CN108024505A - 图像判定方法 - Google Patents

图像判定方法 Download PDF

Info

Publication number
CN108024505A
CN108024505A CN201680054114.1A CN201680054114A CN108024505A CN 108024505 A CN108024505 A CN 108024505A CN 201680054114 A CN201680054114 A CN 201680054114A CN 108024505 A CN108024505 A CN 108024505A
Authority
CN
China
Prior art keywords
server
sensor
environmental information
terminal
pest
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
Application number
CN201680054114.1A
Other languages
English (en)
Other versions
CN108024505B (zh
Inventor
山口典男
坂井洋平
户上崇
山本恭辅
小杉康高
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SoftBank Corp
Original Assignee
PS Solutions Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by PS Solutions Corp filed Critical PS Solutions Corp
Publication of CN108024505A publication Critical patent/CN108024505A/zh
Application granted granted Critical
Publication of CN108024505B publication Critical patent/CN108024505B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures 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
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Abstract

本发明的目的在于在事件发生时提高摄影图像的判定的精度。图像判定方法包括：服务器将与生物的形态分别对应的生物图像以及发生环境信息存储到多个存储部，该发生环境信息表示与该生物的形态相适应的环境信息的范围，服务器接收从便携式终端发送的摄影图像，从传感器终端接收由该传感器终端测定出的环境信息，检索多个生物图像中的与接收到的摄影图像类似的生物图像，对与检索到的生物图像所对应的生物的形态有关的名称赋予得分，提取与包含从传感器终端接收到的环境信息的发生环境信息所对应的生物的形态有关的名称，对提取出的名称的得分进行加权，服务器将多个得分中的最高得分的名称作为判定结果名发送到发送了摄影图像的便携式终端。

Description

图像判定方法
技术领域
本发明涉及一种摄影图像的图像判定方法。
背景技术
近年来，作为自动地检索农作物中栖息的害虫、农作物的病害的症状的系统，已知一种基于农作物名及症状的输入信息或者培育农作物的农场的摄影图像信息等来检索病虫害名的病虫害检索系统。
例如，专利文献1记载了一种植物疾病的识别系统，该识别系统由图像摄影单元、图像处理单元以及将特定的植物的疾病的名称与特定的疾病的特征的图像信息相对应地存储的植物病状数据库构成。在该识别系统中，首先由图像摄影单元来获取栽培植物的图像信息，图像处理单元对由图像摄影单元获取到的栽培植物图像信息进行分析来获取疑似疾病区域的图像信息。接着，图像处理单元将获取到的疑似疾病区域的图像信息与植物病状数据库中的疾病的特征的图像信息进行比较。然后，在疑似疾病区域的图像信息与植物病状数据库中的疾病的特征的图像信息一致的情况下，图像处理单元获取对应的特定的植物的疾病的名称来作为疾病的识别结果。
专利文献1：日本特开2013-111078号公报
发明内容
然而，在以往的基于图像检索的病虫害的判定系统中，仅基于预先积累的病虫害的图像信息来进行图像分类，因此根据拍摄得到的图像的拍摄方向、亮度、分辨率等的差异，分类精度有时显著下降。
本发明是为了解决这种以往的问题而完成的，其目的在于提供一种能够提高摄影图像的判定的精度的图像判定方法。
一种图像判定方法，该图像判定方法是由服务器执行的，该服务器具有存储部，该服务器与便携式终端及设置于农场的传感器终端进行通信，该图像判定方法包括以下步骤：服务器将与生物的各个形态对应的生物图像以及发生环境信息存储到多个存储部，所述发生环境信息表示与该生物的形态相适应的环境信息的范围；服务器接收从便携式终端发送的摄影图像；服务器从传感器终端接收由该传感器终端测定出的环境信息；服务器检索多个生物图像中的、与接收到的摄影图像类似的生物图像，对与检索到的生物图像所对应的生物的形态有关的名称赋予得分；服务器提取与包含从传感器终端接收到的环境信息的发生环境信息所对应的生物的形态有关的名称，对提取出的名称的得分进行加权；以及服务器将多个得分中的最高得分的名称作为判定结果名发送到发送了摄影图像的便携式终端。
另外，在图像判定方法中，优选的是，在进行加权的步骤中，服务器提取与如下发生环境信息所对应的生物的形态有关的名称：所述发生环境信息包含从通过便携式终端拍摄了生物的形态时的便携式终端的拍摄位置的附近的传感器终端接收到的环境信息。
另外，在图像判定方法中，优选的是，还包括以下步骤：服务器服务器将与生物的形态有关的名称与确认出该生物的形态的农场相对应地存储到存储部，在进行加权的步骤中，服务器提取与其它农场中确认出的生物的形态有关的名称，对提取出的名称的得分进一步进行加权，该其它农场处于设置有拍摄位置的附近的传感器终端的农场的周边。
图像判定方法能够提高摄影图像的判定的精度。
附图说明
图1是用于说明农业管理系统1的概要的示意图。
图2是表示农业管理系统1的概要结构的一个例子的图。
图3是表示传感器终端2的概要结构的一个例子的图。
图4是表示传感器基站3的概要结构的一个例子的图。
图5是表示便携式终端4的概要结构的一个例子的图。
图6是表示服务器5的概要结构的一个例子的图。
图7A是表示用户管理表的数据结构的一个例子的图。
图7B是表示传感器管理表的数据结构的一个例子的图。
图7C是表示范围管理表的数据结构的一个例子的图。
图7D是表示评价历史记录表的数据结构的一个例子的图。
图8是表示农业管理系统1所涉及的动作时序的一个例子的图。
图9是表示农业管理系统1所涉及的动作时序的一个例子的图。
图10是表示农业管理系统1所涉及的动作时序的一个例子的图。
图11是表示农业管理系统1所涉及的动作时序的一个例子的图。
图12是表示警告邮件输出处理的一个例子的流程图。
图13是表示农业管理系统1所涉及的动作时序的一个例子的图。
图14是表示范围信息修正处理的一个例子的流程图。
图15是表示农业管理系统1所涉及的动作时序的一个例子的图。
图16是表示范围信息更新处理的一个例子的流程图。
图17是表示环境信息历史记录D以及以评价值和环境信息为轴的二维平面的一个例子的示意图。
图18是表示以累计土壤温度和累计日照量为轴的二维平面上显示的农场环境特性曲线的示意图。
图19是表示农业管理系统1所涉及的动作时序的一个例子的图。
图20是表示摄影图像判定处理的一个例子的流程图。
具体实施方式
下面，参照附图来说明本发明的各种实施方式。但是应注意，本发明的保护范围并不限定于这些实施方式，而是扩及权利要求书所记载的发明及其等同物。
图1是用于说明图像判定系统的概要的示意图。图像判定系统具有：传感器终端2，针对多个农场中的每个农场均设置该传感器终端2；便携式终端4，其由运营多个农场中的各农场的各用户所拥有；以及服务器5，其与便携式终端4进行通信。
在图像判定系统中，服务器5检索与从便携式终端4发送的摄影图像类似的生物图像，将与检索到的生物图像所对应的生物的形态有关的名称作为判定结果名发送到便携式终端4。生物图像是植物、动物以及昆虫等生物的图像、以及包括农作物等在内的植物的病害的症状的图像等，与生物的形态有关的名称是植物名称、动物名称、昆虫名称等生物的名称以及病害名等。检索与害虫的摄影图像或者农作物的病害的症状的摄影图像对应的害虫名或者病害名，将检索到的害虫名或者病害名作为判定结果名发送到便携式终端4。便携式终端4是多功能便携式电话(所谓的“智能手机”)，但也可以是便携式电话(所谓的“功能手机(feature phone)”)、便携式信息终端(Personal DigitalAssistant，PDA：个人数字助理)、便携式游戏机、便携式音乐播放器、平板PC等。下面，以如下的图像判定系统为一例来进行说明：该图像判定系统检索与害虫的摄影图像或者农作物的病害的症状的摄影图像对应的害虫名或者病害名，将检索到的害虫名或者病害名作为判定结果名发送到便携式终端4。此外，有时将害虫或者农作物的病害称为病虫害，将害虫名或者病害名称为病虫害名。
首先，通过便携式终端4所具备的摄影功能来拍摄拥有该便携式终端4的用户所运营的农场A中栖息的害虫或者在农场A中培育的农作物的病害的症状(1)。接着，便携式终端4将拍摄得到的摄影图像发送到服务器5(2)。
服务器5存储与多个病虫害分别对应的多个病虫害图像以及发生环境信息，该发生环境信息表示容易发生该病虫害的环境信息的范围。容易发生病虫害的环境信息是与生物的形态相适应的环境信息的一个例子。病虫害图像是对实际的病虫害进行拍摄所得到的图像，与由农业专家等判定出的病虫害名相关联地存储在服务器5中。环境信息是表示由设置于各农场的传感器终端2测定出的气温、湿度、土壤温度、土壤含水量、日照量、土壤电导率、土壤pH、风向及风速、饱和差、露点温度、水位、水温以及CO2等、以及从外部服务器获取到的雨量信息等环境因子的数据。发生环境信息是表示容易发生病虫害的环境信息的范围或者农场的条件等的数据，例如，稻瘟病的发生环境信息为：气温的范围为15度～25度，叶子的湿润时间为8小时以上。
服务器5接收从便携式终端4发送的摄影图像。接着，服务器5检索所存储的多个病虫害图像中的与从便携式终端4接收到的摄影图像类似的病虫害图像，基于检索到的病虫害图像来对各病虫害名赋予得分(3)。首先，服务器5使用SURF(Speeded Up RobustFeatures：加速鲁棒特征)法等来针对所存储的每个病虫害图像提取特征点，计算出各特征点的局部特征量。接着，服务器5将计算出的局部特征量用费舍尔向量(Fisher Vector)等特征向量来表现，使用随机森林(Random Forest)等机器学习来制作针对特征向量的分类模型。接着，服务器5提取从便携式终端4发送的摄影图像的特征点，计算出特征点的局部特征量，将计算出的局部特征量用特征向量来表现。然后，使用摄影图像中的特征向量和分类模型来检索与从便携式终端4发送的摄影图像类似的病虫害图像，对检索到的病虫害图像所对应的每个病虫害名赋予得分。
此外，分类模型例如是随机森林中的多个决策树。另外，得分例如是在随机森林中在多个决策树中分别决定的、与病虫害图像对应的病虫害名的投票数。
服务器5从传感器终端2接收由该传感器终端2测定出的环境信息。接着，服务器5确定从传感器终端2接收到的农场A的环境信息，判定包含所确定出的环境信息的发生环境信息。接着，服务器5提取与被判定为包含所确定出的环境信息的发生环境信息相对应的病虫害名，对与提取出的病虫害名对应的得分进行加权(4)。
然后，服务器5将与各病虫害名对应的得分中的最高得分所对应的病虫害名作为判定结果名发送到便携式终端4。由此，用户能够通过将由便携式终端4拍摄得到的病虫害的摄影图像发送到服务器5，来得知基于根据病虫害的摄影图像进行的图像分类的、且与用户所运营的农场的环境信息相符合的病虫害名来作为判定结果名。
如上所述，图像判定系统能够不仅基于预先积累的病虫害的图像信息、还基于农场的环境信息来检索病虫害，因此能够提高病虫害的摄影图像的判定的精度。
此外，上述的图1的说明只不过是用于加深对本发明的内容的理解的说明。具体地说，本发明也可以通过以下说明的各实施方式来实施，且不实质性地超出本发明的原则地通过各种变形例来实施。这种变形例全部都包含在本发明和本说明书的公开范围内。
图2是表示农业管理系统1的概要结构的一个例子的图。
农业管理系统1具有一个或者多个传感器终端2、传感器基站3、便携式终端4以及服务器5。此外，农业管理系统1是图像判定系统的一个例子。一个或者多个传感器终端2与传感器基站3经由传感器网络7来彼此连接。传感器终端2与服务器5经由通信网络来彼此连接，例如经由传感器网络7、传感器基站3、基站6、骨干网9、网关10以及因特网11来彼此连接。此外，在农业管理系统1中，根据传感器终端2的台数，也可以具有多个传感器基站3。另外，便携式终端4与基站6经由无线通信网络8来彼此连接。便携式终端4与服务器5经由通信网络来彼此连接，例如经由无线通信网络8、基站6、骨干网9、网关10以及因特网11来彼此连接。
基站6是进行传感器基站3与骨干网9的连接、便携式终端4彼此之间的连接、或者便携式终端4与骨干网9的连接的无线设备，骨干网9与多个基站6连接。
图3是表示传感器终端2的概要结构的一个例子的图。
传感器终端2进行测定出的表示环境因子的环境信息的获取、环境信息的发送等。为此，传感器终端2具备传感器终端通信部21、传感器终端存储部22、GPS(GlobalPositioning System：全球定位系统)部23、传感器连接部24、传感器部25以及传感器终端处理部26。
传感器终端通信部21具有通信接口电路，该通信接口电路包括主要以920MHz带为灵敏频带的天线，传感器终端通信部21将传感器终端2连接到传感器网络7。传感器终端通信部21使用特定的信道在与传感器基站3之间基于特定低功率无线方式等来进行无线通信。此外，传感器终端通信部21的频带不限定于上述的频带。传感器终端通信部21将从传感器终端处理部26提供的环境信息发送到传感器基站3。
传感器终端存储部22例如具有半导体存储器。传感器终端存储部22存储传感器终端处理部26的处理中使用的驱动程序、操作系统程序、数据等。例如，作为驱动程序，传感器终端存储部22存储用于对传感器终端通信部21进行控制的无线通信设备驱动程序、用于对GPS部23进行控制的GPS驱动程序、用于对传感器部25进行控制的传感器驱动程序等。另外，作为操作系统程序，传感器终端存储部22存储用于执行特定低功率无线方式等的无线控制程序等。另外，作为数据，传感器终端存储部22存储由传感器部25测定出的表示环境因子的环境信息。
GPS部23具有GPS电路，该GPS电路包括主要以1.5GHz带为灵敏频带的天线，GPS部23从未图示的GPS卫星接收GPS信号。GPS部23对该GPS信号进行解码，来获取时刻信息等。接着，GPS部23基于该时刻信息等来计算从GPS卫星至传感器终端2的伪距离，并对代入该伪距离来得到的联立方程式求解，由此检测传感器终端2所在的位置(纬度、经度、高度等)。而且，GPS部23将表示检测出的位置的位置信息与获取的时刻信息相关联地定期地输出到传感器终端处理部26。
传感器连接部24包括用于与传感器部25连接的传感器端子，传感器连接部24与用于测定一种或者多种环境因子的传感器部25连接。
传感器部25包括用于测定气温、湿度、土壤温度、土壤含水量、日照量、土壤电导率、土壤pH、风向及风速、饱和差、露点温度、水位、水温以及CO2等环境因子的各种传感器。例如，传感器部25包括用于测定气温的气温传感器、用于测定湿度的湿度传感器、用于测定土壤温度的土壤温度传感器、用于测定土壤含水量的土壤水分传感器、用于测定日照量的日照传感器、用于测定土壤电导率的土壤EC(Electrical Conductivity：电导率)传感器、用于测定土壤pH的土壤pH传感器、风向传感器及风速传感器、露点温度传感器、水位传感器、水温传感器以及CO2传感器等中的至少任一个。
传感器终端处理部26具有一个或者多个处理器及其周边电路。传感器终端处理部26用于统一控制传感器终端2的整体动作，例如是CPU(Central Processing Unit：中央处理单元)。传感器终端处理部26控制传感器终端通信部21、GPS部23、传感器部25等的动作，使得根据传感器终端存储部22中存储的程序等以适当的过程来执行传感器终端2的各种处理。传感器终端处理部26基于传感器终端存储部22中存储的程序(驱动程序、操作系统程序等)来执行处理。
传感器终端处理部26具有测定信息获取部261和测定信息发送部262。传感器终端处理部26所具有的这些各部是通过在传感器终端处理部26所具有的处理器上执行的程序来实现的功能模块。或者，传感器终端处理部26所具有的这些各部也可以作为独立的集成电路、微处理器或者固件来安装于传感器终端2。
图4是表示传感器基站3的概要结构的一个例子的图。
传感器基站3进行从传感器终端2接收环境信息、获取所测定的表示环境因子的环境信息以及发送环境信息等。为此，传感器基站3具备第一基站通信部31、第二基站通信部32、基站存储部33、GPS部34、传感器连接部35、传感器部36以及基站处理部37。
第一基站通信部31具有通信接口电路，该通信接口电路包括主要以920MHz带为灵敏频带的天线，第一基站通信部31将传感器基站3连接到传感器网络7。第一基站通信部31使用特定的信道在与传感器终端2之间基于特定低功率无线方式等来进行无线通信。此外，第一基站通信部31的频带不限定于上述的频带。第一基站通信部31接收从传感器终端2发送的环境信息，将接收到的环境信息提供给基站处理部37。
第二基站通信部32具有通信接口电路，该通信接口电路包括主要以2.4GHz带、5GHz带等为灵敏频带的天线，第二基站通信部32在与未图示的无线LAN(Local AreaNetwork：局域网)的基站6之间基于IEEE(The Institute of Electrical andElectronics Engineers,Inc.：电气和电子工程师协会)802.11标准的无线通信方式来进行无线通信。另外，第二基站通信部32的频带不限定于上述的频带。而且，第二基站通信部32将从基站处理部37提供的环境信息发送到基站6。
基站存储部33例如具有半导体存储器。基站存储部33存储基站处理部37的处理中使用的驱动程序、操作系统程序、数据等。例如，作为驱动程序，基站存储部33存储用于对第一基站通信部31进行控制的无线通信设备驱动程序、用于对第二基站通信部32进行控制的无线LAN通信设备驱动程序、用于对GPS部34进行控制的GPS驱动程序、用于对传感器部25进行控制的传感器驱动程序等。另外，作为操作系统程序，基站存储部33存储用于执行特定低功率无线方式等的无线控制程序、用于执行IEEE802.11标准的无线通信方式的连接控制程序等。另外，作为数据，基站存储部33存储由传感器部36测定出的表示环境因子的环境信息以及从传感器终端2接收到的环境信息。
GPS部34具有GPS电路，该GPS电路包括主要以1.5GHz带为灵敏频带的天线，GPS部34从未图示的GPS卫星接收GPS信号。GPS部34对该GPS信号进行解码，来获取时刻信息等。接着，GPS部34基于该时刻信息等来计算从GPS卫星至传感器基站3的伪距离，并对代入该伪距离来得到的联立方程式求解，由此检测传感器基站3所在的位置(纬度、经度、高度等)。而且，GPS部34将表示检测出的位置的位置信息与获取到的时刻信息相关联地定期地输出到基站处理部37。
传感器连接部35包括用于与传感器部36连接的传感器端子，传感器连接部35与用于测定一种或者多种环境因子的传感器部36连接。
传感器部36包括用于测定气温、湿度、土壤温度、土壤含水量、日照量、土壤电导率、土壤pH、风向及风速、饱和差、露点温度、水位、水温以及CO2等环境因子的各种传感器。例如，传感器部36包括用于测定气温的气温传感器、用于测定湿度的湿度传感器、用于测定土壤温度的土壤温度传感器、用于测定土壤含水量的土壤水分传感器、用于测定日照量的日照传感器、用于测定土壤电导率的土壤EC(Electrical Conductivity：电导率)传感器、用于测定土壤pH的土壤pH传感器、风向传感器及风速传感器、露点温度传感器、水位传感器、水温传感器以及CO2传感器等中的至少任一个。
基站处理部37具有一个或者多个处理器及其周边电路。基站处理部37用于统一控制传感器基站3的整体动作，例如是CPU(Central Processing Unit：中央处理单元)。基站处理部37控制第一基站通信部31、第二基站通信部32、GPS部34、传感器部36等的动作，使得根据基站存储部33中存储的程序等以适当的过程来执行传感器基站3的各种处理。基站处理部37基于基站存储部33中存储的程序(驱动程序、操作系统程序等)来执行处理。
基站处理部37具有测定信息获取部371、环境信息接收部372以及环境信息发送部373。基站处理部37所具有的这些各部是通过在基站处理部37所具有的处理器上执行的程序来实现的功能模块。或者，基站处理部37所具有的这些各部也可以作为独立的集成电路、微处理器或者固件来安装于传感器基站3。
图5是表示便携式终端4的概要结构的一个例子的图。
便携式终端4进行用户信息的发送、农场的环境信息的历史记录及范围信息的接收、环境信息的历史记录及范围信息的显示等。为此，便携式终端4具备第一无线通信部41、第二无线通信部42、终端存储部43、操作部44、显示部45、摄影部46以及终端处理部47。
第一无线通信部41具有通信接口电路，该通信接口电路包括主要以2.1GHz带为灵敏频带的天线，第一无线通信部41将便携式终端4连接到通信网络(未图示)。第一无线通信部41经由基站6所分配的信道在与基站6之间建立基于CDMA(Code Division MultipleAccess：码分多址)方式等的无线信号线路，与基站6之间进行通信。此外，与基站6之间的通信方式不限定于CDMA方式，也可以是W-CDMA(Wideband Code Division Multiple Access：宽带码分多址)方式、LTE(Long Term Evolution：长期演进)方式等其它通信方式，还可以是今后使用的通信方式。另外，与基站6之间的通信方式也可以是PHS(Personal Handy-phone System：个人手持电话系统)等其它通信方式。另外，第一无线通信部41的频带不限定于上述的频带。第一无线通信部41将从基站6接收到的数据提供给终端处理部47，将从终端处理部47提供的数据发送到基站6。
第二无线通信部42具有通信接口电路，该通信接口电路包括主要以2.4GHz带、5GHz带等为灵敏频带的天线，第二无线通信部42在与未图示的无线LAN(Local AreaNetwork：局域网)的接入点之间基于IEEE(The Institute of Electrical andElectronics Engineers,Inc.：电气和电子工程师协会)802.11标准的无线通信方式来进行无线通信。另外，第二无线通信部42的频带不限定于上述的频带。而且，第二无线通信部42将从基站6接收到的数据提供给终端处理部47，将从终端处理部47提供的数据发送到基站6。
终端存储部43例如具有半导体存储器。终端存储部43存储终端处理部47的处理中使用的驱动程序、操作系统程序、应用程序、数据等。例如，作为驱动程序，终端存储部43存储用于对第一无线通信部41进行控制的便携式电话通信设备驱动程序、用于对第二无线通信部42进行控制的无线LAN通信设备驱动程序、用于对操作部44进行控制的输入设备驱动程序、用于对显示部45进行控制的输出设备驱动程序等。另外，作为操作系统程序，终端存储部43存储用于执行IEEE802.11标准的无线通信方式的连接控制程序、便携式电话的连接控制程序等。另外，作为应用程序，终端存储部43存储用于进行网页的获取和显示的网页浏览器程序、用于进行电子邮件的发送和接收的电子邮件程序等。计算机程序也可以从例如CD-ROM(compact disk read only memory：光盘只读存储器)、DVD-ROM(digitalversatile disk read only memory：数字多功能盘只读存储器)等计算机可读取的可移动记录介质使用公知的安装程序等来安装到终端存储部43。
关于操作部44，只要是能够操作便携式终端4的设备即可，可以是任何设备，例如是触摸面板式的输入装置、键盘等。拥有者能够使用该设备来输入文字、数字等。操作部44当被拥有者操作时，产生与该操作对应的信号。所产生的信号作为拥有者的指示被输入到终端处理部47。
关于显示部45，只要是能够输出运动图像、静止图像等的设备即可，可以是任何设备，例如是触摸面板式的显示装置、液晶显示器、有机EL(Electro-Luminescence：电致发光)显示器等。显示部45显示从终端处理部47提供的与运动图像数据相应的运动图像、与静止图像数据相应的静止图像等。
摄影部46具有成像光学系统、摄像元件以及图像处理部等。成像光学系统例如是光学透镜，使来自被摄体的光束成像于摄像元件的摄像面上。摄像元件是CCD(ChargeCoupled Device：电荷耦合器件)或者CMOS(Complementary Metal Oxide Semiconductor：互补金属氧化物半导体)等，输出成像于摄像面上的被摄体像的图像信号。图像处理部根据由摄像元件生成的图像信号来制作并输出规定的文件形式的图像数据。
终端处理部47具有一个或者多个处理器及其周边电路。终端处理部47用于统一控制便携式终端4的整体动作，例如是CPU(Central Processing Unit：中央处理单元)。终端处理部47控制第一无线通信部41、第二无线通信部42以及显示部45等的动作，使得根据终端存储部43中存储的程序和操作部44的来源于操作的输出等以适当的过程来执行便携式终端4的各种处理。终端处理部47基于终端存储部43中存储的程序(驱动程序、操作系统程序、应用程序等)来执行处理。另外，终端处理部47能够并行地执行多个程序(应用程序等)。
终端处理部47具有浏览执行部471、获取部472以及终端发送部473。终端处理部47所具有的这些各部是通过在终端处理部47所具有的处理器上执行的程序来实现的功能模块。或者，终端处理部47所具有的这些各部也可以作为独立的集成电路、微处理器或者固件来安装于便携式终端4。
图6是表示服务器5的概要结构的一个例子的图。另外，图7A～图7D是表示服务器存储部52所存储的各种表的数据结构的一个例子的图。
服务器5当从传感器终端2或者传感器基站3接收到环境信息时，对环境信息进行积累和管理，向便携式终端4发送环境信息和环境信息的范围信息等。另外，服务器5当接收到由便携式终端4发送的病虫害的摄影图像时，检索与摄影图像对应的病虫害名，将检索到的病虫害名作为判定结果名发送到便携式终端4。为此，服务器5具备服务器通信部51、服务器存储部52以及服务器处理部53。
服务器通信部51具有用于将服务器5连接到因特网11的通信接口电路。服务器通信部51接收从传感器终端2或者传感器基站3发送的数据以及从便携式终端4发送的数据，将接收到的各数据提供给服务器处理部53。
服务器存储部52例如具有半导体存储器、磁盘装置以及光盘装置中的至少一个。服务器存储部52存储服务器处理部53的处理中使用的驱动程序、操作系统程序、应用程序、数据等。例如，作为驱动程序，服务器存储部52存储用于对服务器通信部51进行控制的通信设备驱动程序等。计算机程序也可以从例如CD-ROM、DVD-ROM等计算机可读取的可移动记录介质使用公知的安装程序等来安装到服务器存储部52。
另外，作为数据，服务器存储部52存储图7A所示的用户管理表、图7B所示的传感器管理表、图7C所示的范围管理表、图7D所示的评价历史记录表、与画面显示相关的各种图像数据等。并且，服务器存储部52也可以临时存储涉及规定的处理的临时性数据。
图7A表示用于管理用户的用户管理表。在用户管理表中，针对各用户，相关联地存储有该用户的识别号(用户ID)、用户的姓名、用户的邮件地址、传感器终端2和传感器基站3的识别号(传感器ID)等信息。传感器终端ID是用户所拥有的传感器终端2的识别号。
图7B表示用于管理传感器终端2和传感器基站3的传感器管理表。在传感器管理表中，针对各传感器终端2和传感器基站3，相关联地存储有该传感器终端2和传感器基站3的识别号(传感器ID)、传感器位置、农场的识别号(农场ID)、农作物的识别号(农作物ID)、当前生育期、下限评价值、每个记录的环境信息等信息。
传感器位置是从各传感器终端2和传感器基站3发送的、由各传感器终端2和传感器基站3的GPS部获取到的纬度和经度。农场ID是设置各传感器终端2和传感器基站3的农场的识别号。农作物ID是在设置各传感器终端2和传感器基站3的农场中栽培的农作物的识别号。生育期是将培育各农作物的生育期间按多个生育状况分割所得到的多个期间，按农作物的种类而设定多个生育期。生育期例如是播种期、育苗期、发根期(日语：活着期)等。
当前生育期是在设置各传感器终端2和传感器基站3的农场中培育的农作物的当前的生育期。此外，在服务器5接收到用户发送的生育期更新请求时，当前生育期被更新为下一生育期。下限评价值是在设置各传感器终端2和传感器基站3的农场中培育的农作物的成果价值中的、用户所期望的成果价值的下限。下限评价值是由用户来设定的，但是也可以是预先决定的评价值。每个记录的环境信息是基于从传感器基站3按规定的服务器发送周期发送的传感器ID、环境信息以及测定时间来针对每个传感器ID按照测定时间被依次相关联地存储的。例如，针对每个传感器ID，最初的测定时间的环境信息被作为一个记录来存储，各记录按被测定的顺序作为记录1、记录2、记录3、……来存储。此外，环境信息是气温、湿度、土壤温度、土壤含水量、日照量、土壤电导率、土壤pH、风向及风速、饱和差、露点温度、水位、水温以及/或者CO2，但是也可以包括其它环境因子，也可以是各环境因子的累计值。另外，关于各记录中包含的生育期，存储的是在存储环境信息的时间点的当前生育期。
图7C表示用于管理环境信息的范围信息的范围管理表。在范围管理表中，针对各农作物，相关联地存储该农作物的识别号(农作物ID)、每个生育期的为了收获农作物所需的环境信息的范围信息等。
图7D表示用于管理过去培育的农作物的评价值的评价历史记录表。在评价历史记录表中，按传感器终端2和传感器基站3来相关联地存储该传感器终端2和传感器基站3的识别号(传感器ID)、在设置了该传感器终端2和传感器基站3的农场中收获的农作物的评价历史记录等。评价历史记录包含过去收获的农作物的生育期间和表示该农作物的成果价值的评价值等。此外，也可以是，存储处理部535按每个传感器ID将评价历史记录表中存储的评价历史记录与传感器管理表中存储的农场ID及农作物ID中的任一个或者双方彼此相对应地存储到服务器存储部52。
返回到图6，服务器处理部53具有一个或多个处理器及其周边电路。服务器处理部53用于统一控制服务器5的整体动作，例如是CPU。服务器处理部53控制服务器通信部51等的动作，使得根据服务器存储部52中存储的程序等以适当的过程来执行服务器5的各种处理。服务器处理部53基于服务器存储部52中存储的程序(驱动程序、操作系统程序、应用程序等)来执行处理。另外，服务器处理部53能够并行执行多个程序(应用程序等)。
服务器处理部53具有服务器接收部531、登记部532、画面制作部533、服务器发送部534、存储处理部535、警告部536、修正部537、确定部538以及图像判定部539。服务器处理部53所具有的这些各部是通过在服务器处理部53所具有的处理器上执行的程序来实现的功能模块。或者，服务器处理部53所具有的这些各部也可以作为独立的集成电路、微处理器或者固件来安装于服务器5。
图8是表示农业管理系统1所涉及的动作时序的一个例子的图。图8所示的动作时序是便携式终端4与服务器5之间的用户信息登记处理的一个例子。
以下说明的动作时序是主要由终端处理部47和服务器处理部53基于预先存储于终端存储部43和服务器存储部52中的程序并与便携式终端4和服务器5的各要素协作来执行的。
首先，便携式终端4的浏览执行部471将用户使用操作部44输入的用户信息与用户信息的登记请求一起经由第二无线通信部42来发送到服务器5(步骤S101)。接着，服务器5的服务器接收部531经由服务器通信部51来接收从便携式终端4发送的用户信息。用户信息中包含用户的姓名、用户的邮件地址、用户所拥有的传感器终端2以及传感器基站的传感器ID、与传感器ID对应的农场ID、农作物ID、当前生育期、下限评价值、每个生育期的为了收获农作物所需的环境信息的范围信息等。此外，关于农场ID，也可以由服务器5基于用户使用操作部44输入的农场名来赋予唯一的ID。另外，关于农作物ID，也可以由服务器5基于用户使用操作部44输入的农作物的种类来赋予唯一的ID。
接着，登记部532执行用户信息登记处理(步骤S102)，在该用户信息登记处理中，将服务器接收部531接收到的用户信息登记到服务器存储部52中记录的各种表中。
接着，画面制作部533制作包含由登记部532进行了登记的用户信息的管理画面显示数据。接着，当由画面制作部533制作出管理画面显示数据时，服务器发送部534将制作出的管理画面显示数据经由服务器通信部51发送到便携式终端4(步骤S103)。便携式终端4的浏览执行部471基于经由第二无线通信部42接收到的管理画面显示数据来显示包含被登记的用户信息的管理画面(未图示)(步骤S104)。
图9是表示农业管理系统1所涉及的动作时序的一个例子的图。图9所示的动作时序是传感器终端2与传感器基站3与服务器5之间的环境信息存储处理的一个例子。
以下说明的动作时序是主要由传感器终端处理部26、基站处理部37以及服务器处理部53基于预先存储于传感器终端存储部22、基站存储部33以及服务器存储部52中的程序并与传感器终端2、传感器基站3以及服务器5的各要素协作来执行的。
首先，传感器终端2的测定信息获取部261经由传感器连接部24从传感器部25按规定的测定周期获取由传感器部25测定出的表示环境因子的环境信息，并且获取从GPS部23定期地输出的时刻信息。接着，测定信息获取部261将从传感器部25获取到的环境信息和从GPS部23接收到的时刻信息与用于识别传感器终端2的传感器ID相关联地存储到传感器终端存储部22。然后，测定信息发送部262将存储于传感器终端存储部22中的传感器ID、环境信息以及测定时间按规定的发送周期经由传感器终端通信部21发送到传感器基站3(步骤S201)。
接着，传感器基站3的测定信息获取部371经由传感器连接部35从传感器部36按规定的测定周期获取由传感器部36测定出的表示环境因子的环境信息，并且获取从GPS部34定期地输出的时刻信息。接着，测定信息获取部371将从传感器部36获取到的环境信息和从GPS部34获取到的时刻信息与用于识别传感器基站3的传感器ID相关联地存储到基站存储部33。接着，环境信息接收部372经由第一基站通信部31来接收从传感器终端2按规定的发送周期发送的传感器ID、环境信息以及测定时间。接着，环境信息接收部372将接收到的传感器ID、环境信息以及测定时间存储到基站存储部33。然后，环境信息发送部373将存储于基站存储部33中的传感器ID、环境信息以及测定时间按规定的服务器发送周期经由第二基站通信部32发送到服务器5(步骤S202)。
接着，服务器5的服务器接收部531经由服务器通信部51来接收从传感器基站3按规定的服务器发送周期发送的传感器ID、环境信息以及测定时间。然后，存储处理部535将接收到的测定时间及环境信息与同时接收到的传感器ID相关联地一个记录一个记录地依次存储到服务器存储部52的传感器管理表(步骤S203)。
图10是表示农业管理系统1所涉及的动作时序的一个例子的图。图10所示的动作时序是便携式终端4与服务器5之间的范围信息登记处理的一个例子。
以下说明的动作时序是主要由终端处理部47和服务器处理部53基于预先存储于终端存储部43和服务器存储部52中的程序并与便携式终端4和服务器5的各要素协作来执行的。
首先，便携式终端4的浏览执行部471将用户使用操作部44输入的用于识别农作物的农作物ID以及为了收获各评价值的农作物所需的环境信息的范围信息与环境信息的范围信息的登记请求一起经由第二无线通信部42来发送到服务器5(步骤S301)。以下有时将为了收获各评价值的农作物所需的环境信息的范围信息称为与各评价值对应的环境信息的范围信息。
接着，服务器5的服务器接收部531经由服务器通信部51来接收从便携式终端4发送的农作物ID以及与各评价值对应的环境信息的范围信息。然后，登记部532将与各评价值对应的环境信息的范围信息同农作物ID相关联地记录到服务器存储部52的范围管理表(步骤S302)。
接着，画面制作部533制作管理画面显示数据，在该管理画面显示数据中包含由登记部532利用范围管理表记录的农作物ID所表示的农作物以及与该农作物对应且与各评价值对应的环境信息的范围信息。然后，当由画面制作部533制作出管理画面显示数据时，服务器发送部534将制作出的管理画面显示数据经由服务器通信部51来发送到便携式终端4(步骤S303)。
便携式终端4的浏览执行部471基于经由第二无线通信部42接收到的管理画面显示数据来显示包含被登记的环境信息的范围信息的管理画面(未图示)(步骤S304)。
图11是表示农业管理系统1所涉及的动作时序的一个例子的图。图11所示的动作时序是便携式终端4与服务器5之间的警告邮件输出处理的一个例子。
以下说明的动作时序是主要由终端处理部47和服务器处理部53基于预先存储于终端存储部43和服务器存储部52中的程序并与便携式终端4和服务器5的各要素协作来执行的。
首先，服务器5的警告部536和画面制作部533按规定的警告周期执行警告邮件输出处理(步骤S401)。后面叙述警告邮件输出处理的详情。然后，当由警告部536和画面制作部533执行了警告邮件输出处理时，服务器发送部534从警告部536接收警告邮件，向警告邮件中包含的发送目的地地址所示的便携式终端4发送警告邮件(步骤S402)。
图12是表示警告部536和画面制作部533的警告邮件输出处理的动作流程的一个例子的图。图12所示的警告邮件输出处理是在图11的步骤S401中执行的。
首先，警告部536参照服务器存储部52中存储的传感器管理表，针对每个传感器ID按规定的警告周期获取最新记录中的环境信息(步骤S501)。接着，警告部536参照服务器存储部52中存储的传感器管理表，针对每个传感器ID提取与各传感器ID相关联的农作物ID和下限评价值。接着，警告部536参照服务器存储部52中存储的范围管理表，来获取与提取出的农作物ID相关联的、当前的生育期中的下限评价值以上(例如在下限评价值为4的情况下，规定值为4和5)的环境信息的范围信息(步骤S502)。此外，下限评价值是规定的评价值的一个例子。
接着，警告部536针对每个传感器ID判定最新记录中的环境信息是否处于与各传感器ID相关联的农作物ID所对应的下限评价值以上的环境信息的范围信息内(步骤S503)。接着，在警告部536判定为各传感器ID的最新记录中的环境信息处于与各传感器ID相关联的农作物ID所对应的下限评价值的环境信息的范围信息内的情况下(步骤S503：“是”)，使处理进入到后述的步骤S506。
另一方面，在警告部536判定为各传感器ID的最新记录中的环境信息不处于与各传感器ID相关联的农作物ID所对应的下限评价值的环境信息的范围信息内的情况下(步骤S503：“否”)，警告部536制作表示为了收获下限评价值的农作物所需的环境的环境适合信息。环境适合信息是表示最新记录中的环境信息与下限评价值以上的环境信息的范围信息之间的差的信息等。画面制作部533制作包含由警告部536制作出的环境适合信息的管理画面显示数据(步骤S504)。
接着，警告部536制作包含表示当前的环境信息不处于环境信息的范围信息内的信息的警告邮件(步骤S505)。首先，警告部536参照用户管理表，来确定与如下传感器ID相关联的用户ID并获取与确定出的用户ID相关联的邮件地址，该传感器ID与被判定为不处于下限评价值的环境信息的范围信息内的最新记录中的环境信息对应。接着，警告部536制作如下警告邮件：该警告邮件的发送目的地被设定为获取到的邮件地址，且该警告邮件的正文被设定为表示当前的环境信息不处于环境信息的范围信息内的信息。然后，警告部536将制作出的警告邮件交给服务器发送部534。此外，警告部536也可以在警告邮件中包含URL(Uniform Resource Locator：统一资源定位符)，该URL表示包含环境适合信息的管理画面显示数据的保存场所。由此，接收到警告邮件的用户能够在便携式终端4上显示包含环境适合信息的管理画面。
接着，警告部536当制作出警告邮件时，判定是否已对传感器管理表中存储的所有传感器ID均执行了步骤S503～S504的处理(步骤S506)。接着，警告部536在判定为尚未对所有传感器ID均执行步骤S503～S504的处理的情况下(步骤S506：“否”)，使处理返回到步骤S503。然后，警告部536在判定为已对所有传感器ID均执行了步骤S503～S504的处理的情况下(步骤S506：“是”)，结束一系列步骤。
图13是表示农业管理系统1所涉及的动作时序的一个例子的图。图13所示的动作时序是便携式终端4与服务器5之间的范围信息修正处理的一个例子。
以下说明的动作时序是主要由终端处理部47和服务器处理部53基于预先存储于终端存储部43和服务器存储部52中的程序并与便携式终端4和服务器5的各要素协作来执行的。
首先，当用户使用操作部44输入了各农作物的生育期间内的某一生育期结束时，便携式终端4的浏览执行部471将生育期更新请求经由第二无线通信部42发送到服务器5(步骤S601)，该生育期更新请求包含拥有便携式终端4的用户的用户ID以及传感器ID。以后，将结束的生育期称为当前的生育期，将根据生育期更新请求进行更新的生育期称为下一生育期。传感器ID是被设置于培育着生育期结束的农作物的农场中的传感器终端2和传感器基站3的传感器ID。
接着，当服务器5的服务器接收部531经由服务器通信部51接收到从便携式终端4发送的生育期更新请求时，修正部537和画面制作部533执行范围信息修正处理(步骤S602)。后面叙述范围信息修正处理的详情。
然后，当由修正部537和画面制作部533执行了范围信息修正处理时，服务器发送部534从画面制作部533接收管理画面显示数据，向便携式终端4发送管理画面显示数据(步骤S603)。
图14是表示修正部537和画面制作部533的范围信息修正处理的动作流程的一个例子的图。图14所示的范围信息修正处理是在图13的步骤S602中执行的。
首先，修正部537参照传感器管理表，来获取与由服务器接收部531接收到的生育期更新请求中包含的传感器ID相关联的各记录的环境信息内的、当前的生育期中的记录的环境信息(步骤S701)。接着，修正部537参照传感器管理表，来提取与生育期更新请求中包含的传感器ID相关联的农作物ID和下限评价值，参照范围管理表，来获取与提取出的农作物ID相关联的当前的生育期中的下限评价值以上的环境信息的范围信息(步骤S702)。下面，有时将与提取出的农作物ID相关联的当前的生育期中的下限评价值以上的环境信息的范围信息称为目标范围信息。
接着，修正部537判定当前的生育期中的记录的环境信息的平均值是否处于目标范围信息内(步骤S703)。此外，也可以是，在包含在目标范围信息内的环境信息的记录数为规定数以上的情况下，修正部537判定为当前的生育期中的记录的环境信息处于目标范围信息内。
接着，在当前的生育期中的记录的环境信息的平均值处于目标范围信息内的情况下(步骤703：“是”)，修正部537使处理进入到步骤S706。接着，在当前的生育期中的记录的环境信息的平均值不处于目标范围信息内的情况下(步骤703：“否”)，修正部537提取比在步骤S702中提取出的下限评价值低的评价值，将提取出的评价值作为与生育期更新请求中包含的传感器ID相关联的下限评价值来存储到传感器管理表(步骤S704)。此外，下限评价值和比下限评价值低的评价值是规定的评价值和第二评价值的一个例子。此外，第二评价值不限于比下限评价值低的评价值。例如，修正部537判定在步骤S702中获取到的下限评价值以上的环境信息的范围信息中是否包含当前的生育期中的记录的环境信息的平均值。然后，在当前的生育期中的记录的环境信息的平均值处于下限评价值以上的环境信息的范围信息内的情况下，修正部537将与该下限评价值以上的环境信息对应的评价值设为第二评价值。这样，根据环境信息来提取与规定的评价值不同的第二评价值，将评价值存储到传感器管理表。
接着，修正部537获取与在步骤S702中提取出的提取出的农作物ID相关联的下一生育期中的第二评价值的环境信息的范围信息，画面制作部533制作管理画面显示数据(步骤S705)，该管理画面显示数据用于显示包含所提取出的环境信息的范围信息的管理画面。然后，画面制作部533将制作出的管理画面显示数据交给服务器发送部534，结束一系列步骤。此外，警告部536使用比下限评价值低的评价值来实施上述的警告邮件输出处理。
图15是表示农业管理系统1所涉及的动作时序的一个例子的图。图15所示的动作时序是便携式终端4与服务器5之间的范围信息更新处理的一个例子。
以下说明的动作时序是主要由终端处理部47和服务器处理部53基于预先存储于终端存储部43和服务器存储部52中的程序并与便携式终端4和服务器5的各要素协作来执行的。
首先，在各农作物的生育期间结束从而收获了各农作物的情况下，用户使用操作部44来输入被设置于培育出所收获的各农作物的农场中的传感器终端2和传感器基站3的传感器ID和所收获的农作物的农作物ID、评价值以及生育期间。接着，便携式终端4的获取部472获取所输入的传感器ID、农作物ID、评价值以及生育期间。然后，终端发送部473将收获数据经由第二无线通信部42发送到服务器5(步骤S801)，该收获数据包含拥有便携式终端4的用户的用户ID以及由获取部472获取到的传感器ID、农作物ID、评价值以及生育期间。
接着，当服务器5的服务器接收部531经由服务器通信部51接收到从便携式终端4发送的收获数据时，确定部538和画面制作部533执行范围信息更新处理(步骤S802)。后面叙述范围信息更新处理的详情。
然后，当由确定部538和画面制作部533执行了范围信息更新处理时，服务器发送部534从画面制作部533接收管理画面显示数据，向便携式终端4发送管理画面显示数据(步骤S803)。
图16是表示确定部538和画面制作部533的范围信息更新处理的动作流程的一个例子的图。图16所示的范围信息更新处理是在图15的步骤S802中执行的。
首先，确定部538参照传感器管理表，在与由服务器接收部531接收到的收获数据中包含的传感器ID和农作物ID相关联的所有记录的环境信息内，按各记录中包含的生育期来获取环境信息(步骤S901)。此外，在步骤S901中获取的环境信息是与由服务器接收部531接收到的收获数据中包含的传感器ID有关的环境信息，但是不限于此。例如，也可以是，确定部538获取服务器存储部52中存储的与所有传感器ID相关联的全部记录的、且与农作物ID相关联的环境信息。另外，也可以是，确定部538基于各农场的纬度经度、海拔、气候条件、土壤的种类等来将各农场分类为多个组，获取与分类到如下组的农场所对应的传感器ID相关联的全部记录的、且与农作物ID相关联的环境信息，该组是与由服务器接收部531接收到的收获数据中包含的传感器ID所对应的农场相同的组。
接着，确定部538获取由服务器接收部531接收到的收获数据中包含的传感器ID和农作物的评价值及生育期间，进行将获取到的农作物的评价值及生育期间与获取到的传感器ID相关联地存储到评价历史记录表的更新处理，接着，参照更新处理后的评价历史记录表，来获取与由服务器接收部531接收到的收获数据中包含的传感器ID相关联的所有评价历史记录(步骤S902)。
接着，确定部538按每个生育期将在步骤S901中获取到的所有环境信息与同包含该环境信息的测定时间的生育期间相关联的评价值相对应(步骤S903)。以后，将评价值与多个环境信息相对应所得到的数据集称为环境信息历史记录D。
接着，确定部538从多个环境信息历史记录D中选定对评价值影响大的环境信息(步骤S904)。首先，确定部538以多个环境信息历史记录D中的环境信息为变量来执行主成分分析，计算出第一主成分中的各变量的主成分负荷量(因子负荷量)。然后，确定部538选定主成分负荷量大于规定的值的变量(环境信息)。此外，确定部538也可以还选定不仅第一主成分的主成分负荷量大于规定的值而且第二主成分的各主成分负荷量也大于规定的值的变量。另外，也可以是，在第一主成分的贡献率低于固定值的情况下，不执行以后的步骤S905～S907，结束范围信息更新处理。另外，在环境信息历史记录D的环境信息的种类少(例如，环境信息的种类为三种以下。)的情况下，也可以不执行步骤S904而使处理进入到步骤S905。
接着，确定部538判定被选定的环境信息历史记录D中的评价值与环境信息之间是否存在特定的相关关系(步骤S905)。下面说明评价值与环境信息之间的相关关系。
图17是将环境信息历史记录D映射到以评价值和环境信息为轴的二维平面所得到的示意图。图17所示的环境信息是土壤温度的累计值，但是也可以是其它环境因子(气温、日照量等)的累计值。一般已知，为了收获评价值高的农作物，需要在各生育期在最优的环境信息的范围内培育农作物。例如图17所示，在累计土壤温度为2300度左右，收获评价值高的农作物。另外，随着累计土壤温度从2300度变低，收获评价值低的农作物，并且，随着累计土壤温度从2300度变高，收获评价值低的农作物。
在此，当将累计土壤温度设为xi、将评价值设为yi、将xi和yi的平均值设为X和Y时，利用下面的式(1)来求出相关系数Rxy。此外，n是环境信息历史记录D的数据个数。
[数1]
另外，利用下面的式(2)来求出回归直线。
[数2]
y＝ax+b…(2)
在该情况下，分别利用下面的式(3)和式(4)来表示a和b。
[数3]
[数4]
b＝Y-aX…(4)
另外，利用下面的式(5)来表示评价值y的估计值的标准偏差Se。
[数5]
返回到图16，确定部538在步骤S905中计算出表示评价值与环境信息之间的正相关关系的回归直线和表示负相关关系的回归直线，在与计算出的回归直线有关的相关系数Rxy的绝对值为0.8以上的情况下，判定为评价值与环境信息之间存在特定的相关关系。
接着，确定部538在判定为评价值与环境信息之间不存在特定的相关关系的情况下(步骤S905：“否”)，使处理进入到步骤S907。
另一方面，确定部538在判定为评价值与环境信息之间存在特定的相关关系的情况下(步骤S905：“是”)，根据表示正相关关系的回归直线来计算出与各评价值对应的环境信息的下限值，并且根据表示负相关关系的回归直线来计算出与各评价值对应的环境信息的上限值。接着，确定部538将计算出的与各评价值对应的下限值和上限值作为服务器存储部52中存储的范围管理表的环境信息的范围信息来进行更新并存储(步骤S906)。
接着，画面制作部533制作管理画面显示数据(步骤S907)，该管理画面显示数据用于显示包含表示范围管理表的环境信息的范围信息被更新的通知的管理画面。然后，画面制作部533将制作出的管理画面显示数据交给服务器发送部534，结束一系列步骤。
此外，确定部538也可以判定在步骤S904中执行的主成分分析中的第一主成分评分与评价值之间是否存在特定的相关关系。首先，确定部538以多个环境信息历史记录D中的环境信息为变量来执行主成分分析，计算出与各个变量(环境信息)对应的第一主成分评分。确定部538在上述的式(1)中将第一主成分评分设为xi，将同与第一主成分评分对应的变量(环境信息)相关联的评价值设为yi，将xi和yi的平均值设为X和Y，来计算出相关系数Rxy。确定部538利用上述的式(2)～(5)来计算出表示评价值与第一主成分评分之间的正相关关系的回归直线和表示负相关关系的回归直线，在与计算出的回归直线有关的相关系数Rxy的绝对值为0.8以上的情况下，判定为评价值与第一主成分评分之间存在特定的相关关系。确定部538在判定为评价值与第一主成分评分之间存在特定的相关关系的情况下，根据表示正相关关系的回归直线来计算出与各评价值对应的第一主成分评分的下限值，并且根据表示负相关关系的回归直线来计算出与各评价值对应的第一主成分评分的上限值。接着，确定部538对计算出的与各评价值对应的下限值和上限值乘以通过主成分分析计算出的固有向量的逆矩阵，将与在步骤S904中选定的各变量(环境信息)对应的上限值和下限值作为服务器存储部52中存储的范围管理表的各环境信息的范围信息来进行更新并存储。由此，能够计算出与对所收获的农作物的评价值产生影响的多个环境信息对应的范围信息。
如以上说明的那样，通过农业管理系统1，服务器5能够基于在各农场中过去收获的农作物的成果价值和环境信息的历史记录来提供适于各农场的农作物的管理信息。因而，服务器5能够管理适于每个农场的农作物的培育的环境。
此外，也可以是，服务器5的画面制作部533制作用于显示包含农场环境特性曲线的画面的显示数据，该农场环境特性曲线是在以累计土壤温度和累计日照量为轴的二维平面绘制了将传感器管理表中存储的各记录的土壤温度和日照量进行累计所得到的值的曲线，服务器发送部534将该显示数据经由服务器通信部51发送到便携式终端4。
图18是表示在以累计土壤温度和累计日照量为轴的二维平面上显示的农场环境特性曲线的示意图。在图18中，示出了收获了特定的评价值5的农作物的X试验场中的农场环境特性曲线和正在培育特定的农作物的Y镇Z农场中的农场环境特性曲线。由此，能够视觉识别当前的Y镇Z农场中的农场环境特性曲线和X试验场中的农场环境特性曲线的偏离。
此外，通过使用农场环境特性曲线，能够决定当前的Y镇Z农场中的最优的种类和品种以及多维地分析开花日和收获日。
图19是表示农业管理系统1所涉及的动作时序的一个例子的图。图19所示的动作时序是便携式终端4与服务器5之间的图像判定处理的一个例子。此外，执行图19所示的动作时序的农业管理系统1是执行图像判定方法的图像判定系统的一个例子。
以下说明的动作时序是主要由终端处理部47和服务器处理部53基于预先存储于终端存储部43和服务器存储部52中的程序并与便携式终端4和服务器5的各要素协作来执行的。此外，服务器存储部52存储病虫害图像管理表，该病虫害图像管理表对每种病虫害相关联地存储多个病虫害图像、病虫害名、农作物名、发生部位以及发生环境信息等。农作物名是发生病虫害的农作物的名称。此外，与各病虫害相关联地存储多个病虫害图像，但是也可以与各病虫害相关联地存储一个病虫害图像。发生部位是发生病虫害的农作物的部位。发生环境信息是表示容易发生病虫害的环境信息的范围或者农场的条件的数据。另外，发生环境信息中的环境信息的种类既可以是一种也可以是多种。
首先，获取部472获取与便携式终端4的用户使用操作部44进行的操作相应地通过摄影部46的拍摄来得到的病虫害的摄影图像(步骤S1001)。此外，拍摄到的病虫害是拥有该便携式终端4的用户所运营的农场中栖息的害虫或者在该农场中培育的农作物的病害的症状等。
便携式终端4的终端发送部473将图像判定请求经由第二无线通信部42发送到服务器5(步骤S1002)，该图像判定请求包含通过便携式终端4的摄影部46的拍摄来得到的病虫害的摄影图像以及拥有便携式终端4的用户的用户ID。
接着，当服务器5的服务器接收部531经由服务器通信部51接收到从便携式终端4发送的图像判定请求时，图像判定部539和画面制作部533执行摄影图像判定处理(步骤S1003)。后面叙述摄影图像判定处理的详情。
接着，当由图像判定部539和画面制作部533执行了摄影图像判定处理时，服务器发送部534从画面制作部533接收判定结果画面显示数据，向便携式终端4发送判定结果画面显示数据(步骤S1004)。
然后，便携式终端4的浏览执行部471基于经由第二无线通信部42接收到的判定结果画面显示数据来显示包含判定结果名的判定结果画面(未图示)(步骤S1005)。
图20是表示图像判定部539和画面制作部533的摄影图像判定处理的动作流程的一个例子的图。图20所示的摄影图像判定处理是在图19的步骤S1003中执行的。
首先，图像判定部539获取病虫害图像管理表中存储的多个病虫害图像，使用SURF法等局部特征量提取法来对获取到的多个病虫害图像中的各个病虫害图像提取多个特征点，并计算出各特征点的局部特征量(步骤S1101)。此外，作为局部特征量提取法，不限于SURF法，也可以使用SIFT(Scale-Invariant Feature Transform：尺度不变特征转换)法等。此外，通过局部特征量提取法计算出的局部特征量是128维，但是不限于此，也可以是64维，还可以是除此以外的维数。
接着，图像判定部539基于对多个病虫害图像中的各个病虫害图像计算出的多个局部特征量，以特征向量来表现各病虫害图像(步骤S1102)。以特征向量来表现病虫害图像的处理是例如使用费舍尔向量(Fisher Vector)等特征向量表现方法来执行的。此外，在费舍尔向量中的码本大小(code book size)为10且局部特征量的维数为128维的情况下，费舍尔向量的元素数是(2×128)×10-1＝2559。
接着，图像判定部539基于表现了多个病虫害图像中的各个病虫害图像的特征向量来生成分类模型(步骤S1103)。分类模型例如是随机森林中的多个决策树。另外，分类模型也可以是将软间隔支持向量机(Soft Margin Support Vector Machine)中的学习数据设为表现了多个病虫害图像中的各个病虫害图像的特征向量的情况下的引入了松弛变量ξ的目标函数。
接着，图像判定部539对由服务器接收部531接收到的图像判定请求中包含的摄影图像使用局部特征量提取法提取多个特征点并计算出各特征点的局部特征量(步骤S1104)。
接着，图像判定部539基于针对摄影图像计算出的多个局部特征量，以特征向量来表现摄影图像(步骤S1105)。
接着，图像判定部539基于生成的分类模型，对与表现了摄影图像的特征向量类似的病虫害名相对应地赋予得分(步骤S1106)。得分例如是在随机森林中在多个决策树中分别决定的、与病虫害图像对应的病虫害名的投票数。另外，得分是软间隔支持向量机中的、对松弛变量ξ的惩罚和间隔(margin)的大小的安排进行控制的参数。
接着，图像判定部539对与病虫害名相对应的得分中的某些得分进行加权(步骤S1107)。以下说明加权的处理。首先，图像判定部539参照用户管理表，来获取与由服务器接收部531接收到的图像判定请求中包含的用户ID相关联的传感器ID。接着，图像判定部539参照传感器管理表，来获取与获取到的传感器ID相关联的规定期间内的记录的环境信息和农作物ID。此外，规定期间是1年，但是也可以是与该传感器ID相关联的农作物ID所对应的农作物的生育期间。接着，图像判定部539参照病虫害图像管理表，来提取与获取到的农作物ID相关联的发生环境信息，判定所获取到的环境信息是否包含于所提取出的发生环境信息中。然后，图像判定部539在判定为所获取到的环境信息包含于所提取出的发生环境信息中的情况下，参照病虫害图像管理表，来确定与被判定为包含所获取到的环境信息的发生环境信息相关联的病虫害名，对确定出的病虫害名的得分进行加权。例如，对得分进行加权的处理是对得分乘以1.2的处理等。
接着，图像判定部539将与各病虫害名相对应的得分进行比较，将被赋予了最高得分的病虫害名决定为判定结果名(步骤S1108)。
然后，画面制作部533制作包含由图像判定部539决定的判定结果名的判定结果画面显示数据(步骤S1109)，将制作出的判定结果画面显示数据交给服务器发送部534，结束一系列步骤。
如以上说明的那样，通过图像判定系统，服务器5能够不仅基于预先积累的病虫害的图像信息、还基于农场的环境信息来检索病虫害。因而，服务器5能够提高病虫害的摄影图像的判定的精度。
此外，与便携式终端4的用户使用操作部44进行的操作相应地通过摄影部46的拍摄来得到的病虫害的摄影图像也可以是与用户使用操作部44进行的操作相应地仅剪切出病虫害的部分所得到的图像。在便携式终端4将包含只有病虫害部分的图像的图像判定请求发送到服务器5、且服务器5根据该图像来进行图像判定处理的情况下，由于在该图像中除病虫害以外的部分区域变小，因此能够提高图像判定处理的精度。
另外，也可以是，在便携式终端4将包含病虫害的摄影图像的图像判定请求发送到服务器5的情况下，将与便携式终端4的用户使用操作部44进行的操作相应地输入的农作物名和病虫害的发生部位等包含在图像判定请求中。在该情况下，在上述的步骤S1101中，将从病虫害图像管理表获取的多个病虫害图像设为与图像判定请求中包含的农作物名和/或发生部位对应的病虫害图像。由此，能够将与发生病虫害的农作物和/或发生部位对应的病虫害图像作为判定的对象，能够提高图像判定处理的精度。
另外，在加权的处理中，以由服务器接收部531接收到的图像判定请求中包含的用户ID为关键字来从用户管理表获取了传感器ID，但是也可以基于发送了图像判定请求的便携式终端4的位置来获取传感器ID。在该情况下，便携式终端4具有用于检测便携式终端4所在的位置(纬度、经度、高度等)的GPS部(未图示)。首先，在图19的步骤S1001中，便携式终端4的获取部472当与便携式终端4的用户使用操作部44进行的操作相应地通过摄影部46的拍摄来获取到病虫害的摄影图像时，将由GPS部检测得到的位置(纬度、经度、高度等)获取为拍摄位置。接着，在图19的步骤S1002中，便携式终端4的终端发送部473将图像判定请求经由第二无线通信部42发送到服务器5，该图像判定请求包含通过便携式终端4的摄影部46的拍摄来得到的病虫害的摄影图像、拍摄位置、拥有便携式终端4的用户的用户ID。然后，在图20的步骤S1107中，图像判定部539参照传感器管理表，来获取与由服务器接收部531接收到的拍摄位置附近的传感器位置相关联的传感器ID。由此，即使用户处于用户自身所运营的农场以外，也能够实施图像判定。
另外，在加权的处理中，也可以是，服务器5从发送了图像判定请求的便携式终端4获取由该便携式终端4从传感器终端2直接获取到的传感器ID。在该情况下，发送了图像判定请求的便携式终端4通过Bluetooth(注册商标)等终端间的近距离无线通信来与位于无线覆盖范围内的传感器终端2建立通信，从建立了通信的传感器终端2直接获取传感器ID。便携式终端4除了图5所示的各部之外还具备近距离无线通信部48。近距离无线通信部48具有用于进行遵循Bluetooth(注册商标)等通信方式的近距离无线通信的接口电路。便携式终端4的获取部472确定位于能够借助近距离无线通信部48来通信的规定范围内的传感器终端2，并将传感器ID请求信号发送到传感器终端2。传感器终端2的传感器终端处理部26当从便携式终端4接收到传感器ID请求信号时，获取传感器终端存储部22中存储的自己的传感器ID，并将获取到的传感器ID发送到发送了传感器ID请求信号的便携式终端4。然后，便携式终端4的终端发送部473将接收到的传感器ID也包含在图像判定请求中来发送到服务器5。由此，即使在使用便携式终端4所具备的GPS等的定位系统的精度差的情况下，也能够获取位于便携式终端4周边的传感器终端2的传感器ID。
另外，在加权的处理中，也可以基于当前发生的病虫害的信息来进行图像判定。在该情况下，服务器5的服务器接收部531从运营农场的各用户接收在各农场中确认为发生的病虫害名，服务器5的获取部472将病虫害发生表存储到服务器存储部52，在该病虫害发生表中，与发生病虫害的农场的农场ID相对应地存储有该病虫害名。接着，在图20的步骤S1107中，图像判定部539参照传感器管理表，来获取与由服务器接收部531接收到的拍摄位置附近的传感器位置相关联的农场ID。接着，图像判定部539参照病虫害发生表，来获取与农场ID相对应的病虫害名，对获取到的病虫害名的得分进行加权。由此，能够基于在用户自身运营的农场周边的农场中发生的病虫害来实施图像判定，从而能够提高病虫害的摄影图像的判定的精度。
此外，作为当前发生的病虫害的信息，也可以使用从外部服务器获取到的发生病虫害数据或者由图像判定系统的服务器管理者登记的发生病虫害数据。在该情况下，服务器存储部52将确认为当前发生的发生病虫害名与发生病虫害的位置的发生位置信息相对应地存储。另外，便携式终端4具有用于检测便携式终端4所在的位置(纬度、经度、高度等)的GPS部(未图示)。首先，在图19的步骤S1001中，便携式终端4的获取部472当与便携式终端4的用户使用操作部44进行的操作相应地通过摄影部46的拍摄来获取到病虫害的摄影图像时，将由GPS部检测到的位置(纬度、经度、高度等)获取为拍摄位置。然后，在图19的步骤S1002中，便携式终端4的终端发送部473将图像判定请求经由第二无线通信部42发送到服务器5，该图像判定请求包含通过便携式终端4的摄影部46的拍摄来得到的病虫害的摄影图像、拍摄位置、拥有便携式终端4的用户的用户ID。然后，在图20的步骤S1107中，图像判定部539判定所获取到的拍摄位置是否包含于以服务器存储部52中存储的发生位置信息为中心的规定范围内。然后，图像判定部539在判定为拍摄位置包含于规定范围内的情况下，确定与发生位置信息对应的发生病虫害名，对确定出的病虫害名的得分进行加权。由此，用户能够基于全国当前发生的发生病虫害数据来实施图像判定。
另外，图像判定系统所执行的图像判定处理也可以用于除病虫害以外的动植物的判定。动植物是植物、动物、昆虫等。在该情况下，首先，服务器5存储与多个动植物分别对应的多个动植物图像以及表示容易产生该动植物的环境信息的范围的发生环境信息。接着，服务器5接收从便携式终端4发送的摄影图像。接着，服务器5检索所存储的多个动植物图像中的与从便携式终端4接收到的摄影图像类似的动植物图像，基于检索到的动植物图像来对各动植物名赋予得分。此外，由图像判定部539来执行得分的赋予。接着，服务器5从传感器终端2接收由该传感器终端2测定出的环境信息。接着，服务器5确定从传感器终端2接收到的农场的环境信息，判定包含所确定出的环境信息的发生环境信息。接着，服务器5提取与被判定为包含所确定出的环境信息的发生环境信息相对应的动植物名，对与提取出的动植物名对应的得分进行加权。此外，服务器5也可以存储动植物容易栖息的位置信息，基于该位置信息和拍摄位置来对与动植物名对应的得分进行加权。然后，服务器5将与各动植物名对应的得分中的最高得分所对应的动植物名作为判定结果名发送到便携式终端4。由此，用户仅通过将利用便携式终端4拍摄得到的动植物的摄影图像发送到服务器5，就能够得知基于根据动植物的摄影图像进行的图像分类的动植物名来作为判定结果名。
本领域技术人员应当理解，能够在不超出本发明的精神和范围地对本发明施加各种变更、置换以及修正。
附图标记说明
1：农业管理系统；2：传感器终端；21：传感器终端通信部；22：传感器终端存储部；23：GPS部；24：传感器连接部；25：传感器部；26：传感器终端处理部；261：测定信息获取部；262：测定信息发送部；3：传感器基站；31：第一基站通信部；32：第二基站通信部；33：基站存储部；34：GPS部；35：传感器连接部；36：传感器部；37：基站处理部；371：测定信息获取部；372：环境信息接收部；373：环境信息发送部；4：便携式终端；41：第一无线通信部；42：第二无线通信部；43：终端存储部；44：操作部；45：显示部；46：摄影部；47：终端处理部；471：浏览执行部；472：获取部；473：终端发送部；5：服务器；51：服务器通信部；52：服务器存储部；53：服务器处理部；531：服务器接收部；532：登记部；533：画面制作部；534：服务器发送部；535：存储处理部；536：警告部；537：修正部；538：确定部；539：图像判定部。

Claims (3)

1.一种图像判定方法，该图像判定方法是由服务器执行的，该服务器具有存储部，该服务器与便携式终端及设置于农场的传感器终端进行通信，该图像判定方法的特征在于，包括以下步骤：
所述服务器将与生物的各个形态对应的生物图像以及发生环境信息存储到多个所述存储部，所述发生环境信息表示与该生物的形态相适应的环境信息的范围；
所述服务器接收从所述便携式终端发送的摄影图像；
所述服务器从所述传感器终端接收由该传感器终端测定出的所述环境信息；
所述服务器检索多个所述生物图像中的、与接收到的所述摄影图像类似的生物图像，对与检索到的所述生物图像所对应的生物的形态有关的名称赋予得分；
所述服务器提取与包含从所述传感器终端接收到的所述环境信息的发生环境信息所对应的生物的形态有关的名称，对提取出的名称的所述得分进行加权；以及
所述服务器将多个所述得分中的最高得分的名称作为判定结果名发送到发送了所述摄影图像的所述便携式终端。
2.根据权利要求1所述的图像判定方法，其特征在于，
在所述进行加权的步骤中，所述服务器提取与如下发生环境信息所对应的生物的形态有关的名称：所述发生环境信息包含从通过所述便携式终端拍摄了生物的形态时的所述便携式终端的拍摄位置的附近的传感器终端接收到的所述环境信息。
3.根据权利要求2所述的图像判定方法，其特征在于，
还包括以下步骤：所述服务器将与所述生物的形态有关的名称与确认出该生物的形态的农场相对应地存储到所述存储部，
在进行加权的步骤中，所述服务器提取与其它农场中确认出的生物的形态有关的名称，对提取出的名称的所述得分进一步进行加权，所述其它农场处于设置有所述拍摄位置的附近的传感器终端的农场的周边。
CN201680054114.1A 2015-09-18 2016-09-20 图像判定方法 Active CN108024505B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2015185843A JP6357140B2 (ja) 2015-09-18 2015-09-18 画像判定方法
JP2015-185843 2015-09-18
PCT/JP2016/077728 WO2017047814A1 (ja) 2015-09-18 2016-09-20 画像判定方法

Publications (2)

Publication Number Publication Date
CN108024505A true CN108024505A (zh) 2018-05-11
CN108024505B CN108024505B (zh) 2019-11-22

Family

ID=58289435

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680054114.1A Active CN108024505B (zh) 2015-09-18 2016-09-20 图像判定方法

Country Status (8)

Country Link
US (1) US10262244B2 (zh)
EP (1) EP3351089B1 (zh)
JP (1) JP6357140B2 (zh)
CN (1) CN108024505B (zh)
AU (1) AU2016324766B2 (zh)
HK (1) HK1257173A1 (zh)
NZ (1) NZ741016A (zh)
WO (1) WO2017047814A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111078732A (zh) * 2019-12-31 2020-04-28 新疆农业科学院园艺作物研究所 一种扁桃品种鉴定方法
CN113542345A (zh) * 2020-04-14 2021-10-22 丰田自动车株式会社 信息处理系统、信息处理装置以及非临时性的存储介质
CN114760832A (zh) * 2019-12-17 2022-07-15 株式会社未来菜园 预测装置

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017061281A1 (ja) * 2015-10-08 2017-04-13 ソニー株式会社 情報処理装置、及び、情報処理方法
WO2018048741A1 (en) * 2016-09-08 2018-03-15 Wal-Mart Stores, Inc. Systems and methods for identifying pests in crop-containing areas via unmanned vehicles based on crop damage detection
US10635274B2 (en) * 2016-09-21 2020-04-28 Iunu, Inc. Horticultural care tracking, validation and verification
US11244398B2 (en) 2016-09-21 2022-02-08 Iunu, Inc. Plant provenance and data products from computer object recognition driven tracking
US10791037B2 (en) 2016-09-21 2020-09-29 Iunu, Inc. Reliable transfer of numerous geographically distributed large files to a centralized store
US11538099B2 (en) 2016-09-21 2022-12-27 Iunu, Inc. Online data market for automated plant growth input curve scripts
JP6849950B2 (ja) * 2017-04-06 2021-03-31 日本電気株式会社 地上基準点装置およびｓａｒ測地システム
JP6923645B2 (ja) 2017-05-18 2021-08-25 株式会社半導体エネルギー研究所 画像検出モジュール
JP6307680B1 (ja) * 2017-05-24 2018-04-11 節三 田中 植物の健康診断システム
JOP20190145A1 (ar) * 2017-06-14 2019-06-16 Grow Solutions Tech Llc أنظمة وطرق لتفريع حصاد قرن إنماء
US10088816B1 (en) * 2017-06-26 2018-10-02 International Business Machines Corporation Cognitive plant clinic
CN107742290A (zh) * 2017-10-18 2018-02-27 成都东谷利农农业科技有限公司 植物病害识别预警方法及装置
KR101924393B1 (ko) * 2017-10-30 2018-12-03 주식회사 엑스티엘 이미지 분석을 통한 해충 동정과 정보 모니터링 시스템 및 이를 이용한 모니터링 방법
US11062516B2 (en) 2018-02-07 2021-07-13 Iunu, Inc. Augmented reality based horticultural care tracking
CN108596254B (zh) * 2018-04-25 2021-07-13 福州大学 耦合叶片多表征的刚竹毒蛾危害检测方法
JP2020106890A (ja) 2018-12-26 2020-07-09 キヤノン株式会社 情報処理装置、その制御方法、プログラム、及びシステム
CN110310291A (zh) * 2019-06-25 2019-10-08 四川省农业科学院农业信息与农村经济研究所 一种稻瘟病分级系统及其方法
CN110321868A (zh) * 2019-07-10 2019-10-11 杭州睿琪软件有限公司 对象识别及显示的方法及系统
JP2021033924A (ja) * 2019-08-29 2021-03-01 キヤノン株式会社 情報処理システム
US11720980B2 (en) 2020-03-25 2023-08-08 Iunu, Inc. Crowdsourced informatics for horticultural workflow and exchange
US11645733B2 (en) 2020-06-16 2023-05-09 Bank Of America Corporation System and method for providing artificial intelligence architectures to people with disabilities
CN112948608B (zh) * 2021-02-01 2023-08-22 北京百度网讯科技有限公司 图片查找方法、装置、电子设备及计算机可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6014451A (en) * 1997-10-17 2000-01-11 Pioneer Hi-Bred International, Inc. Remote imaging system for plant diagnosis
CN101071447A (zh) * 2006-03-06 2007-11-14 索尼株式会社 检索系统、摄像装置、数据保存装置及信息处理装置
JP2012080790A (ja) * 2010-10-07 2012-04-26 Mega Chips Corp 育成支援システム
JP2013047867A (ja) * 2011-08-29 2013-03-07 Nintendo Co Ltd 情報処理装置、情報処理プログラム、情報処理方法および情報処理システム
JP2013111078A (ja) * 2011-11-24 2013-06-10 Shijin Kogyo Sakushinkai 植物の病気の識別方法、システムおよびその記録媒体
JP2014085114A (ja) * 2012-10-19 2014-05-12 Nikon Corp 物質特定システム、物質特定装置、物質特定方法、およびプログラム
US20140168412A1 (en) * 2012-12-19 2014-06-19 Alan Shulman Methods and systems for automated micro farming
JP5733158B2 (ja) * 2011-11-02 2015-06-10 富士通株式会社 認識支援装置、認識支援方法、およびプログラム
CN204612755U (zh) * 2015-04-22 2015-09-02 仲恺农业工程学院 基于云计算平台的虫害监测预警系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6919959B2 (en) * 1999-06-30 2005-07-19 Masten Opto-Diagnostics Co. Digital spectral identifier-controller and related methods
JP2003004427A (ja) * 2001-06-22 2003-01-08 Hitachi Ltd 画像比較による欠陥検査方法及びその装置
IL150915A0 (en) * 2002-07-25 2003-02-12 Vet Tech Ltd Imaging system and method for body condition evaluation
KR100601957B1 (ko) * 2004-07-07 2006-07-14 삼성전자주식회사 얼굴 인식을 위한 영상간 대응 결정 방법 및 장치, 이를이루기위한 영상 보정 방법 및 장치
US8369566B2 (en) * 2009-05-01 2013-02-05 Texas Tech University System Remote contactless stereoscopic mass estimation system
US8755570B2 (en) * 2011-04-27 2014-06-17 Steve Gomas Apparatus and method for estimation of livestock weight
JP6260824B2 (ja) 2014-04-21 2018-01-17 パナソニックＩｐマネジメント株式会社 栽培支援方法、栽培支援装置、およびコンピュータプログラム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6014451A (en) * 1997-10-17 2000-01-11 Pioneer Hi-Bred International, Inc. Remote imaging system for plant diagnosis
CN101071447A (zh) * 2006-03-06 2007-11-14 索尼株式会社 检索系统、摄像装置、数据保存装置及信息处理装置
JP2012080790A (ja) * 2010-10-07 2012-04-26 Mega Chips Corp 育成支援システム
JP2013047867A (ja) * 2011-08-29 2013-03-07 Nintendo Co Ltd 情報処理装置、情報処理プログラム、情報処理方法および情報処理システム
JP5733158B2 (ja) * 2011-11-02 2015-06-10 富士通株式会社 認識支援装置、認識支援方法、およびプログラム
JP2013111078A (ja) * 2011-11-24 2013-06-10 Shijin Kogyo Sakushinkai 植物の病気の識別方法、システムおよびその記録媒体
JP2014085114A (ja) * 2012-10-19 2014-05-12 Nikon Corp 物質特定システム、物質特定装置、物質特定方法、およびプログラム
US20140168412A1 (en) * 2012-12-19 2014-06-19 Alan Shulman Methods and systems for automated micro farming
CN204612755U (zh) * 2015-04-22 2015-09-02 仲恺农业工程学院 基于云计算平台的虫害监测预警系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114760832A (zh) * 2019-12-17 2022-07-15 株式会社未来菜园 预测装置
CN111078732A (zh) * 2019-12-31 2020-04-28 新疆农业科学院园艺作物研究所 一种扁桃品种鉴定方法
CN113542345A (zh) * 2020-04-14 2021-10-22 丰田自动车株式会社 信息处理系统、信息处理装置以及非临时性的存储介质

Also Published As

Publication number Publication date
AU2016324766B2 (en) 2019-06-20
NZ741016A (en) 2019-09-27
EP3351089A4 (en) 2019-05-01
JP2017055745A (ja) 2017-03-23
HK1257173A1 (zh) 2019-10-18
US10262244B2 (en) 2019-04-16
EP3351089A1 (en) 2018-07-25
JP6357140B2 (ja) 2018-07-11
CN108024505B (zh) 2019-11-22
US20180276504A1 (en) 2018-09-27
WO2017047814A1 (ja) 2017-03-23
EP3351089B1 (en) 2020-04-08
AU2016324766A1 (en) 2018-04-19

Similar Documents

Publication Publication Date Title
CN108024505B (zh) 图像判定方法
US20210192247A1 (en) Systems and methods for electronically identifying plant species
JP6609142B2 (ja) 農業管理システム、サーバ、農業管理方法、サーバ制御方法、及びサーバプログラム
CN106709606B (zh) 个性化场景预测方法及装置
JP6321029B2 (ja) 活動に関連するデータのログを取り、処理するための方法およびシステム
US8725399B2 (en) Map display system and map display method
CN102292722A (zh) 基于多模元数据和结构化语义描述符来产生注释标签
WO2016199662A1 (ja) 画像情報処理システム
JP6590417B2 (ja) 判別装置、判別方法、判別プログラム、判別システム
CN111767802A (zh) 一种对象异常状态的检测方法和装置
CN111479459A (zh) 生长状况或病虫害发生状况的预测系统、方法以及程序
JP2013165687A (ja) 栽培支援装置、栽培支援システム、栽培支援方法及びプログラム
KR101481323B1 (ko) 이동 단말로부터 전달되는 식물 영상을 이용한 식물 정보 제공 시스템
JPWO2011136341A1 (ja) 情報提供装置、情報提供方法、情報提供処理プログラム、及び情報提供処理プログラムを記録した記録媒体
KR20080037524A (ko) 정보처리장치, 정보처리방법, 및 프로그램
CN106293053A (zh) 便携型电子装置、传感器控制系统、传感器控制方法
JP2019024551A (ja) データベース構築方法、およびデータベース構築プログラム
JP2003288363A (ja) 情報提供装置および情報提供方法
JP5272107B2 (ja) 情報提供装置、情報提供処理プログラム、情報提供処理プログラムを記録した記録媒体、及び情報提供方法
CN113408374A (zh) 基于人工智能的产量预估方法、装置、设备及存储介质
CN112257908A (zh) 一种山区农业多源异构数据的整合方法及装置
JP2004145416A (ja) 画像認識用サーバ、画像認識用携帯端末装置、画像認識方法、画像認識用プログラム、画像認識用プログラムを記録した記録媒体
Cui et al. A novel spatio-temporal fusion approach combining deep learning downscaling and FSDAF method
TW201318458A (zh) 搜尋聯絡人的方法、電子裝置及電腦程式產品
JP6909834B2 (ja) 情報処理システム、情報処理装置、コンピュータプログラム及び情報処理方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190802

Address after: Tokyo, Japan, Japan

Applicant after: Softbank Limited by Share Ltd

Address before: Tokyo, Japan, Japan

Applicant before: PS solutions Co., Ltd.

GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: No.1, 7-fan, yidingmu, coast, Tokyo, Japan

Patentee after: SOFTBANK Corp.

Address before: Tokyo, Japan

Patentee before: SOFTBANK Corp.