CN111479459A - 生长状况或病虫害发生状况的预测系统、方法以及程序 - Google Patents
生长状况或病虫害发生状况的预测系统、方法以及程序 Download PDFInfo
- Publication number
- CN111479459A CN111479459A CN201780097225.5A CN201780097225A CN111479459A CN 111479459 A CN111479459 A CN 111479459A CN 201780097225 A CN201780097225 A CN 201780097225A CN 111479459 A CN111479459 A CN 111479459A
- Authority
- CN
- China
- Prior art keywords
- growth
- environment information
- prediction
- field
- past
- 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
Links
- 238000000034 method Methods 0.000 title claims description 39
- 241000607479 Yersinia pestis Species 0.000 title abstract description 19
- 201000010099 disease Diseases 0.000 title abstract description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000010485 coping Effects 0.000 claims description 19
- 238000010191 image analysis Methods 0.000 abstract description 10
- 241000238631 Hexapoda Species 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 13
- 230000001186 cumulative effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 241000233679 Peronosporaceae Species 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 241000219315 Spinacia Species 0.000 description 4
- 235000009337 Spinacia oleracea Nutrition 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003337 fertilizer Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000206607 Porphyra umbilicalis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000844 anti-bacterial effect Effects 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 239000003899 bactericide agent Substances 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- 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
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Business, Economics & Management (AREA)
- Agronomy & Crop Science (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Strategic Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Catching Or Destruction (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
Abstract
本发明的目的在于提供一种系统，通过考虑图像解析来对田地中的将来的生长状况、病虫害进行预测。本发明的系统包括：图像获取单元，获取拍摄到田地的图像；检测单元，对图像进行解析，检测对象物的生长状况；环境信息获取单元，获取田地的现在的环境信息；过去环境信息获取单元，获取作为田地中的对象物的过去的环境信息的过去环境信息；以及预测单元，基于检测到的生长状况、现在的环境信息以及过去环境信息，对将来的生长状况进行预测。
Description
技术领域
本发明涉及一种生长状况或病虫害发生状况的预测系统、方法以及程序。
背景技术
近年来，对农作物的生长状况、病虫害发生状况进行预测的技术取得了进步。
例如提供了一种预测农作物的生长状况的系统，用于抑制农作物的品质、产量的偏差(专利文献1)。此外，提供了一种用于详细地掌握与病虫害有关的信息的系统(专利文献2)。
即，在专利文献1中，提出了一种田地管理方法，获取与气候、温度、风、霜、害虫、土壤成分、农作物数量以及日照量相关的信息，基于这些信息对生长状况进行预测并运用于田地的管理，由此，不依赖栽培者的直觉、经验而不产生偏差。
此外，在专利文献2中，提出了一种系统，用于使与农业经营者栽培的农作物一致的农作物相关的病虫害发生预报与栽培该农作物的地域的图像一并显示，由此，详细地掌握仅与自身栽培的农作物有关的信息。
现有技术文献
专利文献
专利文献1：日本特开2016－49102号公报
专利文献2：日本特开2016－167214号公报
发明内容
发明所要解决的问题
然而，在专利文献1和专利文献2所述的系统中，不能结合农作物的图像解析来检测现在的生长状况、病虫害发生状况并运用于预测。
即，对于获知农作物的实际的状况而言，拍摄田地是能最直接地掌握的方法，为了预测将来的成长，需要尽可能准确地掌握现状的状态。
此外，在获知农作物的病虫害发生状况时，拍摄田地也是能最直接地掌握状况和程度的方法，为了对将来的病虫害损害进行预测，需要尽可能准确地掌握现状的损害状况。
本发明是鉴于这样的问题而完成的，其目的在于得到一种系统、方法以及程序，通过考虑图像解析来对田地中的将来的生长状况、病虫害进行预测。
用于解决问题的方案
本发明的发明者们为了实现上述的课题，反复进行深入研究的结果是，发现通过在现在的环境信息和过去的环境信息之外使用拍摄到田地的图像的解析结果，能解决上述的课题，从而完成了本发明。具体而言，在本发明中，提供以下这样的方案。
(1)本发明是一种生长状况预测系统，对田地中的生长状况进行预测，具备：图像获取单元，获取拍摄到所述田地的图像；检测单元，对所述图像进行解析，检测对象物的生长状况；环境信息获取单元，获取所述田地的现在的环境信息；过去环境信息获取单元，获取作为所述田地中的对象物的过去的环境信息的过去环境信息；以及预测单元，基于所述检测到的生长状况、所述现在的环境信息以及所述过去环境信息，对将来的生长状况进行预测。
(2)此外，本发明是(1)所述的生长状况预测系统具备：应对方法显示单元，基于所述预测的结果，显示应对方法。
(3)此外，本发明是(1)所述的生长状况预测系统，其中，所述环境信息获取单元获取的环境信息是指田地的累计温度、累计雨量以及累计日照量。
(4)此外，本发明是(1)所述的生长状况预测系统，其中，所述预测单元根据输入所述过去环境信息而学习到的结果进行预测。
(5)此外，本发明是一种生长状况预测方法，具有以下步骤：预测单元获取拍摄到田地的图像；检测单元对所述图像进行解析，检测对象物的生长状况；环境信息获取单元获取所述田地的现在的环境信息；过去环境信息获取单元获取作为所述田地中的对象物的过去的环境信息的过去环境信息；以及预测单元基于所述检测到的生长状况、所述现在的环境信息以及所述过去环境信息，对将来的生长状况进行预测。
(6)此外，本发明是一种程序，使计算机执行以下步骤：获取拍摄到田地的图像；对所述图像进行解析，检测对象物的生长状况；获取所述田地的现在的环境信息；以及基于所述检测到的生长状况、所述现在的环境信息以及所述过去环境信息，对将来的生长状况进行预测。
发明效果
根据本发明，除了雨量、日照量等信息之外，还结合田地的图像解析来检测生长状况、病虫害状况并运用于预测，因此能提供精度更高的合适的预测系统、预测方法以及程序。
此外，根据本发明，具备基于预测的结果来显示应对方法的应对方法显示单元，因此能提供不仅能获取预测结果，还能获取用于解决预想会发生的问题的最合适的应对方法的预测系统。
此外，根据本发明，使用累计温度、累计雨量以及累计日照量作为环境信息并运用于预测，因此能提供通过着眼于决定对象物的生长的重要项目而精度更高的合适的预测系统。
此外，根据本发明，预测单元根据输入过去环境信息而学习到的结果进行预测，因此能提供能有效地运用过去的数据，精度更高的合适的预测系统。
附图说明
图1是表示生长状况预测系统的概要的图。
图2是表示生长状况预测系统的构成的图。
图3是表示生长状况预测系统的功能构成的框图。
图4是表示生长状况预测系统所执行的生长状况预测处理的流程图。
图5是表示获取到的图像和根据图像解析得到的生长数据的一个例子的图。
图6是表示现在的环境信息和过去的环境信息的一个例子的图。
图7是表示预测结果和应对方法的一个例子的图。
具体实施方式
以下，对本发明的具体的实施方式进行详细说明，但本发明不受以下的实施方式的任何限定，可以在本发明的目的的范围内适当地加以变更来实施。
〔生长状况预测系统1的概要〕
图1是用于对作为本发明的优选的实施方式的生长状况预测系统1的概要进行说明的图。生长状况预测系统1包括生长状况预测装置100和用户终端500。
在生长状况预测系统1中，首先，用户终端500向生长状况预测装置100发送生长状况预测请求(步骤S01)。生长状况预测请求由与预测的地域有关的信息以及与预测的日期、时间段有关的信息的组合构成。
接收到生长状况预测请求的生长状况预测装置100根据生长状况预测请求所包含的与地域有关的信息，获取该地域的图像数据(步骤S02)。在此，可以是生长状况预测装置100自身具备拍摄功能来进行拍摄，也可以从例如像具备摄像机的无人驾驶飞行器那样具备拍摄功能的其他装置，经由网络接收图像数据。此外，图像不限于拍摄的图像，也可以是生成、加工的数据。
获取到图像数据的生长状况预测装置100对图像数据进行解析，检测现在的生长状况作为图像解析结果。
对图像数据进行解析，检测生长状况的生长状况预测装置100获取作为与现在的环境有关的信息的环境信息和作为与过去的环境有关的信息的过去环境信息。
然后，基于图像解析结果、环境信息以及过去环境信息，对预测请求所包含的日期或者时间段的生长状况进行预测(步骤S03)。
而且，生长状况预测装置100获取用于应对预测到的结果的应对方法，与预测结果一并向用户终端500发送(步骤S04)。
接收到预测结果和应对方法的用户终端500通过显示单元显示预测结果和应对方法。
以上是生长状况预测系统1的概要。
〔生长状况预测系统1的系统构成〕
图2是作为本发明的优选的实施方式的生长状况预测系统1的系统构成图。如图2所示，生长状况预测系统1由生长状况预测装置100和用户终端500构成。生长状况预测装置100能经由公共线路网300(互联网、第三代、第四代通信网等)与用户终端500进行通信。
生长状况预测装置100具备后述的功能，能进行数据通信，是用于家庭用或工作用的电器。生长状况预测装置100例如除了个人计算机、服务器装置之外，也可以是便携电话、便携信息终端、智能手机、平板终端、上网本终端、板式终端、电子书终端以及便携式音乐播放器等信息化家电。
用户终端500同样具备后述的功能，能进行数据通信，是用于家庭用或工作用的电器。
〔各功能的说明〕
基于图3，对各装置的构成进行说明。
生长状况预测装置100具备CPU(Central Processing Unit：中央处理器)、RAM(Random Access Memory：随机存取存储器)以及ROM(Read Only Memory：只读存储器)等作为控制部120，具备用于能与其他设备进行通信的设备，例如依据IEEE802.11的WiFi(Wireless Fidelity：无线保真)对应设备作为通信部12。
此外，生长状况预测装置100具备由硬盘、半导体存储器、记录介质、存储卡等实现的数据的存储(storage)部作为存储数据、文件的存储部130。
在生长状况预测装置100中，控制部120通过读取规定的程序，与存储部130协作来实现检测模块122、环境信息获取模块123以及过去环境获取模块124。此外，在生长状况预测装置100中，控制部120通过读取规定的程序，与通信部110协作来实现预测模块125。而且，在生长状况预测装置100中，控制部120通过读取规定的程序，与通信部110和存储部130协作来实现图像获取模块121和应对方法获取模块126。
用户终端500与生长状况预测装置100同样，具备CPU、RAM以及ROM等作为控制部520，具备例如依据IEEE802.11的WiFi对应设备或能通过有线电缆连接的设备等实现与其他电器和无线接入点的数据通信的设备作为通信部510。
在用户终端500中，控制部520通过读取规定的程序，与通信部510协作来实现预测请求发送模块521、预测显示模块522以及应对方法显示模块523。
〔生长状况预测处理〕
图4是生长状况预测装置100和用户终端500所执行的生长状况预测处理的流程图。对上述的各装置的模块进行的处理与本处理一并进行说明。
首先，用户终端500的预测请求发送模块521向生长状况预测装置100发送生长状况预测请求(步骤S510)。预生长状况测请求如前所述，由与预测的地域有关的信息和与预测的日期、时间段有关的信息的组合构成。
接着，当获取生长状况预测请求时(步骤S110)，生长状况预测装置100的图像获取模块121根据与生长状况预测请求所包含的地域有关的信息，获取该地域的图像数据(步骤S120)。需要说明的是，生长状况预测请求不必一定仅从用户终端500发送，也可以在生长状况预测装置100内生成。
在此，作为图像获取的方法，既可以是生长状况预测装置100自身具备拍摄功能并进行拍摄，也可以从例如像具备摄像机的无人驾驶飞行器那样具备拍摄功能的其他装置经由通信部110接收图像数据。此外，图像不限于拍摄的图像，也可以是生成、加工的数据。
接着，生长状况预测装置100的检测模块122对获取到的图像数据进行解析，由此检测生长状况，获取对象物的生长数据(步骤S130)。
图5示出了在使用菠菜作为预测生长状况的对象物的情况下的图像数据和根据图像解析得到的生长数据的一个例子。图5的(a)所示的图像数据的例子为了简化而将对象物放大示出，但实际上，将拍摄到田地整体的图像作为图像数据进行获取。
如图5的(b)所示，通过对拍摄到田地整体的图像进行解析，能获取生长数据。在该例子中，获取了对象物的距地面的高度、叶片的面积、叶片的数量以及叶片的颜色作为拍摄到的田地中的菠菜的平均值。而且，例如检测到在田地中的一部分的区域中，叶片的颜色一部分变色为黄色。
接着，生长状况预测装置100的环境信息获取模块123获取田地中的现在的环境信息(步骤S140)。获取的环境信息为例如从开始种植至现在的累计温度、累计雨量以及累计日照量等。此外，作为环境信息，也可以使用由农林水产省发布的与病虫害有关的预测信息、由各都道府县防除所发布的与病虫害有关的预测信息和警报信息，包括该田地中的病虫害飞来的过去历年预测来进行预测。在该情况下，可以将田地的纬度和经度作为用于确定位置的信息使用。
接着，生长状况预测装置100的过去环境信息获取模块124获取田地的过去的环境信息(步骤S150)。田地的过去的环境信息是指关于与现在的环境信息同样的信息在去年、前年等上次以前生长时的信息。需要说明的是，过去的环境信息可以使用在生长状况预测装置100的存储部130中预先存储的信息，此外，也可以经由通信部110从其他数据库获取。
图6示出现在的环境信息和过去的环境信息的一个例子。在图6的(a)中，作为现在的环境信息，示出了关于现在实施生长的对象物(在该例子中为菠菜)的从种植的日子至现在(在该例子中为第8天)的累计温度、累计雨量以及累计日照量。在图6的(b)中，作为过去的环境信息，示出了去年和前年的与现在相同的累计天数的日子(在该例子中为第8天)的环境信息。
此外，在本实施方式中的生长状况预测系统中，将过去的第10天的状态作为正确答案数据，输入环境信息来进行机器学习。因此，在图6的(b)中示出的例子中，获取去年和前年的种植后第10天的状态作为过去环境信息。
即，作为去年的从种植开始第8天的环境信息，得到累计温度为85℃、累计雨量为89mm、累计日照量为0.4Mj/m2这样的数据，作为表现第10天的状态的正确答案数据，得到“雨多、多湿发生霜霉病”这样的数据。
此外，作为前年的从种植开始第8天的环境信息，得到累计温度为80℃、累计雨量为56mm、累计日照量为2Mj/m2这样的数据，作为表现第10天的状态的正确答案数据，得到“良好”这样的数据。
然后，在获取到过去环境信息后，生长状况预测装置100的预测模块125基于在步骤S130中检测到的生长状况、在步骤S140中获取到的现在的环境信息以及在步骤S150中获取到的过去环境信息，对生长状况进行预测(步骤S160)。
如图6所示，在本实施例中，当与过去2年进行比较时，累计日照量略少且累计雨量较多。因此，如图7所示，作为预测结果，能得到与2016年同样地发生霜霉病的可能性较高这样的结果。
此外，根据图像解析的结果，能确定发生霜霉病的可能性较高的部位。就是说，对在获取到的图像内可能成为霜霉病的部位进行检测，标注标记并输出。在本实施例中，对发生霜霉病的可能性较高的部位进行了检测，但相同地，也可以对发生其他疾病的可能性较高的部位和由害虫造成的损害可能会变大的部位进行检测。像这样，不仅能对疾病的发生、害虫的发生进行预测，还能确定发生的区域、部位，因此能实现精度较高的生长状况预测系统。
当得到预测结果时，生长状况预测装置100对用户终端500发送预测结果(步骤S170)，接收到预测结果的用户终端500在用户终端500所具有的显示器等显示接收到的预测结果(步骤S520)。
向用户终端500发送预测结果后，生长状况预测装置100的应对方法获取模块126基于在步骤S160中获取到的预测结果，获取应对方法(步骤S180)。
如图7所示，在本实施例中，作为预测结果，做出了“累计日照量略少，累计雨量较多。”“与2016年同样地发生霜霉病的可能性较高。”的预测，此外，根据图像解析确定发生霜霉病的可能性较高的部位，标注标记A。在步骤S180中，基于这样的预测结果，获取“在标注有标记的部位撒上杀菌剂”“尽快进行施肥”这样的应对方法。
当得到应对方法时，生长状况预测装置100对用户终端500发送应对方法(步骤S190)，接收到应对方法的用户终端500在用户终端500所具有的显示器等显示接收到的应对方法(步骤S530)。
需要说明的是，在本实施例中，以与预测结果一并获取应对方法的方式进行控制，但不必一定设置获取应对方法的功能，也可以是仅具有预测生长状况的功能的系统。或者，也可以在步骤S510中的生长状况预测请求中包括关于是否也获取应对方法的用户的选择信息。在该情况下，仅在用户期望获取应对方法的情况下，向用户发送应对方法。
以上是生长状况预测装置100和用户终端500所执行的生长状况预测处理的处理顺序。
上述的单元和功能通过计算机(包括CPU、信息处理装置以及各种终端)读取规定的程序并执行来实现。程序由记录于例如软盘、CD(CD－ROM等)、DVD(DVD－ROM、DVD－RAM等)等计算机可读取记录介质的方式来提供。在该情况下，计算机从该记录介质读取程序，传输至内部存储装置或外部存储装置，存储并执行。此外，也可以将该程序预先记录于例如磁盘、光盘以及磁光盘等存储装置(记录介质)，从该存储装置经由通信线路向计算机提供。
以上，对本发明的实施方式进行了说明，但本发明不限于上述的这些实施方式。此外，本发明的实施方式所记载的效果不过是对从本发明产生的最优选的效果的列举，本发明的效果不限定于本发明的实施方式所记载的内容。
作为预测生长状况的对象物，对农场中的菠菜的例子进行了说明，但本发明不限于该实施方式，也可以在农业之外，在林业、水产业，特别是紫菜的养殖中应用。
生长状况预测装置100和用户终端500作为不同的装置而构成，但生长状况预测装置100和用户终端500也可以构成为一体的装置。
作为预测结果和应对方法，也可以使用病虫害判定、生长调查、施肥时机、肥料的种类、散布农药时机以及农药的种类。
附图标记说明：
1 生长状况预测系统，
100 生长状况预测装置，
500 用户终端，
121 图像获取模块，
122 检测模块，
123 环境信息获取模块，
124 过去环境获取模块，
125 预测模块，
126 应对方法获取模块。
Claims (6)
1.一种生长状况预测系统，对田地中的生长状况进行预测，具备：
图像获取单元，获取拍摄到所述田地的图像；
检测单元，对所述图像进行解析，检测对象物的生长状况；
环境信息获取单元，获取所述田地的现在的环境信息；
过去环境信息获取单元，获取作为所述田地中的对象物的过去的环境信息的过去环境信息；以及
预测单元，基于所述检测到的生长状况、所述现在的环境信息以及所述过去环境信息，对将来的生长状况进行预测。
2.根据权利要求1所述的生长状况预测系统，具备：
应对方法显示单元，基于所述预测的结果，显示应对方法。
3.根据权利要求1所述的生长状况预测系统，其中，
所述环境信息获取单元获取的环境信息是指田地的累计温度、累计雨量以及累计日照量。
4.根据权利要求1所述的生长状况预测系统，其中，
所述预测单元根据输入所述过去环境信息而学习到的结果进行预测。
5.一种生长状况预测方法，具有以下步骤：
预测单元获取拍摄到田地的图像；
检测单元对所述图像进行解析，检测对象物的生长状况；
环境信息获取单元获取所述田地的现在的环境信息；
过去环境信息获取单元获取作为所述田地中的对象物的过去的环境信息的过去环境信息；以及
预测单元基于所述检测到的生长状况、所述现在的环境信息以及所述过去环境信息，对将来的生长状况进行预测。
6.一种程序，使计算机执行以下步骤：
获取拍摄到田地的图像；
对所述图像进行解析，检测对象物的生长状况；
获取所述田地的现在的环境信息；以及
基于所述检测到的生长状况、所述现在的环境信息以及所述过去环境信息，对将来的生长状况进行预测。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2017/042696 WO2019106733A1 (ja) | 2017-11-29 | 2017-11-29 | 生育状況または病害虫発生状況の予測システム、方法およびプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111479459A true CN111479459A (zh) | 2020-07-31 |
Family
ID=66664438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780097225.5A Pending CN111479459A (zh) | 2017-11-29 | 2017-11-29 | 生长状况或病虫害发生状况的预测系统、方法以及程序 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20200311915A1 (zh) |
| JP (1) | JP7300796B2 (zh) |
| CN (1) | CN111479459A (zh) |
| WO (1) | WO2019106733A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112889612A (zh) * | 2021-01-18 | 2021-06-04 | 吉林省农业科学院 | 大豆耐低磷筛选装置及筛选方法 |
| CN113940267A (zh) * | 2021-10-15 | 2022-01-18 | 中国农业科学院都市农业研究所 | 一种用于植物工厂的照护装置及方法 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7411259B2 (ja) * | 2019-12-06 | 2024-01-11 | 株式会社ナイルワークス | 植物の病理診断システム、植物の病理診断方法、植物の病理診断装置、およびドローン |
| JP6974662B2 (ja) * | 2019-12-17 | 2021-12-01 | 株式会社ミライ菜園 | 予測装置 |
| JP7387195B2 (ja) * | 2019-12-23 | 2023-11-28 | 株式会社ナイルワークス | 圃場管理システム、圃場管理方法およびドローン |
| JP2022094828A (ja) * | 2020-12-15 | 2022-06-27 | Ｈａｐｓモバイル株式会社 | 制御装置、プログラム、システム、及び方法 |
| CN112750123A (zh) * | 2021-01-22 | 2021-05-04 | 武汉工程大学 | 一种水稻病虫害监测方法及系统 |
| JP7539152B2 (ja) * | 2021-02-09 | 2024-08-23 | 国立研究開発法人農業・食品産業技術総合研究機構 | 情報処理装置、情報処理方法、およびプログラム |
| CN114913029B (zh) * | 2022-04-29 | 2023-05-02 | 云铂(宁夏)科技有限公司 | 一种基于物联网的智能农业监控平台 |
| CN116051560B (zh) * | 2023-03-31 | 2023-06-20 | 武汉互创联合科技有限公司 | 基于胚胎多维度信息融合的胚胎动力学智能预测系统 |
| CN118551899A (zh) * | 2024-07-24 | 2024-08-27 | 中核大地生态科技有限公司 | 用于干旱荒漠化生态维持体系的大数据分析系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020016676A1 (en) * | 2000-07-26 | 2002-02-07 | Christopher Sann | Climatic conditions based pest control management |
| CN1390307A (zh) * | 1999-10-15 | 2003-01-08 | 德卡尔博遗传学公司 | 作物性能分析的方法和系统 |
| JP2003143959A (ja) * | 2001-11-08 | 2003-05-20 | Hitachi Eng Co Ltd | 圃場における農産物の生育情報提供システム |
| JP2004185222A (ja) * | 2002-12-02 | 2004-07-02 | Osaka Gas Co Ltd | 植物病害防除用微生物資材提案システム |
| JP2005085059A (ja) * | 2003-09-10 | 2005-03-31 | Sec:Kk | 農作業決定支援用予測システム |
| JP2005137209A (ja) * | 2003-11-04 | 2005-06-02 | Ebara Corp | 植物管理システム |
| CN101052147A (zh) * | 2007-05-24 | 2007-10-10 | 中国科学院合肥物质科学研究院 | 大田作物病虫害智能预警系统 |
| CN101480143A (zh) * | 2009-01-21 | 2009-07-15 | 华中科技大学 | 一种预测灌区作物单产量的方法 |
| CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
| US20160125331A1 (en) * | 2014-10-30 | 2016-05-05 | AgriSight, Inc. | Automated agricultural activity determination system and method |
| CN107222682A (zh) * | 2017-07-11 | 2017-09-29 | 西南大学 | 农作物生长状况检测方法及装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9846848B2 (en) | 2010-10-25 | 2017-12-19 | Trimble Inc. | Exchanging water allocation credits |
| JP5954715B2 (ja) | 2013-04-24 | 2016-07-20 | 独立行政法人国立高等専門学校機構 | 栽培契約マッチングシステム、サーバ、方法およびプログラム |
| US9652840B1 (en) | 2014-10-30 | 2017-05-16 | AgriSight, Inc. | System and method for remote nitrogen monitoring and prescription |
| JP6419607B2 (ja) * | 2015-03-10 | 2018-11-07 | 株式会社東芝 | 情報処理システム及び方法 |
-
2017
- 2017-11-29 WO PCT/JP2017/042696 patent/WO2019106733A1/ja active Application Filing
- 2017-11-29 US US16/768,127 patent/US20200311915A1/en not_active Abandoned
- 2017-11-29 CN CN201780097225.5A patent/CN111479459A/zh active Pending
- 2017-11-29 JP JP2019556441A patent/JP7300796B2/ja active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1390307A (zh) * | 1999-10-15 | 2003-01-08 | 德卡尔博遗传学公司 | 作物性能分析的方法和系统 |
| US20020016676A1 (en) * | 2000-07-26 | 2002-02-07 | Christopher Sann | Climatic conditions based pest control management |
| JP2003143959A (ja) * | 2001-11-08 | 2003-05-20 | Hitachi Eng Co Ltd | 圃場における農産物の生育情報提供システム |
| JP2004185222A (ja) * | 2002-12-02 | 2004-07-02 | Osaka Gas Co Ltd | 植物病害防除用微生物資材提案システム |
| JP2005085059A (ja) * | 2003-09-10 | 2005-03-31 | Sec:Kk | 農作業決定支援用予測システム |
| JP2005137209A (ja) * | 2003-11-04 | 2005-06-02 | Ebara Corp | 植物管理システム |
| CN101052147A (zh) * | 2007-05-24 | 2007-10-10 | 中国科学院合肥物质科学研究院 | 大田作物病虫害智能预警系统 |
| CN101480143A (zh) * | 2009-01-21 | 2009-07-15 | 华中科技大学 | 一种预测灌区作物单产量的方法 |
| CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
| US20160125331A1 (en) * | 2014-10-30 | 2016-05-05 | AgriSight, Inc. | Automated agricultural activity determination system and method |
| CN107222682A (zh) * | 2017-07-11 | 2017-09-29 | 西南大学 | 农作物生长状况检测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 郭晓成等: "《枣树栽培技术》", 31 January 2005, 西北农林科技大学出版社 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112889612A (zh) * | 2021-01-18 | 2021-06-04 | 吉林省农业科学院 | 大豆耐低磷筛选装置及筛选方法 |
| CN113940267A (zh) * | 2021-10-15 | 2022-01-18 | 中国农业科学院都市农业研究所 | 一种用于植物工厂的照护装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019106733A1 (ja) | 2019-06-06 |
| JPWO2019106733A1 (ja) | 2020-11-26 |
| US20200311915A1 (en) | 2020-10-01 |
| JP7300796B2 (ja) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| US10262244B2 (en) | Image evaluation method | |
| Channe et al. | Multidisciplinary model for smart agriculture using internet-of-things (IoT), sensors, cloud-computing, mobile-computing & big-data analysis | |
| KR102200314B1 (ko) | 드론을 이용한 농작물 모니터링 시스템 | |
| JP5510833B2 (ja) | 携帯端末装置及びプログラム | |
| KR20180072641A (ko) | 사물인터넷 기반 식물 재배 데이터 수집 및 관리 시스템 | |
| US11737443B2 (en) | Methods for deploying biosentinels to agricultural fields and monitoring biotic and abiotic stresses in crops remotely | |
| US11631475B2 (en) | Real-time projections and estimated distributions of agricultural pests, diseases, and biocontrol agents | |
| KR20180006735A (ko) | 사물인터넷 기반 식물 재배 데이터 수집 및 관리 시스템 | |
| EP3620774B1 (en) | Method and apparatus for monitoring plant health state | |
| JP2018046787A (ja) | 農業管理予測システム、農業管理予測方法、及びサーバ装置 | |
| JP2011192022A (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 | |
| KR102381491B1 (ko) | 작물 재배 애플리케이션을 통한 적응형 재배 정보 제공 시스템 | |
| JP2022082636A (ja) | 情報処理装置 | |
| JP5954460B2 (ja) | 観測装置及び観測管理システム | |
| CA3071932A1 (en) | Use of data from field trials in crop protection for calibrating and optimising prediction models | |
| JP2013162800A (ja) | 通信装置並びにプログラム | |
| JP5621880B2 (ja) | 観測管理システム並びに観測装置 | |
| KR102532651B1 (ko) | 온실 작물 관리 시스템 | |
| US20210315150A1 (en) | Method and systems for generating prescription plans for a region under cultivation | |
| Di Gennaro et al. | Prediction of Yield Spatial Variability within Vineyard Based on DIGIVIT Mobile App | |
| Peraka et al. | FPGA based Smart and Sustainable Agriculture | |
| JP2023007457A (ja) | 葉緑素量学習推定システム、葉緑素量推定用モデル生成システム、葉緑素量推定システム、葉緑素量推定方法、およびコンピュータプログラム | |
| CN117557898A (zh) | 当茬作物产量估测方法、装置、存储介质 |
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 |