JP2019030253A - Culture support device, culture support method, computer program and recording medium - Google Patents
Culture support device, culture support method, computer program and recording medium Download PDFInfo
- Publication number
- JP2019030253A JP2019030253A JP2017153296A JP2017153296A JP2019030253A JP 2019030253 A JP2019030253 A JP 2019030253A JP 2017153296 A JP2017153296 A JP 2017153296A JP 2017153296 A JP2017153296 A JP 2017153296A JP 2019030253 A JP2019030253 A JP 2019030253A
- Authority
- JP
- Japan
- Prior art keywords
- cultivation
- prediction formula
- growth
- value data
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 35
- 238000004590 computer program Methods 0.000 title claims description 18
- 230000012010 growth Effects 0.000 claims abstract description 97
- 238000005259 measurement Methods 0.000 claims abstract description 72
- 230000007613 environmental effect Effects 0.000 claims abstract description 71
- 230000008635 plant growth Effects 0.000 claims abstract description 11
- 238000000611 regression analysis Methods 0.000 claims description 19
- 238000010276 construction Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 9
- 238000011835 investigation Methods 0.000 claims description 4
- 238000003306 harvesting Methods 0.000 abstract description 60
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 abstract description 43
- 235000013399 edible fruits Nutrition 0.000 abstract description 10
- 241000196324 Embryophyta Species 0.000 description 39
- 230000005855 radiation Effects 0.000 description 19
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 14
- 240000003768 Solanum lycopersicum Species 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 14
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000001186 cumulative effect Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000035613 defoliation Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000004040 coloring Methods 0.000 description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Abstract
Description
本発明は、植物の栽培を支援する技術に関する。 The present invention relates to a technology that supports plant cultivation.
農作物の収穫時期や収穫量等に関する予測などの栽培スケジュールは、前年以前の管理野帳等を参照すると共に、当該年度の気象条件等を考慮し、農家の経験値から作成されることが一般的である。経験のみに依存する場合、予測結果の精度が低くなりがちなのは当然であり、コンピュータを用いて収穫時期等を予測するシステムが開発されている。特許文献１では、農作物の生育に寄与する有効気温の積算値を利用して、収穫時期を予測している。特許文献２では、積算日照時間、昼夜それぞれの平均気温の積算値、土中成分の情報などを用いて食味成分量を予測し、その食味成分量と味の予測値から、推奨収穫時期を予測している。 The cultivation schedule, such as forecasts related to the harvest time and yield of crops, is generally created from farmer's experience values, referring to the management field book before the previous year and taking into account the weather conditions of the year. It is. When relying solely on experience, it is natural that the accuracy of the prediction result tends to be low, and systems for predicting harvest time and the like using a computer have been developed. In patent document 1, the harvest time is predicted using the integrated value of the effective temperature that contributes to the growth of agricultural products. In Patent Document 2, the amount of taste components is predicted using the accumulated sunshine hours, the integrated values of average temperatures of day and night, and information on soil components, and the recommended harvest time is predicted from the estimated amounts of taste components and taste. doing.
植物の生長は、周辺環境の条件によって左右されることはもちろんであるが、栽培場所、栽培数、季節等の様々な要因により、必ずしも、推奨される積算温度、積算日照時間等の環境条件と相関するとは限らない。例えば、桃色系大玉トマトの場合、開花からの温室内気温の積算が約１１００℃になると収穫可能となるとされているが、実測値は一定ではなく、花房の位置、季節等により必ずしも１１００℃になるとは限らない。そのため、環境条件だけでは正確な収穫時期の予測が困難である。また、出荷時の着色度合は季節により異なるが、このことも、開花から収穫までの期間推定を困難にする原因になっている。また、各花房の収量は、一般に光合成量の影響が高いと言われているが、実際には相関性があまり高くない場合もある。 The growth of the plant is of course influenced by the conditions of the surrounding environment, but depending on various factors such as the cultivation place, the number of cultivation, the season, etc., the environmental conditions such as the recommended integrated temperature, integrated sunshine duration, etc. It does not always correlate. For example, in the case of pink large tomatoes, it is said that harvesting is possible when the accumulated temperature in the greenhouse from flowering reaches about 1100 ° C, but the measured value is not constant, and is not necessarily 1100 ° C depending on the position of the flower cluster, the season, etc. Not necessarily. For this reason, it is difficult to accurately predict harvesting time only by environmental conditions. Moreover, although the coloring degree at the time of shipment varies depending on the season, this also makes it difficult to estimate the period from flowering to harvesting. In addition, it is said that the yield of each inflorescence is generally highly influenced by the amount of photosynthesis, but in fact, there is a case where the correlation is not so high.
従って、収穫時期等をより高い精度で予測するには、環境条件だけでなく、予測対象の植物の生育状況に関する情報を踏まえ、その両方を考慮することが望ましい。しかし、従来の多くの例では、環境条件を重視している。もっとも特許文献２は、生育状況情報として、開花時期、結実時期を調査し、その経過時間を利用することも開示しているが、それらは環境条件とは独立して扱い、味の推測値を決定するために用いているだけである。すなわち、環境条件と生育状況情報を全く独立して別々な指標予測に利用しているに過ぎない。しかも、生育状況情報といっても、開花時期と結実時期を考慮しているだけである。 Therefore, in order to predict the harvesting time and the like with higher accuracy, it is desirable to consider not only the environmental conditions but also both based on information on the growth status of the plant to be predicted. However, many conventional examples place importance on environmental conditions. However, Patent Document 2 discloses that the flowering time and the fruiting time are investigated as the growth status information, and that the elapsed time is used, but they are treated independently of the environmental conditions, and the estimated value of the taste is used. It is only used to make a decision. That is, the environmental conditions and the growth status information are merely used independently for different index predictions. Moreover, the growth status information only considers the flowering time and the fruiting time.
本発明は上記に鑑みなされたものであり、環境条件だけでなく、生育状況に関する情報も加味して判定することにより、植物の所定の生長段階の時期又はその生長段階に応じた管理作業の内容等を含む将来の各種の栽培状況情報をより正確に予測できる栽培支援装置、栽培支援方法、コンピュータプログラム及び記録媒体を提供することを課題とする。 The present invention has been made in view of the above, and by determining not only the environmental conditions but also information on the growth status, the contents of the predetermined growth stage of the plant or the contents of the management work according to the growth stage It is an object of the present invention to provide a cultivation support apparatus, a cultivation support method, a computer program, and a recording medium that can more accurately predict various future cultivation state information including the above.
上記課題を解決するため、本発明の栽培支援装置は、
植物の将来の栽培状況情報を予測する栽培状況予測式が、過去の栽培実績データとの関係で構築され記憶されている予測式データベースと、
ユーザが予測を希望する前記将来の栽培状況情報に基づき、前記予測式データベースから、前記栽培状況情報に対応する前記栽培状況予測式を抽出する予測式抽出手段と、
前記栽培状況予測式に、栽培支援対象の植物に関する最新の支援対象栽培データを適用し、将来の栽培状況情報を予測する予測実行手段と
を有し、
前記栽培状況予測式は、前記栽培実績データとして、植物の生育環境に関する環境測定値データと、植物の生育状況に関する生育調査値データとを用いて構築され、
前記予測実行手段は、前記支援対象栽培データとして、前記栽培支援対象の植物の生育環境に関する環境測定値データと、前記栽培支援対象の植物の生育状況に関する生育調査値データを適用することを特徴とする。
In order to solve the above problems, the cultivation support device of the present invention is:
A prediction formula database in which a cultivation status prediction formula for predicting future cultivation status information of a plant is constructed and stored in relation to past cultivation performance data;
Based on the future cultivation status information that the user desires to predict, from the prediction formula database, a prediction formula extraction unit that extracts the cultivation status prediction formula corresponding to the cultivation status information;
Applying the latest support target cultivation data related to the cultivation support target plant to the cultivation status prediction formula, and having a prediction execution means for predicting future cultivation status information,
The cultivation status prediction formula is constructed using environmental measurement value data related to the growth environment of plants and growth survey value data related to the growth status of plants as the cultivation result data,
The prediction execution unit applies, as the support target cultivation data, environmental measurement value data related to the growth environment of the plant that is the cultivation support target and growth survey value data related to the growth status of the plant that is the cultivation support target. To do.
前記栽培支援装置は、さらに、前記環境測定値データ及び前記生育調査値データを用いて前記栽培状況予測式を構築する予測式構築手段を有するものが好ましい。
前記予測式構築手段は、前記予測実行手段で得られた予測結果と実測結果とを比較し、前記栽培状況予測式を更新する手段を備えるものが好ましい。
前記予測式抽出手段は、前記予測式データベースにアクセスし、予測を希望する前記ユーザの情報、前記栽培支援対象の植物の種類及び前記支援対象栽培データのうちの少なくとも一つに基づき、対応する栽培状況予測式を抽出するものであることが好ましい。
前記栽培状況予測式は、予測対象の前記栽培状況情報を目的変数とし、前記環境測定値データ及び前記生育調査値データの双方を説明変数とする重回帰分析を用いて構築されていることが好ましい。
It is preferable that the cultivation support apparatus further includes a prediction formula construction unit that constructs the cultivation situation prediction formula using the environmental measurement value data and the growth survey value data.
The prediction formula construction unit preferably includes a unit that compares the prediction result obtained by the prediction execution unit with the actual measurement result and updates the cultivation situation prediction formula.
The prediction formula extraction means accesses the prediction formula database, and supports corresponding cultivation based on at least one of the information of the user who desires prediction, the type of plant for the cultivation support target, and the support target cultivation data. It is preferable to extract a situation prediction formula.
The cultivation status prediction formula is preferably constructed using multiple regression analysis with the cultivation status information to be predicted as an objective variable and both the environmental measurement value data and the growth survey value data as explanatory variables. .
また、本発明の栽培支援方法は、
栽培支援対象の植物に関する最新の支援対象栽培データとして、前記栽培支援対象の植物の生育環境に関する環境測定値データ及び前記栽培支援対象の植物の生育状況に関する生育調査値データの双方の情報を得て、
植物の将来の栽培状況情報を予測する栽培状況予測式が、過去の栽培実績データとして、植物の生育環境に関する環境測定値データ及び植物の生育状況に関する生育調査値データの双方との関係で構築され記憶されている予測式データベースにアクセスし、
前記ユーザが予測を希望する将来の栽培状況情報に基づき、前記予測式データベースから、対応する前記栽培状況予測式を抽出し、
前記栽培状況予測式に、前記最新の支援対象栽培データとし、前記栽培支援対象の植物の生育環境に関する環境測定値データ及び前記栽培支援対象の植物の生育状況に関する生育調査値データの双方を適用し、将来の栽培状況情報の予測することを特徴とする。
Moreover, the cultivation support method of the present invention includes:
As the latest support target cultivation data on the cultivation support target plant, obtain both information of the environmental measurement value data on the growth environment of the cultivation support target plant and the growth survey value data on the growth status of the cultivation support target plant. ,
Cultivation status prediction formulas for predicting the future cultivation status information of plants are constructed as past cultivation performance data in relation to both environmental measurement value data related to plant growth environment and growth survey value data related to plant growth status. Access the stored prediction formula database,
Based on the future cultivation status information that the user wishes to predict, extract the corresponding cultivation status prediction formula from the prediction formula database,
The cultivation status prediction formula is the latest support target cultivation data, and both environmental measurement value data relating to the growth environment of the cultivation support target plant and growth survey value data relating to the growth situation of the cultivation support target plant are applied. It is characterized by predicting future cultivation status information.
前記栽培状況予測式を抽出する手順では、前記予測式データベースにアクセスし、予測を希望する前記ユーザの情報、前記栽培支援対象の植物の種類及び前記支援対象栽培データのうちの少なくとも一つに基づき、対応する栽培状況予測式を抽出することが好ましい。 In the procedure of extracting the cultivation condition prediction formula, the prediction formula database is accessed, and based on at least one of the information of the user who desires prediction, the type of plant for the cultivation support target, and the support target cultivation data It is preferable to extract the corresponding cultivation situation prediction formula.
また、本発明のコンピュータプログラムは、
コンピュータを栽培支援装置として機能させるコンピュータプログラムであって、
栽培支援対象の植物に関する最新の支援対象栽培データとして、前記栽培支援対象の植物の生育環境に関する環境測定値データ及び前記栽培支援対象の植物の生育状況に関する生育調査値データの双方の情報を得る手順と、
植物の将来の栽培状況情報を予測する栽培状況予測式が、過去の栽培実績データとして、植物の生育環境に関する環境測定値データ及び植物の生育状況に関する生育調査値データの双方との関係で構築され記憶されている予測式データベースにアクセスする手順と、
前記ユーザが予測を希望する将来の栽培状況情報に基づき、前記予測式データベースから、対応する前記栽培状況予測式を抽出する手順と、
前記栽培状況予測式に、前記最新の支援対象栽培データとし、前記栽培支援対象の植物の生育環境に関する環境測定値データ及び前記栽培支援対象の植物の生育状況に関する生育調査値データの双方を適用し、将来の栽培状況情報の予測する手順と
を前記コンピュータに実行させることを特徴とする。
The computer program of the present invention is
A computer program for causing a computer to function as a cultivation support device,
A procedure for obtaining information on both the environmental measurement value data relating to the growth environment of the cultivation support target plant and the growth survey value data relating to the growth status of the cultivation support target plant as the latest support target cultivation data relating to the cultivation support target plant When,
Cultivation status prediction formulas for predicting the future cultivation status information of plants are constructed as past cultivation performance data in relation to both environmental measurement value data related to plant growth environment and growth survey value data related to plant growth status. A procedure to access a stored prediction formula database;
Based on the future cultivation situation information that the user wishes to predict, a procedure for extracting the corresponding cultivation situation prediction formula from the prediction formula database;
The cultivation status prediction formula is the latest support target cultivation data, and both environmental measurement value data relating to the growth environment of the cultivation support target plant and growth survey value data relating to the growth situation of the cultivation support target plant are applied. The computer is caused to execute a procedure for predicting future cultivation status information.
前記コンピュータプログラムは、さらに、前記環境測定値データ及び前記生育調査値データを用いて前記栽培状況予測式を構築する手順を実行させる機能を有することが好ましい。 It is preferable that the computer program further has a function of executing a procedure for constructing the cultivation situation prediction formula using the environmental measurement value data and the growth survey value data.
前記栽培状況予測式を構築する手順では、前記将来の栽培状況情報を予測する手順で得られた予測結果と実測結果とを比較し、前記栽培状況予測式を更新する機能を有することが好ましい。
前記前記栽培状況予測式を抽出する手順では、前記予測式データベースにアクセスし、予測を希望する前記ユーザの情報、前記栽培支援対象の植物の種類及び前記支援対象栽培データのうちの少なくとも一つに基づき、対応する栽培状況予測式を抽出する機能を有することが好ましい。
前記栽培状況予測式を、予測対象の前記栽培状況情報を目的変数とし、前記環境測定値データ及び前記生育調査値データの双方を説明変数とする重回帰分析を用いて構築する手順を実行させる機能を有することが好ましい。
The procedure for constructing the cultivation status prediction formula preferably has a function of comparing the prediction result obtained in the procedure for predicting the future cultivation status information with the actual measurement result and updating the cultivation status prediction formula.
In the procedure of extracting the cultivation status prediction formula, the prediction formula database is accessed, and at least one of the information of the user who desires prediction, the type of plant for the cultivation support target, and the support target cultivation data Based on this, it is preferable to have a function of extracting a corresponding cultivation situation prediction formula.
A function for executing a procedure for constructing the cultivation situation prediction formula using multiple regression analysis using the cultivation situation information to be predicted as an objective variable and both the environmental measurement value data and the growth survey value data as explanatory variables. It is preferable to have.
また、本発明は、コンピュータを栽培支援装置として機能させる前記のコンピュータプログラムが記録されたコンピュータ読み取り可能な記録媒体を提供する。 Moreover, this invention provides the computer-readable recording medium with which the said computer program which makes a computer function as a cultivation assistance apparatus was recorded.
本発明は、植物の生育環境に関する環境測定値データと、植物の生育状況に関する生育調査値データとの双方を考慮した栽培状況予測式を用いて、植物の所定の生長段階の時期（例えば、開花時期、収穫時期）、その生長段階に応じた管理作業（例えば、摘葉数、摘果数）あるいは開花数、着果数、収穫量などを含む将来の所定の前記栽培状況情報を予測する。環境測定値データと生育調査値データの双方が反映されるため、信頼性の高い予測結果が得られる。栽培支援を受けるユーザは信頼性の高い情報を得られるため、栽培スケジュールの精度が高まり、それに見合った作業員の配置、集荷調整を図ることができ、収益の増加を図ることができる。 The present invention uses a cultivation state prediction formula that takes into account both environmental measurement value data relating to a plant growth environment and growth survey value data relating to the growth state of a plant. Management information (for example, the number of leaves, number of fruits) or the number of flowering, the number of fruits, the amount of harvest, etc. in the future are predicted. Since both the environmental measurement data and the growth survey data are reflected, a highly reliable prediction result can be obtained. Since the user who receives the cultivation support can obtain highly reliable information, the accuracy of the cultivation schedule is increased, and the arrangement of workers and the collection adjustment corresponding to the cultivation schedule can be improved, thereby increasing the profit.
以下、図面に示した本発明の実施形態に基づき、さらに詳細に説明する。図１は、本実施形態に係る栽培支援装置１を用いて、ユーザに栽培支援を提供する場合の概略構成を示した図である。この図に示したように、本実施形態の栽培支援装置１は、コンピュータから構成され、インターネット等の通信手段を介して接続されたユーザの端末装置２や環境測定装置３からの情報を受信し、栽培に関する支援情報を提供する。この場合、栽培支援装置１は、物理サーバーで構成されていてもよいし、クラウド環境におけるクラウドサーバーで構成されていてもよい。また、端末装置２には、パーソナルコンピュータ（ＰＣ）、タブレットやスマートフォンなどの携帯端末等を含む。 Hereinafter, the present invention will be described in more detail based on the embodiment of the present invention shown in the drawings. FIG. 1 is a diagram illustrating a schematic configuration when providing cultivation support to a user using the cultivation support device 1 according to the present embodiment. As shown in this figure, the cultivation support device 1 of the present embodiment is configured by a computer and receives information from a user terminal device 2 and an environment measurement device 3 connected via communication means such as the Internet. Provide support information about cultivation. In this case, the cultivation support apparatus 1 may be configured with a physical server or may be configured with a cloud server in a cloud environment. The terminal device 2 includes a personal computer (PC), a portable terminal such as a tablet and a smartphone, and the like.
栽培支援装置１は、図２に示したように、その記憶部（当該コンピュータ（栽培支援装置１）の内蔵のハードディスク等の記録媒体のほか、リムーバブルの各種記録媒体、通信手段で接続された他のコンピュータの記録媒体等も含む）１ａに、予測式データベース１１、栽培実績データベース１２が記憶されていると共に、予測式構築手段１１０として機能する手順、予測式抽出手段１２０として機能する手順、予測実行手段１３０として機能する手順等を実行させるコンピュータプログラムが記憶されている。 As shown in FIG. 2, the cultivation support apparatus 1 has a storage unit (a recording medium such as a hard disk built in the computer (cultivation support apparatus 1), a variety of removable recording media, and others connected by communication means. 1a is stored with the prediction formula database 11 and the cultivation performance database 12, and the procedure that functions as the prediction formula construction unit 110, the procedure that functions as the prediction formula extraction unit 120, and the prediction execution A computer program for executing a procedure or the like that functions as the means 130 is stored.
なお、コンピュータプログラムは、記録媒体に記憶させて提供することができる。コンピュータプログラムを記憶した記録媒体は、非一過性の記録媒体であっても良い。非一過性の記録媒体は特に限定されないが、例えば フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ（光磁気ディスク）、ＤＶＤ−ＲＯＭ、メモリカードなどの記録媒体が挙げられる。また、通信回線を通じてコンピュータプログラムをコンピュータに伝送してインストールすることも可能である。 The computer program can be provided by being stored in a recording medium. The recording medium storing the computer program may be a non-transitory recording medium. The non-transitory recording medium is not particularly limited, and examples thereof include a recording medium such as a flexible disk, a hard disk, a CD-ROM, an MO (magneto-optical disk), a DVD-ROM, and a memory card. It is also possible to install a computer program by transmitting it to a computer through a communication line.
記憶部１ａには、予測式データベース１１、栽培実績データベース１２が形成されている。予測式データベース１１は、将来の栽培状況情報を予測する栽培状況予測式（予測モデル）が記憶されている。将来の栽培状況情報とは、例えば、開花日、収穫期間などの植物の所定の生長段階の時期、摘葉数や摘果数などの生長段階に応じた管理作業の内容、あるいは、収量などを含む。栽培状況予測式は、これらの栽培状況情報の少なくとも一種を予測するための式である。 A prediction formula database 11 and a cultivation performance database 12 are formed in the storage unit 1a. The prediction formula database 11 stores a cultivation status prediction formula (prediction model) for predicting future cultivation status information. The future cultivation status information includes, for example, the content of management work according to the predetermined growth stage of the plant such as the flowering date and the harvest period, the growth stage such as the number of leaves and the number of fruits, or the yield. The cultivation status prediction formula is a formula for predicting at least one kind of the cultivation status information.
栽培状況予測式は、過去の栽培実績データとの関係で構築されている。本実施形態で使用する栽培実績データには、環境測定値データと生育調査値データの双方が含まれ、栽培状況予測式は、これら２種の例えば前年以前のデータを用いて構築される。環境測定値データとは、植物（例えば、トマト等の農作物）を生育している温室内の気温、湿度、日射量、露点、二酸化炭素濃度、飽差、日射量、積算日射量、外気温、風速、換気設定温度、暖房設定温度、換気系統の開度、カーテンの開度、暖房機動作、灌水回数などのデータである。これらのデータは、温度センサ等、温室内外に設置された各種環境測定装置３によって得る。そして、環境測定装置３がインターネット等に接続可能な通信機能を有する場合には直接、そのような通信機能を有しない場合にはユーザの端末装置２を介して、例えば、１日数回、あるいは、１〜５分毎といったように、栽培支援装置１に送信される。 The cultivation situation prediction formula is constructed in relation to past cultivation performance data. The cultivation performance data used in the present embodiment includes both environmental measurement value data and growth survey value data, and the cultivation condition prediction formula is constructed using these two types of data, for example, data before the previous year. Environmental measurement data refers to the temperature, humidity, solar radiation, dew point, carbon dioxide concentration, saturation, solar radiation, accumulated solar radiation, outside air temperature in the greenhouse where plants (for example, crops such as tomatoes) are growing. Data such as wind speed, ventilation set temperature, heating set temperature, ventilation system opening, curtain opening, heater operation, irrigation frequency, etc. These data are obtained by various environmental measuring devices 3 installed inside and outside the greenhouse, such as a temperature sensor. And when the environment measuring device 3 has a communication function that can be connected to the Internet or the like, directly, when it does not have such a communication function, for example, several times a day via the user's terminal device 2, or It is transmitted to the cultivation support device 1 every 1 to 5 minutes.
栽培支援装置１は、これらのデータを受信すると、記憶部１ａの栽培実績データベース１２内の環境測定値データベース１２ａに蓄積する。環境測定値データベース１２ａにデータを蓄積する場合、ユーザ毎に区別して蓄積するが、栽培地域や季節などの要素で区分して、近似した環境測定値データ毎に類型化して構築することもできる。 When the cultivation support apparatus 1 receives these data, it accumulates in the environmental measurement value database 12a in the cultivation performance database 12 of the storage unit 1a. When data is stored in the environmental measurement value database 12a, it is stored separately for each user. However, it can also be classified and constructed for each type of approximate environmental measurement value data divided by factors such as the cultivation area and season.
生育調査値データは、支援対象植物の生育状況の具体的な観察データである。例えば、草丈増分の平均、生長点から花房までの長さの平均、葉長の平均、葉幅の平均、生長点１５ｃｍ下茎径の平均、草丈日伸長量、総草丈、ＬＡＩ（葉面積指数）、葉数の平均、葉色（チャート）の平均、葉色（ＳＰＡＤ）の平均、花色の平均、開花花房の平均、収穫花房の平均、花房ごとの着果数、平均着果数（合計）、収量、糖度の平均、酸度の平均などである。これらのデータは、例えば、１区画につき、数株から数十株を代表して観察し、毎日、あるいは、数日に１回といったように所定期間毎にその観察結果を収集して、ユーザの端末装置２を介して栽培支援装置１に送信される。栽培支援装置１は、これらのデータを受信すると、記憶部１ａの栽培実績データベース１２内の生育調査値データベース１２ｂに蓄積する。生育調査値データベース１２ｂも、環境測定値データベース１２ａと同様に、ユーザ毎に構築されるが、栽培地域や季節などの要素で区分して、近似した環境測定値データ毎に類型化して構築してもよい。但し、生育調査の行われた環境測定値データに関連づけて記憶しておくことが好ましい。 The growth survey value data is specific observation data of the growth status of the support target plant. For example, the average plant height increment, the average length from the growth point to the inflorescence, the average leaf length, the average leaf width, the average root diameter of 15 cm below the growth point, the day length of plant height, the total plant height, the LAI (leaf area index) ), Average number of leaves, average of leaf color (chart), average of leaf color (SPAD), average of flower color, average of flowering inflorescence, average of harvested inflorescence, number of fruits per inflorescence, average number of fruits (total), Yield, average sugar content, average acidity, etc. For example, these data are observed on behalf of several to several tens of stocks per section, and the observation results are collected every predetermined period such as every day or once every few days. It is transmitted to the cultivation support device 1 via the terminal device 2. Upon receiving these data, the cultivation support device 1 accumulates the growth survey value database 12b in the cultivation performance database 12 of the storage unit 1a. The growth survey value database 12b is also constructed for each user in the same manner as the environmental measurement value database 12a. However, the growth survey value database 12b is classified according to factors such as the cultivation region and the season, and is classified and constructed for each approximate environmental measurement value data. Also good. However, it is preferable to store them in association with the environmental measurement data for which the growth survey was conducted.
栽培状況予測式は、上記の環境測定値データと生育調査値データとを用いて構築されている。例えば、桃色系大王トマトの場合、開花から着色までの積算気温が１１００℃といわれている。よって、例えば、温室内の平均気温を用いることにより、積算気温が１１００℃となる日数を予測可能である。しかし、上記したように、実際には、必ずしも積算気温が１１００℃近傍に到達した時点で着色するというわけではなく、花房の位置、季節等によりばらつくことが多い。花房の位置により葉面積や日射量等が異なることや、平均気温が高くなるほど、着色までの積算気温が低くなる傾向があることなどが影響しているものと考えられる。また、季節により収穫時の着色度合が異なることも開花から収穫までの積算気温に影響を与えている。すなわち、環境測定値データのみに依存したのでは、収穫時期の予測精度が十分ではない。そこで、本実施形態の栽培状態予測式は、環境測定値データに加え、生育調査値データも加味して構築される。 The cultivation condition prediction formula is constructed using the above-mentioned environmental measurement value data and growth survey value data. For example, in the case of pink Daio tomato, the integrated temperature from flowering to coloring is said to be 1100 ° C. Therefore, for example, by using the average temperature in the greenhouse, it is possible to predict the number of days when the integrated temperature becomes 1100 ° C. However, as described above, actually, the color is not always colored when the integrated temperature reaches around 1100 ° C., and often varies depending on the position of the flower cluster, the season, and the like. It is considered that the leaf area, the amount of solar radiation, etc. differ depending on the position of the flower cluster, and that the integrated temperature until coloring tends to decrease as the average temperature increases. In addition, the degree of coloring at the time of harvest varies depending on the season, which affects the integrated temperature from flowering to harvesting. That is, relying solely on environmental measurement data is not sufficient for predicting harvest time. Therefore, the cultivation state prediction formula of this embodiment is constructed in consideration of the growth survey value data in addition to the environmental measurement value data.
栽培状況予測式は、予測式構築手段１１０によって構築される。具体的には、予測式構築手段１１０は、予測しようとする栽培状況に対し、環境測定値データベース１２ａ及び生育調査値データベース１２ｂにアクセスし、当該栽培状況を予測するのに適する環境測定値データ及び生育調査値データを抽出して構築する。所定の栽培状況を予測するのに適する環境測定値データ及び生育調査値データは、最初は、経験により関連性が比較的高いと考えられるデータを栽培支援装置１の管理者が選択して入力する。例えば、開花日を基準として収穫開始日を予測する場合、上記のように積算気温が一つの目安となるが、花房の開花位置（段）により葉面積や日射量等が異なる。そこで、収穫開始日を予測する栽培状況予測式は、例えば、葉面積、日射量、平均気温等に加え、さらに、それらの条件に対応する着果数等のデータを参照するように最初に設定される。 The cultivation condition prediction formula is constructed by the prediction formula construction means 110. Specifically, the prediction formula construction unit 110 accesses the environmental measurement value database 12a and the growth survey value database 12b for the cultivation situation to be predicted, and the environmental measurement value data suitable for predicting the cultivation situation and Extract and construct growth survey data. As the environmental measurement value data and the growth survey value data suitable for predicting a predetermined cultivation situation, the manager of the cultivation support apparatus 1 first selects and inputs data that is considered to be relatively high based on experience. . For example, when the harvest start date is predicted based on the flowering date, the integrated temperature is one standard as described above, but the leaf area, the amount of solar radiation, and the like differ depending on the flowering position (stage) of the flower bunches. Therefore, the cultivation condition prediction formula for predicting the harvest start date is first set to refer to data such as the number of fruits corresponding to those conditions in addition to the leaf area, solar radiation amount, average temperature, etc. Is done.
それらのデータを用いて栽培状況予測式で所定の予測結果が得られるが、予測式構築手段１１０は、実際の栽培状況の結果が得られたならば、その実測結果を栽培状況予測式に当てはめ、栽培状況予測式を構築している各データの相関性を検証し、より相関性の高いデータを選択する。この実測結果が得られた後の相関性の検証等は予測式構築手段１１０が自動的に行い、これを繰り返すことにより、栽培状況予測式は更新され、より精度が高くなる。なお、栽培状況予測式は、最初は、管理者が構築したものを予測式データベース１１に登録するのが通常であるが、例えば、栽培状況予測式に用いるデータを最初はあまり限定せずに、環境測定値データベース１２ａ及び生育調査値データベース１２ｂに記録された例えば全てのデータ、あるいは、所定の範囲のデータを用いるように設定しておくこともできる。これにより、最初に立てる栽培状況予測式も予測式構築手段１１０が自動的に構築することが可能となる。 A predetermined prediction result can be obtained by the cultivation situation prediction formula using those data, but if the result of the actual cultivation situation is obtained, the prediction expression construction unit 110 applies the actual measurement result to the cultivation situation prediction expression. The correlation of each data that constructs the cultivation condition prediction formula is verified, and data with higher correlation is selected. The verification formula construction means 110 automatically performs the verification of the correlation after the actual measurement result is obtained, and the cultivation condition prediction formula is updated and the accuracy is improved by repeating this. In addition, at first, the cultivation status prediction formula is usually registered in the prediction formula database 11 by the administrator, but for example, the data used for the cultivation status prediction formula is not so limited at first, For example, all the data recorded in the environmental measurement value database 12a and the growth survey value database 12b or a predetermined range of data can be used. Thereby, the prediction formula construction means 110 can automatically construct the first cultivation situation prediction formula.
栽培状況予測式は、本実施形態では、環境測定値データ及び生育調査値データという少なくとも２種、すなわち、複数の変数を用いて目的とする栽培状況に関する指標を予測するため、栽培状況予測式は、統計的手法を用いた式であることが好ましい。具体的には、多変量解析法を用いることになるが、その中でも重回帰分析を用いることが好ましい。 In the present embodiment, the cultivation situation prediction formula predicts an index related to the intended cultivation situation using at least two types of environmental measurement value data and growth survey value data, that is, a plurality of variables. The formula using a statistical method is preferable. Specifically, a multivariate analysis method is used, and among them, it is preferable to use multiple regression analysis.
[収穫開始日を予測するための栽培状況予測式Ａ１]
収穫開始日を予測するための栽培状況予測式Ａ１は、「開花から収穫開始までの積算気温」の算出工程、収穫開始日の算出工程を備えている。
例えば、トマトについて、開花日を基準とした収穫開始日を求める場合、その栽培状況予測式Ａ１は、「開花日＋（開花から収穫までの日数）」となるが、「開花から収穫までの日数」は、「開花から収穫開始までの積算気温」を「平均気温」で除することにより得られる。よって、この「開花から収穫開始までの積算気温」を正確に予測することが重要となる。
[Cultivation condition prediction formula A1 for predicting the start date of harvest]
The cultivation condition prediction formula A1 for predicting the harvest start date includes a calculation process of “cumulative temperature from flowering to the start of harvest” and a calculation process of the harvest start date.
For example, when obtaining the harvest start date based on the flowering date for tomato, the cultivation condition prediction formula A1 is “flowering date + (days from flowering to harvesting)”, but “days from flowering to harvesting” "Is obtained by dividing" cumulative temperature from flowering to start of harvesting "by" average temperature ". Therefore, it is important to accurately predict this “cumulative temperature from flowering to the start of harvest”.
（「開花から収穫開始までの積算気温」の算出：重回帰分析式である栽培状況予測式ａ１により算出）
そこで、この「開花から収穫までの積算気温」を推定するに当たって、予め、トマトについて各花房の開花日から各花房の収穫開始までの実測した（例えば前年度の）積算気温、積算日射量、平均気温（温室内）、茎径、着果数、葉果比等を用いて重回帰分析による推定式を構築する。例えば、各種環境測定値データ及び生育調査値データを用いて重回帰分析し、その中で相関性の高い因子を選抜するなどして、例えば次のような式（栽培状況予測式ａ１）を構築することができる。
(Calculation of “cumulative temperature from flowering to start of harvest”: calculated by cultivation condition prediction formula a1 which is a multiple regression analysis formula)
Therefore, in estimating this “cumulative temperature from flowering to harvest”, the tomatoes were measured in advance from the flowering date of each inflorescence to the beginning of harvesting of each inflorescence (for example, the previous year) integrated temperature, accumulated solar radiation amount, average Establish an estimation formula by multiple regression analysis using temperature (inside the greenhouse), stem diameter, number of fruits, leaf ratio, etc. For example, a multiple regression analysis is performed using various environmental measurement value data and growth survey value data, and a highly correlated factor is selected, for example, and the following formula (cultivation status prediction formula a1) is constructed, for example: can do.
開花から収穫までの積算気温推定式（栽培状況予測式ａ１）＝（０．３００６３×開花から収穫までの積算日射量）＋（−２３．７７９５２×葉果比）＋１１３７．３５４６８
この重回帰分析の決定係数（Ａｄｊｕｓｔｅｄ Ｒ−ｓｑｕａｒｅｄ）は、０．７８８７で、決定係数のｐ値は１．４９Ｅ−０７であり、積算気温を求めるのに十分な関連性と高い信頼性を有している。
Cumulative temperature estimation formula from flowering to harvest (cultivation condition prediction formula a1) = (0.30063 × cumulative solar radiation from flowering to harvest) + (− 23.77952 × foliage ratio) +117.3735468
The coefficient of determination of this multiple regression analysis (Adjusted R-squared) is 0.7887, and the p-value of the coefficient of determination is 1.49E-07, which has sufficient relevance and high reliability to determine the integrated temperature. doing.
比較のため、積算気温との相関性が高いとされる積算日射量のみから単回帰分析により、次の推定式を作成した。
開花から収穫までの積算気温推定式＝０．２６８４×開花から収穫までの積算日射量＋９０８．１９１１
この推定式の決定係数は０．１４５６で、そのｐ値は０．００４４８７であった。決定係数が約１５％と低い値であり、環境測定値データである積算日射量のみでは積算気温の推定には不十分であることがわかる。
For comparison, the following estimation formula was created by simple regression analysis only from the amount of integrated solar radiation that is highly correlated with the integrated temperature.
Cumulative temperature estimation formula from flowering to harvest = 0.2684 x cumulative solar radiation from flowering to harvest + 908.911
The coefficient of determination of this estimation formula was 0.1456, and the p value was 0.004487. The coefficient of determination is a low value of about 15%, and it can be seen that only the accumulated solar radiation as the environmental measurement value data is insufficient for estimating the accumulated temperature.
よって、積算気温の推定には、上記の栽培状況予測式ａ１のように環境測定値データだけでなく、生育調査値データも用いて分析することが好ましい。 Therefore, for the estimation of the integrated temperature, it is preferable to analyze not only the environmental measurement value data but also the growth survey value data as in the cultivation condition prediction formula a1.
（収穫開始日の算出）
栽培状況予測式ａ１を用いて積算気温が推定されたならば、推定された積算気温が、収穫開始日を予測する栽培状況予測式Ａ１に代入される。例えば、積算日射量：４１０．３５ＭＪ／ｍ２、葉果比：９．６２の場合、栽培状況予測式ａ１により、積算気温＝１０３１．９２（℃）がまず求められ、次に、栽培状況予測式Ａ１により、１０３１．９２（積算気温℃）／１７．０８６（平均気温℃）から収穫期間＝６０．４（日数）と求められる。この日数を開花日にプラスすれば、収穫開始日が得られる。例えば、開花日が２０１７年３月１１の場合、収穫開始日は、２０１７年５月１０日と推定される。
(Calculation of harvest start date)
If the integrated temperature is estimated using the cultivation status prediction formula a1, the estimated integrated temperature is substituted into the cultivation status prediction formula A1 that predicts the harvest start date. For example, in the case of an integrated solar radiation amount: 410.35 MJ / m 2 and a leaf fruit ratio: 9.62, the integrated temperature = 1031.92 (° C.) is first obtained by the cultivation state prediction formula a1, and then the cultivation state prediction. From the formula A1, 1031.92 (cumulative temperature ° C) /17.086 (average temperature ° C) is obtained as harvest period = 60.4 (days). If this number of days is added to the flowering day, the harvest start date is obtained. For example, when the flowering date is March 11, 2017, the harvest start date is estimated to be May 10, 2017.
（他の事例）
花房の開花日：２０１６年１２月１９日、その花房の収穫開始日：２０１７年３月５日、開花から収穫開始までの期間：７６日間、その間の積算気温：１２２１．５５℃、平均気温：１６．０７℃、積算日射量：６９９．０９ＭＪ／ｍ２、葉果比：６．５４という実際の栽培事例に基づいて、単回帰分析と重回帰分析による比較を行った。
単回帰分析は、上記の「開花から収穫までの積算気温推定式」＝０．２６８４×開花から収穫までの積算日射量＋９０８．１９１１を用いて計算した。
その結果、単回帰分析による推定積算気温は、１０９５．８３℃となり、これを平均気温：１６．０７℃で除すると、開花から収穫開始までの期間が６８．１８日と求められた。
一方、上記の重回帰分析：栽培状況予測式ａ１＝（０．３００６３×開花から収穫までの積算日射量）＋（−２３．７７９５２×葉果比）＋１１３７．３５４６８を用いて計算した推定積算気温は、１１９１．９３℃となり、平均気温：１６．０７℃で除して求められる開花から収穫開始までの期間が７４．１６日となった。
よって、開花から収穫開始までの期間の実測値７６日と比較すると、環境測定値データのみを用いた単回帰分析の場合には誤差が約８日であったが、本実施形態の環境測定値データ及び生育調査値データを用いた重回帰分析：栽培状況予測式ａ１の場合には、その誤差が約２日であり、本実施形態の手法を用いることで精度の高い推定結果が得られることがわかる。
(Other cases)
Flowering date: December 19, 2016, Harvest start date: March 5, 2017, Period from flowering to start of harvest: 76 days, accumulated temperature: 1221.55 ° C, average temperature: Based on the actual cultivation example of 16.07 ° C., integrated solar radiation amount: 699.09 MJ / m 2 , and leaf-leaf ratio: 6.54, comparison was made by single regression analysis and multiple regression analysis.
The single regression analysis was calculated using the above-mentioned “cumulative temperature estimation formula from flowering to harvest” = 0.2684 × accumulated solar radiation from flowering to harvesting + 908.911.
As a result, the estimated integrated temperature by single regression analysis was 1095.83 ° C., and when this was divided by the average temperature: 16.07 ° C., the period from flowering to the start of harvesting was determined to be 68.18 days.
On the other hand, the estimated integrated temperature calculated using the above multiple regression analysis: cultivation condition prediction formula a1 = (0.30063 × integrated amount of solar radiation from flowering to harvest) + (− 23.77952 × leaf ratio) +117.3735468 Was 1191.93 ° C., and the average temperature was divided by 16.07 ° C., and the period from flowering to the start of harvesting was 74.16 days.
Therefore, compared with the actual measurement value 76 days from the time of flowering to the start of harvesting, the error was about 8 days in the case of the single regression analysis using only the environmental measurement value data, but the environmental measurement value of this embodiment Multiple regression analysis using data and growth survey value data: In the case of the cultivation condition prediction formula a1, the error is about 2 days, and a highly accurate estimation result can be obtained by using the method of this embodiment. I understand.
予測式データベース１１には、上記のように少なくとも一つの栽培状況予測式が登録されるが、通常、上記のほか、例えば、摘葉数や摘果数に関するものなど、通常の栽培状況予測式が登録される。 In the prediction formula database 11, at least one cultivation status prediction formula is registered as described above. However, in addition to the above, normal cultivation status prediction formulas such as those related to the number of leaves and the number of fruits are registered. The
[摘葉数の予測のための栽培状況予測式Ｂ１]
摘葉数を予測する栽培状況予測式Ｂ１は、目標ＬＡＩの算出工程、推定ＬＡＩの算出工程、調整ＬＡＩの算出工程、摘葉数の算出工程を備えている。
[Cultivation status prediction formula B1 for predicting the number of leaves]
The cultivation condition prediction formula B1 for predicting the number of defoliation includes a target LAI calculation step, an estimated LAI calculation step, an adjusted LAI calculation step, and a defoliation number calculation step.
（目標ＬＡＩの算出）
まず目標ＬＡＩは、日射量の増減に合わせて管理することが好ましく、過去の実績に基づいて目標ＬＡＩを設定する。例えば、目標ＬＡＩ＝０．３×「開花から収穫までの平均日射量（ＭＪ／ｍ２）」により求める。
(Calculation of target LAI)
First, the target LAI is preferably managed in accordance with the increase or decrease in the amount of solar radiation, and the target LAI is set based on past results. For example, the target LAI = 0.3 × “average amount of solar radiation from flowering to harvesting (MJ / m 2 )” is obtained.
（推定ＬＡＩの算出：重回帰分析式である栽培状況予測式ｂ１により算出）
次に、推定ＬＡＩを算出する。この推定ＬＡＩを求めるに当たって、環境測定値データ及び生育調査値データを利用した重回帰分析が利用される。例えば、環境測定値データとして「開花から収穫までの平均気温」を用い、生育調査値データとして「茎径」を用いて次のような栽培状況予測式ｂ１を用いることができる。
(Calculation of estimated LAI: calculated by cultivation condition prediction formula b1 which is a multiple regression analysis formula)
Next, an estimated LAI is calculated. In obtaining this estimated LAI, multiple regression analysis using environmental measurement value data and growth survey value data is used. For example, the following cultivation condition prediction formula b1 can be used using “average temperature from flowering to harvest” as environmental measurement value data and “stem diameter” as growth survey value data.
推定ＬＡＩ（栽培状況予測式ｂ１）＝（−０．１９５６６×開花日から収穫までの平均気温）＋（０．２９５８６×茎径）＋４．３９１８３
栽培状況予測式ｂ１の決定係数は０．９０６７で、そのｐ値は７．３３Ｅ−０９であり、信頼性の高い式であった。
Estimated LAI (cultivation condition prediction formula b1) = (− 0.19566 × average temperature from flowering date to harvest) + (0.29586 × stem diameter) +4.39183
The coefficient of determination of the cultivation condition prediction formula b1 was 0.9067, and the p value was 7.33E-09, which was a highly reliable formula.
（調整ＬＡＩの算出）
栽培状況予測式ｂ１を用いて推定ＬＡＩが算出されたならば、目標ＬＡＩとの差（調整ＬＡＩ＝推定ＬＡＩ−目標ＬＡＩ）を求める。
まず、例えば、平均気温：１８．４℃、茎径：７．５ｍｍの場合、栽培状況予測式ｂ１により、推定ＬＡＩ＝３が求められる。
次に、栽培状況予測式Ｂ１により、この時点の平均日射量が１１ＭＪ／ｍ２の場合、目標ＬＡＩ＝３．３が求められ、調整ＬＡＩ＝０．３となる。
(Calculation of adjusted LAI)
If the estimated LAI is calculated using the cultivation condition prediction formula b1, a difference from the target LAI (adjusted LAI = estimated LAI−target LAI) is obtained.
First, for example, when the average temperature is 18.4 ° C. and the stem diameter is 7.5 mm, the estimated LAI = 3 is obtained by the cultivation condition prediction formula b1.
Next, according to the cultivation condition prediction formula B1, when the average solar radiation amount at this time is 11 MJ / m 2 , the target LAI = 3.3 is obtained, and the adjustment LAI = 0.3.
（摘葉数の算出）
摘葉数をＬＡＩから計算する場合は、ＬＡＩを葉数に換算しなければならない。
例えば、栽植密度２株／ｍ２、葉１枚あたりの平均葉面積が０．０６２５ｍ２（葉長５０ｃｍ、葉幅５０ｃｍの大玉トマト葉相当）の株で、調整ＬＡＩ＝０．３相当分を摘葉する場合は、０．３ｍ２／０．０６２５ｍ２／２．４株＝２枚となり、２枚摘葉する計算になる。
(Calculation of the number of leaves)
When calculating the number of defoliation from LAI, LAI must be converted into the number of leaves.
For example, with a planting density of 2 strains / m 2 and an average leaf area per leaf of 0.0625 m 2 (corresponding to large tomato leaves with a leaf length of 50 cm and a leaf width of 50 cm), the adjusted LAI = 0.3 equivalent If the defoliation is, 0.3 m 2 /0.0625M becomes 2 /2.4 strain = two, the calculation of two defoliation.
予測式データベース１１には上記のような栽培状況予測式が登録されているが、各栽培状況予測式は、栽培状況情報の種類に応じ、地域毎、ユーザ毎、植物毎等に区分して登録された構成とすることができる（図３参照）。 Although the cultivation situation prediction formulas as described above are registered in the prediction formula database 11, each cultivation situation prediction formula is classified and registered for each region, for each user, for each plant, etc., according to the type of cultivation situation information. (See FIG. 3).
予測式抽出手段１２０は、ユーザが予測を希望する将来の栽培状況情報に基づき、予測式データベース１１から、対応する栽培状況予測式を抽出する。具体的には、ユーザの端末装置２から、栽培支援対象の植物に関して予測を希望する将来の栽培状況情報を受信し、抽出を実行する。例えば、将来の栽培状況情報として、トマトの収穫時期の予測を希望する旨の情報がユーザＸの端末装置２から栽培支援装置１に送信され、栽培支援装置１がその情報を受信すると、例えば、図３に示したように、開花日を基準とした収穫開始日を求める栽培状況予測式Ａ群がＡ１〜Ａｎまでユーザ毎に設定されている場合、ユーザＸが、トマトの収穫時期について栽培支援を求めると、栽培状況予測式Ａ群の中で、ユーザＸの前年度のトマトの栽培実績データに基づいて構築された栽培状況予測式Ａ１（積算気温を予測する栽培状況予測式ａ１を含む）が選択される。また、例えば、栽培支援を求めるユーザＺの前年度の栽培実績データが登録されていない場合、予測式抽出手段１２０が、ユーザＺと同地域で前年度のトマトに関する栽培実績データのある例えばユーザＹの栽培状況予測式Ａ２（積算気温を予測する栽培状況予測式ａ２を含む）を抽出する。 The prediction formula extraction unit 120 extracts a corresponding cultivation status prediction formula from the prediction formula database 11 based on future cultivation status information that the user wishes to predict. Specifically, future cultivation status information desired to be predicted for the plant to be supported for cultivation is received from the terminal device 2 of the user, and extraction is performed. For example, as future cultivation status information, information indicating that the harvesting time of the tomato is desired is transmitted from the terminal device 2 of the user X to the cultivation support device 1, and when the cultivation support device 1 receives the information, for example, As shown in FIG. 3, when the cultivation status prediction formula A group for obtaining the harvest start date based on the flowering date is set for each user from A1 to An, the user X supports cultivation support for the tomato harvest time. In the cultivation status prediction formula group A, the cultivation status prediction formula A1 (including the cultivation status prediction formula a1 for predicting the integrated temperature) constructed based on the cultivation result data of the tomatoes of the previous year of the user X. Is selected. For example, when the cultivation result data of the previous year of the user Z who seeks cultivation support is not registered, the prediction formula extraction unit 120 has the cultivation result data on the tomatoes of the previous year in the same area as the user Z, for example, the user Y. The cultivation status prediction formula A2 (including the cultivation status prediction formula a2 for predicting the integrated temperature) is extracted.
予測実行手段１３０は、ユーザが予測を希望する栽培支援対象の植物に関する現時点までの最新の支援対象栽培データを、栽培状況予測式に適用して将来の栽培状況情報を予測する。最新の支援対象栽培データとは、予測を希望するデータを送信する際のできるだけ直前までのものが好ましく、ユーザＸがトマトを栽培している温室の日射量、平均気温などの環境測定値データと、草丈増分の平均、生長点から花房までの長さの平均、葉長の平均、葉幅の平均、生長点１５ｃｍ下茎径の平均、草丈日伸長量、総草丈、ＬＡＩ（葉面積指数）、葉数の平均などの生育調査値データが含まれる。 The prediction execution means 130 predicts future cultivation status information by applying the latest support target cultivation data on the cultivation support target plant that the user wishes to predict to the present time to the cultivation status prediction formula. The latest support target cultivation data is preferably as short as possible when data for which prediction is desired is transmitted, and environmental measurement data such as the solar radiation amount and average temperature of the greenhouse where user X is growing tomatoes, and , Average of plant height increment, average of length from growth point to inflorescence, average of leaf length, average of leaf width, average of stem diameter at 15 cm of growth point, day length of plant height, total plant height, LAI (leaf area index) And growth survey data such as the average number of leaves.
次に、本実施形態の栽培支援装置１を用いた栽培支援方法について図４に基づいて説明する。例えば、ユーザＸが、端末装置２から、予測を希望する栽培状況情報として、トマトの収穫開始日の予測を希望する旨の情報を送信する（Ｓ１０１）。また、栽培支援対象の植物に関する現時点までの最新の支援対象栽培データ、すなわち、最新の環境測定値データ及び生育調査値データを送信する（Ｓ１０２）。なお、環境測定値データは、端末装置２を経由してもよいが、環境測定装置３が通信機能を備えている場合には該環境測定装置３から直接栽培支援装置１に送信される。 Next, the cultivation support method using the cultivation assistance apparatus 1 of this embodiment is demonstrated based on FIG. For example, the user X transmits, from the terminal device 2, information indicating that the prediction of the tomato harvest start date is desired as the cultivation status information desired to be predicted (S101). In addition, the latest support target cultivation data about the plant that is the cultivation support target, that is, the latest environmental measurement value data and the growth survey value data are transmitted (S102). In addition, although environmental measurement value data may pass through the terminal device 2, when the environmental measurement device 3 is provided with a communication function, it is directly transmitted from the environmental measurement device 3 to the cultivation support device 1.
栽培支援装置１は、端末装置２及び環境測定装置３から上記の最新の支援対象栽培データとしての環境測定値データ及び生育調査値データを受信すると、栽培実績データベース１２内の環境測定値データベース１２ａ及び生育調査値データベース１２ｂに記憶させる（Ｓ１０４）。このとき、いずれもユーザＸのデータであることを紐付けして蓄積する。 When the cultivation support device 1 receives the environmental measurement value data and the growth survey value data as the latest support target cultivation data from the terminal device 2 and the environment measurement device 3, the environmental measurement value database 12 a in the cultivation performance database 12 and It is stored in the growth survey value database 12b (S104). At this time, the data is stored in association with the data of user X.
予測式抽出手段１２０は、予測式データベース１１にアクセスし、ユーザＸの端末装置２から送信された上記の予測を希望する栽培状況情報に対応する栽培状況予測式を抽出する（Ｓ１０５）。ユーザＸが、トマトの収穫開始日の予測を求めているため、上記のように、栽培状況予測式Ａ群の中で、ユーザＸの前年度のトマトの栽培実績データに基づいて構築された栽培状況予測式Ａ１（積算気温を予測する栽培状況予測式ａ１を含む）を抽出する。 The prediction formula extraction unit 120 accesses the prediction formula database 11 and extracts a cultivation status prediction formula corresponding to the cultivation status information desired to be predicted transmitted from the terminal device 2 of the user X (S105). Since the user X seeks the prediction of the tomato harvest start date, as described above, the cultivation constructed based on the cultivation result data of the previous year's tomatoes in the cultivation status prediction formula group A The situation prediction formula A1 (including the cultivation status prediction formula a1 for predicting the integrated temperature) is extracted.
予測実行手段１３０は、予測式抽出手段１２０により抽出された栽培状況予測式の情報（例えば、栽培状況予測式Ａ１（積算気温を予測する栽培状況予測式ａ１を含む））を受け取ったならば、環境測定値データベース１２ａ及び生育調査値データベース１２ｂにアクセスし、その中から、栽培状況予測式Ａ１（積算気温を予測する栽培状況予測式ａ１を含む）に用いるユーザＸの最新の環境測定値データ及び生育調査値データを読み出し、まず、積算気温を予測する栽培状況予測式ａ１に代入して、演算を実行し、当該年度における積算気温を予測する（Ｓ１０６）。 When the prediction execution unit 130 receives the information on the cultivation status prediction formula extracted by the prediction formula extraction unit 120 (for example, the cultivation status prediction formula A1 (including the cultivation status prediction formula a1 that predicts the integrated temperature)), The environmental measurement value database 12a and the growth survey value database 12b are accessed, and the latest environmental measurement value data of the user X used for the cultivation condition prediction formula A1 (including the cultivation condition prediction expression a1 for predicting the integrated temperature) and The growth survey value data is read out, and is first substituted into the cultivation state prediction formula a1 for predicting the integrated temperature, and the calculation is executed to predict the integrated temperature in the current year (S106).
予測実行手段１３０は、さらに、栽培状況予測式Ａ１を実行し、例えば、上記の例のように、積算気温が１０３１．９２（℃）と求められたならば、これを平均気温１７．０８６（℃）で除し、収穫期間＝６０．４（日数）を求め、この日数を開花日にプラスして収穫開始日を求める（Ｓ１０６）。そして、予測実行手段１３０は、実質積算気温、開始日から収穫開始までの日数、収穫開始日などの予測結果を、ユーザＸの端末装置２に送信する（Ｓ１０７）。 The prediction execution unit 130 further executes the cultivation condition prediction formula A1, and if the integrated temperature is found to be 1031.92 (° C.), for example, as in the above example, this is calculated as the average temperature 17.086 ( (° C.) to obtain the harvest period = 60.4 (number of days), and this number of days is added to the flowering date to obtain the harvest start date (S106). And the prediction execution means 130 transmits prediction results, such as real integrated temperature, the number of days from the start date to the start of harvest, and the start date of harvest, to the terminal device 2 of the user X (S107).
ユーザＸは、予測結果を受信することにより（Ｓ１０８）、予測結果従って、栽培スケジュールを立てることができる。本実施形態によれば、環境測定値データだけでなく、実際の生育調査値データを加味し、しかも、それらのデータが最新であるため、精度の高い予測結果が得られる。 The user X can make a cultivation schedule according to the prediction result by receiving the prediction result (S108). According to the present embodiment, not only the environmental measurement value data but also the actual growth survey value data is taken into account, and since these data are the latest, a highly accurate prediction result can be obtained.
次に、ユーザＸは、図５に示したように、予測を要望した栽培状況、この例では、実際の開花日から収穫開始日までの実質積算気温及び収穫開始日の当該年度の実際の日付等を栽培実績データとして栽培支援装置１に送信する（Ｓ１１０）。栽培支援装置１は、新たな栽培実績データを受信すると（Ｓ１１１）、栽培実績データベース１２に、そのデータを登録し、更新する（Ｓ１１２）。この更新したデータは、栽培状況予測式Ａ１（積算気温を予測する栽培状況予測式ａ１を含む）に代入され、栽培状況予測式Ａ１（積算気温を予測する栽培状況予測式ａ１を含む）が当該年度のデータを踏まえたものに更新される（Ｓ１１３）。更新された栽培状況予測式は、予測式構築手段１１０により、改めて相関性が求められ、係数等の数値が置き換えられる。また、相関性が所定以下と判断される因子は除外される。本実施形態によれば、このようにして栽培状況予測式が、より適切なものへと更新されるため、次の予測結果の精度が次第に上がることになる。 Next, as shown in FIG. 5, the user X, as shown in FIG. 5, cultivated conditions for which prediction is desired, in this example, the actual accumulated temperature from the actual flowering date to the harvest start date, and the actual date of the year in the year of harvest Etc. are transmitted to the cultivation support apparatus 1 as cultivation performance data (S110). When the cultivation support apparatus 1 receives new cultivation record data (S111), the cultivation support apparatus 1 registers and updates the data in the cultivation record database 12 (S112). This updated data is substituted into the cultivation status prediction formula A1 (including the cultivation status prediction formula a1 for predicting the integrated temperature), and the cultivation status prediction formula A1 (including the cultivation status prediction formula a1 for predicting the integrated temperature) is concerned. The data is updated based on the data for the year (S113). The updated formula for predicting the cultivation situation is recalculated by the prediction formula construction means 110, and numerical values such as coefficients are replaced. Also, factors for which the correlation is determined to be less than or equal to a predetermined value are excluded. According to this embodiment, since the cultivation situation prediction formula is updated to a more appropriate one in this way, the accuracy of the next prediction result gradually increases.
なお、上記した説明では、ユーザの端末装置２を、ユーザからの情報の送信及び栽培支援装置１からの情報の受信として使用しているだけであるが、例えば、栽培支援を実行する上記のコンピュータプログラムを、ユーザの端末装置２にインストールし、端末装置２を栽培支援装置として用いることもできる。この場合は、基本的には当該ユーザのみのデータを用いて栽培予測を実行することになるが、当該ユーザが例えば毎年同じ作物を同じ温室で生産するような場合には、そのような使い方でも十分役立つ。但し、図１に示したように、複数のユーザの端末装置２に対して、栽培支援装置１がサーバー（クラウド環境のものも含む）として機能し、複数のユーザの情報を集中管理する構成とすれば、例えば同地域における他のユーザのデータも加味した栽培予測を受けることができる。また、新規のユーザへの栽培状況の予測の提供も可能となる。 In the above description, the user's terminal device 2 is only used for transmission of information from the user and reception of information from the cultivation support device 1, but for example, the above computer that performs cultivation support The program can be installed in the user's terminal device 2 and the terminal device 2 can be used as a cultivation support device. In this case, basically, the cultivation prediction is executed using only the data of the user. However, when the user produces the same crop in the same greenhouse every year, for example, Helpful enough. However, as illustrated in FIG. 1, the cultivation support device 1 functions as a server (including a cloud environment) for the terminal devices 2 of a plurality of users, and a configuration in which information of a plurality of users is centrally managed. By doing so, for example, it is possible to receive a cultivation prediction that takes into account the data of other users in the same region. In addition, it is possible to provide a new user with a prediction of the cultivation situation.
１ 栽培支援装置
１ａ 記憶部
１１ 予測式データベース
１２ 栽培実績データベース
１２ａ 環境測定値データベース
１２ｂ 生育調査値データベース
１１０ 予測式構築手段
１２０ 予測式抽出手段
１３０ 予測実行手段
２ 端末装置
３ 環境測定装置
DESCRIPTION OF SYMBOLS 1 Cultivation assistance apparatus 1a Memory | storage part 11 Prediction formula database 12 Cultivation result database 12a Environmental measurement value database 12b Growth investigation value database 110 Prediction formula construction means 120 Prediction formula extraction means 130 Prediction execution means 2 Terminal apparatus 3 Environmental measurement apparatus
Claims (13)
ユーザが予測を希望する前記将来の栽培状況情報に基づき、前記予測式データベースから、前記栽培状況情報に対応する前記栽培状況予測式を抽出する予測式抽出手段と、
前記栽培状況予測式に、栽培支援対象の植物に関する最新の支援対象栽培データを適用し、将来の栽培状況情報を予測する予測実行手段と
を有し、
前記栽培状況予測式は、前記栽培実績データとして、植物の生育環境に関する環境測定値データと、植物の生育状況に関する生育調査値データとを用いて構築され、
前記予測実行手段は、前記支援対象栽培データとして、前記栽培支援対象の植物の生育環境に関する環境測定値データと、前記栽培支援対象の植物の生育状況に関する生育調査値データを適用することを特徴とする栽培支援装置。 A prediction formula database in which a cultivation status prediction formula for predicting future cultivation status information of a plant is constructed and stored in relation to past cultivation performance data;
Based on the future cultivation status information that the user desires to predict, from the prediction formula database, a prediction formula extraction unit that extracts the cultivation status prediction formula corresponding to the cultivation status information;
Applying the latest support target cultivation data related to the cultivation support target plant to the cultivation status prediction formula, and having a prediction execution means for predicting future cultivation status information,
The cultivation status prediction formula is constructed using environmental measurement value data related to the growth environment of plants and growth survey value data related to the growth status of plants as the cultivation result data,
The prediction execution unit applies, as the support target cultivation data, environmental measurement value data related to the growth environment of the plant that is the cultivation support target and growth survey value data related to the growth status of the plant that is the cultivation support target. A cultivation support device.
植物の将来の栽培状況情報を予測する栽培状況予測式が、過去の栽培実績データとして、植物の生育環境に関する環境測定値データ及び植物の生育状況に関する生育調査値データの双方との関係で構築され記憶されている予測式データベースにアクセスし、
前記ユーザが予測を希望する将来の栽培状況情報に基づき、前記予測式データベースから、対応する前記栽培状況予測式を抽出し、
前記栽培状況予測式に、前記最新の支援対象栽培データとし、前記栽培支援対象の植物の生育環境に関する環境測定値データ及び前記栽培支援対象の植物の生育状況に関する生育調査値データの双方を適用し、将来の栽培状況情報の予測することを特徴とする栽培支援方法。 As the latest support target cultivation data on the cultivation support target plant, obtain both information of the environmental measurement value data on the growth environment of the cultivation support target plant and the growth survey value data on the growth status of the cultivation support target plant. ,
Cultivation status prediction formulas for predicting the future cultivation status information of plants are constructed as past cultivation performance data in relation to both environmental measurement value data related to plant growth environment and growth survey value data related to plant growth status. Access the stored prediction formula database,
Based on the future cultivation status information that the user wishes to predict, extract the corresponding cultivation status prediction formula from the prediction formula database,
The cultivation status prediction formula is the latest support target cultivation data, and both environmental measurement value data relating to the growth environment of the cultivation support target plant and growth survey value data relating to the growth situation of the cultivation support target plant are applied. A cultivation support method characterized by predicting future cultivation status information.
栽培支援対象の植物に関する最新の支援対象栽培データとして、前記栽培支援対象の植物の生育環境に関する環境測定値データ及び前記栽培支援対象の植物の生育状況に関する生育調査値データの双方の情報を得る手順と、
植物の将来の栽培状況情報を予測する栽培状況予測式が、過去の栽培実績データとして、植物の生育環境に関する環境測定値データ及び植物の生育状況に関する生育調査値データの双方との関係で構築され記憶されている予測式データベースにアクセスする手順と、
前記ユーザが予測を希望する将来の栽培状況情報に基づき、前記予測式データベースから、対応する前記栽培状況予測式を抽出する手順と、
前記栽培状況予測式に、前記最新の支援対象栽培データとし、前記栽培支援対象の植物の生育環境に関する環境測定値データ及び前記栽培支援対象の植物の生育状況に関する生育調査値データの双方を適用し、将来の栽培状況情報の予測する手順と
を前記コンピュータに実行させるコンピュータプログラム。 A computer program for causing a computer to function as a cultivation support device,
A procedure for obtaining information on both the environmental measurement value data relating to the growth environment of the cultivation support target plant and the growth survey value data relating to the growth status of the cultivation support target plant as the latest support target cultivation data relating to the cultivation support target plant When,
Cultivation status prediction formulas for predicting the future cultivation status information of plants are constructed as past cultivation performance data in relation to both environmental measurement value data related to plant growth environment and growth survey value data related to plant growth status. A procedure to access a stored prediction formula database;
Based on the future cultivation situation information that the user wishes to predict, a procedure for extracting the corresponding cultivation situation prediction formula from the prediction formula database;
The cultivation status prediction formula is the latest support target cultivation data, and both environmental measurement value data relating to the growth environment of the cultivation support target plant and growth survey value data relating to the growth situation of the cultivation support target plant are applied. The computer program which makes the said computer perform the procedure which estimates future cultivation condition information.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017153296A JP2019030253A (en) | 2017-08-08 | 2017-08-08 | Culture support device, culture support method, computer program and recording medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017153296A JP2019030253A (en) | 2017-08-08 | 2017-08-08 | Culture support device, culture support method, computer program and recording medium |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2019030253A true JP2019030253A (en) | 2019-02-28 |
Family
ID=65523828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017153296A Pending JP2019030253A (en) | 2017-08-08 | 2017-08-08 | Culture support device, culture support method, computer program and recording medium |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2019030253A (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020144720A (en) * | 2019-03-08 | 2020-09-10 | 富士通株式会社 | Machine learning program, machine learning method, and machine learning device |
| JP2020181435A (en) * | 2019-04-26 | 2020-11-05 | 国立大学法人東海国立大学機構 | Information processor, information processing system, information processing method, and computer program |
| WO2021084974A1 (en) * | 2019-10-30 | 2021-05-06 | キヤノン株式会社 | Information processing device and information processing method |
| JP2021081919A (en) * | 2019-11-18 | 2021-05-27 | 国立研究開発法人農業・食品産業技術総合研究機構 | Prediction program, prediction method, and prediction device |
| WO2021166558A1 (en) * | 2020-02-17 | 2021-08-26 | パナソニックＩｐマネジメント株式会社 | Environmental condition extraction system, environmental condition extraction method, and program |
| JP7142746B1 (en) | 2021-04-23 | 2022-09-27 | ソフトバンク株式会社 | Feature quantity determination system, feature quantity determination method, and server |
| JP7325041B2 (en) | 2019-09-18 | 2023-08-14 | 国立研究開発法人農業・食品産業技術総合研究機構 | Crop yield prediction method and device, crop cultivation device |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11346578A (en) * | 1998-06-03 | 1999-12-21 | Hitachi Ltd | Equipment for backing up farm work |
| JP2012039964A (en) * | 2010-08-20 | 2012-03-01 | Fujitsu Ltd | Apparatus, method and program for supporting agricultural operation |
| JP2015219651A (en) * | 2014-05-15 | 2015-12-07 | 株式会社Ｊｓｏｌ | Harvest prediction device for farm crop, harvest prediction system and harvest prediction method |
| JP2016101117A (en) * | 2014-11-28 | 2016-06-02 | 三菱電機株式会社 | Information processing device, and information processing method, and program |
-
2017
- 2017-08-08 JP JP2017153296A patent/JP2019030253A/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11346578A (en) * | 1998-06-03 | 1999-12-21 | Hitachi Ltd | Equipment for backing up farm work |
| JP2012039964A (en) * | 2010-08-20 | 2012-03-01 | Fujitsu Ltd | Apparatus, method and program for supporting agricultural operation |
| JP2015219651A (en) * | 2014-05-15 | 2015-12-07 | 株式会社Ｊｓｏｌ | Harvest prediction device for farm crop, harvest prediction system and harvest prediction method |
| JP2016101117A (en) * | 2014-11-28 | 2016-06-02 | 三菱電機株式会社 | Information processing device, and information processing method, and program |
Non-Patent Citations (3)
| Title |
|---|
| "ビワの収穫盛期予測法", 平成28年度試験研究成果普及情報課題一覧, JPN7021002938, 21 July 2021 (2021-07-21), JP, ISSN: 0004708251 * |
| 大谷義夫: "異常気象にも対応したなし生育予測モデルの作成", 栃木県農業試験場研究成果集, vol. 第24号, JPN7021002937, 21 July 2021 (2021-07-21), JP, ISSN: 0004708252 * |
| 菊池大介 外３名: "季節を考慮した農作物の生育予測手法の提案", 日立テクニカルレポート, vol. 第１８号(２０１２年), JPN7021002939, 21 July 2021 (2021-07-21), JP, pages 6 - 10, ISSN: 0004708250 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020144720A (en) * | 2019-03-08 | 2020-09-10 | 富士通株式会社 | Machine learning program, machine learning method, and machine learning device |
| JP7208503B2 (en) | 2019-03-08 | 2023-01-19 | 富士通株式会社 | Machine learning program, machine learning method and machine learning apparatus |
| JP2020181435A (en) * | 2019-04-26 | 2020-11-05 | 国立大学法人東海国立大学機構 | Information processor, information processing system, information processing method, and computer program |
| JP7325041B2 (en) | 2019-09-18 | 2023-08-14 | 国立研究開発法人農業・食品産業技術総合研究機構 | Crop yield prediction method and device, crop cultivation device |
| WO2021084974A1 (en) * | 2019-10-30 | 2021-05-06 | キヤノン株式会社 | Information processing device and information processing method |
| JP2021081919A (en) * | 2019-11-18 | 2021-05-27 | 国立研究開発法人農業・食品産業技術総合研究機構 | Prediction program, prediction method, and prediction device |
| JP7370519B2 (en) | 2019-11-18 | 2023-10-30 | 国立研究開発法人農業・食品産業技術総合研究機構 | Prediction program, prediction method and prediction device |
| WO2021166558A1 (en) * | 2020-02-17 | 2021-08-26 | パナソニックＩｐマネジメント株式会社 | Environmental condition extraction system, environmental condition extraction method, and program |
| JPWO2021166558A1 (en) * | 2020-02-17 | 2021-08-26 | ||
| JP7142746B1 (en) | 2021-04-23 | 2022-09-27 | ソフトバンク株式会社 | Feature quantity determination system, feature quantity determination method, and server |
| WO2022224664A1 (en) * | 2021-04-23 | 2022-10-27 | ソフトバンク株式会社 | Feature amount determination system, feature amount determination method, and server |
| JP2022167693A (en) * | 2021-04-23 | 2022-11-04 | ソフトバンク株式会社 | Feature quantity determination system, feature quantity determination method, and server |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2019030253A (en) | Culture support device, culture support method, computer program and recording medium | |
| Miller et al. | Using growing degree days to predict plant stages | |
| JP5756374B2 (en) | Growth management method | |
| US20130317872A1 (en) | Agricultural work support method and apparatus | |
| JP6551943B2 (en) | Growth management device, growth management method, and program | |
| KR20200122612A (en) | Crop growth control system and controlling method of thereof | |
| JP2021056573A (en) | Crop growth prediction program, crop growth prediction method, and crop growth prediction device | |
| US20210136996A1 (en) | Systems and methods for applying an agricultural practice to a target agricultural field | |
| KR20160040672A (en) | Cultivation assistance device, cultivation assistance method, and recording medium for storing program | |
| KR20210086373A (en) | Device, method and program for predict and analyze plant growth according to soil conditions | |
| EP3996012A1 (en) | Plant cultivation management system and plant cultivation management device | |
| CN114662742A (en) | Dynamic decision method and device for field irrigation and fertilization system | |
| KR20210063218A (en) | SmartFarm Operating System To Store Operation History | |
| JP2018007630A (en) | Cultivation support device | |
| Oses et al. | Machine Learning for olive phenology prediction and base temperature optimisation | |
| KR102194871B1 (en) | Method of predicting crop yield and apparatus for embodying the same | |
| CN113010529A (en) | Crop management method and device based on knowledge graph | |
| US20220225583A1 (en) | Management device for cultivation of fruit vegetable plants and fruit trees, learning device, management method for cultivation of fruit vegetable plants and fruit trees, learning model generation method, management program for cultivation of fruit vegetable plants and fruit trees, and learning model generation program | |
| JP2022136058A (en) | Method of generating prediction model for predicting crop production performance, generation apparatus, and generation program | |
| KR102381491B1 (en) | Information providing system for crop cultivation | |
| Aiello et al. | An expert system for vineyard management based upon ubiquitous network technologies | |
| EP3984349A1 (en) | Information processing device and method | |
| JP2017163955A (en) | Growth management apparatus, method, and program | |
| CN117236519B (en) | Water and fertilizer regulation and control method and device, electronic equipment and storage medium | |
| WO2023119529A1 (en) | Growth prediction device, growth prediction method, and growth prediction program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200723 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210716 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210804 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20211004 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220217 |