CN116596453A - 农业管理系统 - Google Patents

农业管理系统 Download PDF

Info

Publication number
CN116596453A
CN116596453A CN202310004278.5A CN202310004278A CN116596453A CN 116596453 A CN116596453 A CN 116596453A CN 202310004278 A CN202310004278 A CN 202310004278A CN 116596453 A CN116596453 A CN 116596453A
Authority
CN
China
Prior art keywords
crop
state
harvest
agricultural
agricultural management
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310004278.5A
Other languages
English (en)
Inventor
仓品大辅
窪田隆一
牛岛辉幸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of CN116596453A publication Critical patent/CN116596453A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/28—Electrolytic cell components
    • G01N27/30—Electrodes, e.g. test electrodes; Half-cells
    • G01N27/308—Electrodes, e.g. test electrodes; Half-cells at least partially made of carbon
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • 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
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Immunology (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Economics (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Mining & Mineral Resources (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Animal Husbandry (AREA)
  • Agronomy & Crop Science (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Remote Sensing (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的问题在于，提供一种农业管理系统，其能够管理和控制农作物的生长，并共享与农作物相关的信息。为了解决上述问题，提供一种农业管理系统，具备：农作物传感器装置、农业管理装置和农业者终端，农作物传感器装置构建关于农作物状态的学习模型，接收农作物传感器装置检测到的农作物检测数据的输入，根据学习模型和农作物检测数据判定农作物状态的正常或者异常，根据用作教师数据的农作物状态的历史数据估计农作物的最佳生长信息，将农作物状态的正常或者异常的判定结果和农作物最佳生长信息发送给农业者终端；农业者终端显示农作物状态的正常或者异常的判定结果和农作物最佳生长信息。

Description

农业管理系统
技术领域
本发明涉及一种农业管理系统。
背景技术
以往提出了一种用于提高农业作业效率的物联网(Internet of Things,IoT)技术(例如，参照专利文献1)。
[先前技术文献]
(专利文献)
专利文献1：日本特开2021-096726号公报
发明内容
[发明所要解决的问题]
在农业领域中，仅有按照生产和消费这一概念进行的分类，在生产时，利用与不同特性相对应的传感器对土壤和农作物的性质进行测量，分别调整好最佳的环境条件。在“农耕(生产)”+“储存、运输、销售(消费)”的过程中，只能以终端用户人类所要求的标准来审视产品的价值。
另外，农业作为一个专门知识区块，给人的印象是农业产业人口老龄化、可劳动年龄减少、无休假的重体力劳动等，无法打破援农(志愿者)等的壁垒。
进一步地，在有限的农地土壤中进行了无多样性的统一栽培，由于连作障碍、病虫害和过度肥料施肥等导致土壤及河流污染，农作物未吸收和根茎未消化成为硝酸气体、氮氧化物、二氧化碳气体等的温室效应气体的排放源。
因此，目的在于提供一种农业管理系统，其能够管理和控制农作物的生长，并共享与农作物相关的信息。
[解决问题的技术手段]
本揭示的一个方面的农业管理系统(例如，后述的农业管理系统1)具备：农作物传感器装置(例如，后述的农作物传感器装置2)，对农作物的状态进行检测；农业管理装置(例如，后述的农业管理装置3)，管理与前述农作物相关的信息；及，农业者终端(例如，后述的农业者终端4)，能够与前述农业管理装置进行通信，由培育或者栽培前述农作物的农业从事者操作；并且，前述农作物传感器装置将检测出前述农作物状态的农作物检测数据发送给前述农业管理装置；前述农业管理装置获取前述农作物传感器装置发送的前述农作物检测数据，并获取前述农作物状态的判定结果作为标签，将前述农作物检测数据与前述标签的组合作为教师数据进行监督学习，由此构建关于前述农作物状态的学习模型，接收前述农作物传感器装置检测到的前述农作物检测数据的输入，根据前述学习模型和前述农作物检测数据判定前述农作物状态的正常或者异常，根据用作前述教师数据的前述农作物状态的历史数据估计前述农作物的最佳生长信息，将前述农作物状态的正常或者异常的判定结果和前述农作物最佳生长信息发送给前述农业者终端；前述农业者终端显示前述农作物状态的正常或者异常的判定结果和前述农作物最佳生长信息。
另外，前述农业管理系统还具备：收获物传感器装置(例如，后述的收获物传感器装置5)，检测作为收获前述农作物之后的状态的收获物状态；及，事业者终端(例如，后述的事业者终端6)，能够与前述农业管理装置进行通信，由进行与前述收获物相关的事业的事业者操作；并且，前述收获物传感器装置将表示前述收获物状态的收获物检测数据发送给前述农业管理装置；前述农业管理装置获取前述收获物传感器装置发送的前述收获物检测数据，将识别前述农作物种类的识别编号、前述农作物状态和前述收获物状态对应地存储，若从前述事业者终端接收到前述农作物的前述识别编号的输入，则将与前述农作物的前述识别编号对应的前述农作物状态和前述收获物状态发送给前述事业者终端；前述事业者终端集中显示与前述农作物的前述识别编号对应的前述农作物状态和前述收获物状态。
另外，前述农作物传感器装置和前述收获物传感器装置至少具备使用纳米金刚石的传感器。
另外，除了农业从事者之外，也可以借由前述农业者终端和前述事业者终端访问前述农业管理装置。
另外，前述农作物传感器装置具备使用纳米金刚石电极的土壤传感器。
另外，前述收获物传感器装置安装在用于包装前述收获物的包装体上，并具备使用纳米金刚石电极的传感器。
(发明的效果)
根据本发明，能够提供一种农业管理系统，其能够管理和控制农作物的生长，并共享与农作物相关的信息。
附图说明
图1是绘示本实施方式的农业管理系统构造的一例的图。
图2A是绘示农作物传感器装置的构造的一例的图。
图2B是绘示收获物传感器装置的构造的一例的图。
图3是绘示农业管理装置的构造的一例的图。
图4A是绘示农业者终端的构造的一例的图。
图4B是绘示事业者终端的构造的一例的图。
图5是绘示本实施方式的农业管理装置的学习模型的构建处理流程的流程图。
图6是绘示本实施方式的农业管理装置和农业者终端的处理流程的流程图。
图7是绘示本实施方式的农业管理装置和事业者终端的处理流程的流程图。
具体实施方式
以下参照附图对本发明的农业管理系统的实施方式进行说明。
图1是绘示本实施方式的农业管理系统1的构造的一例的图。如图1所示，农业管理系统1具备：农作物传感器装置2、农业管理装置3、农业者终端4、收获物传感器装置5和事业者终端6。
农作物传感器装置2构成为能够与农业管理装置3通信，并检测农作物状态。农业管理装置3构成为能够与农作物传感器装置2、农业者终端4、收获物传感器装置5和事业者终端6通信，并管理与农作物相关的信息。
如后所述，农业管理装置3存储农作物传感器装置2和收获物传感器装置5检测出的检测数据。另外，农业管理装置3具有机械学习所存储的多个检测数据来构建学习模型的功能和根据存储的多个检测数据估计农作物最佳生物信息的功能等。
农业者终端4能够与农业管理装置3进行通信，并由培育和栽培农作物的农业从事者操作。收获物传感器装置5检测作为收获农作物之后的状态的收获物状态。事业者终端6能够与农业管理装置3进行通信，并由进行与收获物相关的事业的事业者操作。
另外，除了农业从事者之外，农业者终端4和事业者终端6也可以访问，即只要为从事农业的人员即可访问。由此，关于农业管理系统1，如果为对农业产业感兴趣的人员，即使没有农地也能够作为志愿援农参与农业，使农业成为一个更具多样性的产业。
图2A是绘示农作物传感器装置2的构造的一例的图。农作物传感器装置2例如可以为配置在生长农作物的农场的土壤中的土壤传感器。农作物传感器装置2具备纳米金刚石传感器21、控制部22和通信部23。
纳米金刚石传感器21例如具有在纤维素纳米纤维的载体上携带纳米金刚石的电极，测量电极间影响氮含量的电压/电流，从而能够实时测量土壤中的氮含量。由此，纳米金刚石传感器21可以通过利用来自于碳的纳米金刚石和来自于植物的纤维素纳米纤维来制造使用考虑到土壤亲和性的部件的电极。进一步地，纳米金刚石传感器21的电极由于电极周围的可给态氮而以特定的值产生电流和电压，因此，能够借由随时测量电流和电压值来实时准确地测量氮含量(in-situ、总量等)。此外，农作物传感器2可以使用利用其它方式来检测上述数据的传感器部来代替纳米金刚石传感器21。
控制部22例如由微型计算机等构成，对纳米金刚石传感器21(或者检测部21)检测出的电流/电压进行预定的处理和运算，并借由通信部23将检测到的农作物检测数据发送给农业管理装置3。
通信部23为经由网络与外部设备进行通信的通信接口。
另外，农作物传感器装置2可以为现有的传感器来代替纳米金刚石传感器21，例如检测土壤电导率、温度和水分含有率的数据的土壤传感器、检测农作物糖度的糖度传感器、检测NH3、CH4、CO2、O2气体等的气体传感器等。进一步地，农作物传感器装置2可以具有环境传感器，所述环境传感器对生长农作物的农场温度、湿度、CO2浓度、日照量、风向、风速、雨量、水位、体积含水率等进行检测。另外，农作物传感器装置2可以获得肥料信息、收获时期信息等。
农作物传感器装置2为了更加多样且高精度地获得检测数据，优选为具有多个传感器的传感器装置，所述多个传感器装置由土壤传感器、糖度传感器、气体传感器和环境传感器等的现有的传感器与纳米金刚石传感器21组合而成。农作物传感器装置2例如将土壤中含有的水分的pH、温度、地上部分的基于其他传感器的环境数据等的光合作用量(温度、照射量等)与纳米金刚石传感器21检测到的氮含量结合，从而能够根据土壤诊断农作物生长和商品性(糖度)等。
图2B是绘示收获物传感器装置5的构造的一例的图。收获物传感器装置5具备：纳米金刚石传感器51、控制部52和通信部53。收获物传感器装置5由于具备与上述农作物传感器装置2相同的构造，因此省略关于各构造的说明。另外，收获物传感器装置5例如可以使用近红外传感器代替纳米金刚石传感器51作为传感器部51，或者可以将纳米金刚石传感器51与近红外传感器组合。
收获物传感器装置5例如安装在用于包装收获物的包装体上，对收获物成熟时释放的气体(例如，NH3、CH4、CO2、O2气体)进行检测。由此，收获物传感器装置5和农业管理装置3可以跟踪管理直至收获物交付给消费者。另外，用于包装收获物的包装体由纤维素纳米纤维等构成。由此，能够确保包装体包装的收获物的长期保管性。
图3是绘示农业管理装置3的构造的一例的图。如图3所示，农业管理装置3具备：控制部31、存储部32和通信部33。
控制部31例如可以借由诸如中央处理器(Central Processing Unit,CPU)的硬件处理器执行程序(软件)来实现。这些构成要素中的一部分或者全部可以借由大规模集成(Large Scale Integration,LSI)、专用集成电路(Application Specific IntegrationCircuit,ASIC)、现场可编程阵列(Field-Programmable Gate Array,FPGA)、图形处理器(Graphic Processing Unit,GPU)等的硬件(电路部；包括circuitry)来实现，也可以借由软件和硬件的协作来实现。
程序可以预先存储在硬盘驱动器(Hard Disk Drive,HDD)或者闪存等的存储装置(具备非临时性存储介质的存储装置)中，也可以存储在数字光碟(Digital Video Disc,DVD)或者只读光盘(Compact Disc Read-Only Memory,CD-ROM)等的可拆卸的存储介质(非临时性存储介质)中，当存储介质安装在驱动装置上时，程序被启动。
然而，如后所述，机器学习伴随的运算量较多，因此控制部31例如可以构成为将GPU(Graphics Processing Units)安装在个人计算机中，并且利用被称为通用图形处理器(General-Purpose computing on Graphics Processing Units,GPGPU)的技术将GPU用于机器学习伴随的运算处理，从而实现高速处理。
进一步地，农业管理装置3为了进行更高速的处理，可以利用这种配备GPU的多台计算机构建计算机集群，利用该计算机集群中包含的多台计算机来执行并行处理。
存储部32例如由具有HDD(Hard Disk Drive)、闪存、电可擦可编程序只读存储器(Electrically Erasable Programmable Read Only Memory,EEPROM)、只读存储器(ReadOnly Memory,ROM)等的非临时性存储介质的存储装置、或者随机存储器(Random AccessMemory,RAM)等实现。
通信部33为用于经由网络与农作物传感器装置2等的外部设备进行通信的通信接口。
输入部34为鼠标、键盘等的输入接口。
显示部35为显示图像的装置。显示部35例如为液晶显示器(Liquid CrystalDisplay,LCD)、有机电致发光(Electroluminescence,EL)等。
接下来，对农业管理装置3的控制部31的处理进行说明。
控制部31获取农作物传感器装置2发送的农作物检测数据，并且存储在检测数据存储部321中。其中，农作物检测数据为上述农作物传感器装置2检测出的各种检测数据。
接下来，控制部31获取农作物状态的判定结果作为标签。具体而言，控制部31接收输入部34对标签的输入操作，由此来获得标签。其中，标签是指机器学习中应与输入对应的正确输出。标签例如为表示农作物状态可否的两个级别的程度。例如，作为标签，控制部31将表示农作物状态良好的信息设为“1”，将表示农作物状态不好的信息设为“0”。
接下来，控制部31将农作物检测数据与标签的组合作为教师数据进行监督学习，从而构建关于农作物状态的学习模型。
然后，控制部31将构建的学习模型存储在学习模型存储部322中。此外，为了提高机器学习的精度，优选准备多个用于进行机器学习的教师数据。
控制部31例如利用回归分析、神经网络、最小二乘法、步进法等进行监督学习。监督学习可以利用在线学习来进行，也可以利用分批学习、或小型分批学习进行。在线学习是指每当从语音数据提取特征量，输入标签创建教师数据时，都立即进行监督学习的学习方法。
另外，分批学习是指从数据提取特征量，输入标签反复创建教师数据的期间，采集与反复对应的多个教师数据，利用采集到的所有教师数据，进行监督学习的学习方法。进一步地，小型分批学习是指介于在线学习与分批学习之间的、每当教师数据积累一定程度时就进行监督学习的学习方法。
接下来，控制部31接收农作物传感器装置2检测到的农作物检测数据的输入。控制部31在接收到农作物检测数据的输入时，根据接收到的农作物检测数据和存储在学习模型存储部322中的学习模型，判定农作物状态的正常或者异常。
进一步地，控制部31根据存储在检测数据存储部321中、用作教师数据的农作物状态的历史数据，估计农作物最佳生长信息。其中，农作物生长信息例如是指与农作物生长相关的信息，例如，包括肥料量和种类、施加肥料的时期、生长程度、土壤的水分率、温度和电导率、收获时期等。而且，控制部31借由通信部33将农作物状态的正常或者异常的判定结果和农作物最佳生长信息发送给农业者终端4。
进一步地，控制部31获取收获物传感器装置5发送的收获物检测数据。其中，收获物检测数据是上述收获物传感器装置5检测到的各种检测数据。控制部31将识别农作物种类的识别编号、农作物状态(农作物检测数据)与收获物状态(收获物检测数据)对应地存储在检测数据存储部321中。此外，识别农作物种类的识别编号例如是用于识别和确定农作物分类、品种等的识别编号。
然后，控制部31从事业者终端6接收到农作物识别编号的输入时，从检测数据存储部321读取与农作物识别编号对应的农作物状态和收获物状态，并发送给事业者终端6。
图4A是绘示农业者终端4的构造的一例的图。如图4A所示，农业者终端4具备：控制部41、存储部42、通信部43、显示部44和操作部45。
控制部41例如可以借由CPU等的硬件处理器执行程序(软件)来实现。这些构成要素中的一部分或者全部可以借由LSI、ASIC、FPGA、GPU等的硬件(包括电路部)来实现，也可以借由软件和硬件的协作来实现。程序可以预先存储在HDD或者闪存等的存储装置(具备非临时性存储介质的存储装置)中，也可以存储在DVD或者CD-ROM等的可拆卸的存储介质(非临时性存储介质)中，当存储介质安装在驱动装置上时，程序被启动。
存储部42例如由具有HDD、闪存、EEPROM、ROM等的非临时性存储介质的存储装置、或者RAM等实现。
通信部43为用于经由网络与农业管理装置3等的外部设备进行通信的通信接口。
显示部44为显示图像的装置。显示部44例如为LCD或者有机EL等。
操作部45由用于操作显示部44的按钮等构成。另外，显示部44和操作部45可以为一体构成这些功能的触摸面板。在该情况下，操作部45可以为显示在显示部44上的GUI开关。另外，操作部45可以为机械式按钮。
图4B是绘示事业者终端6的构造的一例的图。如图4B所示，事业者终端6具备：控制部61、存储部62、通信部63、显示部64和操作部65。事业者终端6具备与上述农业者终端4相同的构造，因此省略关于各构造的说明。
图5是绘示本实施方式的农业管理装置3的学习模型的构建处理流程的流程图。
在步骤S1中，农业管理装置3的控制部31获取农作物传感器装置2发送的农作物检测数据，并存储在检测数据存储部321中。
在步骤S2中，控制部31获取农作物状态的判定结果作为标签。
在步骤S3中，控制部31将在步骤S1中获取到的农作物检测数据与在步骤S2中获取到的标签的组合作为教师数据。
在步骤S4中，控制部31将农作物检测数据与标签的组合作为教师数据进行监督学习，从而构建关于农作物状态的学习模型。
在步骤S5中，控制部31判定是否结束监督学习。其中，结束监督学习的条件可以任意规定。例如，控制部31可以在神经网络的输出与标签之间的误差值在预定值以下时，结束监督学习。另外，控制部31可以在重复了预定次数监督学习的情况下，结束监督学习。如果结束监督学习(YES)，则处理移至步骤S6。另一方面，如果不结束监督学习(NO)，则处理返回至步骤S1。
在步骤S6中，控制部31将构建的学习模型存储在学习模型存储部322中。
图6是绘示本实施方式的农业管理装置3和农业者终端4的处理流程的流程图。
在步骤S11中，控制部31接收农作物传感器装置2检测到的农作物检测数据的输入。
在步骤S12中，控制部31在接收到农作物检测数据的输入时，根据接收到的农作物检测数据和存储在学习模型存储部322中的学习模型，判定农作物状态的正常或者异常。
在步骤S13中，控制部31根据存储在检测数据存储部321中、用作教师数据的农作物状态的历史数据，估计农作物的最佳生长信息。
在步骤S14中，控制部31借由通信部33将农作物状态的正常或者异常的判定结果、农作物最佳生长信息发送给农业者终端4。
在步骤S15中，农业者终端4显示农作物状态的正常或者异常的判定结果和农作物最佳生长信息。
图7是绘示本实施方式的农业管理装置3和事业者终端6的处理流程的流程图。
在步骤S21中，控制部31获取收获物传感器装置5发送的收获物检测数据。
在步骤S22中，控制部31将识别农作物种类的识别编号、农作物状态(农作物检测数据)与收获物状态(收获物检测数据)对应地存储在检测数据存储部321中。
在步骤S23中，控制部31从事业者终端6接收农作物识别编号的输入。
在步骤S24中，控制部31从检测数据存储部321读取与接收到的农作物识别编号对应的农作物状态和收获物状态，并借由通信部3发送给事业者终端6。
在步骤S25中，事业者终端6集中显示与农作物识别编号对应的农作物状态和收获物状态。具体而言，事业者终端6将农作物状态和收获物状态统一地显示在显示部64的一个画面上。由此，事业者易于把握农作物状态和收获物状态。
如上所述，本实施方式的农业管理系统1具备：农作物传感器装置2，对农作物状态进行检测；农业管理装置3，管理与农作物相关的信息；及，农业者终端4，能够与农业管理装置3进行通信，由培育或者栽培农作物的农业从事者操作；农作物传感器装置2将检测出农作物状态的农作物检测数据发送给农业管理装置3，农业管理装置3获取农作物传感器装置2发送的农作物检测数据，并获取前述农作物状态的判定结果作为标签，将农作物检测数据与标签的组合作为教师数据进行监督学习，由此构建关于农作物状态的学习模型，接收农作物传感器装置2检测到的农作物检测数据的输入，根据学习模型和农作物检测数据判定农作物状态的正常或者异常，根据用作教师数据的农作物状态的历史数据估计农作物的最佳生长信息，将农作物状态的正常或者异常的判定结果和农作物最佳生长信息发送给农业者终端；农业者终端4显示农作物状态的正常或者异常的判定结果和农作物最佳生长信息。
根据这种构造，农业管理系统1能够利用农作物传感器装置2管理农作物状态，并借由农业者终端4与农业从事者共享农作物相关的信息。由此，农业管理系统1例如借由尽可能减少化学肥料的施肥来培育农作物，能够抑制因植物不能吸收、不能施肥等产生温室气体。进一步地，农业管理系统1例如可以借由培育适合土壤的农作物(现有品种)，摆脱对种苗制造商的依赖，借由土壤诊断及环境管理，在维持自然多样性的同时，有助于抑制连作障碍等。
另外，农业管理系统1还具备：收获物传感器装置5，检测作为收获农作物之后的状态的收获物状态；及，事业者终端6，能够与农业者管理装置3进行通信，由进行与收获物相关的事业的事业者操作；收获物传感器装置5将表示收获物状态的收获物检测数据发送给农业管理装置3；农业管理装置3获取收获物传感器装置5发送的收获物检测数据，将识别农作物种类的识别编号、农作物状态和收获物状态对应地存储，若从事业者终端6接收到农作物识别编号的输入，则将与农作物识别编号对应的农作物状态和收获物状态发送给事业者终端6；事业者终端6集中显示与农作物识别编号对应的农作物状态和收获物状态。
根据这种构造，农业管理系统1能够在农作物从生长阶段至收获物交付消费者之前的储存、运输和销售阶段对收获物状态进行跟踪管理，确保收获物的安全。
另外，农作物传感器装置2和收获物传感器装置5至少具备使用纳米金刚石的传感器。由此，农业管理系统1能够高精度地获得期望的检测数据。
另外，农作物传感器装置2具备使用纳米金刚石电极的土壤传感器。由此，农业管理系统1使用土壤亲和性较高的纳米金刚石电极，能够实时准确地测量土壤中的氮化合物。进一步地，农业管理系统1可以根据土壤传感器的测量值防止将氮肥作为基肥和追肥进行施肥时的过度施肥，并且提供最适合农作物生长的糖蛋白质(氨基酸等)。
另外，收获物传感器装置5安装在用于包装收获物的包装体上，并具备使用纳米金刚石电极的传感器。由此，农业管理系统1能够在储存、运输和销售阶段对收获物状态进行跟踪管理。
另外，除了农业从事者之外，也可以借由农业者终端4和事业者终端6访问农业管理装置3。由此，关于农业管理系统1，如果为对农业产业感兴趣的人员，即使没有农地也能够作为志愿援农参与农业，使农业成为一个更具多样性的产业。
以上，对本发明的一实施方式进行了说明，但本发明并不限定于此。可以在本发明的主旨范围内对细节的构造进行适当变更。
附图标记
1 农业管理系统
2 农作物传感器装置
3 农业管理装置
4 农业者终端
5 收获物传感器装置
6 事业者终端
21 纳米金刚石传感器
22 控制部
23 通信部
31 控制部
32 存储部
33 通信部
34 输入部
35 显示部
321 检测数据存储部
322 学习模型存储部

Claims (6)

1.一种农业管理系统，具备：
农作物传感器装置，对农作物的状态进行检测；
农业管理装置，管理与前述农作物相关的信息；及，
农业者终端，能够与前述农业管理装置进行通信，由培育或者栽培前述农作物的农业从事者操作；并且，
前述农作物传感器装置将检测出前述农作物状态的农作物检测数据发送给前述农业管理装置；
前述农业管理装置获取前述农作物传感器装置发送的前述农作物检测数据，并获取前述农作物状态的判定结果作为标签，
将前述农作物检测数据与前述标签的组合作为教师数据进行监督学习，由此构建关于前述农作物状态的学习模型，
接收前述农作物传感器装置检测到的前述农作物检测数据的输入，
根据前述学习模型和前述农作物检测数据判定前述农作物状态的正常或者异常，
根据用作前述教师数据的前述农作物状态的历史数据估计前述农作物的最佳生长信息，
将前述农作物状态的正常或者异常的判定结果和前述农作物最佳生长信息发送给前述农业者终端；
前述农业者终端显示前述农作物状态的正常或者异常的判定结果和前述农作物最佳生长信息。
2.根据权利要求1所述的农业管理系统，其中，前述农业管理系统还具备：收获物传感器装置，检测作为收获前述农作物之后的状态的收获物状态；及，
事业者终端，能够与前述农业管理装置进行通信，由进行与前述收获物相关的事业的事业者操作；并且，
前述收获物传感器装置将表示前述收获物状态的收获物检测数据发送给前述农业管理装置；
前述农业管理装置获取前述收获物传感器装置发送的前述收获物检测数据，
将识别前述农作物种类的识别编号、前述农作物状态和前述收获物状态对应地存储，
若从前述事业者终端接收到前述农作物的前述识别编号的输入，则将与前述农作物的前述识别编号对应的前述农作物状态和前述收获物状态发送给前述事业者终端；
前述事业者终端集中显示与前述农作物的前述识别编号对应的前述农作物状态和前述收获物状态。
3.根据权利要求2所述的农业管理系统，其中，前述农作物传感器装置和前述收获物传感器装置至少具备使用纳米金刚石的传感器。
4.根据权利要求2所述的农业管理系统，其中，除了农业从事者之外，也可以借由前述农业者终端和前述事业者终端访问前述农业管理装置。
5.根据权利要求1至4中任一项所述的农业管理系统，其中，前述农作物传感器装置具备使用纳米金刚石电极的土壤传感器。
6.根据权利要求2或者3所述的农业管理系统，其中，前述收获物传感器装置安装在用于包装前述收获物的包装体上，并具备使用纳米金刚石电极的传感器。
CN202310004278.5A 2022-02-14 2023-01-03 农业管理系统 Pending CN116596453A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-020382 2022-02-14
JP2022020382A JP7437431B2 (ja) 2022-02-14 2022-02-14 農業管理システム

Publications (1)

Publication Number Publication Date
CN116596453A true CN116596453A (zh) 2023-08-15

Family

ID=87603239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310004278.5A Pending CN116596453A (zh) 2022-02-14 2023-01-03 农业管理系统

Country Status (2)

Country Link
JP (1) JP7437431B2 (zh)
CN (1) CN116596453A (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3712107A4 (en) 2017-11-16 2021-08-18 Daicel Corporation ELECTRODE MATERIAL FOR CAPACITOR
CA3113760A1 (en) 2018-09-28 2020-04-02 Rockwool International A/S Plant growth control system
JP2021056573A (ja) 2019-09-27 2021-04-08 富士通株式会社 作物成長予測プログラム、作物成長予測方法および作物成長予測装置

Also Published As

Publication number Publication date
JP7437431B2 (ja) 2024-02-22
JP2023117680A (ja) 2023-08-24

Similar Documents

Publication Publication Date Title
CA3077795C (en) Field measurement of soil element concentration
Stuart et al. Yield gaps in rice-based farming systems: Insights from local studies and prospects for future analysis
US20150206255A1 (en) Method and system to prescribe variable seeding density across a cultivated field using remotely sensed data
US20160309646A1 (en) Agronomic systems, methods and apparatuses
US20180014452A1 (en) Agronomic systems, methods and apparatuses
US20150061888A1 (en) Environmental Monitoring
Wen et al. Machine learning-based canola yield prediction for site-specific nitrogen recommendations
CA2956205A1 (en) Agronomic systems, methods and apparatuses
US20220076014A1 (en) Information processing device, and information processing system
US20210136996A1 (en) Systems and methods for applying an agricultural practice to a target agricultural field
CN115209723A (zh) 栽培辅助系统、栽培辅助装置、栽培辅助方法及程序
JP2018007630A (ja) 栽培支援装置
Iizumi et al. Aligning the harvesting year in global gridded crop model simulations with that in census reports is pivotal to national-level model performance evaluations for rice
Garofalo et al. Agronomic responses of grapevines to an irrigation scheduling approach based on continuous monitoring of soil water content
Nithya et al. Machine Learning and IoT based Seed Suggestion: To Increase Agriculture Harvesting and Development
Jiang et al. Predicting spatiotemporal yield variability to aid arable precision agriculture in New Zealand: A case study of maize-grain crop production in the Waikato region
CN116596453A (zh) 农业管理系统
Fuhrer Mapping of in-field cotton fiber quality utilizing John Deere’s Harvest Identification System (HID)
Rajendiran et al. IoT-Integrated Machine Learning-Based Automated Precision Agriculture-Indoor Farming Techniques
US20240357954A1 (en) Information processing device, inference device, machine learning device, information processing method, inference method, and machine learning method
WO2023188845A1 (ja) 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法
Kartheepan et al. E-Agrigo
AU2021106415A4 (en) An analysis and prediction of soil nutrients for crop using machine learning classifier
Zhao et al. Remote-sensing algorithms for estimating nitrogen uptake and nitrogen-use efficiency in cotton
WO2023119529A1 (ja) 生育予測装置、生育予測方法、及び生育予測プログラム

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