CN110651157A - 信息处理装置和信息处理方法 - Google Patents

信息处理装置和信息处理方法 Download PDF

Info

Publication number
CN110651157A
CN110651157A CN201880034674.XA CN201880034674A CN110651157A CN 110651157 A CN110651157 A CN 110651157A CN 201880034674 A CN201880034674 A CN 201880034674A CN 110651157 A CN110651157 A CN 110651157A
Authority
CN
China
Prior art keywords
information
greenhouse
prediction
environment
information processing
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.)
Pending
Application number
CN201880034674.XA
Other languages
English (en)
Inventor
伊藤圣
M.贾因
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.)
BAYER CROP SCIENCE Co.,Ltd.
Original Assignee
Bosch 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 Bosch Corp filed Critical Bosch Corp
Priority to CN202110630723.XA priority Critical patent/CN113283661A/zh
Publication of CN110651157A publication Critical patent/CN110651157A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/14—Greenhouses
    • 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
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • A01G9/26—Electric devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • 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
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/25—Greenhouse technology, e.g. cooling systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Primary Health Care (AREA)
  • Agronomy & Crop Science (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mining & Mineral Resources (AREA)
  • Animal Husbandry (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

在抑制传感器的设置以及维护等的成本的同时提高关于将来的温室内部的环境的预测的准确性。提供了一种信息处理装置，其具备：预测部，使用通过机器学习得到的温室内环境预测模型，基于气象预测信息来预测所述温室的内部的环境，所述机器学习是将气象观测信息作为输入而基于与温室内部的环境有关的实际成果信息进行的；以及输出控制部，控制与所预测的上述温室的内部的环境有关的预测信息的输出。

Description

信息处理装置和信息处理方法
技术领域
本发明涉及信息处理装置和信息处理方法。
背景技术
近年来，开发了在设施园艺中预测温室内部的环境、基于该预测结果来控制温室内部的环境的技术。能够通过事先预测这样的温室内部的环境并使用预测结果控制温室内部的环境来事先掌握将来的收获量和病害风险，进一步地能够避免该病害风险并抑制收获量的下降。
例如，专利文件1中公开了如下的技术：利用基于设置于温室内部的多个供暖机的运转模式的组合的模拟来选定接近于目标温度那样的最佳运转模式，基于所选定的最合适的运转模式来控制供暖机。
另外，专利文献2和专利文献3中公开了基于从外部气温传感器或太阳光传感器等输入的信息来控制对供暖等的温室内部的环境进行调整的机器的技术。
现有技术文献
专利文献
专利文献1：特开2012-57931号公报
专利文献2：特开2002-48354号公报
专利文献3：特开平5-227661号公报。
发明内容
发明要解决的问题
但是，在上述专利文献中所公开的发明中，存在在温室周围适当地设置外部气温传感器或太阳光传感器等的环境传感器的必要。因此，存在花费该环境传感器的导入成本和维护成本的问题。
因此，本发明是鉴于上述问题而作出的发明，作为本发明的目的之处在于，提供能够在抑制成本的同时提高关于将来的温室内部的环境的预测的准确性的、创新且改良的信息处理装置和信息处理方法。
用于解决问题的手段
为了解决上述问题，根据本发明的某一观点，提供了一种信息处理装置，其具备：预测部，使用通过机器学习得到的温室内环境预测模型，基于气象预测信息来预测所述温室的内部的环境，所述机器学习是将气象观测信息作为输入而基于与温室内部的环境有关的实际成果信息进行的；以及输出控制部，控制与所预测的上述温室的内部的环境有关的预测信息的输出。
向所述温室内环境预测模型输入的信息也可以包括与气象的预测对象时刻有关的信息。
与所述气象的预测对象时刻有关的信息也可以包括关于所述气象的预测对象时刻所属于的时间段的信息。
与所述气象的预测对象时刻有关的信息也可以包括关于所述气象的预测对象时刻所属于的月份的信息。
向所述温室内环境预测模型输入的信息也可以包括对所述温室进行识别的识别信息。
向所述温室内环境预测模型输入的信息也可以包括与能够控制所述温室的内部的环境的环境控制机器有关的信息。
与所述环境控制机器有关的信息也可以包括关于所述环境控制机器的设置的有无的信息。
与所述环境控制机器有关的信息也可以包括示出所述环境控制机器的运转状况的信息。
所述气象预测信息也可以包括关于所述温室的外部的气温、所述温室的外部的相对湿度、日照量和雨量中的至少任意一个的信息。
所述信息处理装置也可以进一步具备机器学习部，所述机器学习部将气象观测信息作为输入，基于与所述温室的内部的环境有关的实际成果信息来进行所述温室内环境预测模型的机器学习。
所述机器学习部也可以基于与所述温室的内部的环境有关的预测信息、在对应于与所述温室的内部的环境有关的预测信息的预测对象时刻的与所述温室的内部的环境有关的实际成果信息来更新所述温室内环境预测模型。
与所述温室的内部的环境有关的预测信息也可以包括关于所述温室的内部的气温和所述温室的内部的相对湿度中的至少任意一个的信息。
另外，为了解决上述问题，根据本发明的另一观点，提供了一种信息处理方法，包括：预测步骤，使用通过机器学习得到的温室内环境预测模型，基于气象预测信息来预测所述温室的内部的环境，所述机器学习是将气象观测信息作为输入而基于与温室内部的环境有关的实际成果信息进行的；以及输出控制步骤，控制与所预测的所述温室的内部的环境有关的预测信息的输出。
发明的效果
如以上说明的那样，根据本发明，能够在抑制成本的同时提高关于将来的温室内的环境的预测的准确性。
附图说明
图1是用于说明本发明的一个实施方式的信息处理系统的概要的图。
图2是示出同一实施方式的信息处理系统的概略的功能结构的示例的框图。
图3是示意性地示出同一实施方式的信息处理系统的机器学习处理中处理整体的流向的示例的图。
图4是示意性地示出同一实施方式的信息处理服务器的机器学习处理的示例的流程图。
图5是示意性地示出同一实施方式的信息处理系统的预测处理中处理整体的流向的示例的图。
图6是示意性地示出同一实施方式的信息处理服务器的预测处理的示例的流程图。
图7是示出同一实施方式的信息处理服务器的硬件结构示例的框图。
具体实施方式
以下在参照随附附图的同时对本发明的优选的实施方式进行详细说明。此外，在本说明书及附图中，对具有实质上同样的功能结构的结构要素添加同样的符号，由此省略重复的说明。
<<1.概要>>
首先，参照图1说明本发明的一个实施方式的信息处理系统1的概要。图1是用于说明本发明的一个实施方式的信息处理系统1的概要的图。
信息处理系统1具有收集气象信息和关于温室的内部的环境的信息的收集功能以及基于所收集的信息的温室的内部的环境的预测功能。另外，信息处理系统1也可以具有提示通过预测功能得到的预测信息的提示功能。
具体地，信息处理系统1具备：具有信息收集功能和信息分发功能的信息处理服务器100；具有信息阅览功能的信息处理终端200；以及计量控制装置300（300A~300C），分别设置于温室3（3A~3C），具有观测功能和观测信息分发功能。
例如，信息处理服务器100从气象信息服务器400收集气象信息（包括气象预测信息）。在此，气象预测信息意思是指天气预报等在将来的未观测的气象信息。而且，信息处理服务器100将所收集的气象信息输入到温室内环境预测模型。接下来，信息处理服务器100对从温室内环境预测模型输出的温室3的内部的将来的环境的预测信息进行输出，将其向信息处理终端200分发。
进一步地，信息处理服务器100使用进行了机器学习的温室内环境预测模型。该机器学习是至少将气象观测信息作为输入、基于与温室的内部的环境有关的实际成果信息而进行的机器学习。在此，气象观测信息意思是指过去的天气等在过去观测的气象信息。
例如，信息处理服务器100也可以具有机器学习功能。具体地，信息处理服务器100从计量控制装置300取得与温室的内部的环境有关的实际成果信息。另外，信息处理服务器100从气象信息服务器400取得气象观测信息。而且，信息处理服务器100基于气象观测信息和与温室的内部的环境有关的实际成果信息来进行温室内环境预测模型的机器学习。
像这样，可能的是通过使用进行了机器学习的温室内环境预测模型从而仅将气象预测信息设为输入来预测将来的温室的内部的环境。因此，可能的是不需要环境传感器等的设置和维持而在抑制成本的同时提高关于对温室的内部的环境的预测的准确性。
此外，上述的信息处理服务器100的功能也可以利用多个装置实现。例如，上述的信息处理服务器100的功能也可以通过具有多个装置的云计算来实现。另外，在图1中，虽然说明了信息处理终端200是智能电话那样的便携式通信终端的示例，但是信息处理终端200也可以是放置型的个人计算机等的信息通信装置。
<<2.本发明的一个实施方式>>
以上对本发明的一个实施方式的信息处理系统1的概要进行了说明。接下来对本发明的一个实施方式的信息处理系统1的详情进行说明。
<2.1.系统的结构>
首先，参照图2说明信息处理系统1的功能结构。图2是示出本发明的一个实施方式的信息处理系统1的概略的功能结构的示例的框图。
如图2所示，信息处理系统1具备信息处理服务器100、信息处理终端200和计量控制装置300。信息处理服务器100、信息处理终端200和计量控制装置300以及后述的气象信息服务器400经由通信网络连接。这些装置例如经由互联网等的WAN（广域网）连接。
（信息处理服务器）
信息处理服务器100作为信息处理装置进行动作，具备通信部110、存储部120和控制部130。
（通信部）
通信部110与信息处理终端200、计量控制装置300和气象信息服务器400通信。具体地，通信部110从计量控制装置300接收与温室的内部的环境有关的实际成果信息，从气象信息服务器400接收气象信息。另外，通信部110发送由输出控制部133输出的信息。例如，通信部110向信息处理终端200或者计量控制装置300发送与温室3的内部的环境有关的预测信息。
通信部110例如由用于与网络连接的通信接口等实现。
（存储部）
存储部120存储与控制部130的处理有关的信息。具体地，存储部120存储由通信部110接收的信息（例如与温室3的内部的环境有关的实际成果信息和气象信息等）。另外，存储部120存储温室内环境预测模型。
存储部120例如由数据保存用的存储装置等实现。
（控制部）
控制部130整体上控制信息处理服务器100的动作。具体地，控制部130如图2所示那样具备机器学习部131、预测部132以及输出控制部133，具有控制涉及温室3的内部的环境的预测的处理的功能。控制部130例如由运算处理装置和控制装置等实现，所述运算处理装置和控制装置等例如由CPU（中央处理单元）、ROM（只读存储器）、以及RAM（随机存取存储器）构成。
（机器学习部）
机器学习部131进行温室内环境预测模型的机器学习。具体地，机器学习部131基于存储于存储部120的与温室3的内部的环境有关的实际成果信息和与该实际成果信息对应的气象观测信息来进行温室内环境预测模型的机器学习。
详细地，机器学习部131从存储部120取得在过去的规定期间内的与温室3的内部的环境有关的实际成果信息以及在该规定期间内的气象观测信息。而且，机器学习部131使用将气象观测信息作为输入、将与温室3的内部的环境有关的实际成果信息作为输出的教师数据来进行温室内环境预测模型的机器学习。机器学习后的温室内环境预测模型被存储在存储部120。
此外，作为输入到温室内环境预测模型的气象观测信息，例如可举出温室3的外部的气温、相对湿度、日照量、雨量的实际成果值等。另外，作为与温室3的内部的环境有关的实际成果信息，例如可举出温室的内部的气温和相对湿度的实际成果值等。除此以外，作为与温室3的内部的环境有关的实际成果信息，可举出示出温室3的内部的二氧化碳浓度或土壤水分量等的实际成果值等。
另外，除了上述的气象观测信息之外，作为输入到温室内环境预测模型的信息，例如也可以使用与气象的观测时刻（观测对象时刻）有关的信息。例如，在观测对象时刻是上午7点的情况下，可以将“上午7点”这一信息输入到温室内环境预测模型。另外，与该观测对象时刻有关的信息也可以是关于观测对象时刻所属于的时间段的信息。例如，在将该时间段以一小时时长进行设定的情况下，如果观测时刻是下午9点20分，则作为关于该时间段的信息，可以将“21—22（下午9点到下午10点之间）”这一信息输入到温室内环境预测模型。
在温室3中，与工厂不同，根据日照的有无、早晚的冷暖变化，不仅温室3的外部，温室3的内部的温度、湿度等的气象等的环境也可能在一天之间较大地变化。因此，作为输入到温室内环境预测模型的信息，使用与时间段等的时刻有关，由此能够考虑温室3的内部的环境的时间序列变化。因此，可能的是提高关于温室3的内部的环境的预测的准确性。
另外，与气象的观测对象时刻有关的信息也可以是关于气象的观测对象时刻所属于的月份的信息。温室3的内部的环境不仅在一天之间，还可能根据一年中的季节而较大地变动。因此，作为输入到温室内环境预测模型的信息，使用观测对象时刻所属于的月份的信息，由此能够考虑温室3的内部的环境的更长的跨度中的时间序列变化。因此，可能的是提高关于温室3的内部的环境的预测的准确性。
另外，作为输入到温室内环境预测模型的信息，也可以使用例如对温室3进行识别的识别信息。在多个温室3之间，由于温室3的构造、设置于温室3的对温室的内部的环境进行控制的控制机器的有无以及性能、或者温室3的设置位置的不同，温室的内部的环境可能有较大不同。于是，作为输入到温室内环境预测模型的信息，使用对温室3进行识别的识别信息，由此能够按每一温室3来构筑适当的温室内环境预测模型。
此外，该温室内环境预测模型也可以按每一温室3来独立地构筑。另一方面，例如，在多个温室3密集于规定的区域内的情况下，在该规定的区域中温室外的气象等的环境一样的情况较多。因此，通过使用对温室3进行识别的识别信息作为输入到温室内环境预测模型的信息，从而能够仅构筑一个共同的温室内环境预测模型就以非常高的精度预测多个温室3内的环境。
另外，作为输入到温室内环境预测模型的信息，也可以使用例如与能够控制温室3的内部的环境的环境控制机器有关的信息。环境控制机器例如是控制温室的内部的温度的供暖机器、调整进入到温室内部的日照量的遮光帘等。
与环境控制机器有关的信息是指包括例如关于环境控制机器的设置的有无的信息。根据在温室的内部是否设置有环境控制机器，温室的内部的环境的变化（例如温度的变化等）的模式可能变化。于是，作为输入到温室内环境预测模型的信息，使用关于环境控制机器的设置的有无的信息，由此能够考虑由于温室的内部的环境的控制所致的对温室的内部的环境的变化的影响。因此，可能的是提高关于温室3的内部的环境的预测的准确性。
另外，与环境控制机器有关的信息是指包括例如示出环境控制机器的运转状况的信息。在温室的内部设置有环境控制机器的情况下，根据该环境控制机器的运转状况（例如运转还是停止的状态、或者运转中的环境控制机器的控制状况），温室的内部的环境的变化的模式可能变化。于是，作为输入到温室内环境预测模型的信息，使用示出环境控制机器的运转状况的信息，由此能够考虑由于运转状况所致的对温室的内部的环境的变化的影响。因此，可能的是提高关于温室3的内部的环境的预测的准确性。
此外，对温室3进行识别的识别信息以及与环境控制机器有关的信息例如能够从设置于温室3中的每个的计量控制装置300适当地取得。
在本说明书中，以下将气象观测（预测）信息、与时刻有关的信息、温室3的识别信息、以及与环境控制机器有关的信息等都称为输入信息。这些输入信息可以是定量的数据也可以是定性的数据。另外，这些输入信息可以是连续数据也可以是被区分成多个分段的离散数据。
例如，关于温室内环境预测模型中的温室3的内部的气温和相对湿度的预测式，可以表示为下述的式（1）和式（2）。
[式1]
Figure 357978DEST_PATH_IMAGE001
[式2]
Figure 200033DEST_PATH_IMAGE002
在此，各变量定义为如下。
Tin：温室3的内部的气温的预测值
Tout：温室3的外部的气温的预测值
S：温室3的外部的日照量的预测值
Z1(t)、Z2(t)：与预测对象时刻所属于的时间段对应的变量
Hin：温室3的内部的相对湿度的预测值
Hout：温室3的外部的相对湿度的预测值
M(t)：与预测对象时刻所属于的月份对应的变量
另外，系数A1、A2、B1和B2、以及变量Z1(t)、Z2(t)和M(t)例如是通过进行后述的机器学习而计算的。
此外，机器学习部131可以使用公知的机器学习模型来构筑温室内环境预测模型。此外，上述的机器学习模型也可以是现有的机器学习模型中能够利用于温室内环境预测模型的机器学习的模型中的任意一个。例如，机器学习模型也可以是使用线性回归、卡尔曼滤波器等的滤波器、支持向量机、随机森林、邻近算法、深度学习等的神经网络或者贝叶斯网络等的计算模型。
另外，机器学习部131也可以基于由后述的预测部132得到的预测信息、以及在对应于该预测信息的预测对象时刻的与温室3的内部的环境有关的实际成果信息来更新温室内环境预测模型。由此，能够根据预测信息与实际成果信息的偏离的程度来自动地修正温室内环境预测模型。因此，可能的是将温室的内部的环境的预测的精度维持得高。
详细地，机器学习部131将逐次得到的气象观测信息等作为输入数据、将逐次得到的与温室3的内部的环境有关的实际成果信息用作为教师数据来适当地进行机器学习，由此可能的是自动地使温室内环境预测模型的系数等最优化。通过使用机器学习逐次地更新温室内环境预测模型，从而关于新导入有该预测系统的温室，也与仅根据利用线性模型等得到的过去的实际成果信息的预测相比，能够以更短的期间进行预测且提供精度更高的与温室3的内部的环境有关的预测信息。
此外，在利用机器学习进行的温室内环境预测模型的更新中，通过使用于机器学习的技术可以得到以下那样的优点。例如，卡尔曼滤波器能够考虑预测信息中的预测值和实际成果信息中的实测值的差，定期地调整构成温室内环境预测模型的系数。由此能够对应于每天的变化、每一季节的变化。另外，例如，神经网络还能够容易地对应于在线性模型、卡尔曼滤波器中难以预测的非线性变化（例如供暖机等的温室环境控制装置的设定的变更等）。与这些机器学习有关的技术也可以以复合方式使用。
（预测部）
预测部132使用温室内环境预测模型，根据气象预测信息预测温室3的内部的环境。具体地，预测部132基于存储于存储部120的温室内环境预测模型和从气象信息服务器400取得的气象预测信息来预测在对应于该气象预测信息的时刻或期间内的温室3的内部的环境，并生成预测信息。
详细地，预测部132从存储部120取得在现在或将来的规定时间点或规定期间内的气象预测信息以及已经由机器学习部131构筑的温室内环境预测模型。而且，预测部132将气象预测信息输入到温室内环境预测模型，从该温室内环境预测模型生成在上述规定时间点或规定期间内的与温室3的内部的环境有关的预测信息。该预测信息被存储于存储部120。
此外，作为输入到温室内环境预测模型的气象预测信息，与气象观测信息同样，例如可举出温室3的外部的气温、相对湿度、日照量、雨量的实际成果值等。进一步地，使用于利用机器学习部131进行的机器学习的信息也可以在利用预测部132进行的预测处理中作为输入到温室内环境预测模型的信息使用。例如，也可以使用与气象的预测对象时刻（包括时间段和月份）有关的信息、对温室3进行识别的识别信息、或者与环境控制机器有关的信息。通过以复合方式将这些信息与气象预测信息一同使用，从而能够进一步提高预测信息的精度。
另外，作为与温室3的内部的环境有关的预测信息，与实际成果信息同样，例如可举出温室3的内部的气温和相对湿度的预测值等。除此之外，作为与温室3的内部的环境有关的预测信息，可举出示出温室3的内部的二氧化碳浓度或土壤水分量等的预测值等。
（输出控制部）
输出控制部133具有控制由预测部132生成的预测信息的输出的功能。
例如，输出控制部133可以生成关于预测信息的显示信息。作为该显示信息，例如，包括利用预测部132得到的在预测对象时刻（包括期间）的温室3的内部的环境的预测结果（例如，温室3的内部的气温、相对湿度等的预测值）。更详细地，当由通信部110接收到提供请求信息时，输出控制部133从提供请求信息取得特定的时刻或期间的预测信息。而且，输出控制部133可以通过对所取得的预测信息进行加工来生成显示信息并将所生成的显示信息输出到通信部110。另外，输出控制部133也可以不将所取得的预测信息加工成显示信息而是输出到通信部110。
此外，由输出控制部133进行输出控制的预测信息的输出形式不被特别地限定。例如，输出控制部133可以以如下方式进行控制：通过文字、声音、由振颤所致的振动、发光等各种形式来输出预测信息。
（信息处理终端）
如图2所示，信息处理终端200具备操作输入部210、控制部220、通信部230以及显示部240。
（操作输入部）
操作输入部210具有受理针对信息处理终端200的操作的功能。具体地，操作输入部210受理所输入的操作，根据所受理的操作生成各种信息。所生成的各种信息被输出到控制部220。在此，由操作输入部210生成的各种信息是指例如为提供请求信息或机器操作信息。提供请求信息是示出对于进行显示信息的提供的信息处理服务器100的请求的信息。另外，机器操作信息是示出针对计量控制装置300的对于温室3的环境控制机器的操作内容的信息。例如，通过由显示部240显示输入画面并且用户对输入画面进行操作，从而生成上述的各种信息。
此外，操作输入部210例如由按钮、键盘、或者触摸板等实现。
（控制部）
控制部220整体地控制信息处理终端200的动作。具体地，控制部220控制通信部230和显示部240的动作。例如，控制部220使通信部230发送由操作输入部210生成的信息。另外，控制部220基于从信息处理服务器100提供的显示信息生成图像信息，通过将图像信息提供到显示部240来使图像进行显示。
此外，控制部220例如可以由通过CPU、ROM和RAM构成的运算处理装置和控制装置等实现。
（通信部）
通信部230与信息处理服务器100通信。具体地，通信部230向信息处理服务器100发送由操作输入部210生成的提供请求信息。另外，通信部230从信息处理服务器100接收显示信息。此外，信息处理终端200也可以与计量控制装置300或气象信息服务器400通信，接收与温室3的内部的环境有关的实际成果信息、气象信息，或者发送机器操作信息。
此外，通信部230例如由用于连接于网络的通信接口等实现。
（显示部）
显示部240基于控制部220的指示显示图像。具体地，显示部240基于从控制部220提供的图像信息显示信息显示画面和操作输入画面。
此外，显示部240由显示器等的显示装置实现。另外，操作输入部210和显示部240的功能也可以例如通过触摸板等一体化地实现。
（计量控制装置）
计量控制装置300设置于温室3，具有与温室3的内部的环境的计量和控制有关的功能。详细地，计量控制装置300从设置于温室3的内部的传感器取得信号，生成与温室3的内部的环境有关的实际成果信息。另外，计量控制装置300进行设置于温室3的环境控制机器的控制。在此所说的环境控制机器的控制意思是指调整环境控制机器的运转目标的控制。例如，计量控制装置300具备通信部、控制部和存储部。
通信部与信息处理服务器100或信息处理终端200通信。例如，通信部将所生成的与温室3的内部的环境有关的实际成果信息发送到信息处理服务器100或信息处理终端200。此外，通信部可以在每当生成实际成果信息时进行发送，也可以以规定的时间间隔进行发送。另外，通信部也可以发送实际成果信息以外的信息，例如对温室3进行识别的识别信息和与环境控制机器有关的信息。此外，通信部例如由用于连接于网络的通信接口等实现。
控制部基于由传感器生成的信号来生成与温室3的内部的环境有关的实际成果信息。另外，控制部也可以基于从信息处理服务器100取得的与温室3的内部的环境有关的预测信息、从信息处理终端200取得的机器操作信息来进行环境控制机器的控制。在基于预测信息的控制中，例如，可以进行去往根据预测信息自动地设定的运转目标值的反馈控制。在基于机器操作信息的控制中，可以进行去往温室3的管理者以从与温室3的内部的环境有关的预测信息得出的见解为基础而输入的运转目标值的反馈控制。此外，控制部例如可以由通过CPU、ROM和RAM构成的运算处理装置和控制装置等实现。
存储部存储由控制部生成的与温室3的内部的环境有关实际成果信息、经由通信部取得的与温室3的内部的环境有关的预测信息、或者机器操作信息等。此外，存储部也可以存储由传感器生成的信号的数据本身。此外，存储部例如由数据保存用的存储装置等实现。
此外，设置于温室3的内部的传感器例如是温度传感器、湿度传感器、日照传感器、二氧化碳浓度传感器或者土壤水分传感器等的传感器。另外，作为这样的传感器，例如，也可以设置摄像传感器和水分量传感器。另外，计量控制装置300可以设置于温室3的内部，也可以设置于温室3的外部。另外，计量控制装置300也可以设置于与温室3不同的场所。在这种情况下，计量控制装置300也可以通过经由通信网络等的通信来进行由环境控制机器的控制、传感器所生成的信号的取得处理。
（气象预测服务器）
气象信息服务器400将气象信息提供给外部的装置。具体地，当被从信息处理服务器100请求气象信息时，气象信息服务器400向信息处理服务器100发送所请求的气象信息。例如，气象信息是示出气温、湿度、日照量或者雨量的信息。该气象信息包括气象观测信息和气象预测信息。气象观测信息是在现在或者过去实际观测的气象信息。另外，气象预测信息是现在往后的预测的气象信息。
（2.2.系统的处理）
接下来，说明信息处理系统1的处理。
本实施方式的信息处理系统1的处理被分类成机器学习处理和预测处理。以下，关于在机器学习处理和预测处理的各自中的信息处理系统1的处理的整体的流向以及在信息处理服务器100中的处理的流向分别进行说明。
（机器学习处理）
图3是示意性地示出在本发明的一个实施方式的信息处理系统1的机器学习处理中的处理整体的流向的示例的图。
计量控制装置300向信息处理服务器100发送与温室3的内部的环境有关的实际成果信息（步骤S501）。具体地，计量控制装置300向信息处理服务器100发送基于从传感器得到的信号生成的与温室3的内部的环境有关的实际成果信息。
另外，气象信息服务器400向信息处理服务器100发送气象观测信息（步骤S502）。具体地，气象信息服务器400生成气象观测信息或者从其它装置取得气象观测信息。而且，气象信息服务器400根据信息处理服务器100的请求或者定期地向信息处理服务器100发送气象观测信息。
信息处理服务器100使用所接收的信息进行温室内环境预测模型的机器学习（步骤S503）。具体地，通信部110使存储部120存储从计量控制装置300接收的与温室3的内部的环境有关的实际成果信息以及从气象信息服务器400接收的气象观测信息。而且，机器学习部131使用所存储的这些信息来进行温室内环境预测模型的机器学习。
接下来，说明温室内环境预测模型的机器学习处理的流向。图4是示意性地示出本发明的一个实施方式的信息处理服务器100的机器学习处理的示例的流程图。
信息处理服务器100取得与温室3的内部的环境有关的实际成果信息和气象观测信息（步骤S601）。具体地，机器学习部131取得积累于存储部120的与温室3的内部的环境有关的实际成果信息和气象观测信息。
另外，信息处理服务器100取得现有的温室内环境预测模型（步骤S602）。具体地，机器学习部131取得存储于存储部120的温室内环境预测模型。此外，该温室内环境预测模型可以是已经由机器学习部131学习的温室内环境预测模型，也可以是未学习的温室内环境预测模型。
接下来，信息处理服务器100使用与温室3的内部的环境有关的实际成果信息和气象观测信息来更新温室内环境预测模型（步骤S603）。具体地，机器学习部131选择多个机器学习模型中的一个，使用所选择的机器学习模型、与温室3的内部的环境有关的实际成果信息、以及与该实际成果信息对应的气象观测信息来进行温室内环境预测模型的机器学习。
此外，此时，除了气象观测信息之外，机器学习部131还可以进一步使用与气象的观测对象时刻有关的信息、对温室3进行识别的识别信息、或者与环境控制机器有关的信息等的输入信息来进行温室内环境预测模型的机器学习。
另外，机器学习部131也可以通过如下来计算温室内环境预测模型的准确性：将测试用输入数据输入到通过机器学习得到的新的温室内环境预测模型并将输出的值与测试用输出数据进行比较。
接下来，信息处理服务器100存储更新后的温室内环境预测判定模型（步骤S604）。具体地，机器学习部131使存储部120存储更新后的温室内环境预测判定模型。此外，在步骤S603中，在计算出温室内环境预测模型的准确性的情况下，机器学习部131也可以只有在该计算值为规定的阈值以上的情况下才存储更新后的温室内环境预测判定模型。另外，在该计算值小于规定的阈值的情况下，也可以再次进行温室内环境预测判定模型的更新处理。
（预测处理）
图5是示意性地示出本发明的一个实施方式的信息处理系统1的预测处理的处理整体的流向的示例的图。
首先，信息处理终端200向信息处理服务器100发送关于温室3的内部的环境的预测的提供请求信息（步骤S701）。具体地，通信部230基于用户的操作把关于由操作输入部210生成的涉及温室3的内部的环境的预测的显示信息的提供请求信息发送到信息处理服务器100。该提供请求信息包括有与作为预测对象的温室3和预测对象时刻（包括期间）有关的信息。
气象信息服务器400向信息处理服务器100发送气象预报信息（步骤S702）。具体地，气象信息服务器400根据信息处理服务器100的请求向信息处理服务器100发送气象预测信息。此外，信息处理服务器100也可以定期地从气象信息服务器400取得气象预测信息。
接下来，信息处理服务器100使用温室内环境预测模型来进行温室3的内部的环境的预测（步骤S703）。具体地，预测部132在接收到气象预报信息时向温室内环境预测模型输入气象预报信息。预测部132根据温室内环境预测模型来输出预测结果。而且，预测部132基于预测结果生成与温室3的内部的环境有关的预测信息，并使存储部120存储预测信息。此外，在后面描述详情。
此外，此时，作为输入到温室内环境预测模型的信息，设为除了气象观测信息之外还使用与气象的观测对象时刻有关的信息、对温室3进行识别的识别信息、或者与环境控制机器有关的信息。在这种情况下，除了气象观测信息之外，预测部132还可以进一步使用与气象的预测对象时刻有关的信息、对温室3进行识别的识别信息、或者与环境控制机器有关的信息等来进行预测处理。这些信息能够从信息处理服务器100、计量控制装置300等适当地取得。
作为对所接收到的提供请求信息的响应，信息处理服务器100向信息处理终端200发送显示信息（步骤S704）。具体地，在步骤S701中由通信部110接收到提供请求信息时，输出控制部133根据存储于存储部120的、与作为预测对象的温室3的内部的环境有关的预测信息来生成显示信息。而且，输出控制部133使通信部110向信息处理终端200发送所生成的显示信息。
信息处理终端200基于所接收的显示信息显示与温室3的内部的环境有关的预测信息（步骤S705）。具体地，控制部220根据由通信部230接收的显示信息生成图像信息，将所生成的图像信息提供到显示部240。显示部240基于所提供的图像信息显示温室3的内部的环境的预测结果画面。
接下来，说明温室内环境预测模型的机器学习处理的流向。图6是示意性地示出本发明的一个实施方式的信息处理服务器的预测处理的示例的流程图。
信息处理服务器100设定预测对象的温室3和预测对象时刻（步骤S801）。具体地，预测部132根据从信息处理终端200取得的提供请求信息设定作为气象的预测对象的温室3和气象的预测对象时刻。
接下来，信息处理服务器100取得在所指定的预测对象时刻的气象观测信息等（步骤S802）。具体地，预测部132取得在所指定的预测对象时刻的气象观测信息、其它输入信息。
接下来，信息处理服务器100取得温室内环境预测模型（步骤S803）。具体地，预测部132取得存储于存储部120的温室内环境预测模型。
接下来，信息处理服务器100使用温室内环境预测模型来生成与温室3的内部的环境有关的预测信息（步骤S804）。具体地，预测部132将气象观测信息、其它输入信息输入到温室内环境预测模型。而且，预测部132根据该温室内环境预测模型来获得预测结果，以该预测结果为基础生成与温室3的内部的环境有关的预测信息。
而且，信息处理服务器100存储所生成的与温室3的内部的环境有关的预测信息（步骤S805）。具体地，预测部132使存储部120存储所生成的预测信息。
<2.3.总结>
像这样，根据本发明的一个实施方式，信息处理服务器100基于与温室3的内部的环境有关的实际成果信息来进行将气象观测信息作为输入的温室内环境预测模型的机器学习。而且，信息处理服务器100使用由该机器学习获得的温室内环境预测模型，根据气象预测信息输出与温室3的内部的环境有关的预测信息。
根据该结构，能够仅使用天气预报等的气象预测信息就预测温室3的内部的环境。因此，能够在抑制成本的同时维持关于温室3的内部的环境的准确性。另外，通过除了气象预测信息之外还使用与预测对象时刻（观测对象时刻）有关的信息、与温室有关的信息，从而能够提高与环境的时间序列变化、因此温室3的内部的环境有关的预测精度。
另外，能够与由信息处理服务器100进行的预测处理的运用并行地通过使用所积累的实际成果信息和预测信息的反馈来适当地更新该温室内环境预测模型。由此，能够不经由人手地自动改善温室内环境预测模型。因此，减少了模型的改善所花费的时间和费用，并且基于定量数据的模型的改善成为可能。
<<3.信息处理服务器的硬件结构示例>>
以上说明了本发明的实施方式。上述的信息处理服务器100的处理通过软件和以下说明的信息处理服务器100的硬件的协作来实现。
图7是示出本发明的一个实施方式的信息处理服务器100的硬件结构示例的框图。如图7所示，信息处理服务器100具备处理器141、存储器142、内部总线143、接口144、输入装置145、输出装置146、存储装置147、连接端口148、和通信模块149。
（处理器）
处理器141作为运算处理装置和控制装置起作用，与各种程序协作并实现控制部130（机器学习部131、病虫害发生判定部132、显示信息分发控制部133）的功能。处理器141使用控制电路执行存储于存储器142或储存装置147等的其它存储介质的程序，由此使信息处理服务器100的各种各样的逻辑功能运转。例如，处理器141可以是CPU或GPU（图形处理单元）。此外，处理器141也可以是微处理器。
（存储器）
存储器142存储处理器141所使用的程序或运算参数等。例如，存储器142包括RAM和ROM，临时存储在处理器141的执行中使用的程序或在执行中适当变化的参数等。此外，也可以经由连接端口148或通信模块149等将外部的存储装置作为存储器142的一部分进行利用。
此外，处理器141和存储器142通过具备CPU总线等的内部总线143相互连接。另外，接口144与内部总线143、输入装置145、输出装置146、存储装置147、连接端口148和通信模块149连接。
（输入装置）
输入装置145具备用于输入信息的输入部件和基于输入生成输入 信号并将该输入信号输出到处理器141的输入控制电路，实现操作部的功能。例如，作为该输入部件，存在按钮、开关、操纵杆和麦克风等。通过操作输入装置145，从而对信息处理服务器100输入各种数据或者指示处理动作。
（输出装置）
输出装置146基于输出信号输出声音或光等，实现输出部的功能。例如，输出装置146包括扬声器和头戴听筒等的声音输出装置，以及使用LED（发光二极管）等的灯、液晶显示器（LCD：Liquid Crystal Display，液晶显示器）装置、OLED（有机发光二极管）装置和投影仪装置等的显示装置。
（存储装置）
存储装置147是数据保存用的装置，实现存储部120的功能。存储装置147也可以包括存储介质、将数据记录于存储介质的记录装置、从存储介质读出数据的读出装置和删除记录于存储介质的数据的删除装置等。存储装置147保存处理器141执行的程序、各种数据。
（连接端口）
连接端口148是用于将机器直接连接于信息处理服务器100的端口。例如，连接端口148也可以是USB（通用串行总线）端口、IEEE1394端口、RS-232C端口、HDMI（注册商标）（高分辨率多媒体接口）端口等。也可以通过将外部机器连接于连接端口148来在信息处理服务器100和该外部机器之间交换数据。
（通信模块）
通信模块149是用于连接于网络的通信器件，实现通信部110的功能。例如，通信模块149可以是无线LAN（局域网）对应通信器件，也可以是3G或LTE对应通信器件。另外，通信模块149也可以是进行利用有线的通信的有线通信对应器件。
<<4.结论>>
虽然以上参照随附附图详细说明了本发明的优选实施方式，但是本发明不限定于这样的示例。只要是具有本发明所属技术领域的通常知识的人员，就明了可以在专利请求的范围中记载的技术思想的范畴内想到各种变形例或修改例，并且关于这些变形例或修改例当然能理解为属于本发明的技术范围的内容。
例如，在上述实施方式中，虽然说明了输入到温室内环境预测模型的信息是气象预测信息、识别信息以及与环境控制机器有关的信息的示例，但是本发明不限定于这样的示例。例如，作为输入到温室内环境预测模型的信息，也可以使用从设置于温室的外部的传感器获得的信息。这样的传感器例如可以是环境传感器等，也可以使用已设置的传感器。环境传感器例如也可以是设置于温室外的土壤传感器、雨量计、温度计或湿度计等。
另外，在上述实施方式的流程图示出的步骤当然包括依照所记载的顺序按时间序列执行的处理，还包括未必按时间序列处理而是并行地或个别地执行的处理。另外，不用说，即使是按时间序列处理的步骤，也能够根据情况适当地更改顺序。
另外，还可以制作用于使内置于信息处理服务器100的硬件发挥与上述的信息处理服务器100的各种功能结构等同的功能的计算机程序。另外，还可以提供存储有该计算机程序的存储介质。
符号说明
1 信息处理系统；100 信息处理服务器；110 通信部；120 存储部；130 控制部；131 机器学习部；132 预测部；133 输出控制部；200 信息处理终端；210 操作输入部；220 控制部；230 通信部； 240 显示部；300 计量控制装置；400 气象信息服务器。

Claims (13)

1.一种信息处理装置，具备：
预测部，使用通过机器学习得到的温室内环境预测模型，基于气象预测信息来预测所述温室的内部的环境，所述机器学习是将气象观测信息作为输入而基于与温室内部的环境有关的实际成果信息进行的；以及
输出控制部，控制与所预测的所述温室的内部的环境有关的预测信息的输出。
2.根据权利要求1所述的信息处理装置，其中向所述温室内环境预测模型输入的信息包括与气象的预测对象时刻有关的信息。
3.根据权利要求2所述的信息处理装置，其中与所述气象的预测对象时刻有关的信息包括关于所述气象的预测对象时刻所属于的时间段的信息。
4.根据权利要求2或3所述的信息处理装置，其中与所述气象的预测对象时刻有关的信息包括关于所述气象的预测对象时刻所属于的月份的信息。
5.根据权利要求1到4中的任何一项所述的信息处理装置，其中向所述温室内环境预测模型输入的信息包括对所述温室进行识别的识别信息。
6.根据权利要求1到5中的任何一项所述的信息处理装置，其中向所述温室内环境预测模型输入的信息包括与能够控制所述温室的内部的环境的环境控制机器有关的信息。
7.根据权利要求6所述的信息处理装置，其中与所述环境控制机器有关的信息包括关于所述环境控制机器的设置的有无的信息。
8.根据权利要求6或7所述的信息处理装置，其中与所述环境控制机器有关的信息包括示出所述环境控制机器的运转状况的信息。
9.根据权利要求1到8中的任何一项所述的信息处理装置，其中所述气象预测信息包括关于所述温室的外部的气温、所述温室的外部的相对湿度、日照量和雨量中的至少任意一个的信息。
10.根据权利要求1到9中的任何一项所述的信息处理装置，进一步具备机器学习部，所述机器学习部至少将气象观测信息作为输入，基于与所述温室的内部的环境有关的实际成果信息来进行所述温室内环境预测模型的机器学习。
11.根据权利要求10所述的信息处理装置，其中所述机器学习部基于与所述温室的内部的环境有关的预测信息、在对应于与所述温室的内部的环境有关的预测信息的预测对象时刻的与所述温室的内部的环境有关的实际成果信息来更新所述温室内环境预测模型。
12.根据权利要求1到11中的任何一项所述的信息处理装置，其中与所述温室的内部的环境有关的预测信息包括关于所述温室的内部的气温和所述温室的内部的相对湿度中的至少任意一个的信息。
13.一种信息处理方法，包括：
预测步骤，使用通过机器学习得到的温室内环境预测模型，基于气象预测信息来预测所述温室的内部的环境，所述机器学习是将气象观测信息作为输入而基于与温室内部的环境有关的实际成果信息进行的；以及
输出控制步骤，控制与所预测的所述温室的内部的环境有关的预测信息的输出。
CN201880034674.XA 2017-03-27 2018-03-05 信息处理装置和信息处理方法 Pending CN110651157A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110630723.XA CN113283661A (zh) 2017-03-27 2018-03-05 信息处理装置和信息处理方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017-060620 2017-03-27
JP2017060620 2017-03-27
PCT/JP2018/008282 WO2018180239A1 (ja) 2017-03-27 2018-03-05 情報処理装置および情報処理方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202110630723.XA Division CN113283661A (zh) 2017-03-27 2018-03-05 信息处理装置和信息处理方法

Publications (1)

Publication Number Publication Date
CN110651157A true CN110651157A (zh) 2020-01-03

Family

ID=63675487

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110630723.XA Pending CN113283661A (zh) 2017-03-27 2018-03-05 信息处理装置和信息处理方法
CN201880034674.XA Pending CN110651157A (zh) 2017-03-27 2018-03-05 信息处理装置和信息处理方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110630723.XA Pending CN113283661A (zh) 2017-03-27 2018-03-05 信息处理装置和信息处理方法

Country Status (5)

Country Link
EP (1) EP3604957A4 (zh)
JP (1) JP6942790B2 (zh)
KR (1) KR20190128656A (zh)
CN (2) CN113283661A (zh)
WO (1) WO2018180239A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113329617A (zh) * 2018-12-27 2021-08-31 拜耳作物科学株式会社 信息处理设备和信息处理系统
CN115485742A (zh) * 2021-06-18 2022-12-16 空间转移株式会社 学习模型、信号处理装置、飞行物以及程序
TWI811565B (zh) * 2020-09-15 2023-08-11 遠東科技大學 農業場域的智慧環控方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7231403B2 (ja) * 2018-12-26 2023-03-01 株式会社日立製作所 空調制御システム及び方法
JP7140702B2 (ja) * 2019-03-25 2022-09-21 ヤンマーパワーテクノロジー株式会社 農業ハウスの環境制御システム、ハウス制御装置
CN114206109B (zh) * 2019-06-17 2024-04-05 拜耳作物科学株式会社 信息处理装置及方法
EP3815513A1 (de) * 2019-11-01 2021-05-05 Roman Buck Verfahren und vorrichtung zum schutz eines gewächshauses vor kälte
KR102320998B1 (ko) * 2019-12-12 2021-11-03 대한민국 클라우드 기반 일간 온실 환경 의사결정지원 서버 및 이를 이용한 일간 온실 환경 의사결정지원 시스템
US11947325B2 (en) 2020-08-18 2024-04-02 Qatar University Controller for microgrid powered interconnected greenhouses
WO2022045021A1 (en) * 2020-08-31 2022-03-03 Bayer Cropscience K.K. Information processing device and information processing system
JP7437061B2 (ja) 2022-03-31 2024-02-22 ディーピーティー株式会社 生育環境予測装置、生育環境制御システムおよび生育環境予測方法
JP7437062B2 (ja) 2022-04-01 2024-02-22 ディーピーティー株式会社 生育施設制御システム
CN115165461B (zh) * 2022-07-01 2023-02-17 佳木斯大学 智能化血浆取样装置及其操作系统
CN117502055B (zh) * 2023-12-06 2024-05-07 江苏晟辉温室设备有限公司 一种大棚内部温度测量控制装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003014280A (ja) * 2001-06-27 2003-01-15 Mitsubishi Electric Corp エネルギー機器運用システム
CN102705957A (zh) * 2012-06-07 2012-10-03 华南理工大学 办公建筑中央空调逐时冷负荷在线预测方法及系统
CN103017297A (zh) * 2012-12-27 2013-04-03 李克豪 基于气象变化的空调系统的运行方法
CN103235620A (zh) * 2013-04-19 2013-08-07 河北农业大学 基于全局变量预测模型的温室环境智能控制方法
CN104573851A (zh) * 2014-12-19 2015-04-29 天津大学 一种基于气象温度预报的建筑逐时负荷预测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2547293B2 (ja) 1992-02-18 1996-10-23 株式会社四国総合研究所 植物栽培温室の室内環境調整装置
JP2002005488A (ja) * 2000-06-21 2002-01-09 Mitsubishi Heavy Ind Ltd 室内環境制御システム
JP3624311B2 (ja) 2000-07-28 2005-03-02 ネポン株式会社 施設園芸用温室における暖房用熱源水の温度制御方法
JP2004000146A (ja) * 2002-04-24 2004-01-08 Kitaokagumi:Kk 植物の栽培方法および植物の栽培装置
JP4827810B2 (ja) * 2007-08-23 2011-11-30 京葉瓦斯株式会社 植物栽培用ハウスの自動運転制御システム
JP5400102B2 (ja) 2010-08-10 2014-01-29 学校法人 芝浦工業大学 暖房機の制御方法、及び、暖房機
CN102035876A (zh) * 2010-10-15 2011-04-27 江苏鸿信系统集成有限公司 基于m2m架构的农业大棚远程监测和智能控制系统及方法
JP6256821B2 (ja) * 2012-08-23 2018-01-10 パナソニックＩｐマネジメント株式会社 農業用ハウス
JP6399426B2 (ja) * 2013-05-13 2018-10-03 パナソニックＩｐマネジメント株式会社 農業用ハウスの設置評価装置、農業用ハウスの日照量調整装置、プログラム
JP2016171750A (ja) * 2015-03-16 2016-09-29 日本電気株式会社 施設制御システム及び施設制御方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003014280A (ja) * 2001-06-27 2003-01-15 Mitsubishi Electric Corp エネルギー機器運用システム
CN102705957A (zh) * 2012-06-07 2012-10-03 华南理工大学 办公建筑中央空调逐时冷负荷在线预测方法及系统
CN103017297A (zh) * 2012-12-27 2013-04-03 李克豪 基于气象变化的空调系统的运行方法
CN103235620A (zh) * 2013-04-19 2013-08-07 河北农业大学 基于全局变量预测模型的温室环境智能控制方法
CN104573851A (zh) * 2014-12-19 2015-04-29 天津大学 一种基于气象温度预报的建筑逐时负荷预测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113329617A (zh) * 2018-12-27 2021-08-31 拜耳作物科学株式会社 信息处理设备和信息处理系统
TWI811565B (zh) * 2020-09-15 2023-08-11 遠東科技大學 農業場域的智慧環控方法
CN115485742A (zh) * 2021-06-18 2022-12-16 空间转移株式会社 学习模型、信号处理装置、飞行物以及程序

Also Published As

Publication number Publication date
CN113283661A (zh) 2021-08-20
EP3604957A1 (en) 2020-02-05
JPWO2018180239A1 (ja) 2019-12-12
JP6942790B2 (ja) 2021-09-29
EP3604957A4 (en) 2020-05-06
KR20190128656A (ko) 2019-11-18
WO2018180239A1 (ja) 2018-10-04

Similar Documents

Publication Publication Date Title
CN110651157A (zh) 信息处理装置和信息处理方法
JP6012868B2 (ja) 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム
WO2021145081A1 (ja) 支援システム、及び支援方法
CN111133390A (zh) 工厂管理系统和管理装置
KR101823521B1 (ko) 작물 생육에 대한 최적 환경 정보를 이용한 온실 환경 제어 및 생산량 예측 장치 및 방법
KR102188768B1 (ko) 시설 운영 이력을 저장할 수 있는 스마트팜 운영 시스템
JP2011159103A (ja) プラント運転支援装置
US11320811B2 (en) Plant operating condition setting support system, learning device, and operating condition setting support device
WO2021157260A1 (ja) 予測装置、予測システム、及び予測方法
JP6943725B2 (ja) 生長状態予測装置
EP3984349A1 (en) Information processing device and method
JP2015216848A (ja) 送水量予測装置、送水量予測システム、送水量予測方法、および送水量予測プログラム
WO2020235150A1 (ja) 消費電力予測装置
US10901400B2 (en) Set point optimization in multi-resolution processes
US20230301246A1 (en) Information processing device and information processing system
EP3732957B1 (en) Information processing device and information processing method
JP6728323B2 (ja) 運転支援システム、運転支援方法、これを実行させるためのコンピュータプログラム及びこのプログラムを記録した記録媒体
KR102514475B1 (ko) 공기질 측정기와 관수 관리 장치가 결합된 관리시스템
CN117268460B (zh) 一种基于物联网的室内外联动监测方法及系统
US11967008B2 (en) Greenhouse management system, greenhouse management device, greenhouse management method, and program
KR20240029338A (ko) 생육환경 정보 측정기를 이용한 식물 관리 기법 제공 장치 및 방법
JP2021196106A (ja) 空調機器の制御システム及び制御方法

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

Effective date of registration: 20210107

Address after: Tokyo, Japan

Applicant after: BAYER CROP SCIENCE Co.,Ltd.

Address before: Tokyo, Japan

Applicant before: Bosch Corp.

TA01 Transfer of patent application right
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200103

WD01 Invention patent application deemed withdrawn after publication