CN111511195A - 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 PDFInfo
- Publication number
- CN111511195A CN111511195A CN201880083807.2A CN201880083807A CN111511195A CN 111511195 A CN111511195 A CN 111511195A CN 201880083807 A CN201880083807 A CN 201880083807A CN 111511195 A CN111511195 A CN 111511195A
- Authority
- CN
- China
- Prior art keywords
- data
- greenhouse
- relative humidity
- information processing
- amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 23
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000004590 computer program Methods 0.000 title description 4
- 238000009833 condensation Methods 0.000 claims abstract description 39
- 230000005494 condensation Effects 0.000 claims abstract description 39
- 230000005855 radiation Effects 0.000 claims abstract description 28
- 201000010099 disease Diseases 0.000 claims description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 23
- 238000010801 machine learning Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 29
- 238000003860 storage Methods 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 16
- 239000000463 material Substances 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000009736 wetting Methods 0.000 description 10
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 238000000034 method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000004566 building material Substances 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003287 bathing Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000010413 gardening Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003898 horticulture Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 1
- 229920002554 vinyl polymer Polymers 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
- A01G9/246—Air-conditioning systems
-
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- 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
-
- 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
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Forests & Forestry (AREA)
- Marine Sciences & Fisheries (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Medical Informatics (AREA)
- Mining & Mineral Resources (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Cultivation Of Plants (AREA)
- Greenhouses (AREA)
Abstract
提高了结露状态的推测精度。一种信息处理装置，具备：数据获取部，其获取表示由日照量传感器测定的对于温室的日照量的日照量数据和表示所述温室内的相对湿度的相对湿度数据；以及推测部，其基于所述日照量数据和所述相对湿度数据来推测所述温室内的栽培物中的结露状态。
Description
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，在设施园艺中，为了温室内的环境的可视化或者温室内的环境控制，开发了使用计算机的系统。例如，存在如下的系统：其具有气温传感器和湿度传感器等的传感器、基于由这些传感器得到的测定数据来进行温室内的环境的分析或控制的信息处理装置。
作为设施园艺中的病害风险，已知有在栽培物上的结露。当由于在栽培物上的结露因而栽培物被浸湿的状态长期化时，附着于栽培物的菌丝增长，感染风险变高。关于这一点，在专利文献1中公开了使用由气温传感器和湿度传感器得到的测定数据来进行与结露有关的判定的控制装置。
现有技术文献
专利文献，专利文献1：日本特开2017-112916号公报。
发明内容
发明要解决的问题
上述的在栽培物上的结露特别是由于因朝阳的照射所致急剧的气温上升而引起的。然而，设置于温室的气温传感器的测定结果中的气温上升存在相对于在温室内的栽培物的周边的实际的气温上升产生延后的情况。在这种情况下，在仅使用气温传感器和湿度传感器的结露状态的推测方法中，结露状态的推测精度降低。
于是，本发明是鉴于上述问题作出的发明，作为本发明的目的来说，其在于提供一种能够提高结露状态的推测精度的新颖的且改良的信息处理装置和信息处理方法。
用于解决问题的方案
为了解决上述问题，根据本发明的某个观点，提供了一种信息处理装置，具备：数据获取部，其获取表示由日照量传感器测定的对于温室的日照量的日照量数据和表示所述温室内的相对湿度的相对湿度数据；以及推测部，其基于所述日照量数据和所述相对湿度数据来推测所述温室内的栽培物的结露状态。
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：获取表示由日照量传感器测定的对于温室的日照量的日照量数据和表示所述温室内的相对湿度的相对湿度数据；以及，基于所述日照量数据和所述相对湿度数据来推测所述温室内的栽培物的结露状态。
发明效果
根据以上说明的本发明，能够提高结露状态的推测精度。
附图说明
图1是示出根据本发明的实施方式的温室管理系统的说明图。
图2是示出显示于用户装置的显示部的画面的具体示例的说明图。
图3是示出日照量和气温的关系的说明图。
图4是示出根据本发明的实施方式的管理服务器的结构的说明图。
图5是示出学习阶段中的管理服务器的动作的流程图。
图6是示出运用阶段中的管理服务器的动作的流程图。
图7是示出了管理服务器的硬件结构的框图。
具体实施方式
以下一边参照随附附图一边详细说明本发明的实施方式。此外，在本说明书和附图中，对于实质上具有相同的功能结构的结构要素，通过附加相同的符号而省略重复说明。
<1.温室管理系统的概要>
本发明的实施方式与管理培育有农作物的温室的环境的温室管理系统有关。参照图1说明根据本发明的实施方式的温室管理系统的概要。
图1是示出根据本发明的实施方式的温室管理系统的说明图。如图1所示，根据本发明的实施方式的温室管理系统具备温室10、多个传感器21~23、通信装置26、气象信息传感器30、管理服务器40和用户装置50。管理服务器40经由网络12连接于通信装置26、气象信息服务器30和用户装置50。
（温室10）
温室10形成用于栽培农作物等的空间。作为温室10的建材，使用玻璃或者乙烯树脂等的具有透光性的建材。因此，在温室10中栽培的农作物能够在沐浴着阳光的同时在适当温度的环境中成长。温室10也可以具有暖气设备，也可以不具有暖气设备。在温室10中栽培的栽培物不限于农作物，在温室10中栽培的栽培物也可以是农作物以外的植物。
温室10中设置有多个传感器21~23。具体地，在温室10中设置有气温传感器21、日照量传感器22和湿度传感器23。气温传感器21测定温室内的气温，日照量传感器22测定对于温室的日照量，湿度传感器23测定温室内的相对湿度。虽然在图1中日照量传感器22被设置在温室10内，但是日照量传感器22也可以设置在温室10外侧。另外，温室10中还可以设置有二氧化碳浓度传感器、风速传感器和地表温度传感器等的其它传感器。
多个传感器21~23将通过测定获取的气温数据、日照量数据或相对湿度数据等的测定数据以无线方式发送到通信装置26。例如，多个传感器21~23也可以使用BLE（低功耗蓝牙，（Bluetooth（注册商标）））或者Wi-Fi将测定数据发送到通信装置26。或者，多个传感器21~23也可以被以有线方式连接到通信装置26，在这种情况下，多个传感器21~23以有线方式将测定数据发送到通信装置26。
（通信装置26）
通信装置26在多个传感器21~23和管理服务器40之间中继测定数据。即，通信装置26从多个传感器21~23接收测定数据，将所接收的测定数据经由网络12发送到管理服务器40。此外，网络12是从连接于网络12的装置发送的信息的有线或无线的传送路径。例如，网络12可以包括蜂窝网络、互联网、电话线路网、卫星通信网等公共线路网或者各种LAN（Local AreaNetwork，局域网）、WAN（Wide Area Network，广域网）等（其包括Ethernet（注册商标））。另外，网络12也可以包括IP-VPN（Internet Protocol-Virtual Private Network，互联网协议虚拟专用网络）等的专用线路网。
（气象信息服务器30）
气象信息服务器30向管理服务器40提供气象信息。气象信息包括现在或者过去实际观测到的气象观测信息、以及对从现在起以后要观测的内容进行预测的气象预测信息。气象信息也可以包括表示各个地域的气温、相对湿度、日照量或雨量的信息。
（管理服务器40）
管理服务器40是具有如下的功能的信息处理装置：收集用于温室10的管理的各种各样的信息的功能；对收集的信息进行分析的功能；以及分发所收集的信息或信息的分析结果的功能。具体地，管理服务器40从通信装置26收集测定数据，从气象信息服务器30收集气象信息。管理服务器40能够对所收集的信息进行分析、对温室10的将来的内部环境进行预测、并进一步判定病害风险。管理服务器40经由网络12将所收集的信息、上述的预测结果以及判定结果等分发到农家用户所利用的用户装置50。
（用户装置50）
用户装置50是在温室10中栽培农作物的农家的用户所利用的装置。用户装置50具有显示从管理服务器40分发的信息的显示部。虽然在图1中作为用户装置50的一个示例示出了智能电话，但是用户装置50不限定于智能电话。用户装置50例如也可以是PC（PersonalComputer，个人计算机）、便携电话或专用装置等的信息处理装置。
图2是示出显示于用户装置50的显示部的画面的具体示例的说明图。图2所示的画面包括表示病害风险的显示62、表示气温和相对湿度的时间变化的显示64。在显示62中，在各时间点的病害风险的大小是由圆的大小和颜色表示的。在图2所示的示例中，显示有病害风险越高就越大且颜色越浓的圆。成为用户能够通过查看显示62来进行药剂播撒、暖气调整以及温室10的换气等用于减轻病害风险的作业。此外，设置于温室10的机器还可以按照来自管理服务器40的指示执行暖气调整、二氧化碳产生量调整等的环境控制以及药剂的播撒等的处理。
在显示64中，细实线表示气温的测定值、细虚线表示气温的将来的预测值、粗实线表示相对湿度的测定值、并且粗虚线表示相对湿度的将来的预测值。用户能够基于该显示64来掌握温室10现在的环境以及将来的环境。
虽然在图2中示出了显示表示病害风险、气温和相对湿度的信息的示例，但是用户装置50能够基于与管理服务器40的通信而还显示表示日照量或二氧化碳浓度等的其它环境要素的信息。另外，用户装置50在设置有多个温室10的情况下还能够显示各温室10的信息，还能够显示温室10内的各场所或各传感器的信息。由此，在现在的环境或将来的环境不适合用于农作物的栽培的情况下，用户能够进行暖气的调整、二氧化碳产生量的调整等。
<2.背景的整理>
以上说明了根据本发明的实施方式的温室管理系统的概要。接下来，为了使本发明的实施方式的技术上的含义更明确，在详细说明本发明的实施方式之前，说明本发明的实施方式的背景。
作为温室中产生病害的原因，已知有在栽培物上的结露。当由于在栽培物上的结露因而栽培物被浸湿的状态长期化时，附着于栽培物的菌丝增长，感染风险变高。
该结露特别是由于朝阳照射所致的急剧的气温上升或者在关闭窗口的状况下湿气不流通而引起的。在此，参照图3说明日照量和气温的关系。
图3是示出日照量和气温的关系的说明图。如图3所示，当日照量R上升时，温室内的实际的气温Tr延后于日照量R的上升而上升。由于气温Tr上升，相对湿度减小，形成温室的建材等的温度上升。特别是，在关闭了换气窗口的温室中，由于因为日照因而植物的水蒸气放出的蒸发增加以及土壤表面的水面的挥发，因此湿度保持为接近100%。另一方面，含水多的栽培物的比热与建材等的其它物体相比比热更高。因此，栽培物与其它物体相比温度更难以上升，栽培物的温度如图3的温度Tc所示那样进一步延后于气温Tr的上升而上升。在这种情况下，栽培物的附近的气温相对变低，因此认为在栽培物的附近相对湿度达到100%，结露集中于栽培物。
为了正确地判定病害风险，期望高精度地推测由于上述的日照所致的结露的发生。关于这一点，考虑使用由气温传感器测定的气温和由湿度传感器测定的相对湿度来推测结露的发生的方法。然而，设置于温室的气温传感器的测定结果中的气温的上升存在相对于温室内的栽培物的周边的实际的气温的上升产生延后的情况。例如，温室内的气温不是恒定的，由于朝阳的温度上升所产生的范围在温室内缓慢扩大。另外，也可能产生直到实际的气温被反映到气温传感器的测定结果的延迟。结果，如图3所示的气温Tm那样，根据气温传感器得到的测定结果即气温Tm的上升可能相对于实际的气温Tr的上升而产生延后。因此，在仅使用气温传感器和湿度传感器的结露状态的推测方法中，对于推测结果的可靠性是不足的。
另外，虽然还考虑了导入浸湿传感器的方法，但是在运用阶段中的浸湿传感器的导入由于浸湿传感器的购买费用、维护以及测定数据的利用方法等的观点而存在问题。
本发明人以上述情况为一个着眼点而达成了对本发明的实施方式的创作。根据本发明的实施方式，能够在运用阶段中不使用浸湿传感器而提高结露状态的推测精度。以下对这样的本发明的实施方式的结构和动作依次详细地进行说明。
<3.管理服务器的结构>
图4是示出根据本发明的实施方式的管理服务器40的结构的说明图。如图4所示，根据本发明的实施方式的管理服务器40具备通信部420、存储部430、学习部440、以及分析部450。
（通信部420）
通信部420是用于与其它装置通信的接口。例如，通信部420作为从通信装置26接收日照量数据、气温数据以及相对湿度数据等测定数据、从气象信息服务器30接收气象信息的数据获取部起作用。另外，通信部420还具有作为发送部的功能，所述发送部把使用测定数据等的预测结果和判定结果等发送到用户装置50。
（存储部430）
存储部430存储从通信装置26接收的测定数据以及从气象信息服务器30接收的气象信息。存储部430还存储由后述的学习部440生成的浸湿量计算模型。
（学习部440）
学习部440通过机器学习来生成浸湿量计算模型，所述浸湿量计算模型用于使用日照量数据、气温数据以及相对湿度数据等的测定数据作为输入数据来输出栽培物的浸湿量（结露状态）。
具体地，在学习阶段将浸湿传感器安装于温室10的栽培物，管理服务器40除了日照量数据、气温数据以及相对湿度数据之外还获取由浸湿传感器测定的浸湿量数据。而且，学习部440通过使用日照量数据、气温数据以及相对湿度数据作为输入数据、使用浸湿量数据作为教师数据进行机器学习，从而生成浸湿量计算模型。
结果，能够得到除了气温和相对湿度之外还考虑了绝对湿度、露点温度、气温和露点温度之差、以及饱和差等物理量、在之前时间的这些物理量、在之前时间和当前时间这些物理量之差、之前时间的浸湿量等的模型来作为浸湿量计算模型。
进一步地，在机器学习中，如上述那样还使用日照量数据作为输入数据。如参照图3说明的那样，设置于温室10的气温传感器21的测定结果中的气温的上升存在相对于温室10内的栽培物的周边的实际的气温上升产生延后的情况。另一方面，日照量在温室10内的栽培物的周边的实际气温上升之前上升。因此，通过还将当前时间之前的日照量数据作为输入数据来进行机器学习，从而能够得到提高实际的气温的推测精度的效果，结果，可期待通过在运用阶段也使用日照量数据作为输入数据来提高浸湿量的推测精度。
此外，学习部440也可以进一步地追加使用时间带、栽培物的密度、温室10的面积、气象信息、温室10内的送风状况以及温室10的换气状况中的至少一个作为输入数据来进行机器学习。根据该结构，能够进一步提高由浸湿量模型得到的浸湿量的推测精度。另外，作为机器学习的方法，也可以使用线性模型、卡尔曼滤波器、或者神经网络（例如，循环神经网络和深度学习模型等）。另外，通过关于某个温室10的机器学习生成的浸湿量计算模型也可以在该温室10的运用阶段中使用，也可以在其它温室10的运用阶段使用。
（分析部450）
分析部450具有在运用阶段对存储于存储部430的测定数据等进行分析的功能。具体地，分析部450如图4所示那样具有结露推测部452和病害风险判定部454的功能。
结露推测部452基于日照量数据、气温数据和相对湿度数据推测栽培物的浸湿量作为在温室10内的栽培物的结露状态。具体地，结露推测部452将日照量数据、气温数据和相对湿度数据作为输入数据来应用于存储在存储部430的浸湿量计算模型，由此推测栽培物的浸湿量。
在浸湿量计算模型中，也可以使用最近的规定时间量的日照量数据、气温数据和相对湿度数据等的测定数据。通过该结构，能够考虑栽培物中的浸湿的积累来计算浸湿量。另外，由于认为在规定时间（例如一小时和两小时等）之前的状况给予当前浸湿量的影响小，因此可以通过如上述那样不使用在规定时间之前的旧的测定数据来实现高精度的推测和处理负担的减轻。
此外，在通过使用栽培物的密度、温室10的面积、气象信息、温室10内的送风状况或温室10的换气状况等作为追加的输入数据的学习来生成浸湿量计算模型的情况下，在运用阶段中也还可以将栽培物的密度、温室10的面积、气象信息、温室10内的送风状况或温室10的换气状况等作为追加的输入数据来应用于浸湿量计算模型。
病害风险判定部454基于由结露推测部452推测的栽培物的浸湿量来判定栽培物的病害风险。例如，病害风险判定部454也可以基于栽培物的浸湿以何种程度的量在何种程度的时间内持续来判定栽培物的病害风险。由病害风险判定部454得到的判定结果被通过通信部420发送到用户装置50，如图2所示那样显示于用户装置50。
<4.管理服务器的动作>
以上说明了根据本发明的实施方式的管理服务器40的结构。接着，参照图5和图6，整理根据本发明的实施方式的管理服务器40的动作。
图5是示出在学习阶段中的管理服务器40的动作的流程图。首先，管理服务器40的学习部440从存储部430读出日照量数据、气温数据以及相对湿度数据作为输入数据（S504）。进一步地，学习部440从存储部430读出浸湿量数据作为教师数据（S508）。
而且，学习部440使用日照量数据、气温数据和相对湿度数据作为输入数据、使用浸湿量数据作为教师数据来进行机器学习，由此生成浸湿量计算模型（S512）。之后，存储部430存储由学习部440生成的浸湿量计算模型（S516）。
图6是示出在运用阶段中的管理服务器40的动作的流程图。如图6所示，首先，管理服务器40的结露推测部452从存储部430读出日照量数据、气温数据和相对湿度数据作为输入数据（S604）。接着，结露推测部452从存储部430读出浸湿量计算模型（S608）。
而且，结露推测部452通过将日照量数据、气温数据和相对湿度数据作为输入数据应用于浸湿量计算模型来推测栽培物的浸湿量（S612）。
进一步地，病害风险判定部454基于由结露推测部452推测的栽培物的浸湿量来判定栽培物的病害风险（S616）。之后，通信部420把由病害风险判定部454得到的判定结果即病害风险信息发送到用户装置50（S620）。
<5.作用效果>
如以上说明那样，根据本发明的实施方式的结露推测部452除了气温数据和相对湿度数据之外还使用日照量数据来推测浸湿量，因此在运用阶段中即使不使用浸湿量传感器也能够高精度地推测浸湿量。结果，成为病害风险判定部454也能够高精度地判定病害风险。
<6.变形例>
以上说明了本发明的实施方式。在下面说明本发明的实施方式的若干个变形例。此外，在下面说明的各变形例可以单独地应用于本发明的实施方式，也可以以组合方式应用于本发明的实施方式。另外，各变形例可以是替代在本发明的实施方式中说明的结构而应用的，也可以是针对在本发明的实施方式中说明的结构追加地应用的。
（第一变形例）
虽然在上述中说明了通过机器学习来生成浸湿量计算模型的示例，但是浸湿量计算模型的生成方法不限定于机器学习。浸湿量计算模型也可以是通过日照量数据、气温数据、相对湿度数据和浸湿量数据的统计分析等的其它方法来导出的模型。
（第二变形例）
虽然在上述中说明了使用日照量数据、气温数据和相对湿度数据来推测浸湿量的示例，但是也可以不使用气温数据作为用于浸湿量的推测的输入数据。由于气温依赖于日照量，因此即使不使用气温数据也能够通过使用日照量数据来推测浸湿量。
<7.硬件结构>
在上述的管理服务器40中的机器学习和浸湿量的推测等的信息处理是通过软件和在下面说明的管理服务器40的硬件的协作来实现的。
图7是示出管理服务器40的硬件结构的框图。管理服务器40具备CPU（CentralProcessing Unit，中央处理单元）401、ROM（Read Only Memory，只读存储器）402、RAM（Random Access Memory，随机存取存储器）403、以及主机总线404。另外，管理服务器40具备桥405、外部总线406、接口407、输入装置408、输出装置410、存储器411、驱动器412以及通信装置415。
CPU 401作为运算处理装置和控制装置起作用，按照各种程序全面地控制管理服务器40内的动作。另外，CPU 401也可以是微处理器。ROM 402存储CPU 401使用的程序、运算参数等。RAM 403暂时地存储在CPU 401的执行中使用的程序、在其执行中适当地变化的参数等。这些被通过由CPU总线等构成的主机总线404相互连接。通过CPU 401、ROM 402以及RAM 403与软件的协作，能够实现参照图4说明的学习部440和分析部450等的功能。
主机总线404经由桥405连接到PCI（Peripheral Component Interconnect/Interface，外围设备组件互连/接口）总线等的外部总线406。此外，未必需要分离地构成主机总线404、桥405和外部总线406，也可以将它们的功能安装于一个总线。
输入装置408由如下等构成：鼠标、键盘、触摸面板、按钮、麦克风、开关以及操作杆等用于由用户输入信息的输入部件；以及基于用户进行的输入生成输入信号、将其向CPU401输出的输入控制电路。管理服务器40的用户能够通过操作该输入装置408来对管理服务器40输入各种数据或指示处理动作。
输出装置410包括例如CRT（Cathode Ray Tube，阴极射线管）显示装置、液晶显示（LCD）装置、OLED（Organic Light Emitting Diode，有机发光二极管）装置和灯等的显示装置。进一步地，输出装置410包括扬声器和头戴式耳机等的声音输出装置。输出装置410例如输出再现的内容。具体地，显示装置利用文本或图像来显示再现的影像数据等的各种信息。另一方面，声音输出装置将再现的声音数据等变换为声音来进行输出。
存储器411是数据保存用的装置，对应于参照图4说明的存储部430。存储器411可以包括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以及删除记录于存储介质的数据的删除装置等。存储器411例如由HDD（Hard Disk Drive，硬盘驱动器）构成。该存储器411保存驱动硬盘而由CPU 401执行的程序或各种数据。
驱动器412是存储介质用读写器，被内置于管理服务器40或外接于管理服务器40。驱动器412读出记录于所安装的磁盘、光盘、磁光盘或半导体存储器等的可移除存储介质的信息，输出到RAM 403。另外，驱动器412还能够将信息写入到可移除存储介质。
通信装置415例如是由用于连接于网络12的通信设备等构成的通信接口，对应于参照图4说明的通信部420。另外，通信装置415可以是无线LAN（Local Area Network，局域网）对应通信装置，可以是LTE（Long Term Evolution，长期演进）对应通信装置，也可以是进行有线的通信的有线通信装置。
<8.补充>
虽然以上在参照随附附图的同时详细说明了本发明的优选的实施方式，但是本发明不限定于这样的示例。明确的是只要是具有本发明所属技术领域的通常知识的人员就可以想到在记载于权利要求的技术思想的范畴内的各种变更示例或修正示例，并能够理解这些当然也属于本发明的技术范围。
例如，在本说明书的管理服务器40的处理中的各步骤未必需要被依照作为流程图记载的顺序来按时间序列处理。例如，管理服务器40的处理中的各步骤也可以是以与作为流程图记载的顺序不同的顺序来处理的，也可以是被并列的处理的。
另外，也可以制作用于使内置于管理服务器40的CPU 401、ROM 402和RAM 403等的硬件发挥与上述的管理服务器40的各结构等同的功能的计算机程序。另外，还可以提供存储该计算机程序的存储介质。
Claims (8)
1.一种信息处理装置，具备：
数据获取部，其获取表示由日照量传感器测定的对于温室的日照量的日照量数据和表示所述温室内的相对湿度的相对湿度数据；以及
推测部，其基于所述日照量数据和所述相对湿度数据来推测所述温室内的栽培物的结露状态。
2.根据权利要求1所述的信息处理装置，其中，所述数据获取部进一步获取表示所述温室内的气温的气温数据，
所述推测部除了所述日照量数据和所述相对湿度数据之外还基于所述气温数据来推测所述结露状态。
3.根据权利要求1或2所述的信息处理装置，其中，所述推测部基于最近的规定时间量的所述日照量数据和所述相对湿度数据来推测所述结露状态。
4.根据权利要求1至3中的任何一项所述的信息处理装置，其中，所述信息处理装置进一步具备学习部，所述学习部使用所述日照量数据和所述相对湿度数据作为输入数据并且使用所述栽培物的结露状态的测定数据作为教师数据来进行机器学习，
所述推测部通过将所述日照量数据和所述相对湿度数据应用于由所述学习部得到的模型来推测所述结露状态。
5.根据权利要求1至4中的任何一项所述的信息处理装置，其中，所述推测部进一步基于所述栽培物的密度、所述温室的面积、气象信息、所述温室内的送风状况以及所述温室的换气状况中的至少一个来推测所述结露状态。
6.根据权利要求1至5中的任何一项所述的信息处理装置，其中，所述信息处理装置进一步具备病害风险判定部，所述病害风险判定部基于由所述推测部推测的所述结露状态来判定所述栽培物的病害风险。
7.根据权利要求6所述的信息处理装置，其中，所述信息处理装置进一步具备发送部，所述发送部将由所述病害风险判定部得到的判定结果发送到用户装置。
8.一种信息处理方法，包括：
获取表示由日照量传感器测定的对于温室的日照量的日照量数据和表示所述温室内的相对湿度的相对湿度数据；以及
基于所述日照量数据和所述相对湿度数据来推测所述温室内的栽培物的结露状态。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017-248707 | 2017-12-26 | ||
| JP2017248707 | 2017-12-26 | ||
| PCT/JP2018/043653 WO2019130953A1 (ja) | 2017-12-26 | 2018-11-28 | 情報処理装置および情報処理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111511195A true CN111511195A (zh) | 2020-08-07 |
| CN111511195B CN111511195B (zh) | 2022-02-15 |
Family
ID=67067080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880083807.2A Active CN111511195B (zh) | 2017-12-26 | 2018-11-28 | 信息处理装置和信息处理方法 |
Country Status (6)
| Country | Link |
|---|---|
| EP (1) | EP3732957B1 (zh) |
| JP (1) | JP6858891B2 (zh) |
| KR (1) | KR20200101941A (zh) |
| CN (1) | CN111511195B (zh) |
| ES (1) | ES2899430T3 (zh) |
| WO (1) | WO2019130953A1 (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2073911A (en) * | 1980-04-15 | 1981-10-21 | Agri Projects International Lt | System for the control of temperature and humidity within a greenhouse |
| JPH09252661A (ja) * | 1996-03-25 | 1997-09-30 | Nepon Inc | 施設園芸用温室の複合環境情報伝達装置および方法 |
| JP2835192B2 (ja) * | 1991-02-04 | 1998-12-14 | 株式会社東芝 | 温室の環境制御装置 |
| JP3574949B2 (ja) * | 2000-08-15 | 2004-10-06 | ネポン株式会社 | 暖房用熱源水の温度調節による結露防止方法 |
| CN1812708A (zh) * | 2003-06-27 | 2006-08-02 | 太洋兴业株式会社 | 苗生产装置及苗生产方法 |
| CN102523954A (zh) * | 2011-12-29 | 2012-07-04 | 北京农业智能装备技术研究中心 | 适用于温室环境的二氧化碳的测控与校对系统、方法 |
| CN204116905U (zh) * | 2014-04-25 | 2015-01-21 | 东华大学 | 一种温室大棚自主式无线监控节点 |
| CN105283129A (zh) * | 2013-06-10 | 2016-01-27 | Nk功作株式会社 | 信息处理装置、信息处理方法和程序 |
| JP2017038547A (ja) * | 2015-08-19 | 2017-02-23 | 有限会社 イチカワ | 農業用ハウス内環境制御システム |
| JP2017112916A (ja) * | 2015-12-24 | 2017-06-29 | 株式会社デンソー | 制御装置および農業用ハウス |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS598567U (ja) * | 1982-07-12 | 1984-01-20 | 横河電機株式会社 | 施設園芸用ハウス |
| JPH0440450Y2 (zh) * | 1987-12-28 | 1992-09-22 |
-
2018
- 2018-11-28 CN CN201880083807.2A patent/CN111511195B/zh active Active
- 2018-11-28 WO PCT/JP2018/043653 patent/WO2019130953A1/ja unknown
- 2018-11-28 KR KR1020207019989A patent/KR20200101941A/ko not_active Application Discontinuation
- 2018-11-28 ES ES18897119T patent/ES2899430T3/es active Active
- 2018-11-28 JP JP2019562872A patent/JP6858891B2/ja active Active
- 2018-11-28 EP EP18897119.6A patent/EP3732957B1/en active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2073911A (en) * | 1980-04-15 | 1981-10-21 | Agri Projects International Lt | System for the control of temperature and humidity within a greenhouse |
| JP2835192B2 (ja) * | 1991-02-04 | 1998-12-14 | 株式会社東芝 | 温室の環境制御装置 |
| JPH09252661A (ja) * | 1996-03-25 | 1997-09-30 | Nepon Inc | 施設園芸用温室の複合環境情報伝達装置および方法 |
| JP3574949B2 (ja) * | 2000-08-15 | 2004-10-06 | ネポン株式会社 | 暖房用熱源水の温度調節による結露防止方法 |
| CN1812708A (zh) * | 2003-06-27 | 2006-08-02 | 太洋兴业株式会社 | 苗生产装置及苗生产方法 |
| CN102523954A (zh) * | 2011-12-29 | 2012-07-04 | 北京农业智能装备技术研究中心 | 适用于温室环境的二氧化碳的测控与校对系统、方法 |
| CN105283129A (zh) * | 2013-06-10 | 2016-01-27 | Nk功作株式会社 | 信息处理装置、信息处理方法和程序 |
| CN204116905U (zh) * | 2014-04-25 | 2015-01-21 | 东华大学 | 一种温室大棚自主式无线监控节点 |
| JP2017038547A (ja) * | 2015-08-19 | 2017-02-23 | 有限会社 イチカワ | 農業用ハウス内環境制御システム |
| JP2017112916A (ja) * | 2015-12-24 | 2017-06-29 | 株式会社デンソー | 制御装置および農業用ハウス |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3732957A4 (en) | 2020-11-11 |
| EP3732957A1 (en) | 2020-11-04 |
| JP6858891B2 (ja) | 2021-04-14 |
| ES2899430T3 (es) | 2022-03-11 |
| KR20200101941A (ko) | 2020-08-28 |
| EP3732957B1 (en) | 2021-10-13 |
| CN111511195B (zh) | 2022-02-15 |
| JPWO2019130953A1 (ja) | 2020-11-19 |
| WO2019130953A1 (ja) | 2019-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3211987B1 (en) | Method for providing a three-dimensional assessment of water movement through soil and across a field and associated system | |
| JP6942790B2 (ja) | 情報処理装置および情報処理方法 | |
| US10255391B2 (en) | Modeling of time-variant threshability due to interactions between a crop in a field and atmospheric and soil conditions for prediction of daily opportunity windows for harvest operations using field-level diagnosis and prediction of weather conditions and observations and recent input of harvest condition states | |
| US9076118B1 (en) | Harvest advisory modeling using field-level analysis of weather conditions, observations and user input of harvest condition states, wherein a predicted harvest condition includes an estimation of standing crop dry-down rates, and an estimation of fuel costs | |
| US20180156767A1 (en) | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery | |
| US9087312B1 (en) | Modeling of costs associated with in-field and fuel-based drying of an agricultural commodity requiring sufficiently low moisture levels for stable long-term crop storage using field-level analysis and forecasting of weather conditions, grain dry-down model, facility metadata, and observations and user input of harvest condition states | |
| Bojacá et al. | Use of geostatistical and crop growth modelling to assess the variability of greenhouse tomato yield caused by spatial temperature variations | |
| US9201991B1 (en) | Risk assessment of delayed harvest operations to achieve favorable crop moisture levels using field-level diagnosis and forecasting of weather conditions and observations and user input of harvest condition states | |
| KR102374557B1 (ko) | 병해충 발생 예측 장치 및 방법 | |
| Traore et al. | Gene-expression programming for short-term forecasting of daily reference evapotranspiration using public weather forecast information | |
| EP4158562A1 (en) | Real-time projections and estimated distributions of agricultural pests, diseases, and biocontrol agents | |
| Yang et al. | Computerized Greenhouse Environmental Monitoring and Control System Based on LabWindows/CVI. | |
| Costa et al. | Greenhouses within the Agricultura 4.0 interface | |
| JP2015000040A (ja) | データ抽出装置、データ抽出方法、及びプログラム | |
| CN111511195B (zh) | 信息处理装置和信息处理方法 | |
| KR20220146158A (ko) | 일사량 예측 장치 및 그 방법 | |
| KR20210114751A (ko) | 작물의 생육량 예측 방법 및 장치 | |
| JP2019083745A (ja) | 生長状態予測装置 | |
| EP3984349A1 (en) | Information processing device and method | |
| WO2017195534A1 (ja) | 土壌状態評価装置、該方法および該プログラム | |
| KR20210056213A (ko) | 농장 운영정보 제공 시스템 | |
| Deforce et al. | Forecasting sensor-data in smart agriculture with temporal fusion transformers | |
| Yao et al. | Integrating microweather forecasts and crop physiological indicators for greenhouse environmental control | |
| EP4173477A1 (en) | Method and device for optimisation of collection & processing of soil moisture data to be used in automatic instructions generation for optimal irrigation in agriculture | |
| Kader et al. | Urban Farming Growth Monitoring System Using Artificial Neural Network (ANN) and Internet of Things (IOT) |
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: 20210107 Address after: Tokyo, Japan Applicant after: BAYER CROP SCIENCE Co.,Ltd. Address before: Tokyo, Japan Applicant before: Bosch Corp. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |