CN116134464A - 信息处理设备、信息处理方法和程序 - Google Patents
信息处理设备、信息处理方法和程序 Download PDFInfo
- Publication number
- CN116134464A CN116134464A CN202180060974.7A CN202180060974A CN116134464A CN 116134464 A CN116134464 A CN 116134464A CN 202180060974 A CN202180060974 A CN 202180060974A CN 116134464 A CN116134464 A CN 116134464A
- Authority
- CN
- China
- Prior art keywords
- crude drug
- health
- cultivation
- crude
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 39
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 239000003814 drug Substances 0.000 claims abstract description 388
- 229940079593 drug Drugs 0.000 claims abstract description 388
- 238000000034 method Methods 0.000 claims abstract description 153
- 241000411851 herbal medicine Species 0.000 claims abstract description 136
- 238000012364 cultivation method Methods 0.000 claims abstract description 45
- 230000007407 health benefit Effects 0.000 claims description 202
- 230000036541 health Effects 0.000 claims description 106
- 238000002156 mixing Methods 0.000 claims description 103
- 230000006870 function Effects 0.000 claims description 50
- 230000009286 beneficial effect Effects 0.000 claims description 46
- 231100000331 toxic Toxicity 0.000 claims description 39
- 230000002588 toxic effect Effects 0.000 claims description 39
- 239000002689 soil Substances 0.000 claims description 31
- 230000008859 change Effects 0.000 claims description 27
- 235000008216 herbs Nutrition 0.000 claims description 22
- 239000000203 mixture Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 18
- 244000005700 microbiome Species 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 31
- 230000001737 promoting effect Effects 0.000 abstract description 17
- 241000196324 Embryophyta Species 0.000 description 60
- 238000010586 diagram Methods 0.000 description 58
- 238000010276 construction Methods 0.000 description 52
- 238000004519 manufacturing process Methods 0.000 description 44
- 241001122767 Theaceae Species 0.000 description 38
- 238000009313 farming Methods 0.000 description 36
- 230000000875 corresponding effect Effects 0.000 description 31
- 230000008569 process Effects 0.000 description 26
- 230000003993 interaction Effects 0.000 description 20
- 241000157352 Uncaria Species 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 14
- 239000000126 substance Substances 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 229930003935 flavonoid Natural products 0.000 description 9
- 150000002215 flavonoids Chemical class 0.000 description 9
- 235000017173 flavonoids Nutrition 0.000 description 9
- 230000007721 medicinal effect Effects 0.000 description 9
- 230000002195 synergetic effect Effects 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 235000017807 phytochemicals Nutrition 0.000 description 8
- 229930000223 plant secondary metabolite Natural products 0.000 description 8
- 241000894007 species Species 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004128 high performance liquid chromatography Methods 0.000 description 7
- 239000004615 ingredient Substances 0.000 description 7
- 241000238631 Hexapoda Species 0.000 description 6
- 229930013930 alkaloid Natural products 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000006854 communication Effects 0.000 description 6
- 230000001965 increasing effect Effects 0.000 description 6
- 239000003905 agrochemical Substances 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 239000003337 fertilizer Substances 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 5
- 244000046146 Pueraria lobata Species 0.000 description 4
- 235000010575 Pueraria lobata Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000007012 clinical effect Effects 0.000 description 4
- 230000003920 cognitive function Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 239000000890 drug combination Substances 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 238000009472 formulation Methods 0.000 description 4
- 238000011194 good manufacturing practice Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000000968 intestinal effect Effects 0.000 description 4
- 230000007659 motor function Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008093 supporting effect Effects 0.000 description 4
- 231100000419 toxicity Toxicity 0.000 description 4
- 230000001988 toxicity Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 206010061218 Inflammation Diseases 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 3
- 230000000975 bioactive effect Effects 0.000 description 3
- 239000000090 biomarker Substances 0.000 description 3
- 230000000723 chemosensory effect Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 230000001976 improved effect Effects 0.000 description 3
- 230000004054 inflammatory process Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000002207 metabolite Substances 0.000 description 3
- 231100000614 poison Toxicity 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 239000003440 toxic substance Substances 0.000 description 3
- NMLUOJBSAYAYEM-UHFFFAOYSA-N (-)-corynantheidine Natural products C1=CC=C2C(CCN3CC(C(CC33)C(=COC)C(=O)OC)CC)=C3NC2=C1 NMLUOJBSAYAYEM-UHFFFAOYSA-N 0.000 description 2
- 208000011597 CGF1 Diseases 0.000 description 2
- BKQVCDGQNOKQNF-KFFVICKMSA-N Corynoxine B Natural products O=C(OC)/C(=C\OC)/[C@@H]1[C@H](CC)C[N+]2[C@H]([C@@]3(C(=O)Nc4c3cccc4)CC2)C1 BKQVCDGQNOKQNF-KFFVICKMSA-N 0.000 description 2
- NMLUOJBSAYAYEM-GZRFBZBPSA-N Dihydro-corynantheine Natural products CC[C@H]1CN2CCc3c([nH]c4ccccc34)[C@H]2C[C@@H]1C(=COC)C(=O)OC NMLUOJBSAYAYEM-GZRFBZBPSA-N 0.000 description 2
- 241000218671 Ephedra Species 0.000 description 2
- RTMJLHTXLVZSHA-UHFFFAOYSA-N Hirsutine Natural products COC(=O)C12CCCC=C1CN3CCc4cc(O)c(OC)cc4C23 RTMJLHTXLVZSHA-UHFFFAOYSA-N 0.000 description 2
- 208000026350 Inborn Genetic disease Diseases 0.000 description 2
- VCNYNWHVJKWJRQ-UHFFFAOYSA-N Isorhynchophylline Natural products CCC1=CN2CCC3(C2CC1C(=COC)C(=O)OC)C(=O)Nc4ccccc34 VCNYNWHVJKWJRQ-UHFFFAOYSA-N 0.000 description 2
- DAXYUDFNWXHGBE-KAXDATADSA-N Rhynchophylline Chemical compound O=C1NC2=CC=CC=C2[C@@]11CCN2C[C@H](CC)[C@@H](\C(=C/OC)C(=O)OC)C[C@H]21 DAXYUDFNWXHGBE-KAXDATADSA-N 0.000 description 2
- 241000157373 Uncaria rhynchophylla Species 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 239000003513 alkali Substances 0.000 description 2
- 238000004166 bioassay Methods 0.000 description 2
- 230000009141 biological interaction Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 2
- 208000016361 genetic disease Diseases 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- NMLUOJBSAYAYEM-AZQGJTAVSA-N hirsutine Chemical compound C1=CC=C2C(CCN3C[C@@H]([C@H](C[C@@H]33)\C(=C/OC)C(=O)OC)CC)=C3NC2=C1 NMLUOJBSAYAYEM-AZQGJTAVSA-N 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 229930000044 secondary metabolite Natural products 0.000 description 2
- 230000004039 social cognition Effects 0.000 description 2
- 230000003997 social interaction Effects 0.000 description 2
- 210000005070 sphincter Anatomy 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000317410 Arisaema dracontium Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 240000004670 Glycyrrhiza echinata Species 0.000 description 1
- 235000001453 Glycyrrhiza echinata Nutrition 0.000 description 1
- 235000006200 Glycyrrhiza glabra Nutrition 0.000 description 1
- 235000017382 Glycyrrhiza lepidota Nutrition 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 231100000678 Mycotoxin Toxicity 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 150000003797 alkaloid derivatives Chemical class 0.000 description 1
- 239000003627 allelochemical Substances 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 230000000202 analgesic effect Effects 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 125000000484 butyl group Chemical group [H]C([*])([H])C([H])([H])C([H])([H])C([H])([H])[H] 0.000 description 1
- 239000000812 cholinergic antagonist Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 229940088679 drug related substance Drugs 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000006353 environmental stress Effects 0.000 description 1
- 230000001973 epigenetic effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000001095 inductively coupled plasma mass spectrometry Methods 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 210000001596 intra-abdominal fat Anatomy 0.000 description 1
- 229940010454 licorice Drugs 0.000 description 1
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000002705 metabolomic analysis Methods 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 210000002346 musculoskeletal system Anatomy 0.000 description 1
- 239000002636 mycotoxin Substances 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000002048 spasmolytic effect Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- 235000019722 synbiotics Nutrition 0.000 description 1
- 238000002366 time-of-flight method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 244000045561 useful plants Species 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
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
- 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
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- 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"
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Epidemiology (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Pharmacology & Pharmacy (AREA)
- Soil Sciences (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Alternative & Traditional Medicine (AREA)
- Mechanical Engineering (AREA)
- Mining & Mineral Resources (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Toxicology (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
Abstract
本技术涉及能够提供用于通过多样性促进栽培方法栽培生药的合适栽培条件的信息处理设备、信息处理方法和程序。通过使用将生药与用于通过用于促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法栽培生药的栽培条件相关联的第一模型，识别用于特定生药的栽培条件。例如，本技术适用于通过协生农法(注册商标)等栽培用于生产汉方草药的生药的情况。
Description
技术领域
本技术涉及信息处理装置、信息处理方法和程序，更具体地说，涉及能够提供用于通过使用促进生物多样性并控制生态系统以生产植物的多样性促进栽培方法栽培诸如生药的植物的适当栽培条件的信息处理设备、信息处理方式和程序。
背景技术
近年来，在除了种子和幼苗以外不使用耕地、化肥、农用化学品或任何东西的制约条件下，作为基于作为植物配置的结果超过自然状态的物种多样性并且基于去除致密混合植物的一部分的稀疏化收获的耕作方法，协生农法(注册商标)已受到关注(例如，见PTL1)。
[引文列表]
[专利文献]
[PTL 1]
PCT专利公开No.WO2017/061281
发明内容
[技术问题]
根据本申请的发明人，已经证实，通过协生农法(synecoculture，注册商标)栽培的茶比通过常规耕作方法栽培的茶表现更多的药用性能。
茶可以被视为某种类型的生药。因此预计，如果通过协生农法(注册商标)栽培茶以外的生药(生产生药的植物)，则要获得的生药也将富有药用性能。并且，协生农法(注册商标)可以被视为促进生物多样性并控制生态系统以生产植物的多样性促进栽培方法。因此，如果通过使用多样性促进栽培方法栽培生药，则要获得的生药有望富有药用性能。
然而，尚不清楚什么栽培条件适于通过使用多样性促进栽培方法(比如协生农法(注册商标))栽培特定的生药，诸如用户期望的生药，即，当通过使用多样性促进栽培方法栽培特定的生药时，什么栽培条件是高度可再现的。
本技术是考虑到上述情况而开发的，其目的是通过使用多样性促进栽培方法，为栽培生药提供合适的栽培条件。
[问题的解决方案]
根据本发明，提供信息处理装置或程序。信息处理设备包括通过使用将生药与用于通过用于促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法栽培生药的栽培条件相关联的第一模型识别用于栽培特定生药的栽培条件的第一识别单元。程序使计算机用作信息处理设备。
根据本技术，提供包括通过使用将生药与用于通过用于促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法栽培生药的栽培条件相关联的第一模型识别用于栽培特定生药的栽培条件的信息处理方法。
根据本技术，通过使用将生药与用于通过用于促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法栽培生药的栽培条件相关联的第一模型，识别用于栽培特定生药的栽培条件。
信息处理设备可以任意地是独立设备或者包含在一个设备中的内部块。
并且，程序的提供可以通过经由传送介质被传送或通过记录在记录介质中。
附图说明
图1是根据应用本技术的一个实施例的草药产业支持系统的配置示例的框图。
图2是解释用于检索用于通过使用协生农法(注册商标)栽培药用植物的栽培条件并且获得用于通过使用从药用植物获得的生药生成增加健康收益的草药的生成处方的过程的示图。
图3是解释化感作用(allelopathy)的示图。
图4是描绘通过与昆虫的相互作用而增加的植物化学物的示例的示图。
图5是描绘用于呈现与生药相关的生物之间的相互作用的示例的示图。
图6是描绘通过协生农法(注册商标)栽培的茶(粗茶)和通过常规耕作方法栽培的茶的代谢组学分析的结果的示图。
图7是解释将生药(产生生药的药用植物)与用于栽培生药的栽培条件相关联的生药花模型的概要的示图。
图8是解释生药花模型的构造的示图。
图9是描绘期望的生药的花模型的构造示例的示图。
图10是描绘期望的生药的花模型的构造的另一示例的示图。
图11是描绘用于确保生药的质量的质量管理手册的示例的示图。
图12是描绘在作为某种类型的生药的钩藤中含有的生物碱的HPLC(高效液相色谱)图案的示例的示图。
图13是描述在生产区域中的农田中的每一个中收获的钩藤中的成分含量的示例的示图。
图14是解释作为健康收益指标的示例的FIM(功能独立性度量)的示图。
图15是描绘关于作为源自服用通过协生农法(注册商标)栽培的茶的健康收益的FIM改善的实验结果的示图。
图16是解释将健康收益与草药相关联的健康收益花模型的概要的示图。
图17是描绘草药以外的健康参数的示例的示图。
图18是描绘期望健康收益的花模型的构造示例的示图。
图19是解释混合生药以生成草药的示图。
图20是描绘通过使用线性规划法计算生药混合量使得有益成分等于或高于参考值且有毒成分等于或低于参考值并且使得表示期望健康收益的变化的目标函数最大化的示例的示图。
图21是描绘通过使用非线性规划法计算生药混合量使得有益成分等于或高于参考值且有毒成分等于或低于参考值并且使得表示期望健康收益的变化的目标函数最大化的示例的示图。
图22是描绘被混合以生成被归类为辛温解表药物的草药的生药的示图。
图23是描绘生成处方的示例的示图。
图24是解释超多样性管理系统的动态实时管理的框架的示图。
图25是描绘服务器13的功能配置示例的框图。
图26是解释由生药花模型构建单元22执行的生药花模型的构建的概要的示图。
图27是解释由混合量计算单元24执行的生药混合量的计算的概要的示图。
图28是解释由生药花模型构建单元22识别栽培条件的处理的示例的流程图。
图29是解释由健康收益花模型构建单元23识别健康因子的处理的示例的流程图。
图30是解释由混合量计算单元24计算生药混合量的处理的示例的流程图。
图31是根据应用本技术的一个实施例的计算机的配置示例的框图。
具体实施方式
<根据一个实施例的草药产业支持系统>
图1是根据应用本技术的一个实施例的草药产业支持系统的配置示例的框图。
图1中的草药产业支持系统包括网络10、一个或更多个传感器设备11、一个或更多个终端12、服务器13和数据库14。
草药产业支持系统收集大数据，该大数据包括通过观察包括栽培用于生产草药的生药(生产生药的药用植物)的农田等的生态系统获得的各种类型的数据(信息)、通过分析在农田中栽培的生药获得的数据、关于服用草药的人的临床数据以及其它各种类型的数据。
然后，草药产业支持系统基于大数据获得用于支持草药产业的信息，并将信息供给到用户等。
传感器设备11、终端12、服务器13和数据库14以有线或无线方式连接到网络10以相互通信。
传感器设备11包括用于感测各种类型的物理量的传感器，并且具有用于传送通过传感器作为感测的结果获得的传感器数据(指示感测物理量的数据)的通信功能。并且，如有必要，传感器设备11具有用于通过使用例如GPS(全球定位系统)等检测其自身位置的位置检测功能。
传感器设备11通过使用传感器感测物理量。并且，传感器设备11通过使用通信功能经由网络10将通过感测获得的传感器数据传送到数据库14。必要时，传感器数据与指示通过传感器设备11的位置检测功能检测的传感器设备11的位置的位置信息一起从传感器设备11被传送到数据库14。
作为在传感器设备11中包含的传感器，例如，可采用感测包括光的电磁波的传感器，诸如通过感测光捕获图像的传感器(图像传感器)和感测声音的传感器(麦克风)。并且，作为在传感器设备11中包含的传感器，例如，也可采用感测作为各种类型的环境信息的诸如温度、湿度、湿度、地磁、大气压力和气味的物理量的传感器。
传感器设备11被设置在栽培生药的农田等中。传感器设备11可以被手动设置在预定位置。或者，传感器设备11可以从移动的飞机、船只或汽车等分散在农田上。
例如，传感器设备11感测农田(和农田周围)中的植物或虫子等的图像、诸如风的声音、虫子的声音和树叶的沙沙声的声音、诸如气温和土壤温度的温度、湿度和地磁等。然后，传感器设备11经由网络10将通过感测获得的传感器数据传送到数据库14。
终端12是由获得来自草药产业的支持的用户或支持草药产业的用户使用的信息处理设备。作为终端12，例如，可以采用诸如智能电话、平板机和可穿戴终端的便携式终端。另外，作为终端12，例如，可以采用笔记本计算机(个人计算机)、台式PC、以及同时具有通信功能和用于从用户输入信息以及向用户输出信息的输入/输出功能(接口)的设备。
例如，从草药产业获得支持的用户或支持草药产业的用户是栽培用于生产草药的生药的人(在下文中，在适当情况下，该人包括法人和组织)、通过混合生药生产草药的人(该人包括开草药处方的人)、服用草药的人、负责服用草药的人的临床试验或护理的人或其它人。
例如，终端12根据由用户执行的操作经由网络10将各种类型的数据传送到数据库14。
例如，栽培生药的人通过使用终端12在栽培该生药的环境(诸如农田)中的各个地方实施观察，并经由网络10将指示观察结果的观察值传送到数据库14。
并且，例如，服用草药的人或负责服用草药的人的临床试验的人使用终端12，以经由网络10将服用的草药、服用草药的人的生活方式和临床试验的数据(观察值)等传送到数据库14。
并且，终端12经由网络10接收从服务器13传送(供给)的各种类型的数据，并通过将数据显示为图像或将数据输出为声音将接收的数据呈现给用户。
例如，栽培生药的人的终端12可以从服务器13接收作为用于通过协生农法(注册商标)等栽培生药的栽培方法的栽培条件，并显示接收的栽培条件。
并且，例如，通过混合生药生产草药的人的终端12可以从服务器13接收用于生产草药的生药的混合量，并显示接收的混合量。
并且，例如，服用草药的人或负责服用草药的人的临床试验或护理的人的终端12可以从服务器13接收与提供服用草药的人所期望健康收益的草药相关联的信息，并显示接收的信息。
服务器13是由支持草药产业的支持者管理的信息处理设备。
服务器13使用在数据库14中注册的数据，以获得用于支持草药产业的信息，诸如用于通过协生农法(注册商标)等栽培特定生药的栽培条件、用于生产特定草药的生药的量以及与提供特定健康收益的草药相关联的信息。然后，服务器13经由网络10将栽培条件、混合量和与上述草药相关联的信息传送到终端12，因此，上述信息被供给到终端12。
数据库14登记(存储)经由网络10从终端12传送的数据(信息)。
注意，服务器13可以是单个服务器，也可以是一组多个服务器。并且，数据库14不仅包括登记从终端12接收的数据的数据库，还包括登记支持草药产业所需的数据(诸如在根据经典处方生产的草药中包含的有益成分和有毒成分的所需参考值)的数据库。
<用于获得生成处方以生产草药的过程>
图2是解释用于检索用于通过使用协生农法(注册商标)栽培药用植物的栽培条件并且获得用于通过使用从药用植物获得的生药生成增加健康收益的草药的生成处方的过程的示图。
基于协生农法(注册商标)的药用植物的栽培在各种类型的混生植被密集生长的各种生产区域环境中进行。另外，根据生产地区和季节等，从药用植物获得的生药具有多种不同的成分。在基于协生农法(注册商标)的药用植物的这种栽培中，检索关于如何栽培生产期望的生药(含有期望的成分)的药用作物的信息(即，用于栽培生产期望的生药的药用植物的栽培方法(用于栽培密集混生植被的方法))存在问题(问题1)。
根据本技术，通过基于对应于用于使用协生农法(注册商标)等的栽培的栽培条件的各种类型的数据并基于从在各种栽培条件下栽培的药用植物获得的生药的代谢组学分析的结果借助于AI(人工智能)执行建模(学习)和预测，检索栽培条件作为用于栽培期望的药用植物(生产期望的生药)的栽培方法。
对应于关于各种生产环境的栽培条件的各种类型的数据的例子包括气象数据、GIS(地理信息系统)数据和生物多样性数据(例如，与在生产环境中存在的生物相关联的信息)。对应于关于各种类型的密植混生植被的栽培条件的各种类型的数据的示例包括作物数据(例如，与栽培植物(作物)相关联的信息)、关于生物之间的相互作用(GloBI(全球生物相互作用(Global Biotic interactions)))的数据以及关于在栽培植物的土壤中包含的土壤微生物的数据。
另外，根据生产区域或季节等，从药用植物获得的生药具有多种不同的成分。并且，通过使用这种生药配制的草药需要满足多种有益成分和有毒成分(有毒物质)的质量标准。因此，出现如何配制这种草药的问题(问题2)。
根据本技术，例如，根据PIC/S(药品检验公约和药品检验合作计划(Pharmaceutical Inspection Convention and Pharmaceutical Inspection Co-operation Scheme))或GMP(良好生产规范(Good Manufacturing Practice))等，通过使用生药等的代谢组学分析结果，检索满足多种有益成分和有毒成分的质量标准的草药的处方。可以通过使用诸如LC-MS、GC-MS、TOF、orbitrap和ICP-MS的各种类型的质谱仪，执行生药的代谢组学分析。
由通过使用从药用植物获得的生药配制的草药提供的健康收益的评估方法(即，如何评估草药的健康收益)也存在问题(问题3)。
根据本技术，检查生物测定和临床试验对服用草药和不服用草药的人的效果，并因此评估草药的健康收益。可以通过使用体外试验数据、临床数据、流行病学数据、关于肠道菌群的数据或生命记录等，检查生物测定和临床试验的效果。
通过将草药的健康收益(评估结果)反馈给草药处方，变得能够获得用于配制这种能够提供期望健康收益并且满足多种有益成分和有毒成分的质量标准的草药的生药组合系列，因此，可以根据获得的生药组合系列配制(生成)草药。
<化感作用>
图3是解释化感作用的示图。
根据周围的其它植物、动物(昆虫)、微生物和环境压力，植物以各种方式与周围的生物相互作用，诸如促进或抑制周围生物的生长。这种相互作用被称为化感作用。化感作用产生称为化感物质的化学物质，该化学物质构成生物活性化合物。化感物质主要作为次生代谢产物生成。植物的次生代谢产物具有药用效果(药用收益)。例如，当昆虫叮咬植物时，植物产生并释放植物化学品(植物化学物质)。植物化学品具有药用效果。
在使用单一栽培的常规耕作方法中，例如，化肥或农用化学品被用于促进地面植物的生长。然而，在这种情况下，由于化肥和农用化学品，土壤中的微生物数量减少，并且，土壤生态系统被破坏。因此，生物多样性丧失，并且，在植物中含有并且具有通过与土壤中的微生物等相互作用产生的药物效果的物质(生物活性化合物)(药物物质)减少。
因此，在本技术中，假设药用植物的栽培的执行不是通过使用常规的耕作方法，而是通过使用多样性促进栽培方法，诸如协生农法(注册商标)。
多样性促进栽培法是用于促进生物多样性并控制生态系统以生产植物的栽培方法。协生农法(注册商标)是除了种子和幼苗以外不使用犁耕、化肥、农用化学品或任何东西的露地作物栽培方法。在协生农法中，生态系统是通过利用植物的特性构建和控制的，以在生态最佳状态(生态优化)下生产有用的植物。协生农法(注册商标)是多样性促进栽培方法。
生态优化是在给定的环境条件下多个物种在相互竞争和共生的同时实现它们的可能的程度的最大生长的状态。另一方面，常规的耕作方法依赖于生理优化，该生理优化为了优化单一类型的生长通常改变环境条件。
协生农法(注册商标)可以丰富生物多样性并增强各种生态系统功能。这里的生态系统功能是指以使得更多的生物可以舒适地生活的方式调节诸如温度、湿度、太阳辐射量以及土壤中的有机物和矿物质的环境条件的功能。随着生态系统功能的增强，能够实现更丰富的生物多样性。因此，生物多样性和生态系统功能以协同方式一起得到加强。
根据协生农法(注册商标)，随着生物多样性变得更丰富，相互作用以各种方式增加。因此，可以栽培含有更多生物活性化合物的生药(生产生药的药用植物)。并且，可以通过如上面描述的那样使用这种生药生产高质量的草药。下面将描述将本技术应用于协生农法(注册商标)的情况。然而，本技术也适用于协生农法栽培(注册商标)以外的多样性促进栽培方法，诸如涉及耕种或使用不损害期望的生药的化肥或农用化学品的多样性促进栽培方法。
图4是描绘通过与昆虫的相互作用而增加的植物化学品的示例的示图。
在图4中，左起第二列表示包含通过与昆虫的相互作用而增加的植物化学品的生药，而左起第一列表示作为在左起第二列中的生药中包含的有益成分的植物化学品。左起第三列表示左起第一列中的植物化学品的拉丁学名。
注意，左起第二列中的生药不仅包含在左起第一列中表示的一种有益成分，还包含多种有益成分。在图4中的左起第一列中，指示生药的典型有益成分。
图5是描绘用于呈现与生药相关的生物之间的相互作用的示例的示图。
与生药有关的生物之间的相互作用可以由包含节点和链路的网络(曲线图)代表。节点中的每一个代表生物(物种)，并且，示为节点的生物之间的相互作用由链路代表。
在代表与生药相关的生物之间相互作用的网络中，代表生药(生产生药的药用植物)的节点和代表具有与生药的相互作用的生物的节点通过代表相互作用的链路相互连接。由节点代表的生物之间的相互作用的程度可以由连接代表生物的节点的链路的长度或粗细等代表。
例如，可以通过使用例如由GloBI(全球生物相互作用)提供的数据集，构建代表与生药相关的生物之间的相互作用的网络。
图6是描绘通过协生农法(注册商标)栽培的茶(粗茶)和通过常规栽培方法栽培的茶的代谢组学分析的结果的示图。
具体而言，图6示出通过协生农法(注册商标)栽培的茶的类黄酮含量和通过常规耕作方法栽培的茶的类黄酮含量。
图6示出在2014年通过协生农法(注册商标)栽培的茶(Syneco2014)的类黄酮含量、在2015年通过synecoculture(注册商标)栽培的茶(Syneco 2015)的类黄酮含量、以及在2015年通过常规耕作方法栽培的茶(Conv2015)的类黄酮含量。
通过识别在茶中包含的化学物质，并乘以识别为类黄酮的化学物质的强度，计算类黄酮含量。基于化学配方水平(化学配方匹配)和结构异构体水平(标准匹配)，执行类黄酮的识别。
从图6可以确认，通过协生农法(注册商标)栽培的茶比通过常规耕作方法栽培的茶具有更大的类黄酮含量。
注意，根据代谢组学分析，与由常规栽培方法栽培的茶相比，由协生农法(注册商标)栽培的茶表现约200种类型的不同成分，并且还确认了，由synecoculture栽培的茶中的这些成分中的许多被注册为药用性能。
茶是某种类型的生药。因此，当在混合植物密集生长以促进生物间的相互作用的环境中通过协生农法(注册商标)栽培生药时，生药有望含有许多药用成分(许多类型和量的药用成分)。
根据本技术，执行多组学分析，以评估生药的哪种成分增加以及哪种环境和植物的组合有助于成分的增加，并且，通过使用下面描述的花模型(生药花模型)识别用于栽培含有期望的成分的生药(期望的生药)的栽培条件。
并且，根据本技术，当由协生农法(注册商标)栽培的生药被混合以生产草药时，通过使用线性规划法或非线性规划法，计算这种在保持等于或高于参考值的多种类型的有益成分和等于或低于参考值的多种类型的有毒成分的同时增加期望健康收益的生药混合量。然后，根据由此计算的混合量混合生药，以生产草药。
并且，根据本技术，通过使用下文所述的花模型(健康收益花模型)识别对应于提供期望健康收益的因子(健康因子)的草药。
被识别为提供期望健康收益的因子的期望健康收益与草药之间的关系被反馈给草药的生产(配制)过程。然后，在草药的生产(配制)中，计算生药混合量，使得目标函数最大化(期望健康收益最大化)。目标函数是从草药与期望健康收益之间的关系获得的，并且代表关于草药(在草药中包含的生药)的期望健康收益的变化(水平)。
重复执行对应于提供期望健康收益的因子的草药的识别、草药与期望健康收益之间的关系的反馈、以及最大化从草药与期望健康收益之间的关系获得的目标函数的生药混合量的计算。以这种方式，对应于提供期望健康收益的因子的草药的识别精度和最大化代表期望健康收益的变化的目标函数的生药混合量的计算精度得到提高。
<生药花模型>
图7是解释生药(生产生药的药用植物)的花模型的概要的示图。在花模型中，生药与栽培生药的栽培条件相关联。
在图7中，各个点代表生药的各种物种(不同物种的集合)，而椭圆分别代表用于栽培相应生药的栽培条件。椭圆内的点代表仅在由椭圆代表的栽培条件下栽培(生长)的生药(物种)。由椭圆中的每一个代表的栽培条件是用于栽培由相应椭圆内的点代表的生药的必要条件。
根据本技术，通过用协生农法(注册商标)栽培各种生药，收集关于与生药栽培相关联(假定与其相关联)的各种参数(以下也称为栽培参数)的大数据。然后，通过用AI(人工智能)学习关于各种生药的栽培参数的大数据，检索出对生药栽培有意义的栽培参数(栽培参数的类型和值)作为生药的栽培条件。
以在代表生药栽培条件的椭圆中包含代表生药的点(包括点的区域)的形式，表达生药与其栽培条件之间的关系。这种形状类似于以椭圆形为花瓣的花形状。因此，在本实施例中，以这种形式表达的模型被称为花模型。
在生药花模型(第一模型)即将生药与栽培条件相关联的花模型中，各花瓣也可以被视为一组需要在由相应花瓣(椭圆)代表的栽培条件下栽培的生药(代表生药的点)。在这种情况下，可以说，花模型包括花瓣，每个花瓣代表一组需要在特定栽培条件下栽培的生药。
在构建生药花模型即将生药与其栽培条件相关联的花模型时，可以在学习关于各种栽培参数的大数据时，以适当的方式设定(添加)代表可能构成栽培条件的栽培参数的花瓣(作为花瓣的椭圆)。如果由花瓣代表的栽培参数构成用于生药栽培的有意义栽培条件，则代表栽培条件的花瓣以包括代表需要在栽培条件下栽培的生药的点的方式变化。另一方面，如果由花瓣代表的栽培参数不构成有意义栽培条件，则相应的花瓣消失。
注意，可以从花模型排除所有生药的栽培显然需要的栽培参数，诸如在空气始终存在的地球上栽培生药的情况下的空气的有无。另一方面，在有空气的地球上和没有空气的月球上栽培生药的情况下，例如，空气的有无及其构成可以被视为(设置为)栽培参数。
根据生药花模型，例如，可以识别期望的生药(诸如具有更多有益成分的生药(含有预定值或更高的有益成分的生药))的生态位(ecological niche)，即，用作用于栽培生药的适当栽培方法的栽培条件。
例如，可以通过使用梯度法检索由包括代表期望的生药的点的花瓣代表的栽培条件，构建期望的生药的花模型。
根据本技术，至少包括与协生农法(注册商标)相关联的参数的栽培参数被设定为可以构成由花瓣代表的栽培条件的栽培参数。然后，通过梯度法检索由包括代表期望的生药的点的花瓣代表的栽培条件(构成栽培条件的栽培参数)，以构建期望的生药的花模型。花模型是将期望的生药与用于通过协生农法(注册商标)栽培期望的生药的栽培条件相关联的花模型。然后，根据本技术，花模型被用于识别用于通过协生农法(注册商标)栽培期望的生药的栽培条件(栽培方法)，诸如用于促进生物多样性和相互作用以增加生药的有益成分的栽培条件。通过利用由本技术识别的栽培条件以栽培期望的生药，以更高的再现性通过协生农法(注册商标)栽培期望的生药。
例如，与协生农法(注册商标)相关联的参数，即，可能变为用于通过协生农法(注册商标)栽培生药的栽培条件的栽培参数，包括关于当地太阳辐射量、土壤微生物多样性、混合植物类型、垄高和土壤质量(例如，土壤中的水量和排水性)等的信息。
注意，在通过使用常规耕作方法栽培生药的情况下，与常规耕方法相关联的参数，诸如表示犁地、施肥、农药使用和喷洒量的信息，被设定为栽培参数。
在栽培由生药花模型中的某个点代表的生药的情况下，由分别包括该点的所有花瓣代表的栽培条件被累积应用(以逻辑积)。
例如，根据图7所示的花模型，在代表作为栽培条件的农田A、B和C的条件、环境(Environment)A、B、C的条件以及其它条件的花瓣中，包括由常见物种指示的范围。因此，农田A、B和C的条件、环境A、B、C的条件以及其它条件均被应用于在由常见物种指示的范围中包含的生药的栽培条件。
例如，农田的条件中的每一个指示与相应农田相关联的信息，诸如在农田中生长的混合植物。例如，环境的条件中的每一个表示与生药栽培环境相关联的信息，诸如土壤质量、向阳处和阴凉。
根据生药花模型，通过设定表示当前环境的花瓣，能够不仅识别用于栽培期望的生药的栽培条件，而且识别能够(适合)在当前环境(栽培条件)中栽培的生药。这样，例如，在农田气候变化的情况下，适于气候变化后的农田栽培的生药是可预测的。
图8是解释生药花模型的构造的示图。
在各种农田中进行基于协生农法(注册商标)的生药栽培。另外，例如，农田中的用户使用终端12(图1)，以收集与基于协生农法(注册商标)的生药栽培相关联的栽培信息(可以构成栽培参数的信息)，诸如与土壤、环境或包括在农田中收获的生药的产品的产量等相关联的数据，并将收集的栽培信息登记到数据库14中。作为设置在农田中的传感器设备11的感测结果而获得的传感器数据也登记到数据库14中。
并且，关于作为农场中的产品收获的生药，执行诸如代谢组学分析的各种类型的测试，并且，收集与生药质量相关联的详细数据。所述数据也登记在数据库14中。
服务器13通过使用AI机器学习对在数据库14中注册的数据执行数学分析，以实现数据优化(轻量化)和数据同化(assimilation)。并且，在服务器13中，例如，源自上述处理并且与生药栽培相关联的有意义数据被用作栽培参数等，以构建由操作终端12的用户指定的期望的生药的花模型。
然后，服务器13使用期望的生药的花模型，以将协生农法(注册商标)中的栽培条件识别为用于栽培期望的生药的栽培方法，并将识别的栽培条件供给(传送)到终端12。
在农田中，用户实现(实施)从服务器13供给到终端12的栽培条件，并通过协生农法(注册商标)栽培生药。例如，农田中的用户使用终端12，以收集与通过协生农法(注册商标)的生药栽培相关联的栽培信息，并将收集的栽培信息登记到数据库14中。
随后重复类似的处理(工作)。以这种方式，能够以更高再现性通过协生农法(注册商标)栽培期望的生药。
图9是描绘期望的生药的花模型的构造示例的示图。
图9左侧的花模型代表包括花瓣(椭圆)的花模型，每个花瓣表示作为在要耕种期望的生药的农田中使用协生农法(注册商标)的耕种方法的耕种条件。
根据左花模型，要栽培期望的生药的农田中的栽培条件包括农田(田地)A、B和C的条件、土壤质量A、土壤质量B、向阳处、干燥和低垄。
在左花模型中，代表期望的生药的点位于要栽培期望的生药的农田中的所有栽培条件相互重叠的由共同品种(Common species)指示的范围外面。
在构建期望的生药的花模型时，为了通过协生农法(注册商标)栽培期望的生药，消除不必要的栽培参数，并且检索有意义的栽培参数作为期望的生药栽培的条件。因此，构建包含分别具有代表期望的生药的点的花瓣(椭圆)的花模型。
图9右侧的花模型代表通过检索用于栽培期望的生药的栽培条件而构建的花模型。
在右花模型中，作为在左花模型中包含的栽培条件的农田C的条件、土壤质量B、向阳处、干燥和低垄被消除(消失)，因为它们是期望的生药栽培中的不必要的栽培参数。
并且，在右花模型中，除了作为在左花模型中包含的栽培条件的农田A和B的条件以及土壤质量A，检索不包含于左花模型中的农田D的条件、土壤质量C、阴凉、湿润和高垄，因为它们是栽培期望的生药的有意义的栽培参数。
图10是描绘期望的生药的花模型的构造的另一示例的示图。
图10左侧的花模型是将期望的生药与其栽培条件相关联的花模型。左花模型是通过使用诸如在通过协生农法(注册商标)在仅位于某单个地区的农田中栽培生药的情况下收集的栽培信息的数据构建的。
在通过使用仅位于单个地区的农田中收集的数据构建的花模型中，单个地区特有的栽培参数影响在单个地区中的农田中栽培的所有生药，并且，如点圆所示，由包括代表在单个地区中的农田栽培的生药的所有点的花瓣代表。
图10右侧的花模型是将期望的生药与其栽培条件相关联的花模型。右花模型是通过使用诸如在通过协生农法(注册商标)在位于除了单个地区外还包括一个或更多个其它地区的多个地区中的农田中栽培生药的情况下收集的栽培信息的数据构建的。
在通过使用在位于多个地区中的农田中收集的数据构建的花模型中，单个地区特有的栽培参数可能影响在该单个地区中的农田中栽培的生药，但未必影响在其它地区中的农田中栽培的生药。因此，如点椭圆所示，这些栽培参数由仅包括代表受影响的生药的点的花瓣代表。
<生药的质量保证>
图11是描绘用于确保生药的质量的质量管理手册的示例的示图。
为了确保从在农田中栽培的药用植物获得的生药的质量，建立作为质量管理手册的GACP(良好农业和采集实践：植物基医疗用品的原料(BRM)的生产过程管理)。按照本文提及的GACP处理药用植物。
GACP规定与药用植物的栽培和采集方法、诸如药用植物的干燥和选择的处理准备、药用植物的储存、药用植物的运输和药用植物运入根据GMP管理的工厂中等相关联的事项。
图12是描绘在作为某种类型的生药的钩藤中包含的生物碱的HPLC(高效液相色谱)图案的示例的示图。
图12示出了在不同生产区域中生产的钩藤所含的生物碱的HPLC图案。
在钩藤中包含的生物碱的HPLC图案因钩藤产地而异，分为R型、S型、SR型、SR2型和其它图案。
如上所述，在钩藤中包含的生物碱的HPLC图案因钩藤产地而异。因此，在钩藤中包含的各种类型的成分的成分组成比也在钩藤的生产区域之间不同。
图13是描述在生产区域中的农田中的每一个中收获的钩藤所含成分的量的示例的示图。
钩藤被用作解痉药或镇痛药，并且含有诸如钩藤碱(rhynchophylline)、异钩藤碱(isorhynchophyline)、鹅膏碱(corynoxine)、毛状根碱(hirsutine)和毛状根素(hirsuteine)的生物碱。从钩丁(Uncaria rhynchophylla)提取的物质基本上不含毛状根碱和毛状根素。如图13所示，钩藤的成分含量因生产区域而异。
如上所述，钩藤的成分组成比和成分含量因产地而异。换句话说，钩藤的质量因产地而异。因此，即使根据作为参考图11解释的手册的GACP处理钩藤钩，也难以获得具有期望的质量即期望的成分(期望的类型和量的成分)的钩藤。
在通过混合包括钩藤的生药生产草药的情况下，为了满足草药标准，例如基于生产区域按经验混合钩藤，以制备具有期望的成分的钩藤。
这类似地适用于钩藤以外的生药。在要通过混合具有相同生药名称但具有不同的成分组成比或不同成分含量的生药生产草药的情况下，必须根据生药的质量改变生药混合方法，诸如生药混合量。
<健康收益花模型>
图14是解释作为健康收益指标的示例的FIM(功能独立性度量)的示图。
即使生药具有相同的生药名称，在一些情况下，根据生产区域等，它们可能具有不同含量的有益成分。另外，即使通过相同的生药混合方法(诸如生药的混合量)生产草药，在一些情况下，它们在健康方面可能具有不同的健康收益，诸如临床效果。
并且，已经确认，用于草药的生产(配制)的生药，特别是通过协生农法(注册商标)栽培的生药(从药用植物生产的)，除了有益成分外，还含有其它可能具有药用效果的各种成分(药用成分)。有时不清楚在生药包含的各成分是否具有生物活性。因此，除非检查诸如实际临床效果的健康收益，否则这种成分是否起作用(有效)尚不清楚。
当要生产提供期望健康收益的草药时，存在以下问题：如何评估健康收益；以及如何预测通过混合各种成分的生药生产的草药的健康收益。
需要建立健康收益的指标以评估和预测健康收益。作为这些指标，例如，可以使用关于含有不同含量的有益成分和有毒成分的草药的各种器官细胞的生物测定结果、临床数据和流行病学数据。并且，可以采用FIM作为健康收益的指标。
FIM是用于评估个人可以如何好地自身开展日常活动的指标，并且被用于评估患者的残疾程度以及患者根据康复或医疗干预的状态变化。例如，在J.M.Linacre等人的“TheStructure and Stability Independence Measure”，Arch phys Med Rahabil Vol75,February1994中描述了FIM的细节。
FIM包括18项(项目)的身体、心理和社会功能的测量，即，“吃饭”、“梳洗”、“洗澡”、“穿上半身”、“穿下半身”，“如厕”、“膀胱管理”、“肠道管理”，“床、轮椅”、“厕所”、“浴缸、淋浴”、“步行/轮椅”、“楼梯”、“理解”、“表达”、“社交互动”、“解决问题”和“记忆”的项目。
FIM分为运动功能领域和认知功能领域。
运动功能大脑的领域分为自我照顾、括约肌控制、转移和移动的类别。
项目“吃饭”、“梳洗”、“洗澡”、“上身穿衣”、“下身穿衣”和“如厕”属于自我照顾，而项目“膀胱管理”和“肠道管理”属于括约肌控制。项目“床、椅子、轮椅”、“厕所”和“浴缸、淋浴”属于转移，而项目“步行/轮椅”和“楼梯”属于移动。
认知功能的领域分为交际和社会认知的类别。
项目“理解”和“表达”属于交际，而项目“社会互动”、“问题解决”和“记忆”属于社会认知。
图15是描绘关于作为源自服用通过协生农法(注册商标)栽培的茶的健康收益的FIM改善的实验结果的示图。
该实验共有117人参加，其中45人服用通过协生农法(注册商标)栽培的茶，42人服用通过常规耕作方法栽培的茶，30人服用了水。
图15示出服用通过协生农法(注册商标)栽培的茶长达四个月的人的总体FIM、运动功能领域的FIM和认知功能领域的FIM的推移。
在图15中，除了服用通过协生农法(注册商标)栽培的茶的人的FIM的推移(Syneco)以外，还示出服用通过常规耕作方法栽培的茶的人的FIM的推移(Conv)以及服用水的人的FIM的推移(Water)。注意，图15中的阈值是用于检查平均值之间差异的有意义水平。
从图15可以看出，可以确认，在服用通过协生农法(注册商标)栽培的茶的人的情况下，运动功能领域的FIM和认知功能领域的FIM均增加，因此，总FIM也增加。根据实验，已经确认，关于服用通过协生农法(注册商标)栽培的茶的六分之四的年轻女性，在上述18个项目中包含的7个项目的FIM已经大幅增加。
图16是解释将健康收益与草药相关联的健康收益花模型的概要的示图。
在健康收益花模型(第二模型)中，使用健康收益和与健康相关联(假定相关联)的各种参数(以下也称为健康参数)，而不是在生药花模型(图7)中使用的生药和对应于栽培条件的栽培参数。
在健康收益花模型中，图16中的各个点表示各种健康收益(健康收益指数)，而花瓣(椭圆)表示提供健康收益的因子(以下也称为健康因子)。花瓣内的各点代表通过由花瓣代表的健康因子产生的健康收益。
根据本技术，从不同的人收集关于与各种健康收益相关联(假定相关联)的各种健康参数的大数据。然后，通过使用AI学习关于各种健康收益的健康参数的大数据，并检索对提供健康收益有意义的健康参数(健康参数的类型以及必要时的健康参数的数量(值)等)作为健康收益的健康因子。
根据本实施例，至少与草药相关联的信息被用作健康收益花模型中的基本健康参数。以这种方式，健康收益和草药在健康收益花模型中相互关联。例如，与草药相关联的信息包括草药的类型和量、在草药中包含的生药的类型和量、栽培条件、以及在生药中包含的成分的类型和量等。
在健康收益花模型中，以在代表作为提供健康收益的健康因子的草药的花瓣中包含代表健康收益的点(包括点的区域)的形式，表达健康收益与作为提供健康收益的健康因子的草药之间的关系。
当构建健康收益花模型(即，将健康收益与提供健康收益的草药相关联的花模型)时，可以在关于包含草药的各种健康参数的大数据的学习中，以适当的方式设定(添加)代表可以构成健康因子的健康参数的花瓣(作为花瓣的椭圆)。如果由花瓣代表的健康参数构成对健康收益有意义的健康因子，则代表健康因子的花瓣以包括代表受健康因子影响的健康收益的点的方式变化。另一方面，如果由花瓣代表的健康参数不构成有意义的健康因子，则相应的花瓣消失。
作为健康收益花模型中的健康收益(健康收益的指标)，不仅可以使用FIM，还可以使用各种生物标记、QOL(生活质量)(表示QOL的值)以及其它主观参数(主观参数集)和客观参数(客观参数集)。
主观参数指的是由人测量并且根据实施测量的人而变化的参数。主观参数的示例包括由人创建的文本(无论文本内容是否基于客观现象)。例如，FIM由诸如作为临床现场的保健人员的人测量，并因此是主观参数。
客观参数指的是由机器测量的参数，诸如来自传感器的输出值。例如，心率受主观思维的影响，但只要心率由心率监测器测量，它就是客观参数。另外，例如，由机器测量的生物标记是客观参数。
例如，在Funabashi,M.“Citizen Science and Topology of Mind:Complexity,Computation and Criticality in Data-Driven Exploration of Open ComplexSystems”Entropy 2017,19,181.(https://www.mdpi.com/1099-4300/19/4/181)中，描述了主观参数和客观参数的细节。
作为健康收益花模型中的健康参数，除了与草药相关联的信息以外，可以使用与健康相关联(假定相关联)的各种信息，诸如与生活方式、生活环境和生物标记相关联的信息以及用于疾病诊断标准的信息(例如，血压和内脏脂肪面积)。
根据健康收益花模型，例如，提供期望健康收益的草药(与草药相关联的信息)和其它健康因子是可以识别的。
例如，可以通过用梯度法检索由包括代表期望健康收益的点的花瓣代表的健康因子，构建期望健康收益的花模型。
根据本技术，至少包含与草药相关联的信息的健康参数被设定为可能变为由花瓣代表的健康因子的健康参数。然后，通过梯度法检索由包括代表期望健康收益的点的花瓣代表的健康因子(对应于健康因子的健康参数)，以构建期望健康收益的花模型。花模型是将期望健康收益与提供期望健康收益的健康因子相关联的花模型。并且，根据本技术，通过使用这种花模型，识别作为提供期望健康收益的健康因子的草药或生活方式等。当人们服用由本技术识别的草药或采用由本技术识别的生活方式时，例如，他们能够以更高再现性获得期望健康收益。
在图16所示的花模型中，在代表诸如作为健康因子的“植物类型”、“代谢组”、“土壤微生物区”、“生物活性/生物可用性”、“毒性”、“遗传学/表观遗传学”和“生活方式”的信息的花瓣中，包括由健康收益指示的范围。
指示项目“植物类型”、“代谢组”、“土壤微生物区”、“生物活性/生物可用性”和“毒性”的信息是与要服用的草药相关联的信息。项目“植物类型”表示与作为在要服用的草药中混合的生药(生产生药的药用植物)的植物物种相关联的信息。项目“代谢组”表示与通过对混合在待服用草药中的生药(生产生药的药用植物)执行代谢组学分析而获得的成分组成相关联的信息。项目“土壤微生物区”表示与栽培混合在要服用的草药中的生药(生产生药的药用植物)的土壤的土壤微生物区相关联的信息。项目“生物活性/生物可用性”表示与要服用的草药的成分的生物活性和生物可用性相关联的信息(例如，草药成分代谢时的生物活性表现)。项目“毒性”表示与要服用的草药有毒成分相关联的信息。
项目“遗传学/表观遗传学”表示与遗传信息相关联的信息(诸如遗传病风险的遗传信息)。
项目“生活方式”表示与生活方式相关联的信息(例如，吸烟习惯、锻炼习惯和饮食习惯)。
根据健康收益花模型，不仅能够识别提供期望健康收益的健康因子，诸如草药和生活方式，还能够通过设定代表人的健康因子的花瓣识别给任何人带来的健康收益并预测假定给该人带来的健康收益。
图17是描绘草药以外的健康参数的示例的示图。
例如，作为健康收益花模型中中的草药以外的健康参数，可以使用以下信息。
·与免疫系统相关联的信息，诸如炎症和过敏
·与使用唾液或尿液等的代谢组学分析相关联的信息
·与肠道、口腔或栽培摄取食物的土壤等中的细菌菌群和病毒组相关联的信息
·与居住场所等的环境条件相关联的信息，诸如温度、饮用水状态、通风、居住和旅行历史
·与文化条件相关联的信息，诸如种族、家庭结构和经济状况
·与毒性相关联的信息，诸如在摄取食物中包含的重金属和霉菌毒素等
·与遗传病风险等相关的遗传信息(遗传学、表观遗传学)
·与生活方式相关联的信息，诸如饮食、睡眠和锻炼
·与心理状况相关联的信息，诸如压力和如何度过闲暇时间
·与身体状况相关联的信息，诸如皮肤状况、肌肉骨骼系统和肤色
图18是描绘期望健康收益的花模型的构造的示例的示图。
图18左侧的花模型代表具有花瓣(椭圆)的花模型，每个花瓣表示希望增加期望健康收益的目标人的当前健康因子(对应于当前健康因子的健康参数)。
根据左花模型，与炎症标记的值、遗传信息、种族、家庭结构、皮肤状况、旅行史、生活方式和代谢物相关联的信息代表(假定代表)目标人的当前健康因子。
在左花模型中，代表期望健康收益的点偏离由目标人的所有当前健康因子相互重叠的健康收益指示的范围。
在构建期望健康收益的花模型之后，为了提供期望健康收益，消除了不必要的健康参数，并检索有意义的健康参数作为期望健康收益的健康因子。因此，构建包含分别包含代表期望健康收益的点的花瓣(椭圆)的花模型。
图18右侧的花模型是通过检索期望健康收益的健康因子构建的花模型。
在右花模型中，作为在左花模型中包含的栽培条件的遗传信息、与种族相关联的信息、与家庭结构相关联的信息、与皮肤状况相关联的信息以及与旅行历史相关联的信息被消除(消失)，因为它们是对于获得期望健康收益不必要的栽培参数。
并且，在右花模型中，除了作为在左花模型中包含的健康因子的与炎症标记值相关联的信息、与生活方式相关联的信息以及与代谢物相关联的信息以外，检索未包含在左花模型中(并在图中用点椭圆表示)的与肠道菌群相关联的信息、与有毒物质相关联的信息、与精神状况相关联的信息、与禁食状态相关联的信息以及与生活环境中的霉菌生长易感性相关联的信息，作为对期望健康收益有意义的健康参数。
注意，尽管图18中未示出，但与草药相关联的信息被设定为健康参数，并且在本技术中检索包括与草药相关联的信息的健康因子。
并且，已知，炎症标记值、代谢组分析结果(代谢物)以及与生活方式相关联的信息是有意义的健康参数。并且，已知，肠道菌群、有毒物质、精神状况、禁食状态以及在生活环境中的霉菌生长易感性大大促进疾病的发展。
<草药的生产>
图19是解释混合生药以生产草药的示意图。
例如，如参考图12和图13所解释的，诸如钩藤的生药的成分因产地而异。在一定量的生药被批量出售的情况下，生药的成分在批的基础上在生产区域之间不同。
为了生产草药，在批的基础上在不同区域生产并且根据其生产地区具有多种不同成分的生药被组合和混合。通过这种混合，生产草药，使得其有益成分保持等于或高于有益成分的参考值并且其有毒成分保持等于或者低于有毒成分的参考价。这里，有益成分和有毒成分可能包括相同的物质。在这种情况下，这些成分根据成分的浓度作为有益成分或有毒成分作用于活体。
并且，通过使用对服用草药等的人进行的生物检测结果、临床效果或其它信息，构建期望健康收益的花模型，并且，通过使用花模型，识别对应于提供期望健康收益的健康因子的草药(与草药相关联的信息)。
在识别对应于提供期望健康收益的健康因子的草药时，获得草药(被混合以生产草药的生药)与期望健康收益之间的关系，并将所述关系反馈给草药的生产过程。
然后，在草药的生产中，通过使用线性规划法或非线性规划法计算生药混合量，使得有益成分等于或高于参考值且有毒成分等于或低于参考值，并且使得从草药与期望健康收益之间的关系获得并且代表期望健康收益相对于在草药中包含的生药的混合量的变化的目标函数最大化。
重复执行对应于提供期望健康收益的健康因子的草药的识别、草药(生药)与期望健康收益之间的关系的反馈、以及最大化从草药与期望健康收益之间的关系获得并且代表期望健康收益的目标函数的生药混合量的计算。以这种方式，对应于提供期望健康收益的因子的草药的识别精度和最大化代表期望健康收益的变化的目标函数的生药混合量的计算精度得到提高。
在实现最大化代表期望健康收益的变化的目标函数的这种生药混合量的精确计算并且与前面计算的混合量(基本上)类似地考虑新计算的混合量的情况下，可以构建登记新计算的生药混合量的生药组合系列。
用根据生药组合系列混合的生药生产草药，因此，可以进行质量管理，以确保生产的草药的质量处于等于(或高于)固定水平的水平。
图20是描绘通过使用线性规划法计算生药混合量使得有益成分等于或高于参考值且有毒成分等于或低于参考值并且使得代表期望健康收益的变化的目标函数最大化的示例的示图。
例如，线性规划法的细节在如下地址进行了描述：
https://ja.wikipedia.org/wiki/％E7％B7％9A％E5％9E％8B％E8％A8％88％E7％94％BB％E6％B3％95
图20是在二维空间(平面)中表示并且包括代表两个生药混合量x1和x2的两个轴的示图。生药混合量x1和x2是被混合以生产对应于提供期望健康收益的健康因子的草药的生药的混合量。该示图还包括指示有益成分等于或高于参考值的限制条件以及有毒成分等于或低于参考值的限制条件的线(由图20中的实线表示)以及表示代表期望健康收益相对于在草药中包含的生药的混合量的变化的目标函数的线(由图20中的点线表示)。
在线性规划法中，最大化代表期望健康收益的变化的目标函数的这样的生药混合量，诸如图20中的两个生药混合量x1和x2，在有益成分等于或高于参考值的限制条件和有毒成分等于或低于参考值的限制条件均得到满足的可行区域内被计算。
在包含于用于生产草药的生药的有益成分和有毒成分中的任何两种或更多种成分在生药的混合过程中或在服用草药后的药代动力学中不相互作用的情况下，可以通过使用线性规划法，计算具有等于或高于参考值的有益成分和等于或低于参考值的有毒成分并且最大化代表期望健康收益的变化的目标函数的生药混合量。
另一方面，如果包含于用于草药生产的生药的有益成分和有毒成分中的任何两种或更多种成分相互作用，则目标函数、限制条件或目标函数和限制条件两者变为非线性。在这种情况下，考虑到非线性，需要通过使用非线性规划法计算具有等于或高于参考值的有益成分和等于或低于参考值的有毒成分并且最大化代表期望健康收益的变化的目标函数的生药混合量。
图21是描绘通过使用非线性规划法计算生药混合量使得有益成分等于或高于参考值且有毒成分等于或低于参考值并且使得代表期望健康收益的变化的目标函数最大化的示例的示图。
例如，在下面的地址描述非线性规划法的细节：
https://ja.wikipedia.org/wiki/％E9％9D％9E％E7％B7％9A％E5％BD％A2％E8％A8％88％E7％94％BB％E6％B3％95
图21是在三维空间中表示并且包括代表三个生药混合量x、y和z的三个轴的示图。生药混合量x、y、z是被混合以生产对应于提供期望健康收益的健康因子的草药的生药的混合量。示图还包括表示有益成分等于或高于参考值且有毒成分等于或低于参考值的限制条件的三维图和表示代表期望健康收益的变化的目标函数的平面图。
通过草药生产时的生药的混合或者作为草药的消化吸收的结果导致的生药等的成分之间的非线性相互作用基于大数据被建模，并且，获得的模型可以被用于计算代表限制条件的三维图和代表目标函数的平面图。
在非线性规划法中，计算代表有益成分等于或高于参考值且有毒成分等于或低于参考值的限制条件的三维图和代表目标函数的平面图之间的接触点，作为最大化目标函数的生药混合量。在图21中，计算最大化目标函数的三个生药混合量x、y和z。
例如，可以通过使用AI等以执行代表限制条件的三维图和代表目标函数的平面图的拟合，计算代表限制条件的三维图和代表目标函数的平面图之间的接触点。
图22是描绘被混合以生成被归类为辛温解表药物的草药的生药的示图。
图22示出以使得这些生药被包含在相应的椭圆中的方式根据使用被归类为辛温解表药物的葛根汤、麻黄汤和小青龙汤的经典处方混合的生药。经典处方指的是在中国经典中描述的处方。
顺便说一句，如参照图12和图13描述的那样，在一些情况下，具有相同生药名称的生药可能根据生产区域具有不同的成分组成。并且，尽管生药是在同一地区生产的，但由于栽培条件的改变，以前的生药和现在的生药可能具有不同的成分组成。
在根据经典处方的类型和数量混合如上所述的具有相同生药名称但具有不同成分组成的生药的情况下，根据生药的成分组成，服用通过这种生药的混合制成的草药的人将获得的健康收益(功效)被假定为偏离原本预计从草药获得的健康收益。
另一方面，可以通过通过使用健康收益花模型识别与对应于提供期望健康收益的健康因子的生药等(包括目前未定义为生药但预期产生医疗效果的食品和饮料)相关联的信息、并且借助于非线性规划法等的使用计算满足有益成分和有毒成分的参考值并最大化代表期望健康收益的变化的目标函数的生药等的这种混合量，生成用于混合具有期望健康收益的生药的新配方(与生药等相关联的信息，诸如生药的生产区域或栽培条件、生药的类型、加工方法和混合量)。这种新配方也被称为生成处方。
图23是描绘生成处方的示例的示图。
在图23中，由实线表示的椭圆代表根据经典处方混合的生药，而由虚线表示的椭圆代表根据生成处方混合的生药。
例如，作为生成处方，例如，能够建立能够提供应当从根据经典处方生产的葛根汤提供的健康收益的生药混合方法，即，与要根据经典处方混合以生产葛根汤并且根据其生产区域或栽培条件等具有不同的成分组成等的生药相关、并且与采用何种生产区域和栽培条件以栽培这种生药以及混合多少生药以提供比在经典处方中描述的混合方法更大的健康收益有关的信息(再分析)。
并且，作为生成处方，例如，能够建立用于通过混合被归类为辛温解表药物的葛根汤、麻黄汤和小青龙汤所共有的生药(例如甘草)与其它生药生产新的、更有效的草药作为辛温解表药物的混合方法(重新组合)。
并且，作为生成处方，能够建立用于通过将新的生药与现有的生药混合生产新的草药的混合方法(扩展)。
另外，作为生成处方，能够建立用于通过只混合新的生药生产新的草药的混合方法(发明)。
例如，可以通过通过使用健康收益花模型识别与对应于提供期望健康收益的健康因子的食品和饮料相关联的信息，发现本文中的新药。
例如，如图15所示，在通过协生农法(注册商标)栽培茶(以下，茶也被简称为协生农法(商标)茶)的情况下，作为茶的健康收益的FIM得到改善。因此，这种协生农法(注册商标)茶可以通过使用健康收益花模型被识别为提供特定健康收益的健康因子。在协生农法(注册商标)茶被识别为提供特定健康收益的健康因子的情况下，synecoculture(商标注册)茶被认为具有有助于特定健康收益的药物作用，并因此可以被识别为与通过常规耕作方法栽培的茶不同的新的生药。
图24是解释超多样性管理系统的动态实时管理的框架的示图。
在服务器13中实现超多样性管理系统。超多样性管理系统是为了实现草药的质量管理(质量控制)并建立生成处方在实时的基础上动态管理指示生物多样性和其它各种多样性的数据(信息)的系统。
要进行动态实时管理(与生物多样性和其它各种类型的多样性相关联的数据的动态实时管理)的数据的示例包括关于多组学的数据、关于使用协生农法(注册商标)的农田中的生物多样性的数据、关于服用草药、通过协生农法(注册商标)栽培的茶或其它食品和饮料的人和没有服用它们的人的生物检测和临床试验(临床效果)的数据、关于经典处方的数据、关于生药栽培条件的数据、关于生药的加工条件的数据、关于健康收益的数据、关于生活方式的数据以及关于生药成分的代谢组学分析结果的数据。
图24是解释超多样性管理系统执行的动态实时管理的框架的示图。
各种类型的观察由传感器设备11和终端12等进行(Observation)。作为观察的结果获得的观察值(例如，源自传感器设备11的感测的传感器数据、通过操作终端12的用户输入的文本和捕获的图像)根据需要登记在数据库14中(Registration)。另外，关于多组学的数据、关于生物多样性的数据、关于生物测定或临床试验的数据、关于经典处方的数据以及其它各种类型的数据根据需要登记在数据库14中。
在超多样性管理系统中实现多个模型，诸如包括机器学习模型和统计数学模型的各种类型的数学模型(Models)。通过使用在数据库14中登记的数据的AI，学习多个模型。
通过将在数据库14中登记的数据输入到各自的学习模型(Input)，超多样性管理系统预测各种观测值，即，获取预测值(Prediction)。
超多样性管理系统接收实际观测值的反馈(Feedback)，并将实际观测值与相应的预测值进行比较。
然后，超多样性管理系统根据实际观测值和预测值之间的比较结果，确定在模型和数据库中登记的模型和数据的有意义性，并根据确定结果，选择在模型和数据库中登记的模型和数据中的任一个。
例如，在实际观测值和预测值之间的差异满足诸如预先设定的阈值的条件的情况下，在模型和数据库中登记的模型和数据被确定为有意义。另一方面，在实际观测值和预测值之间的差异不满足诸如预先设定的阈值的条件的情况下，在模型和数据库中登记的模型和数据不被确定为有意义。
超多样性管理系统从多个模型删除(丢弃)没有意义的模型，并保留(提取和使用)有意义的模型。
并且，超多样性管理系统从在数据库14中登记的数据删除没有意义的数据，并保持有意义的数据。
通过在数据库14中登记观测值并选择在数据库14中登记的数据(Selection)，实现数据库14的适应(Adaptation)，即有意义的数据的收集。
例如，通过使用收集到数据库14的有意义数据，服务器13执行生药花模型的构建、健康收益花模型的构建或使用非线性规划法的生药混合量的计算等。
图25是描绘服务器13的功能配置示例的框图。
在服务器13中实现超多样性管理系统20。
超多样性管理系统20包括动态实时管理单元21、生药花模型构建单元22、健康收益花模型构建单元23、混合量计算单元24和提供单元25。
动态实时管理单元21处理参考图24描述的动态实时管理，以将有意义的数据收集到数据库14。
生药花模型构建单元22用作通过使用生药花模型识别用于通过协生农法(注册商标)栽培特定生药(生产生药的药用植物)的栽培条件的第一识别单元。
在生药花模型中，生药花模型构建单元22设定至少包括与协生农法(注册商标)相关联并且包含于在数据库14中登记的有意义数据中的参数的栽培参数，诸如通过协生农法(注册商标)栽培的生药(生产生药的药用植物)的产量、栽培生药的农田中的日照量、土壤微生物的多样性、混合植物的类型、垄高和土壤质量。
并且，在生药花模型中，生药花模型构建单元22使用在数据库14中登记的有意义数据，以通过梯度法例如从设定的栽培参数中检索由包括指示由操作终端12的用户等指定的特定生药的点的花瓣代表的栽培条件，即，对应于用于栽培特定生药的栽培条件的栽培参数(参数的值)。因此，构建特定生药的花模型。
然后，生药花模型构建单元22使用特定生药的花模型，以识别由花模型的花瓣代表的栽培参数，作为用于以高再现性栽培特定生药的栽培条件，并将识别的栽培条件供给到提供单元25。从生药花模型构建单元22供给到提供单元25的栽培条件包括用于通过协生农法(注册商标)栽培特定生药的栽培条件。
健康收益花模型构建单元23用作通过使用健康收益花模型识别诸如提供特定健康收益的草药和生活方式的健康因子的第二识别单元。
在健康收益花模型中，健康收益花模型构建单元23设定至少包括根据需要与草药和生活方式相关并且包含于在数据库14中登记的有意义数据中的参数的健康参数，诸如包含其混合量由混合量计算单元24计算的草药的草药、服用草药的人的生物测定和临床试验的效果、FIM和生活方式。
并且，在健康收益花模型中，健康收益花模型构建单元23使用在数据库14中登记的有意义数据，以通过梯度法例如从设定的健康参数中检索由包括指示由操作终端12的用户等指定的特定健康收益的点的花瓣代表的健康因子，即，对应于用于提供特定健康收益的健康因子的健康参数。因此，建立特定健康收益的花模型。
然后，健康收益花模型构建单元23使用特定健康收益的花模型，以识别由花模型的花瓣代表的健康参数，作为用于以高再现性提供特定健康收益的健康因子，并将识别的健康因子供给到提供单元25。从健康收益花模型构建单元23供给到提供单元25的健康因子根据需要包括草药(与草药相关联的信息)和生活方式(与生活方式相关联的信息)。
并且，当识别对应于提供特定健康收益的健康因子的草药等时，健康收益花模型构建单元23向混合量计算单元24反馈(提供)草药(混合以生产草药的生药)与健康收益之间的关系，该关系是在构建特定健康收益的花模型时获得的。
混合量计算单元24使用在数据库14中登记的有意义数据，诸如在生产区或农田中栽培的各生药的代谢组学分析的结果以及有益成分和有毒成分的参考值，以计算用于生产草药的生药的混合量(具有等于或高于参考值的有益成分和等于或低于参考值的有毒成分的量)，并将计算的混合量供给到提供单元25。
并且，混合量计算单元24使用在数据库14中登记的有意义数据，以通过线性规划法或非线性规划法，计算具有等于或高于参考值的有益成分和等于或低于参考值的有毒成分并且最大化代表特定健康收益关于生药混合量的变化的目标函数的生药混合量(该生药混合量基于经典处方或生成处方)，并将计算的生药混合量供给到提供单元25。从由健康收益花模型构建单元23反馈的草药和健康收益之间的关系，获得代表期望健康收益的变化的目标函数。
提供单元25提供从生药花模型构建单元22接收的栽培条件(该栽培条件用于栽培特定生药(生产生药的药用植物)并且包括与协生农法(注册商标)相关联的栽培条件、从健康收益花模型构建单元23接收的健康因子(该健康因子提供特定健康收益并且包括草药或生活方式)以及从混合量计算单元24接收的生药混合量)。
例如，提供单元25根据由使用服务器13的支持者执行的操作显示栽培条件、健康因子和生药混合量。
并且，例如，提供单元25根据由使用终端12的用户执行的操作将栽培条件、健康因子和生药混合量传送到终端12，并且使终端12显示它们。
因此，超多样性管理系统20可以提供用于以高再现性栽培用户期望的特定生药的栽培条件、用于以高再现性提供用户期望的特定健康收益的诸如草药和生活方式的健康因子和用于以高再现性生产提供特定健康收益的草药的生药混合量。
图26是解释由生药花模型构建单元22执行的生药花模型的构建的概要的示图。
生药花模型构建单元22使用在数据库14中登记为有意义数据的栽培参数c(例如，日照量)和作为生药d1的栽培的再现性的生药d1的产量，以通过梯度法检索栽培参数c(例如，最大化生药d1的栽培的再现性的日照量)的值(值的范围)c1。因此，生药花模型构建单元22构建生药d1的花模型。
在生药d1的花模型中，包括代表可以在最大化生药d1的栽培的再现性的栽培参数c的值c1(即，这里的日照量)下以高再现性栽培的生药的点的椭圆(由图26中的实线表示)被示为花模型的一个花瓣。
生药d1(代表生药d1的点)包含于由包括代表可以在栽培参数c的值c1(即，日照量)下以高再现性栽培的生药的点的椭圆表达的花瓣中。
与通过生药花模型构建单元22的生药花模型的构建类似地，执行通过健康收益花模型构建单元23的健康收益花模型的构建。
图27是解释由混合量计算单元24执行的生药混合量的计算的概要的示图。
例如，健康收益花模型构建单元23通过梯度法检索最大化作为特定健康收益的FIM等的服用草药m1的量。这里，服用草药m1的量是健康参数。因此，构建特定健康收益的花模型。在特定健康收益的花模型的构建中，健康收益花模型构建单元23获得草药m1(服用草药m1的量)与特定健康收益之间的关系R。关系R被反馈给混合量计算单元24。
作为混合以生产草药m1的生药d1的量，混合量计算单元24通过使用非线性规划法等，计算从由健康收益花模型构建单元23反馈的草药m1和特定健康收益之间的关系R获得并且表示特定健康收益的变化的目标函数F在具有参考值的有益成分的混合量a1到具有参考值的有毒成分的混合量a3的范围内被最大化的生药d1的混合量a2。
图28是解释由生药花模型构建单元22识别栽培条件的处理的示例的流程图。
在步骤S11中，生药花模型构建单元22例如根据由使用终端12的用户执行的操作，将用户期望的生药指定为特定生药。然后，处理进行到步骤S12。
在步骤S12中，在生药花模型中，生药花模型构建单元22设定至少包括与协生农法(注册商标)相关联并且包含于在数据库14中登记的有意义数据中的参数的栽培参数。然后，处理进行到步骤S13。
在步骤S13中，在生药花模型中，生药花模型构建单元22使用在数据库14中登记的有意义数据，以通过梯度法从设定的栽培参数中检索对应于用于通过协生农法(注册商标)栽培特定生药的栽培条件的栽培参数。因此，生药花模型构建单元22构建特定生药的花模型。然后，处理进行到步骤S14。
在步骤S14中，生药花模型构建单元22使用特定生药的花模型以识别用于通过协生农法(注册商标)栽培特定生药的栽培条件，并供给识别的栽培条件。然后，处理结束。
图29是解释由健康收益花模型构建单元23识别健康因子的处理的示例的流程图。
在步骤S21中，健康收益花模型构建单元23例如根据由使用终端12的用户执行的操作，将用户期望的健康收益指定为特定健康收益。然后，处理进行到步骤S22。
在步骤S22中，健康收益花模型构建单元23设定至少包括与草药和生活方式相关联并且包含于在数据库14中登记的有意义数据中的参数的健康参数。处理然后进行到步骤S23。
在步骤S23中，在健康收益花模型中，健康收益花模型构建单元23使用在数据库14中登记的有意义数据，以通过梯度法从设定的健康参数中检索对应于提供特定健康收益的健康因子的健康参数。因此，健康收益花模型构建单元23构建特定健康收益的花模型。处理然后进行到步骤S24。
在步骤S24中，健康收益花模型构建单元23使用特定健康收益的花模型，以识别提供特定健康收益并且包括草药和生活方式的健康参数，并将识别的健康因子供给到提供单元25。然后，处理结束。
图30是解释由混合量计算单元24计算生药混合量的处理的示例的流程图。
在步骤S31中，混合量计算单元24从健康收益花模型构建单元23获取(接收)草药和特定健康收益之间的关系。处理然后进行到步骤S32。
在步骤S32中，混合量计算单元24从草药和特定健康收益之间的关系计算代表特定健康收益关于包含于草药中的生药的混合量的变化的目标函数。处理然后进行到步骤S33。
在步骤S33中，混合量计算单元24使用在数据库14中登记的有意义数据，以设定有益成分的参考值和有毒成分的参考值。处理然后进行到步骤S34。
在步骤S34中，混合量计算单元24通过线性规划法或非线性规划法计算生药的混合量，使得有益成分等于或高于参考值且有毒成分等于或低于参考值，并且使得表示特定健康收益的变化的目标函数最大化，并将计算的量供给到提供单元25。然后，处理结束。
<应用本技术的计算机的细节>
如上面描述的那样由终端12或服务器13执行的一系列处理可以任意地通过硬件或软件执行。在一系列处理由软件执行的情况下，包含于软件中的程序被安装在充当终端12或服务器13的计算机中。
图31是描绘根据安装用于执行上述一系列处理的程序的一个实施例的计算机的配置示例即终端12和服务器13的硬件配置示例的框图。
程序可以被事先记录在作为内置于计算机中的记录介质的硬盘905或ROM 903中。
或者，程序可以存储(记录)在由驱动器909驱动的可去除记录介质911中。存储程序的可去除录制介质911可以作为所谓的封装软件被提供。这里的可去除记录介质911的示例包括软盘、CD-ROM(光盘只读存储器)、MO(磁光盘)、DVD(数字多功能光盘)、磁盘和半导体存储器。
注意，程序可以从上述可去除记录介质911被安装到计算机中，或者经由通信网络或广播网络被下载到计算机并安装到内置硬盘905中。换句话说，例如，程序可以经由用于数字卫星广播的人造卫星从下载站点无线传送到计算机，或者可以经由诸如LAN(局域网)和因特网的网络有线传送到计算机。
计算机包括内置CPU(中央处理单元)902。输入/输出接口910经由总线901连接到CPU 902。
当从使用输入单元907的用户经由输入/输出接口910向CPU 902输入命令时，例如，CPU 902根据命令执行存储在ROM(只读存储器)903中的程序。或者，CPU 902将存储在硬盘905中的程序加载到RAM(随机存取存储器)904，并执行程序。
以这种方式，CPU 902根据上述流程图或上述框图的配置执行处理。然后，如有必要，例如经由输入/输出接口等，CPU 902使输出单元906输出处理结果、使通信单元908传送结果或者使硬盘905记录结果。
注意，输入单元907包括键盘、鼠标和麦克风等。并且，输出单元906包括LCD(液晶显示器)和扬声器等。
注意，这里，未必需要按照在流程图中描述的顺序按时间序列执行本说明书中的由计算机根据程序执行的处理。换句话说，由计算机根据程序执行的处理包括并行或单独执行的处理(例如，并行处理或按对象的处理)。
并且，程序可以由一台计算机(处理器)处理，或者可以通过使用多台计算机以分布式方式被处理。另外，程序可以被传送到远程计算机并由其执行。
并且，本说明书中的系统指的是一组的多个组成要素(例如，设备、模块(部分))，无论所有组成要素是否被设置在同一外壳中。因此，包括设置在单独外壳中并经由网络彼此连接的多个设备的系统和包括具有设置在一个外壳中的多个模块的一个设备的系统均是系统。
注意，本技术的实施例不限于上述实施例，并且，可以在不脱离本技术的主题范围的情况下以各种方式被修改。
例如，本技术可以具有由多个设备经由网络相互协作地共享和处理一种功能的云计算的配置。
并且，在以上的流程图中描述的各个步骤可以由一个设备执行，或者可以由多个设备共享和执行。
并且，在在一个步骤中包含多个处理的情况下，在一个步骤中包含的多个处理可以由一个设备执行，或者可以由多个设备共享和执行。
并且，在本说明书中描述的有利效果仅以示例的方式呈现，不受这些限制。还可以提供其它的有利效果。
注意，本技术可以采用以下配置。
<1>
一种信息处理设备，包括：
第一识别单元，通过使用将生药与栽培条件相关联的第一模型，识别用于栽培特定生药的栽培条件，所述栽培条件用于通过促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法来栽培生药。
<2>
根据<1>所述的信息处理设备，其中，第一识别单元通过根据梯度法从与生药的栽培相关联并且包括与多样性促进栽培方法相关联的参数的栽培参数中检索对应于用于栽培特定生药的栽培条件的栽培参数，来构建第一模型。
<3>
根据<2>所述的信息处理设备，其中，与多样性促进栽培方法相关联的参数包括关于日照量、土壤微生物的多样性、混生植被的类型、垄高、土壤中的水量和土壤排水性的一条或更多条信息。
<4>
根据<1>～<3>中的任一项所述的信息处理设备，还包括：
第二识别单元，通过使用第二模型识别提供特定健康收益并且包括草药的健康因子，第二模型将健康收益与提供健康收益并且包括草药的健康因子相关联。
<5>
根据<4>所述的信息处理设备，其中，第二识别单元通过根据梯度法从包括与草药相关联的参数并且与健康相关联的健康参数中检索对应于提供特定健康收益的健康因子的健康参数，来构建第二模型。
<6>
根据<4>或<5>所述的信息处理设备，其中，第二识别单元识别提供特定健康收益并且包括草药和生活方式的健康因子。
<7>
根据<6>所述的信息处理设备，其中，第二识别单元通过根据梯度法从包括与草药和生活方式相关联的参数的健康参数中检索对应于提供特定健康收益的健康因子的健康参数，来构建第二模型。
<8>
根据<4>～<7>中的任一项所述的信息处理设备，还包括：
混合量计算单元，计算要被混合以生产草药的生药的混合量，使得有益成分等于或高于有益成分的参考值并且有毒成分等于或低于有毒成分的参考值。
<9>
根据<8>所述的信息处理设备，其中，混合量计算单元通过线性规划法或非线性规划法计算生药的混合量，使得有益成分等于或高于有益成分的参考值且有毒成分等于或低于有毒成分的参考值，并且使得表示特定健康收益相对于生药的混合量的变化的目标函数最大化。
<10>
根据<9>所述的信息处理设备，其中，目标函数是基于草药与健康收益之间的关系而获得的，所述关系是通过构建第二模型获得的。
<11>
一种信息处理方法，包括：
通过使用将生药与栽培条件相关联的第一模型，识别用于栽培特定生药的栽培条件，所述栽培条件用于通过促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法来栽培生药。
<12>
一种用于使计算机用作以下单元的程序：
第一识别单元，通过使用将生药与栽培条件相关联的第一模型，识别用于栽培特定生药的栽培条件，所述栽培条件用于通过促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法来栽培生药。
[附图标记列表]
11：传感器设备
12：终端
13：服务器
14：数据库
20：超多样性管理系统
21：动态实时管理单元
22：生药花模型构建单元
23：健康收益花模型构建单元
24：混合量计算单元
25：提供单元
901：总线
902：CPU
903：ROM
904：RAM
905：硬盘
906：输出单元
907：输入单元
908：通信单元
909：驱动器
910：输入/输出接口
911：可去除记录介质
Claims (12)
1.一种信息处理设备，包括：
第一识别单元，通过使用将生药与栽培条件相关联的第一模型，识别用于栽培特定生药的栽培条件，所述栽培条件用于通过促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法来栽培生药。
2.根据权利要求1所述的信息处理设备，其中，第一识别单元通过根据梯度法从与生药的栽培相关联并且包括与多样性促进栽培方法相关联的参数的栽培参数中检索对应于用于栽培特定生药的栽培条件的栽培参数，来构建第一模型。
3.根据权利要求2所述的信息处理设备，其中，与多样性促进栽培方法相关联的参数包括关于日照量、土壤微生物的多样性、混生植被的类型、垄高、土壤中的水量和土壤排水性的一条或更多条信息。
4.根据权利要求1所述的信息处理设备，还包括：
第二识别单元，通过使用第二模型识别提供特定健康收益并且包括草药的健康因子，第二模型将健康收益与提供健康收益并且包括草药的健康因子相关联。
5.根据权利要求4所述的信息处理设备，其中，第二识别单元通过根据梯度法从包括与草药相关联的参数并且与健康相关联的健康参数中检索对应于提供特定健康收益的健康因子的健康参数，来构建第二模型。
6.根据权利要求4所述的信息处理设备，其中，第二识别单元识别提供特定健康收益并且包括草药和生活方式的健康因子。
7.根据权利要求6所述的信息处理设备，其中，第二识别单元通过根据梯度法从包括与草药和生活方式相关联的参数的健康参数中检索对应于提供特定健康收益的健康因子的健康参数，来构建第二模型。
8.根据权利要求4所述的信息处理设备，还包括：
混合量计算单元，计算要被混合以生产草药的生药的混合量，使得有益成分等于或高于有益成分的参考值并且有毒成分等于或低于有毒成分的参考值。
9.根据权利要求8所述的信息处理设备，其中，混合量计算单元通过线性规划法或非线性规划法计算生药的混合量，使得有益成分等于或高于有益成分的参考值且有毒成分等于或低于有毒成分的参考值，并且使得表示特定健康收益相对于生药的混合量的变化的目标函数最大化。
10.根据权利要求9所述的信息处理设备，其中，目标函数是基于草药与健康收益之间的关系而获得的，所述关系是通过构建第二模型获得的。
11.一种信息处理方法，包括：
通过使用将生药与栽培条件相关联的第一模型，识别用于栽培特定生药的栽培条件，所述栽培条件用于通过促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法来栽培生药。
12.一种用于使计算机用作以下单元的程序：
第一识别单元，通过使用将生药与栽培条件相关联的第一模型，识别用于栽培特定生药的栽培条件，所述栽培条件用于通过促进生物多样性并控制生态系统以产生植被的多样性促进栽培方法来栽培生药。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020123762 | 2020-07-20 | ||
| JP2020-123762 | 2020-07-20 | ||
| PCT/JP2021/025617 WO2022019114A1 (ja) | 2020-07-20 | 2021-07-07 | 情報処理装置、情報処理方法、及び、プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116134464A true CN116134464A (zh) | 2023-05-16 |
Family
ID=79729725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180060974.7A Pending CN116134464A (zh) | 2020-07-20 | 2021-07-07 | 信息处理设备、信息处理方法和程序 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20230316431A1 (zh) |
| JP (1) | JPWO2022019114A1 (zh) |
| CN (1) | CN116134464A (zh) |
| WO (1) | WO2022019114A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7295591B1 (ja) * | 2022-07-07 | 2023-06-21 | 株式会社Agri Smile | プログラム、情報処理方法、及び情報処理装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6018765B2 (ja) * | 2012-02-27 | 2016-11-02 | 株式会社Ｎｔｔファシリティーズ | 植物栽培システム、植物栽培方法及びプログラム |
| EP2871609B1 (en) * | 2012-07-04 | 2021-09-01 | Sony Group Corporation | Device and method for supporting farm works, program, recording medium and system for supporting farm works |
| JP6261826B2 (ja) * | 2015-12-16 | 2018-01-17 | プランティオ株式会社 | 情報処理装置、情報処理方法、及びプログラム |
| CN109068596A (zh) * | 2016-05-18 | 2018-12-21 | 索尼公司 | 信息处理设备、程序以及信息处理方法 |
| CN110134016B (zh) * | 2019-05-20 | 2021-11-23 | 孙艺 | 一种基于人工智能的中草药栽培及药性鉴定标准制定系统 |
-
2021
- 2021-07-07 CN CN202180060974.7A patent/CN116134464A/zh active Pending
- 2021-07-07 JP JP2022537910A patent/JPWO2022019114A1/ja active Pending
- 2021-07-07 WO PCT/JP2021/025617 patent/WO2022019114A1/ja active Application Filing
- 2021-07-07 US US18/016,271 patent/US20230316431A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022019114A1 (ja) | 2022-01-27 |
| US20230316431A1 (en) | 2023-10-05 |
| JPWO2022019114A1 (zh) | 2022-01-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shammi et al. | Use time series NDVI and EVI to develop dynamic crop growth metrics for yield modeling | |
| Alsajri et al. | Evaluating soybean cultivars for low-and high-temperature tolerance during the seedling growth stage | |
| KR20190046841A (ko) | 정보 처리 장치 및 정보 처리 시스템 | |
| Bateman et al. | Effects of planting date for soybean growth, development, and yield in the southern USA | |
| Belay et al. | Conservation agriculture saves irrigation water in the dry monsoon phase in the Ethiopian highlands | |
| Moradi et al. | Anthropic Effects on the Biodiversity of the Habitats of Ferula gummosa | |
| Niassy et al. | Performance of push–pull technology in low-fertility soils under conventional and conservation agriculture farming systems in Malawi | |
| Zhang et al. | Evidence of duck activity induced anatomical structure change and lodging resistance of rice plant | |
| Munyuli | Micro, local, landscape and regional drivers of bee biodiversity and pollination services delivery to coffee (Coffea canephora) in Uganda | |
| Fu et al. | Using a fuzzy analytic hierarchy process to formulate an effectual tea assessment system | |
| Alemu et al. | Effect of increasing species diversity and grazing management on pasture productivity, animal performance, and soil carbon sequestration of re-established pasture in Canadian Prairie | |
| Grimes et al. | Impact of row spacing, sowing density and nitrogen fertilization on yield and quality traits of chia (Salvia hispanica L.) cultivated in southwestern Germany | |
| Chebli et al. | Using GPS collars and sensors to investigate the grazing behavior and energy balance of goats browsing in a Mediterranean forest rangeland | |
| Dingha et al. | Evaluation of cowpea (Vigna unguiculata) in an intercropping system as pollinator enhancer for increased crop yield | |
| Cordeau et al. | Disentangling the effects of tillage timing and weather on weed community assembly | |
| US20230316431A1 (en) | Information processing device, information processing method, and program | |
| Quintero et al. | Main agro-ecological structure: An index for evaluating agro-biodiversity in agro-ecosystems | |
| Mihretie et al. | Agro-economic evaluation of alternative crop management options for teff production in midland agro-ecology, Ethiopia | |
| Tedone et al. | The Effect of Tillage on Faba Bean (Vicia faba L.) Nitrogen Fixation in Durum Wheat ((Triticum turgidum L. subsp. Durum (Desf))-Based Rotation under a Mediterranean Climate | |
| Qian et al. | Phenological growth stages of Abelmoschus manihot: Codification and description according to the BBCH Scale | |
| Luna et al. | Is pasture cropping a valid weed management tool? | |
| Yıldız et al. | Reproductive biology of Fritillaria aurea Schott (Liliaceae), a rare species endemic to Turkey | |
| Fountain et al. | Location and creation of nest sites for ground-nesting bees in apple orchards | |
| Zuffo et al. | Selected indices to identify water-stress-tolerant tropical forage grasses | |
| Hirooka et al. | Effects of cultivation management on pearl millet yield and growth differed with rainfall conditions in a seasonal wetland of Sub-Saharan Africa |
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 |