集了成为代表的一株稻子。此外，存在由于测定日的不同、采集了样品稻子的试验区及其数不同的情况。从各稻子的株拔取10根茎，并且利用照相机对各茎的完全展开第2叶的中央部进行拍摄而取得图像数据，并且，在相同场所使用叶绿素计来测定了SPAD值。SPAD值的测定中使用了SPAD-502Plus(KONICA MINOLTA，INC.制)。因而，在1次试验时，在各试验区中进行了一株稻子的10片叶的测定。另外，在回归分析时，作为数据处理方法，存在如下情况：直接使用了针对一株稻子的不同叶的10次测定的值的情况；求出平均值作为一株稻子的10片叶的测定的值的代表值，使用该平均值来进行了多元回归分析的情况。此外，代表值能够如上述那样使用中央值、众数等一般用作代表值的值。
另外，照相机的拍摄条件设为以下4种。在开发中的照相机中搭载有3个白色LED42，可进行将白色LED42的2盏点亮的2盏模式、3盏点亮的3盏模式下的拍摄，在拍摄时进行了2盏模式下的拍摄和3盏模式下的拍摄。另外，在拍摄时，以如下形态进行了拍摄：桌上形态，将叶配置于桌上，按压罩34而遮断自然光，以白色LED42的照明进行了拍摄；透窗形态，在用罩34将叶按压到窗的状态下，使白色LED42点亮，以透过叶的自然光和白色LED42的照明这两者进行了拍摄。在透窗形态中，受到自然光的影响，并且不仅以反射光进行拍摄，而且以反射光和透射光这两者进行拍摄。此外，在桌上形态中，不以透射光，仅以反射光进行拍摄。
在该实施例中，作为图像分析方法，将用于图像分析的色彩模式(颜色空间)设为RGB+灰度和HSV+灰度。如上述那样，将对叶进行拍摄而得到的图像数据的预定范围的各像素的RGB的各值、灰度的值或HSV的各值和灰度的值设为说明变量(独立变量)，将SPAD值设为目标变量(从属变量)，进行了多元回归分析。此外，在进行多元回归分析之前使用RGB+灰度作为上述的色彩模式，测定方法是2盏桌上、且使用一株稻子的10片叶的测定结果的平均值，将SPAD值设为从属变量、将RGB+灰度的各值分别设为1个独立变量，将进行了一元回归分析的结果表示在图21的图表中。
在图21的图表中，横轴是SPAD值，纵轴是RGB+灰度的各值(强度)。另外，四方点是G，菱形点是R，三角点B，圆点是灰度。另外，对于图表上的各直线，上数第一个表示G和SPAD值的回归式(回归直线)，上数第二个表示灰度和SPAD值的回归式(回归直线)，上数第三个表示R和SPAD值的回归式(回归直线)，上数第四个表示B和SPAD值的回归式(回归直线)。
若将SPAD值设为Y、将G设为X，则回归式为Y＝-0.0076X+0.47，决定系数R2是0.7892。另外，若将灰度设为X，则回归式为Y＝-0.0054X+0.3289，决定系数R2是0.7719。另外，若将R设为X，则回归式为Y＝-0.0035X+0.1794，决定系数R2是0.7461。另外，若将B设为X，则回归式为Y＝-0.0003X+0.0198，决定系数R2是0.0589。此外，决定系数R2与相关系数R的平方相等，也称为贡献率。根据以上内容，在将RGB+灰度的各值单独设为独立变量、将SPAD值设为从属变量的情况下，G和灰度的贡献率较高，B的贡献率较低。
因此，在多元回归分析的多元回归式中，不是将RGB+灰度的各值的全部设为独立变量，仅将相关较强的变量设为独立变量来制作了多元回归式。如图22所示，通过4个步骤从RGB+灰度的4个独立变量逐一减少独立变量来进行了多元回归分析。即，进行了使用了全部4个独立变量的多元回归分析作为步骤1；除了前述的4个独立变量中的表示显著性的t值的绝对值最低的独立变量之外进行了使用了3个独立变量的多元回归分析作为步骤2；除了前述的3个独立变量中的t值的绝对值最低的独立变量之外进行了使用了两个独立变量的多元回归分析作为步骤3；除了前述的两个独立变量中的t值的绝对值最低的独立变量之外进行了使用了1个独立变量的回归分析作为步骤4。
在这4次(多元)回归分析中，参照相关系数R、修正(自由度已调整决定系数)R2、说明变量选择基准Ru来决定所使用的独立变量。修正R2与决定系数R2同样地表示贡献率，但是，若独立变量增加，则决定系数R2成为增加倾向，而修正R2考虑了独立变量的个数，对判定最佳独立变量是有效的。另外，自由度修正决定系数(修正)R2成为比决定系数R2小且1以下的值，也可为负。
另外，说明变量选择基准Ru是用于对是否是有效的独立变量(说明变量)进行判断的指标，在以上述各独立变量的组合进行了多元回归分析的情况下，Ru越大，能够判定为越有效。另外，上述的t值用于表示回归系数的显著性，是图24所示的系数同样地除以图24所示的标准误差而得到的值，意味着对目的变量的影响度。在t值的绝对值小于2的情况下，在统计上判断为该说明变量对目标变量没有影响。t值在理论上可取-无限大～+无限大的值。t值的绝对值越大，表示将与t值相对应的独立变量导入多元回归式越有效。
图23是表示图20所示的实验条件中的照明是使用了2盏白色LED42的2盏模式、拍摄方法是在桌上遮断自然光的拍摄即桌上模式、使用每一株测定10片叶的情况下的10次测定的平均值来进行多元回归分析的情况的各数据的图。在每个测定日和采集了样品的每个试验区，示出作为测定结果的图像数据的R的平均值、G的平均值、B的平均值以及灰度的平均值以及由叶绿素计测定到的SPAD值的平均值。此外，R的平均值(R值)、G的平均值(G值)、B的平均值(B值)以及灰度的平均值(灰度值)是在1次测定中拍摄而得到的图像数据的预定范围内的各像素的平均，并且是使用10片叶进行了10次测定的平均。
在图24示出将图23所示的SPAD值设为从属变量，将R值、G值、B值以及灰度值设为独立变量并按照图22所示的步骤1～4进行了多元回归分析的结果。对于多元回归分析，使用了Microsoft Excel(注册商标)的分析工具的回归分析来进行。
如图24所示，以R值、G值、B值以及灰度值这4个独立变量进行了多元回归分析的结果，在R值、G值、B值以及灰度值中表示上述的各独立变量的显著性的t值的绝对值最小的是B值。因此，在步骤2中，除了B值之外，以R值、G值以及灰度值这3个独立变量进行了多元回归分析。在步骤2中t值的绝对值最低的是R值。因此，在步骤3中，除了R值之外，以G值和灰度值这两个独立变量进行了多元回归分析。在步骤3中t值的绝对值较低的是灰度值。因此，在步骤4中，将G值作为独立变量进行了回归分析。
在图25中示出在上述的步骤1～4中使用的4个独立变量的组合形态、各形态中的步骤1～4的(多元)回归分析中的相关系数R、修正(自由度已调整决定系数)R2、说明变量选择基准Ru。
其中，如图25所示，使用了步骤1的4个独立变量的情况的相关系数R稍高，但修正R2、说明变量选择基准Ru在使用了步骤3的G和灰度这两个独立变量的情况下最大。另外，存在独立变量越多、相关系数R越高的倾向，因此，独立变量是两个的步骤3的相关系数R比独立变量是4个的步骤1的相关系数R稍低，但步骤3的各独立变量的t值比步骤1的各独立变量的t值高，步骤3的情况下的各独立变量的显著性比步骤1的情况下的各独立变量的显著性大。根据以上内容，在使用RGB+灰度的颜色空间的多元回归分析中，采用步骤3的形态：独立变量是比4少的2、且使用修正R2、说明变量选择基准Ru最高的、G和灰度这两个独立变量。此外，在HSV+灰度的情况下，不进行独立变量的最优化，使用H值、S值、V值以及灰度值这4个变量来进行了多元回归分析。
在图26中示出了使用以图20所示的实验条件的组合进行的实验条件不同的测定结果的多元回归分析中的(多元)决定系数R2和显著F。显著F表示回归式的全部系数为0的概率，如果小于约5％(小于0.05)，就能够在统计上称为“回归式的全部系数不是0”。如果显著F接近0，则越接近，回归式的可靠性越高。
另外，在图27中，与标注于图26的实验条件的各组合的图表横轴名称相对应地，以柱状图表示(多元)决定系数R2。此外，图26所示的显著F表示在全部实验条件下回归式的可靠性较高。
对于(多元)决定系数R2，图26的上数第一个且图27的图表的左数第一个的HSV-2盏桌上(平均)、图26的上数第三个且图20的图表的左数第三个的RGB-2盏桌上(平均)示出了较高的值。如图26所示，HSV-2盏桌上(平均)，如上述那样在桌上利用2盏模式进行叶的拍摄，使用HSV+灰度作为颜色空间的变量，将10次测定结果的平均值作为多元回归分析的数据。
另外，RGB-2盏桌上(平均)，如上述那样在桌上利用2盏模式进行叶的拍摄，使用RGB+灰度作为颜色空间的变量，将10次测定结果的平均值作为多元回归分析的数据。此外，在使用RGB+灰度作为色彩模式的情况下，在多元回归分析时，如上述那样仅使用G的值和灰度的值作为独立变量，在使用HSV+灰度的情况下，使用了H的值、S的值、V的值、灰度的值这全部的值。
图28中示出HSV-2盏桌上(平均)和RGB-2盏桌上(平均)的多元回归分析结果。基本上，独立变量较多的HSV-2盏桌上(平均)的相关系数R、决定系数R2、修正R2的值稍大，对于RGB-2盏桌上(平均)，独立变量是两个，各独立变量的t值变大，相对于此，对于HSV-2盏桌上(平均)，独立变量是4个，独立变量成为RGB-2盏桌上(平均)的两倍，并且各独立变量的t值比RGB-2盏桌上(平均)的各独立变量的t值小。
如上述那样进行了多元回归分析的结果，与一元回归分析相比，能够获得更高的相关系数。
在一元回归分析的情况下，多元决定系数R2＝0.6171(将颜色空间设为RGB、并且将G设为独立变量、设为2盏桌上、10点平均、全区间的条件)，而在多元回归分析中，多元决定系数R2＝0.87619(将颜色空间设为RGB、将独立变量设为G和灰度，设为2盏桌上、10点平均、全区间的条件)。
得到与个别数据的多元回归分析相比，各测定点10点的平均与SPAD值之间的相关较高这样的结果。即，认为：相关关系的高度成为平均>个别数据的顺序，2盏桌上>3盏桌上>3盏透窗>2盏透窗的顺序。
并且，在设为2盏桌上、10点平均、全区间的条件下，在HSV图像分析或RGB图像分析中呈现了较高的相关系数。对HSV图像分析和RGB图像分析进行了比较的结果为，RGB图像分析的t值呈现较高的值(影响度较高)。如上述那样RGB图像分析的变量较少。即，以较少的变量呈现较高的相关系数，因此，各个因素(独立变量)的影响度较高。
根据以上内容，作为用于多元回归分析的数据，在RGB-2盏桌上(平均)的条件下使用RGB图像分析。
此时的多元回归式(相关式)成为SPAD值＝-701.166×(G的平均值)+785.3087×(灰度的平均值)+68.92808。即，求出利用照相机30对10片叶进行拍摄而得到的10个图像数据各自的预定范围的像素的G的平均值(代表值)和灰度的平均值(代表值)，在将这些值作为G的值和灰度的值之后，求出10个图像数据的G的值的平均值(代表值)和10个图像数据的灰度的值的平均值(代表值)，将这些G的平均值和灰度的平均值代入上述多元回归式，从而求出SPAD换算值(换算叶色值)。此外，未必需要进行10次测定并将10次测定结果的平均值代入相关式，也可以变更测定次数。
在图29中示出了对如下的值进行回归分析而得到的回归直线：利用多元回归式根据以上述的RGB-2盏桌上(平均)的条件取得的图像数据的G的平均值和灰度的平均值求出的作为计算值的各SPAD换算值；在如上述那样利用照相机30进行了拍摄时，由叶绿素计计量到的SPAD值的10次测定结果的平均值。
纵轴表示作为根据多元回归式求出的计算结果的SPAD值(SPAD换算值)，横轴表示作为叶绿素计的测定结果的SPAD值。另外，各点表示与稻子的相同的株的10片叶相对应的作为计算结果的SPAD换算值和作为测定结果的SPAD值。
如图29所示，作为计算结果的SPAD换算值和作为测定结果的SPAD值的相关式是y＝0.8762x+4.6772，决定系数R2是0.8762。图29中的回归直线与各点的最短距离如图30所示那样求出。图31是横轴以图29的SPAD值表示各点的距回归直线的最短距离的图，纵轴是将上述最短距离划分成各0.1的范围的情况下的各区间所含有的点的个数，图31的图表表示度数分布。
各点的距回归直线的最短距离，在大部分点中以SPAD值计成为2以下。此外，仅3个点的最短距离超过了2。叶绿素计的说明书上的测定精度是±1，而如上述那样各点的距回归直线的最短距离是大致2以下，因此，能够说成各点分布于测定精度范围内。即，能够说与叶绿素计的SPAD值之间的相关性较高。
此外，所使用的色彩模式(颜色空间)并不限于RGB+灰度，既可以用如上述那样是HSV+灰度，也可以使用其他颜色空间。另外，在使用HSV+灰度等除了RGB+灰度以外的颜色空间的情况下，也如上述那样在多元回归分析中一边依次减去t值最低的独立变量，一边反复进行多元回归分析。也可以基于难以受到独立变量的个数影响的修正R2和说明变量选择基准Ru对用于多元回归分析的独立变量缩小范围。
此外，在上述的各实施方式、实施例中所记载的标准偏差σ、阈值、与图像数据的像素数有关的数值、其他数值并不限定于所记载的值。
符号说明
1 智能手机(智能机：便携终端：用户终端；控制设备：常值检测设备)；
10 管理服务器；
17 农业、肥料数据库(管理信息存储设备)；
30 照相机(拍摄设备、植物信息取得装置)；
33 支承构件(遮光设备)；
34 罩(遮光设备)；
40 镜头(光学系统)；
41 拍摄元件(图像传感器)；
42 白色LED(光源)；
50 控制电路；
51 图像处理电路(图像处理设备)；
52 数据处理电路(图像处理设备)；
53 通信电路；
101 植物信息取得装置；
130 便携终端。
Claims (25)
1.一种植物信息取得系统，其特征在于，具备：
拍摄元件；
光学系统，其具有使作为被摄体的植物的像成像于所述拍摄元件的镜头；
照明用的光源，其在进行使用了所述拍摄元件的拍摄时照射所述植物；以及
以及遮光设备，其在进行使用了所述拍摄元件的拍摄时遮断自然光，
根据所述植物的颜色的颜色信息与表示所述植物中的叶绿素的量的信息之间的相关关系将表示所述植物的叶绿素的量的信息输出，该颜色信息是根据从对所述植物进行了拍摄的所述拍摄元件输出的图像信号获得的。
2.一种植物信息取得系统，其特征在于，具备：
拍摄元件；
光学系统，其具有使作为被摄体的植物的像成像于所述拍摄元件的镜头；
照明用的光源，其在进行使用了所述拍摄元件的拍摄时照射所述植物；
遮光设备，其在进行使用了所述拍摄元件的拍摄时遮断自然光；
图像处理设备，其基于从所述拍摄元件输出的图像信号取得表示所述植物的颜色的颜色信息；以及
植物信息取得设备，其基于所述颜色信息和与该颜色信息具有相关性的与所述植物有关的植物信息之间的相关关系，根据所述颜色信息取得所述植物信息。
3.根据权利要求2所述的植物信息取得系统，其特征在于，
所述植物信息是成为所述植物所含有的预定的成分的含量的指标的数值，表示所述植物的颜色的所述颜色信息以利用所述拍摄元件进行拍摄而得到的图像数据的各像素的构成颜色空间的多种变量的值中的1种以上所述变量的值表示，且是代表与所述图像数据的预定范围内的多个像素分别对应的该变量的值的代表值。
4.根据权利要求3所述的植物信息取得系统，其特征在于，
将成为所述植物所含有的预定的所述成分的所述含量的所述指标的所述数值设为从属变量，将作为表示所述植物的所述颜色的所述颜色信息的构成所述颜色空间的所述变量的所述代表值设为独立变量，进行回归分析或多元回归分析，从而预先求出用于根据所述独立变量计算所述从属变量的相关式，
所述植物信息取得设备使用所述相关式根据作为基于从所述拍摄元件输出的所述图像信号的所述颜色信息的所述代表值计算成为所述植物所含有的预定的所述成分的所述含量的所述指标的所述数值。
5.根据权利要求3所述的植物信息取得系统，其特征在于，
所述植物信息是成为作为预定的所述成分的叶绿素的所述含量的所述指标的叶色值，作为所述变量的种类，所述颜色空间具有R即红、G即绿、B即蓝以及灰度即灰色、或具有H即色相、S即彩度、V即亮度以及灰度即灰色。
6.根据权利要求2～5中任一项所述的植物信息取得系统，其特征在于，
该植物信息取得系统具备：植物信息取得装置，其具备所述拍摄元件、所述光学系统、所述光源、所述遮光设备以及所述图像处理设备；便携终端，其具备所述植物信息取得设备，
所述植物信息取得装置以能够发送所述颜色信息的方式与所述便携终端连接。
7.根据权利要求6所述的植物信息取得系统，其特征在于，
该植物信息取得系统具备服务器，该服务器具有与所述植物信息相对应地存储有与所述植物的栽培有关的信息的数据库，
所述便携终端能够通过无线通信经由因特网以能够与所述服务器进行数据通信的方式与所述服务器连接，
所述服务器在从所述便携终端接收到所述植物信息的情况下，从所述数据库提取与接收到的所述植物信息相对应的与所述植物的栽培有关的所述信息，将所提取的与所述植物的栽培有关的所述信息发送到所述便携终端。
8.一种植物信息取得装置，其特征在于，
该植物信息取得装置被配备于权利要求6所述的植物信息取得系统中，对所述植物进行拍摄并输出表示所述植物的颜色的所述颜色信息。
9.一种植物信息取得方法，其是使用了植物信息取得装置的植物信息取得方法，该植物信息取得装置具备：
拍摄元件；
光学系统，其具有使作为被摄体的植物的像成像于所述拍摄元件的镜头；
照明用的光源，其在进行使用了所述拍摄元件的拍摄时照射所述植物；
遮光设备，其在进行使用了所述拍摄元件的拍摄时遮断自然光；以及
图像处理设备，其基于从所述拍摄元件输出的图像信号取得表示所述植物的颜色的颜色信息，该植物信息取得方法的特征在于，
基于所述颜色信息和与该颜色信息具有相关性的与所述植物有关的植物信息之间的相关关系，根据所述颜色信息取得所述植物信息。
10.根据权利要求9所述的植物信息取得方法，其特征在于，
所述植物信息是成为所述植物所含有的预定的成分的含量的指标的数值，表示所述植物的颜色的所述颜色信息以利用所述拍摄元件进行拍摄而得到的图像数据的各像素的构成颜色空间的多种变量的值中的1种以上的所述变量的值表示，且是代表与所述图像数据的预定范围内的多个像素分别对应的该变量的值的代表值。
11.根据权利要求10所述的植物信息取得方法，其特征在于，
将成为所述植物所含有的预定的所述成分的所述含量的所述指标的所述数值设为从属变量，将作为表示所述植物的所述颜色的所述颜色信息的构成所述颜色空间的所述变量的所述代表值设为独立变量，进行回归分析或多元回归分析，从而预先求出用于根据所述独立变量计算所述从属变量的相关式，
使用所述相关式，根据作为基于从所述拍摄元件输出的所述图像信号的所述颜色信息的所述代表值计算成为所述植物所含有的预定的所述成分的所述含量的所述指标的所述数值。
12.根据权利要求10或11所述的植物信息取得方法，其特征在于，
所述植物信息是成为作为预定的所述成分的叶绿素的所述含量的所述指标的叶色值，作为所述变量的种类，所述颜色空间具有R即红、G即绿、B即蓝以及灰度即灰色、或具有H即色相、S即彩度、V即亮度以及灰度即灰色。
13.根据权利要求9所述的植物信息取得方法，其特征在于，
在取得了所述植物信息之后，
从与所述植物信息相对应地存储有与所述植物的栽培有关的信息的数据库提取与所述植物信息对应的与所述植物的所述栽培有关的所述信息。
14.一种作物管理系统，其特征在于，
该作物管理系统具有：用户终端，其发送含有由权利要求2所述的植物信息取得系统取得的植物信息，并且含有所栽培的作物的生长状态的所述作物的信息即作物信息、表示所述作物信息的取得时期的时期信息、以及表示取得所述作物信息的地域的地域信息；以及
管理服务器，其能够与所述用户终端进行数据通信，接收所述作物信息、所述时期信息以及所述地域信息，并且具有存储有与这些信息相联系的涉及作物栽培的管理的管理信息的管理信息存储设备，且该管理服务器将基于该作物信息、该时期信息以及该地域信息从所述管理信息存储设备提取的所述管理信息发送到发送了所述作物信息、所述时期信息以及所述地域信息的所述用户终端。
15.根据权利要求14所述的作物管理系统，其特征在于，
为了取得对所栽培的所述作物的表面的一部分进行拍摄而得到的图像信息来作为用于取得所述作物信息的信息，所述用户终端具备拍摄设备，该拍摄设备包括所述拍摄元件、所述光学系统、所述光源以及所述遮光设备。
16.根据权利要求14所述的作物管理系统，其特征在于，
在从所述用户终端发送并且由所述管理服务器接收的信息中含有涉及要栽培所述作物的耕地的面积的耕地信息。
17.根据权利要求16所述的作物管理系统，其特征在于，
所述管理服务器基于从所述用户终端发送的所述作物信息、所述时期信息以及所述地域信息提取在所述管理信息存储设备中存储的所述管理信息，在所提取的所述管理信息中含有每单位面积的施肥量的信息的情况下，基于该施肥量的信息和从所述用户终端发送的所述耕地信息计算所述耕地的施肥量并发送到所述用户终端。
18.一种作物管理方法，是权利要求14所述的作物管理系统中的作物管理方法，其特征在于，
所述管理服务器在从所述用户终端接收到含有所栽培的作物的生长状态的所述作物的信息即作物信息、表示所述作物信息的取得时期的时期信息、以及表示取得所述作物信息的地域的地域信息的情况下，基于接收到的所述作物信息、所述时期信息以及所述地域信息，从存储有与所述作物信息、所述时期信息以及所述地域信息相联系的涉及作物栽培的管理的管理信息的管理信息存储设备提取所述管理信息并发送到该用户终端。
19.根据权利要求18所述的作物管理方法，其特征在于，
所述用户终端具备拍摄设备，该拍摄设备具备所述拍摄元件、所述光学系统、所述光源以及所述遮光设备，并且用于取得对所栽培的所述作物的表面的一部分进行拍摄而得到的图像信息作为所述作物信息或用于取得所述作物信息的信息。
20.根据权利要求5或19所述的作物管理方法，其特征在于，
在从所述用户终端发送且由所述管理服务器接收的信息中含有涉及要栽培所述作物的耕地的面积的耕地信息。
21.根据权利要求20所述的作物管理方法，其特征在于，
所述管理服务器基于从所述用户终端发送的所述作物信息、所述时期信息以及所述地域信息来提取在所述管理信息存储设备中存储的所述管理信息，在所提取的所述管理信息中含有每单位面积的施肥量的信息的情况下，基于该施肥量的信息和从所述用户终端发送的所述耕地信息计算所述耕地的施肥量并发送到所述用户终端。
22.根据权利要求2所述的植物信息取得系统，其特征在于，
该植物信息取得系统具备异常值检测设备，该异常值检测设备在所取得的所述颜色信息或所述植物信息满足设定好的异常值判定条件的情况下将该颜色信息或该植物信息设为异常值。
23.根据权利要求2所述的植物信息取得系统，其特征在于，
该植物信息取得系统具备：
显示设备，其将基于所述图像信号的图像或从该图像信号取得的所述颜色信息显示为颜色；以及
显示控制设备，其使所述显示设备显示所述图像或所述颜色，并且使所述显示设备显示成为比较对象的比较图像或比较颜色。
24.根据权利要求23所述的植物信息取得系统，其特征在于，
所述颜色信息是与由所述拍摄元件拍摄而得到的预定范围的图像的各像素的各颜色相对应的值的每一颜色的代表值。
25.根据权利要求2所述的植物信息取得系统，其特征在于，
所述图像处理设备被调整成，在使用所述光学系统、所述光源和所述遮光设备来对与预定的所述植物信息对应的校正用被摄体进行了拍摄时，所述植物信息取得设备能够取得与预定的所述植物信息近似的所述植物信息。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015003086A JP6662570B2 (ja) | 2015-01-09 | 2015-01-09 | 植物情報取得システム、植物情報取得装置および植物情報取得方法 |
| JP2015-003086 | 2015-01-09 | ||
| JP2015-135666 | 2015-07-06 | ||
| JP2015135666A JP2017012138A (ja) | 2015-07-06 | 2015-07-06 | 作物管理システムおよび作物管理方法 |
| PCT/JP2016/050687 WO2016111376A1 (ja) | 2015-01-09 | 2016-01-12 | 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106954385A true CN106954385A (zh) | 2017-07-14 |
| CN106954385B CN106954385B (zh) | 2020-07-28 |
Family
ID=56356059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680002923.8A Active CN106954385B (zh) | 2015-01-09 | 2016-01-12 | 植物信息取得系统、植物信息取得装置和植物信息取得方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10586353B2 (zh) |
| CN (1) | CN106954385B (zh) |
| WO (1) | WO2016111376A1 (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108605519A (zh) * | 2018-04-26 | 2018-10-02 | 深圳春沐源控股有限公司 | 作物采摘方法及电子设备 |
| CN108830249A (zh) * | 2018-06-26 | 2018-11-16 | 安徽大学 | 一种基于asd高光谱数据的冬小麦白粉病遥感监测方法 |
| CN109035209A (zh) * | 2018-07-03 | 2018-12-18 | 广西壮族自治区气象减灾研究所 | 甘蔗分蘖期自动观测方法 |
| CN109932340A (zh) * | 2017-12-18 | 2019-06-25 | 株式会社有机尼科 | 用于测量栽培中作物的生长状态测量装置的活体保持结构体 |
| CN111372444A (zh) * | 2017-12-01 | 2020-07-03 | 索尼公司 | 信息处理装置、信息处理方法以及植被管理系统 |
| CN112513874A (zh) * | 2019-12-06 | 2021-03-16 | 深圳市大疆创新科技有限公司 | 作物生长状况评估方法和装置 |
| CN113874710A (zh) * | 2019-05-28 | 2021-12-31 | 佳能株式会社 | 图像处理方法、图像处理装置、成像系统和程序 |
| CN113923976A (zh) * | 2019-06-12 | 2022-01-11 | 亚拉国际有限公司 | 确定植物健康状况的方法 |
| CN114264605A (zh) * | 2021-12-20 | 2022-04-01 | 武汉谷丰光电科技有限公司 | 一种手持式作物气孔微观表型参数检测装置 |
| CN115023134A (zh) * | 2020-02-06 | 2022-09-06 | 株式会社尼罗沃克 | 生长诊断系统、生长诊断服务器以及生长诊断方法 |
| CN115641010A (zh) * | 2022-12-08 | 2023-01-24 | 金乡县恒业商贸有限公司 | 一种基于卫星监测技术的土地监察管理系统 |
| CN117808900A (zh) * | 2024-02-29 | 2024-04-02 | 云南省农业科学院质量标准与检测技术研究所 | 一种玉米花丝花青甙显色强度分级方法及装置 |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170238484A1 (en) * | 2016-02-22 | 2017-08-24 | Ainesh Arumugam | Method and apparatus for smart irrigation controller |
| US11047793B2 (en) | 2016-08-17 | 2021-06-29 | Sony Corporation | Signal processing apparatus, signal processing method, and progress |
| CN109073538B (zh) | 2016-08-22 | 2021-12-10 | 国立大学法人北海道大学 | 物体状态检测传送系统 |
| US10410299B2 (en) | 2016-08-24 | 2019-09-10 | The Climate Corporation | Optimizing split fertilizer application |
| CN106416793A (zh) * | 2016-09-30 | 2017-02-22 | 深圳前海弘稼科技有限公司 | 种植箱获取种植信息的方法、系统及种植箱 |
| CN106210676B (zh) * | 2016-09-30 | 2020-04-10 | 深圳春沐源控股有限公司 | 一种基于种植设备的植物监控方法及装置 |
| RU2770465C2 (ru) | 2016-10-13 | 2022-04-18 | Маккейн Фудс Лимитед | Способ, носитель и система для обнаружения вируса картофеля на изображении сельскохозяйственной культуры |
| WO2018122242A2 (en) * | 2016-12-29 | 2018-07-05 | Yara International Asa | Handheld device and method for determining a plant status |
| CN106769944B (zh) * | 2017-01-14 | 2019-09-03 | 西北农林科技大学 | 基于图像的双波长植物叶片叶绿素含量检测方法和装置 |
| PL3367054T3 (pl) * | 2017-02-28 | 2020-09-21 | Phenospex B.V. | System do optycznego rejestrowania przedmiotów |
| JP6843439B2 (ja) * | 2017-05-17 | 2021-03-17 | エバ・ジャパン 株式会社 | 情報探索システム及び方法、情報探索プログラム |
| JP7021486B2 (ja) * | 2017-09-22 | 2022-02-17 | 富士通株式会社 | 生育管理システム |
| CN207266563U (zh) * | 2017-09-29 | 2018-04-24 | 好得科技（深圳）有限公司 | 一种多功能红外感应洒水器 |
| WO2019159565A1 (ja) * | 2018-02-13 | 2019-08-22 | 株式会社ニコン | 情報管理装置、端末、情報管理システムおよびプログラム |
| JP7233960B2 (ja) * | 2019-02-25 | 2023-03-07 | 株式会社トプコン | 圃場情報管理装置、圃場情報管理システム、圃場情報管理方法及び圃場情報管理プログラム |
| US11120552B2 (en) * | 2019-02-27 | 2021-09-14 | International Business Machines Corporation | Crop grading via deep learning |
| WO2020239880A1 (en) * | 2019-05-29 | 2020-12-03 | Yara International Asa | Method for estimating chlorophyll content of a leaf |
| US11740132B2 (en) * | 2019-10-02 | 2023-08-29 | Datacolor, Inc. | Method and apparatus for color lookup using a mobile device |
| CN111024710B (zh) * | 2019-12-17 | 2022-04-08 | 江苏恒宝智能系统技术有限公司 | 一种农作物异常检测系统及方法 |
| AU2021308733A1 (en) * | 2020-07-14 | 2023-02-02 | Farmers Edge Inc. | Field image correlation differential change detection and alerting system |
| CN111897178B (zh) * | 2020-08-03 | 2022-04-26 | 佛山科学技术学院 | 一种用于拍摄植物生长情况的装置和方法 |
| CN112400676B (zh) * | 2020-10-26 | 2023-02-28 | 安徽工程大学 | 一种基于大数据的智能灌溉系统 |
| CN112307983B (zh) * | 2020-11-02 | 2024-03-26 | 深圳市中诺通讯有限公司 | 一种增强图像中植物色彩的方法和系统 |
| JP2024505411A (ja) * | 2021-01-11 | 2024-02-06 | アグトノミー | 作物ビューおよび灌漑モニタリング |
| FR3121013B1 (fr) * | 2021-03-26 | 2024-06-28 | Bilberry Sas | Système de traitement de plantes notamment en agriculture |
| US20220398415A1 (en) * | 2021-06-10 | 2022-12-15 | X Development Llc | Localization of individual plants based on high-elevation imagery |
| US20220405962A1 (en) * | 2021-06-22 | 2022-12-22 | X Development Llc | Localization of individual plants based on high-elevation imagery |
| JP7228860B1 (ja) | 2022-02-07 | 2023-02-27 | 国立大学法人北海道大学 | 分光計測器 |
| CN117313017B (zh) * | 2023-11-28 | 2024-02-06 | 山东艺林市政园林建设集团有限公司 | 一种彩叶研发数据处理方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004298069A (ja) * | 2003-03-31 | 2004-10-28 | Matsushita Electric Ind Co Ltd | 植物育成システムおよびこれを用いた植物育成情報サービス |
| JP2007124932A (ja) * | 2005-11-02 | 2007-05-24 | National Agriculture & Food Research Organization | 植物生育情報処理システム |
| CN101021939A (zh) * | 2007-03-29 | 2007-08-22 | 沈阳理工大学 | 基于计算机图像处理的农作物病害诊断系统 |
| CN101916279A (zh) * | 2010-08-16 | 2010-12-15 | 刘文萍 | 基于图像分析技术的植物物种查询系统及方法 |
| WO2013114500A1 (ja) * | 2012-02-02 | 2013-08-08 | パナソニック株式会社 | 栽培システム |
| CN103927684A (zh) * | 2014-04-23 | 2014-07-16 | 广西力源宝科技有限公司 | 木薯智能施肥系统 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3324341B2 (ja) | 1995-05-30 | 2002-09-17 | 株式会社サタケ | 分光分析測定装置 |
| NL1002984C2 (nl) * | 1996-05-02 | 1997-11-06 | Cpro Dlo | Werkwijze voor het bepalen van de rijpheid en kwaliteit van zaden middels het chlorofylgehalte en inrichting voor het selecteren van zaden met behulp van een dergelijke werkwijze. |
| JP3436093B2 (ja) * | 1996-08-01 | 2003-08-11 | 株式会社サタケ | 葉の成分測定装置 |
| JPH1090066A (ja) | 1996-09-12 | 1998-04-10 | Yazaki Corp | 植物葉面撮影装置 |
| JP3932222B2 (ja) | 1998-02-23 | 2007-06-20 | ヤンマー農機株式会社 | 精密農法 |
| JP2010511402A (ja) * | 2006-12-07 | 2010-04-15 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 温室のための制御装置 |
| US8249308B2 (en) * | 2008-09-26 | 2012-08-21 | Robert Lussier | Portable intelligent fluorescence and transmittance imaging spectroscopy system |
| NZ602143A (en) * | 2010-01-21 | 2014-04-30 | Mackenzie Res Group Ltd | Improvements in and relating to methods and apparatus for applying substances to an area of interest |
| WO2013096493A1 (en) * | 2011-12-19 | 2013-06-27 | Younis Saed G | Remotely sensing and adapting irrigation system |
| JP2013158277A (ja) * | 2012-02-02 | 2013-08-19 | Panasonic Corp | 栽培システム、および、植物観察方法 |
| US20140168412A1 (en) * | 2012-12-19 | 2014-06-19 | Alan Shulman | Methods and systems for automated micro farming |
| US10390497B2 (en) * | 2013-03-07 | 2019-08-27 | Blue River Technology, Inc. | System and method for plant treatment |
| EP3003010B1 (en) * | 2013-06-06 | 2019-10-30 | Flora Fotonica Ltd | A system and method for providing illumination to plants |
-
2016
- 2016-01-12 WO PCT/JP2016/050687 patent/WO2016111376A1/ja active Application Filing
- 2016-01-12 CN CN201680002923.8A patent/CN106954385B/zh active Active
- 2016-01-12 US US15/511,059 patent/US10586353B2/en active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004298069A (ja) * | 2003-03-31 | 2004-10-28 | Matsushita Electric Ind Co Ltd | 植物育成システムおよびこれを用いた植物育成情報サービス |
| JP2007124932A (ja) * | 2005-11-02 | 2007-05-24 | National Agriculture & Food Research Organization | 植物生育情報処理システム |
| JP4012554B2 (ja) * | 2005-11-02 | 2007-11-21 | 独立行政法人農業・食品産業技術総合研究機構 | 植物生育情報処理システム |
| CN101021939A (zh) * | 2007-03-29 | 2007-08-22 | 沈阳理工大学 | 基于计算机图像处理的农作物病害诊断系统 |
| CN101916279A (zh) * | 2010-08-16 | 2010-12-15 | 刘文萍 | 基于图像分析技术的植物物种查询系统及方法 |
| WO2013114500A1 (ja) * | 2012-02-02 | 2013-08-08 | パナソニック株式会社 | 栽培システム |
| CN103927684A (zh) * | 2014-04-23 | 2014-07-16 | 广西力源宝科技有限公司 | 木薯智能施肥系统 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11432470B2 (en) | 2017-12-01 | 2022-09-06 | Sony Group Corporation | Information processing apparatus, information processing method, and vegetation management system |
| CN111372444A (zh) * | 2017-12-01 | 2020-07-03 | 索尼公司 | 信息处理装置、信息处理方法以及植被管理系统 |
| CN111372444B (zh) * | 2017-12-01 | 2022-03-08 | 索尼公司 | 信息处理装置、信息处理方法以及植被管理系统 |
| CN109932340A (zh) * | 2017-12-18 | 2019-06-25 | 株式会社有机尼科 | 用于测量栽培中作物的生长状态测量装置的活体保持结构体 |
| CN109932340B (zh) * | 2017-12-18 | 2022-02-25 | 株式会社有机尼科 | 用于栽培中作物的生长状态测量装置的活体保持结构体 |
| CN108605519A (zh) * | 2018-04-26 | 2018-10-02 | 深圳春沐源控股有限公司 | 作物采摘方法及电子设备 |
| CN108830249A (zh) * | 2018-06-26 | 2018-11-16 | 安徽大学 | 一种基于asd高光谱数据的冬小麦白粉病遥感监测方法 |
| CN109035209A (zh) * | 2018-07-03 | 2018-12-18 | 广西壮族自治区气象减灾研究所 | 甘蔗分蘖期自动观测方法 |
| CN113874710A (zh) * | 2019-05-28 | 2021-12-31 | 佳能株式会社 | 图像处理方法、图像处理装置、成像系统和程序 |
| CN113874710B (zh) * | 2019-05-28 | 2024-03-12 | 佳能株式会社 | 图像处理方法、图像处理装置、成像系统和程序 |
| US11968936B2 (en) | 2019-06-12 | 2024-04-30 | Yara International Asa | Method of determining plant health |
| CN113923976A (zh) * | 2019-06-12 | 2022-01-11 | 亚拉国际有限公司 | 确定植物健康状况的方法 |
| CN112513874A (zh) * | 2019-12-06 | 2021-03-16 | 深圳市大疆创新科技有限公司 | 作物生长状况评估方法和装置 |
| WO2021109120A1 (zh) * | 2019-12-06 | 2021-06-10 | 深圳市大疆创新科技有限公司 | 作物生长状况评估方法和装置 |
| CN115023134A (zh) * | 2020-02-06 | 2022-09-06 | 株式会社尼罗沃克 | 生长诊断系统、生长诊断服务器以及生长诊断方法 |
| CN115023134B (zh) * | 2020-02-06 | 2023-08-08 | 株式会社尼罗沃克 | 生长诊断系统、生长诊断服务器以及生长诊断方法 |
| CN114264605A (zh) * | 2021-12-20 | 2022-04-01 | 武汉谷丰光电科技有限公司 | 一种手持式作物气孔微观表型参数检测装置 |
| CN115641010A (zh) * | 2022-12-08 | 2023-01-24 | 金乡县恒业商贸有限公司 | 一种基于卫星监测技术的土地监察管理系统 |
| CN115641010B (zh) * | 2022-12-08 | 2023-04-07 | 金乡县恒业商贸有限公司 | 一种基于卫星监测技术的土地监察管理系统 |
| CN117808900A (zh) * | 2024-02-29 | 2024-04-02 | 云南省农业科学院质量标准与检测技术研究所 | 一种玉米花丝花青甙显色强度分级方法及装置 |
| CN117808900B (zh) * | 2024-02-29 | 2024-05-14 | 云南省农业科学院质量标准与检测技术研究所 | 一种玉米花丝花青甙显色强度分级方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US10586353B2 (en) | 2020-03-10 |
| WO2016111376A1 (ja) | 2016-07-14 |
| US20170358106A1 (en) | 2017-12-14 |
| CN106954385B (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106954385A (zh) | 植物信息取得系统、植物信息取得装置、植物信息取得方法、作物管理系统以及作物管理方法 | |
| US10528813B2 (en) | Method and system for crop yield estimation | |
| JP6774544B2 (ja) | 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法 | |
| US10942113B2 (en) | Methods, systems, and components thereof relating to using multi-spectral imaging for improved cultivation of cannabis and other crops | |
| Nijland et al. | Monitoring plant condition and phenology using infrared sensitive consumer grade digital cameras | |
| Petach et al. | Monitoring vegetation phenology using an infrared-enabled security camera | |
| JP5361862B2 (ja) | 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体 | |
| CN106575419A (zh) | 信息处理设备、产生控制信号的方法、信息处理系统以及程序 | |
| JP2017125705A (ja) | 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法 | |
| Sakamoto et al. | Assessment of digital camera-derived vegetation indices in quantitative monitoring of seasonal rice growth | |
| GB2598012A (en) | System and method for crop monitoring | |
| Fitzgerald | Characterizing vegetation indices derived from active and passive sensors | |
| JP2017012138A (ja) | 作物管理システムおよび作物管理方法 | |
| JP6662570B2 (ja) | 植物情報取得システム、植物情報取得装置および植物情報取得方法 | |
| JP5657901B2 (ja) | 農作物モニタリング方法、農作物モニタリングシステム及び農作物モニタリング装置 | |
| JP2013231645A (ja) | 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体 | |
| JP6295452B2 (ja) | 農作物育成支援装置、及びそのプログラム | |
| Gómez et al. | Determining Biophysical Parameters for Olive Trees Using CASI‐Airborne and Quickbird‐Satellite Imagery | |
| Kefauver et al. | RGB picture vegetation indexes for high-throughput phenotyping platforms (HTPPs) | |
| Mihaylov et al. | Study of the specifics of the spectral reflections of different varieties of cereals harvest 2021, obtained from the visible and near infrared (NIR) frequency range | |
| JP2019146489A (ja) | 色指標値算出システムおよび色指標値算出方法 | |
| JP2020074795A (ja) | 植物情報取得システム、植物情報取得装置および植物情報取得方法 | |
| JP2021006819A (ja) | 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法 | |
| Shajahan | Agricultural Field Applications of Digital Image Processing Using an Open Source ImageJ Platform | |
| KR102476012B1 (ko) | 체험형 스마트 팜 연동 작물 육성 시뮬레이션 게임 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Kyoto Japan Applicant after: Mike SEIR Holdings Co., Ltd. Address before: Osaka Japan Applicant before: Hitachi Maxell, Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Kyoto Japan Patentee after: MAXELL, Ltd. Address before: Kyoto Japan Patentee before: MAXELL HOLDINGS, Ltd. |