JP2019071802A - 苗データ生成システム、苗判別システム、苗データ生成プログラム、苗判別プログラム、苗データ生成装置、苗判別装置 - Google Patents
苗データ生成システム、苗判別システム、苗データ生成プログラム、苗判別プログラム、苗データ生成装置、苗判別装置 Download PDFInfo
- Publication number
- JP2019071802A JP2019071802A JP2017199075A JP2017199075A JP2019071802A JP 2019071802 A JP2019071802 A JP 2019071802A JP 2017199075 A JP2017199075 A JP 2017199075A JP 2017199075 A JP2017199075 A JP 2017199075A JP 2019071802 A JP2019071802 A JP 2019071802A
- Authority
- JP
- Japan
- Prior art keywords
- seedling
- data
- image
- name
- image data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
Description
農家は、自身が栽培する苗を苗の生産・販売業者から購入する。購入した苗の品質により農家での苗の栽培状況や植物の生産、売上が大きく左右されるため、苗の生産・販売業者にとって苗の品質を維持することは非常に重要である。
接木とは、2個以上の植物を人為的に切断した切断面で接着して、1つの個体とすることである。接木した苗を接木苗、接木の元となる苗を元苗とそれぞれいう。また、接木苗の上部の植物を穂木、下部の植物を台木とそれぞれいう。接木は、トマト、ナス、キュウリ、スイカなどの野菜や、果物に多く用いられている。
1.受注:顧客である農家から「何穴のプラグトレイ(樹脂製容器)に何粒の種を播く」などの契約を行う。
2.播種:プラグトレイに真空播種機を用いて播種(種播き)を行う。
3.発芽管理:プラグトレイに播種された種子は発芽庫で保温保湿される。培土の中で芽吹くころに初期育苗棟に移されて、発芽を管理される。
4.初期育苗:発芽後、接木前まで育苗される。特に、草丈、葉数、茎の太さが管理される。
5.接木:穂木、台木を組み合わせて接木する。接木の部分にチューブやクリップなどを取り付ける場合もある。
6.養生順化:接木苗は養生室に送られて、継ぎ目(切断面)を活着させる。
7.プラグ出荷:接木した後、養生順化を経た比較的少ない葉数の苗などをポット(鉢)に鉢上げせずにプラグトレイに入れた状態で出荷する。
8.鉢上げ:工程7のプラグトレイで出荷しない場合、接木苗をひとつひとつポットに移動する。
9.2次育苗:接木苗をプラグトレイからポットに移動させて、さらに育苗させる。
10.選別:養生や2次育苗を経て、出荷に適した品質の接木苗であるかが、作業者により選別される。
11.出荷
しかし、苗の生産・販売業者では、作業者、特に熟練者の長年の経験に基づいて、元苗や接木苗が目視で管理、選別されていた。また、熟練者による管理や選別も、その者の疲労や体調により品質にばらつきがあった。さらに、熟練者のノウハウが経験の浅い者に教育されていなかった。
さらに、苗の品種や工程が多岐にわたる場合は、さらに個々の品種、工程ごとに育成がよいと判別される指標を記憶しなければならず、作業者に負担となる。
元苗の重心高さが低くない場合は、杯軸を中心として回転させながら子葉の面積を測定し、子葉の面積が最大面積となる位置を検出し、その位置で元苗の位置合わせを行っている。位置合わせされた位置で、鉛直方向からの元苗の傾きを計測し、傾きの角度が一定以上であれば奇形苗(杯軸から曲がった苗)と判別する。さらに、カメラで元苗を上方向から撮像し、撮像した撮像データを解析して子葉の面積を計測し、面積が一定以下であれば奇形苗(たとえば、2枚の子葉のうち1枚が非常に小さい場合など)と判別する。
特開2017−109197号公報では、廃棄物を撮像して画像データを取得するとともに、廃棄物の重量、体積を計測して、比重を算出している。そして、作業者が画像データ、重量、体積、比重を確認して廃棄物の素材(木材、プラスチック、鉄、非鉄など)を特定、入力することで、教師データを作成している。
特開2010−287065号公報では、血管のような樹木状の生体情報に基づく生体認証において、照合像生成確率モデルと変動確率モデルを用いて、少ない教師データで生体認証の精度を向上させている。
しかし、元苗は子葉のみの状態、つまり初期育苗の中でも初めのわずかな期間のみの状態が対象とされ、その後元苗が成長して別工程に移行した場合は自動的に判別することが難しい。
また、撮像は主に元苗の側面方向から行われ、場合により上方向からの撮像も追加で行われるにすぎない。さらに、これらの撮像は二次元画像で表現されている。そのため、育成のよい元苗であっても子葉がわずかに折れ曲がっている場合は、二次元画像では元苗の苗姿(苗全体の姿、かたち)を正確に把握できないおそれがある。元苗の苗姿を正確に把握することができなければ、品質の高い元苗を廃棄することとなり、苗の生産・販売業者にとって損失につながりかねない。
もちろん、元苗だけではなく接木苗も同様に、その苗姿を正確に把握することができなければ損失につながりかねない。
同様に、苗の生産・販売業者が、人工知能を用いた苗の良否判別システムを開発すれば、熟練者に頼らなくとも自動的に苗の良否を判別できると考えられる。しかし、植物の苗は日々成長を続けており、その苗姿は時々刻々と変化している。そして、接木の対象となる苗の品種やその工程はその組み合わせにより多岐にわたり、熟練者による苗の判別の指標は感覚的なものである。そのため、熟練者が苗のあらゆる品種、工程において大量の教師データを準備することは困難である。
しかし、本人認証の精度を向上させるためには、ある程度の教師データが必要となる。
また、苗は多数の品種、工程が存在し、個体差が大きいことから、品種および工程ごとに大量の教師データを準備することは困難と考えられる。
また、コンピュータを、苗の苗姿を正確に把握するとともに、品質の高い苗を自動的に選別(判別)する苗判別システム、苗判別プログラム、苗判別装置の提供を別の目的としている。
すなわち、請求項1、7、10に係る本発明によれば、育苗する苗の全体像を表す画像データと、当該苗の品種名と、当該苗の育成が完了するまでの複数の工程のうちの1つの工程の名称とを含む苗基本データを取得する苗基本データ取得手段と、苗の少なくとも1つの部位と、当該部位の数値範囲とを含むパラメータを、前記苗基本データ取得手段により取得された前記苗基本データの前記画像データに紐付けて、苗記憶データを生成する苗記憶データ生成手段とを備え、品種および工程ごとに育成がよいと判別された1つの苗の苗基本データに対して、育成がよいと判別される指標となる苗の部位および当該部位の数値範囲とがパラメータとして設定されると、前記苗記憶データ生成手段は、前記苗記憶データ生成手段で取得された前記画像データから前記パラメータに応じた苗の画像データを複数生成して苗基本データの画像データに追加して、苗基本データから苗記憶データを生成している。
すなわち、請求項3、8、11に係る本発明によれば、育苗する苗の全体像を表す画像データを撮像する撮像手段と、前記苗の品種名と、前記苗の育成が完了するまでの複数の工程のうちの1つの工程の名称とが入力される入力手段と、前記育苗する苗の育成がよいか否かを判別する制御手段と、データを記憶する記憶手段とを備え、前記制御手段は、前記撮像手段で撮像された画像データを画像処理する画像処理手段と、画像処理された画像データに前記入力手段で入力された品種名、1つの工程の名称を紐付けて苗基本データとし、当該苗基本データを教師データとして記憶手段に記憶する教師データ生成手段とを有する苗判別システムであって、前記制御手段は、前記入力手段で入力された品種名と、1つの工程の名称とを判別のための教師データとして学習を実施し、前記画像処理手段で画像処理された画像データから苗の育成がよいか否かを判別する機械学習手段をさらに有し、前記教師データ生成手段は、画像処理された前記画像データと、品種名と、1つの工程の名称と、苗の育成がよいか否かの判別結果とを紐付けて、教師データとして記憶手段に記憶している。
請求項3、8、11に係る本発明でも、育苗する苗の全体像を表す画像データを撮像、取得することで、元苗の苗姿を正確に把握することができる。そして、取得した画像データを教師データとして蓄積し、人工知能が学習を繰り返すことにより、苗の育成がよいか否かを画像データから自動的に判別することができる。
以下、図面を参照しながら本発明の実施例について詳細に説明する。図1は、本発明の一実施例に係る苗データ生成装置、苗判別装置の構成を表す概略図を示す。
本発明の苗データ生成システム1、苗判別システム2は、たとえば、苗データ生成装置10−1、苗判別装置10−2、外部の1または複数のデータベース20、入力手段31および表示手段32を備える端末30、撮像手段40をネットワーク50によって互いに通信可能に接続することで構成されている。端末30は作業者によって操作される。
なお、図1では、説明の簡略化のため、苗データ生成装置10−1、苗判別装置10−2を1つの装置に組み込んだように記載されているが、これに限定されない。苗データ生成装置10−1、苗判別装置10−2は、1つの装置に組み込んでもよいし、それぞれ別の装置に組み込んでもよい。
また、データベース20、端末30、撮像手段40、ネットワーク50による構成は、苗データ生成システム1、苗判別システム2を機能させるための一例であって、これに限定されるものではない。たとえば、環境によってはネットワーク50を介した接続が不要な場合もある。
なお、苗データ生成装置10−1、苗判別装置10−2は、サーバ型の情報処理装置に限定されるものではない。
入力手段31は、端末30を介して、苗データ生成装置10−1、苗判別装置10−2内の制御手段11(図2)の外部から操作(入力)するための周知の装置である。具体的に、キーボード、マウスなどが入力手段31に該当する。入力手段31への入力結果は、端末30を介して一旦制御手段11に出力される。
表示手段32は、苗データ生成装置10−1および苗判別装置10−2内の制御手段11が出力する信号に基づいて、端末30を介して各種画像を表示する。
また、複数の撮像手段40で撮像した多視点映像から画像データ(モデル;たとえば三次元画像)を生成する手法として、視体積交差方法が具体的に挙げられる。視体積交差方法とは、各カメラ画像に被写体のシルエットを黒、その他の領域を白で表したシルエット画像と呼ばれる二値画像(白黒二値画像)を用いて画像データ(モデル;三次元画像)を生成する方法である。
もちろん、本発明において画像データを生成する手法は、視体積交差方法に限定されない。育成する苗の全体像を表す画像データを表現するものであれば、画像データの形式は問わず、具体的には三次元画像であってもなくてもよい。
図2は、本発明の一実施例に係る苗データ生成装置、苗判別装置の構成例を表すブロック図を示す。
苗データ生成装置10−1、苗判別装置10−2は、CPU(プロセッサ)などから構成されて各部を制御するとともに、各種のプログラムを実行する制御手段11、フラッシュメモリなどの記憶媒体から構成されて情報を記憶する記憶手段12、ネットワーク50を介して外部と通信する通信手段13を備えている。
なお、本発明はたとえばサーバ型の情報分析装置内の制御手段11で実行されるが、これに限定されず、たとえば汎用コンピュータ上で実行されるソフトウェアで実行してもよいし、専用のハードウェアや、ソフトウェアおよびハードウェアの組み合わせで実行してもよい。
システムデータ122〜124は、たとえば、後述するパラメータデータ122、(特に苗データ生成システム1に係る)苗記憶データ123、(特に苗判別システム2に係る)教師データ124などであり、システムプログラム120、121の実行に伴って参照または記憶されるデータである。
3.1 苗データ生成システムの処理手順
まず、苗データ生成システム1が実行する苗記憶データの生成について説明する。図3(A)は苗記憶データの生成の流れを説明するフロー図、(B)は苗基本データの生成の流れを説明するフロー図をそれぞれ示す。苗データ生成システム1は、図3に示すように、苗記憶データの生成に至るまでに、苗基本データの取得工程、パラメータの設定工程、苗記憶データの生成工程を順に含んでいる。
パラメータの設定工程(ステップS12)では、作業者により、パラメータ設定手段112を介して苗の少なくとも1つの部位と、当該部位の数値範囲とを含むパラメータ(パラメータデータ122)が設定、記憶される。
苗記憶データの生成工程(ステップS13)では、苗記憶データ生成手段113が苗基本データの画像データに紐付けて、苗記憶データ123を生成し、記憶する。
図5(A)〜(C)は撮像された画像及び処理された画像の例を表す説明図を示す。なお、図5(A)〜(C)では、理解のしやすさのため、画像データを二次元画像として表現している。しかし、苗の全体像を表す画像データであれば足り、二次元画像に限定されない。たとえば、苗の画像データは三次元画像でもよい。また、図5(A)〜(C)では、撮像された画像であることを示すために枠線が記載されているが、枠線の記載は必須ではない。
図3(B)〜図5(C)を用いて、苗記憶データの生成の流れ(ステップS11〜S13)を説明する。
まず、ステップS11において、作業者により、品種および工程ごとに「育成がよい」と判別された1つの苗(以下、適宜「育苗する苗」や単に「苗」という)60のみが選択される(ステップS11−1)。
苗データ生成システム1で撮像の対象となる苗60として、育成が悪いと判別された苗は選択されない。また、たとえ育成がよいと判別されても撮像対象となる苗は1つのみで足り、複数の苗は必要とされない。
工程とは、接木の工程を指す。接木の工程には、たとえば上述のような、受注、播種、発芽管理、初期育苗、接木、養生順化、プラグ出荷、鉢上げ、2次育苗、選別、出荷、余剰管理、残土処理・培土生産などが含まれるが、これらに限定されない。
図4に記載された、撮像対象とされている苗60は、「初期育苗」の工程における「トマト」の「麗容」という品種である。つまり、「トマト」の「麗容」という品種名、「初期育苗」という工程名が、作業者により入力手段31を介してあらかじめ入力される(ステップS11−2)。
撮像手段40は、育苗する苗60の全体像、すなわち苗姿の全方向を表す情報(たとえば三次元画像)が撮像、取得できればよく、図4のように複数台であってもよいし、1台でもよい。
撮像手段40で撮像された苗の画像データ70は、撮像手段から制御手段11にデータが送られ、画像処理手段111によって色彩が除かれて白黒のみで表現されるように加工される(ステップS11−5、図2、図5(B))。図5(B)の符号71は、白黒で表された画像データを示す。
そして、ステップS11−5、6の画像処理を行った場合は、ステップS11−6で生成された輪郭線のみで表された画像データ72が、ステップ11−4で生成された苗基本データの画像データに上書きされる(ステップS11−7)。
パラメータデータ122は、苗の画像データ72を表示手段32上に表示してから設定、記憶されてもよいし、あらかじめ記憶手段12に設定、記憶しておいてもよい。
苗の画像データ72からパラメータが指定されると、制御手段内の画像処理手段111により、指定された部位61(第一本葉)を指定された数値範囲で変更した新たな部位61−1〜61−6が複数作成される。そして、作成された新たな部位61−1〜61−6を、指定された部位以外の画像データと結合することで、指定されたパラメータに応じた輪郭線のみで表された苗の新たな画像データ(以下、単に「新たな苗の画像データ」という)72−1〜72−6が生成される(ステップS13)。
また、実施例では第一本葉61を指定してパラメータを変更したが、指定する部位は「育成がよいと判別される指標」となる部位であればよく、第一本葉に限定されないことはいうまでもない。もちろん、指定する部位は1個所に限定されず、複数個所指定してそれぞれパラメータを設定してもよい。
苗データ生成システム1によれば、育苗する苗の全体像(苗姿)を正確に把握することができる。
そして、苗データ生成システム1によれば、品種および工程ごとに育成がよいと判別される指標となるパラメータ(苗の部位および当該部位の数値範囲)を指定するだけで、育成がよいと判別された1つの苗の画像データ70から、新たな苗の画像データ72−1〜72−6を複数生成することができる。つまり、育成がよいと判別される1枚の画像データから複数の画像データを自動的に生成する。このため、複数の画像データ、苗の育成がよいか否か(苗の育成の良否)を判別するための教師データとして、自動的かつ容易に準備することができる。
さらに、色彩を備える画像データは、画像処理手段111により、まずは白黒のみとされ、次に輪郭のみで表されるように加工される。色彩を備える画像データをそのまま記憶手段12に記憶させると記憶手段のデータ容量が圧迫されるが、白黒および輪郭のみとする画像処理を行うことで、育成の良否判別に最低限必要なデータのみに抑えつつ、記憶手段のデータ容量を確保することができる。
また、変動確率モデルではなく幾何学変換を用いることにより、作業者が表示手段32上で画像データを視認しながらパラメータを操作することが可能となる。
4.1 苗判別システムの処理手順(苗記憶データを教師データとしない場合)
次に、苗判別システム2が実行する苗の育成の判別(苗の育成がよいか否かの判別)について説明する。図7(A)は苗の育成の良否判別の流れを説明するフロー図、(B)は苗基本データの取得および画像処理の流れを説明するフロー図をそれぞれ示す。苗判別システム2は、図7(A)に示すように、苗の育成の判別に至るまでに、苗基本データの取得工程、機械学習工程を順に含んでいる。
苗判別システム2において、苗データ生成システム1と共通する構成部材については同じ参照符号を付してその説明を省略し、苗データ生成システムと異なる苗判別システムの構成を主として説明する。図1、2、4〜6は苗判別システム2においてもそのまま採用される。
苗データ生成システム1で生成された苗記憶データを教師データとしない場合、苗判別システム2自身が苗基本データの取得や、画像データの白黒および輪郭の画像処理を行う点が特徴とされる(ステップS21、S22、図7)。
機械学習工程(ステップS22)では、機械学習手段115がステップS22の教師データに基づいて教師付き学習を実施し、学習結果のデータをまた教師データとして記録し、データベース化する。
図7(B)を用いて、苗基本データの取得および画像処理の流れ(ステップS21)を説明する。
まず、作業者により、品種および工程ごとに苗60’が選択される(ステップS21−1、図4)。苗判別システム2では、苗データ生成システム1とは異なり、撮像の対象となる苗は必ずしも「育成がよい」と判別された1つの苗でなくてもよい。ここでは、先に述べたとおり、苗データ生成システム1で生成された苗記憶データを教師データとしないフローを述べるため、「育成がよい」と判別された苗に限定されない。
そして、選択された苗60’の品種名、工程名が、作業者により入力手段31を介して入力される(ステップS21−2)。たとえば、「トマト」の「麗容」という品種名、「初期育苗」という工程名が入力される。
なお、実施例では、ステップS21−2で品種名、工程名の入力を行い、その後、ステップS21−3で苗を撮像するように記載したが、ステップS21−2、3の順序は逆でもよい。
このように、ステップS21−1〜S21−4を経て、苗基本データが取得される。
まず、撮像手段40で撮像された苗の三次元画像70’は、撮像手段から制御手段11にデータが送られ、画像処理手段111によって色彩が除かれて白黒のみで表現されるように加工される(ステップS21−5、図2、図5(B))。図5(B)の符号71’は、撮像された苗60’が白黒で表された三次元画像を示す。
さらに、輪郭線のみで表された画像データ72’は、苗基本データの画像データに上書きされる。そして、この苗基本データが、苗判別システムの教師データ124として記憶手段12に記憶されて(ステップS21−7)、ステップS21が終了する。
成長点は周囲の茎などとは異なる色彩をしており、この色彩を検知することで成長点を特定することができる。成長点がない苗は成長を続けることはできず、育成不良(芯どまり)の苗とされる。このような育成不良の苗は、そもそも成長点が存在しないため、画像処理をしても成長点が検出されない。また、成長点から芽(茎)が1つ伸びればよいところ、芽が複数伸びるような奇形苗とされる。このような奇形苗は、成長点が複数の点となって検出される。
そのため、撮像された苗の画像データ70’が撮像手段40から制御手段11へ送られると、制御手段の画像処理手段111が苗の画像データから特定の色彩の点を検出する。色彩の点が検出されない場合、画像処理手段111はその旨を制御手段11に送信し、苗は「(苗の)育成がよくない」と判別される。育成の点が検出された場合、画像処理手段111はその個数を数える。苗は、個数が1つであれば「(苗の)育成がよい」と判別され、2以上であれば「(苗の)育成がよくない」と判別される。
次に、苗判別システム2において、苗データ生成システム1で生成された苗記憶データを「育成がよい」場合の教師データとして利用する場合、つまり、苗データ生成システム、苗判別システムを連続させた場合のフローを述べる。
上記4.1で述べた、苗データ生成システム1で生成された苗記憶データを「育成がよい」場合の教師データとして使用しない場合は、苗判別システム2自身が苗基本データの取得や、画像データの白黒および輪郭の画像処理を行い(図7(A)(B))、輪郭のみを表した画像データを含むデータを苗基本データとし、機械学習の教師データとしていた。しかし、苗データ生成システム1の苗記憶データを「育成がよい」場合の教師データとして使用する場合は、苗基本データの取得、パラメータの設定、苗記憶データの生成を苗データ生成システム1が行い、苗判別システム2は、苗データ生成システム1が生成した苗記憶データを機械学習の教師データしている点で異なる。
また、苗記憶データを教師データとする場合においても、苗記憶データを教師データとしない場合と同様に、共通する構成部材については同じ参照符号を付してその説明を省略し、苗記憶データを教師データとしない場合と異なる構成を主として説明する。図1、2、4〜6は、苗記憶データを教師データとする場合においても、そのまま採用される。
概略、作業者により、品種および工程ごとに「育成がよい」と判別された1つの苗(育苗する苗)60のみが選択され(ステップS11−1、図4)、品種名、工程名が、作業者により入力手段31を介して入力される(ステップS11−2)。育苗する苗は色彩を備えて三次元で撮像され(ステップS11−3、図4)、この画像データ70が、品種名、工程名と紐付けられて苗基本データとされる(ステップS11−4、図5(A))。苗の画像データ70は、画像処理手段111によって色彩が除かれて白黒のみ(ステップS11−5、図5(B))、さらに輪郭線のみで表現されるように加工される(ステップS11−6、図5(C))。そして、この輪郭線のみで表された画像データ72が、苗基本データの画像データに上書きされる(ステップS11−7)。
輪郭線のみで表された画像データ72に対して、育成がよいと判別される指標となる苗の部位およびその部位の数値範囲とが作業者により設定され、パラメータデータ122として記録手段12に記憶される(ステップS12)。そして、画像処理手段111が、パラメータとして指定された部位(たとえば、第一本葉61)を指定された数値範囲で変更して、新たな部位61−1〜61−6を含む苗の新たな画像データ72−1〜72−6を生成し、苗の新たな画像データが苗記憶データ123として記憶手段12に記憶される(ステップS13、図5)。
苗判別システム2によれば、苗データ生成システム1と同様に、育苗する苗の全体像(苗姿)を正確に把握することができる
また、苗判別システム2によれば、「育成がよい」苗と「育成がよくない苗(未成熟の苗や奇形苗)」とを機械学習によって自動的に判別することができる。そのため、熟練者の経験などに基づかなくても、元苗や接木苗の育成の良否を適切に判別することができる。
特に、上記4.2で述べたように、苗判別システム2が、苗データ生成システム1で生成された苗記憶データ124を教師データとすれば、「育成がよい」場合の苗の画像データが自動的に収集され、教師データを収集する時間を省くことができる。
上述した実施例は、本発明を説明するためのものであり、本発明を何等限定するものでなく、本発明の技術範囲内で変形、改造などの施されたものも全て本発明に包含されることはいうまでもない。
また、実施例として初期育苗の工程における元苗を例示したが、これに限定されない。たとえば、初期育苗のみならず、発芽管理、プラグ出荷、鉢上げ、2次育苗、選別、余剰管理などの工程における元苗あるいは接木苗に応用できる。
11 制御手段
110 苗基本データ取得手段
111 画像処理手段
112 パラメータ設定手段
113 苗記憶データ生成手段
114 教師データ生成手段
115 機械学習手段
12 記憶手段
31 入力手段
Claims (12)
- 育苗する苗の全体像を表す画像データと、当該苗の品種名と、当該苗の育成が完了するまでの複数の工程のうちの1つの工程の名称とを含む苗基本データを取得する苗基本データ取得手段と、
苗の少なくとも1つの部位と、当該部位の数値範囲とを含むパラメータを、前記苗基本データ取得手段により取得された前記苗基本データの前記画像データに紐付けて、苗記憶データを生成する苗記憶データ生成手段とを備え、
品種および工程ごとに育成がよいと判別された1つの苗の苗基本データに対して、育成がよいと判別される指標となる苗の部位および当該部位の数値範囲とがパラメータとして設定されると、前記苗記憶データ生成手段は、前記苗記憶データ生成手段で取得された前記画像データから前記パラメータに応じた苗の画像データを複数生成して苗基本データの画像データに追加して、苗基本データから苗記憶データを生成する苗データ生成システム。 - 前記苗基本データ取得手段は、さらに画像処理手段を有し、
前記画像処理手段は、苗の全体像を表す画像データから色彩を除き、苗の輪郭のみを抽出する請求項1記載の苗データ生成システム。 - 育苗する苗の全体像を表す画像データを撮像する撮像手段と、
前記苗の品種名と、前記苗の育成が完了するまでの複数の工程のうちの1つの工程の名称とが入力される入力手段と、
前記育苗する苗の育成がよいか否かを判別する制御手段と、
データを記憶する記憶手段とを備え、
前記制御手段は、前記撮像手段で撮像された画像データを画像処理する画像処理手段と、画像処理された画像データに前記入力手段で入力された品種名、1つの工程の名称を紐付けて苗基本データとし、当該苗基本データを教師データとして記憶手段に記憶する教師データ生成手段とを有する苗判別システムであって、
前記制御手段は、前記入力手段で入力された品種名と、1つの工程の名称とを判別のための教師データとして学習を実施し、前記画像処理手段で画像処理された画像データから苗の育成がよいか否かを判別する機械学習手段をさらに有し、
前記教師データ生成手段は、画像処理された前記画像データと、品種名と、1つの工程の名称と、苗の育成がよいか否かの判別結果とを紐付けて、教師データとして記憶手段に記憶する苗判別システム。 - 前記撮像手段は、苗の品種および工程ごとに育成がよいと判別された1つの苗の三次元データを含む画像データを撮像し、
前記入力手段は、さらに、育成がよいと判別される指標となる苗の部位と、当該部位の数値範囲とがパラメータとして入力され、
前記画像処理手段は、前記撮像手段で撮像された画像データから前記パラメータに応じた苗の画像データを複数生成し、
前記教師データ生成手段は、前記画像処理手段で複数生成された当該画像データに、前記入力手段で入力された品種名と、1つの工程の名称と、育成がよいとの判別結果を紐付けて苗基本データとし、当該苗基本データを教師データとして記憶手段に追加して記憶する請求項3記載の苗判別システム。 - 前記画像処理手段は、撮像手段で取得された苗の全体像を表す画像データから色彩を除き、苗の輪郭のみを抽出する画像処理を行う請求項3または4記載の苗判別システム。
- 制御手段は、画像処理手段で画像処理された画像データから、苗の成長点の有無を判別する請求項3〜5いずれか記載の苗判別システム。
- コンピュータを、
育苗する苗の全体像を表す画像データと、当該苗の品種名と、当該苗の育成が完了するまでの複数の工程のうちの1つの工程の名称とを含む苗基本データを取得する苗基本データ取得手段と、
苗の少なくとも1つの部位と、当該部位の数値範囲とを含むパラメータを、前記苗基本データ取得手段により取得された前記苗基本データの前記画像データに紐付けて、苗記憶データを生成する苗記憶データ生成手段と、
して機能させるための苗データ生成プログラムであって、
品種および工程ごとに育成がよいと判別された1つの苗の苗基本データに対して、育成がよいと判別される指標となる苗の部位および当該部位の数値範囲とがパラメータとして設定されると、前記苗記憶データ生成手段は、前記苗記憶データ生成手段で取得された前記画像データから前記パラメータに応じた苗の画像データを複数生成して苗基本データの画像データに追加して、苗基本データから苗記憶データを生成する苗データ生成プログラム。 - コンピュータを、
育苗する苗の全体像を表す画像データを撮像する撮像手段と、
前記苗の品種名と、前記苗の育成が完了するまでの複数の工程のうちの1つの工程の名称とが入力される入力手段と、
前記育苗する苗の育成がよいか否かを判別する制御手段と、
データを記憶する記憶手段とを備え、
前記制御手段は、前記撮像手段で撮像された画像データを画像処理する画像処理手段と、画像処理された画像データに前記入力手段で入力された品種名、1つの工程の名称を紐付けて苗基本データとし、当該苗基本データを教師データとして記憶手段に記憶する教師データ生成手段と、
して機能させるための苗判別プログラムであって、
前記制御手段は、前記入力手段で入力された品種名と、1つの工程の名称とを判別のための教師データとして学習を実施し、前記画像処理手段で画像処理された画像データから苗の育成がよいか否かを判別する機械学習手段をさらに有し、
前記教師データ生成手段は、画像処理された前記画像データと、品種名と、1つの工程の名称と、苗の育成がよいか否かの判別結果とを紐付けて、教師データとして記憶手段に記憶する苗判別プログラム。 - 前記撮像手段は、苗の品種および工程ごとに育成がよいと判別された1つの苗の三次元データを含む画像データを撮像し、
前記入力手段は、さらに、育成がよいと判別される指標となる苗の部位と、当該部位の数値範囲とがパラメータとして入力され、
前記画像処理手段は、前記撮像手段で撮像された画像データから前記パラメータに応じた苗の画像データを複数生成し、
前記教師データ生成手段は、前記画像処理手段で複数生成された当該画像データに、前記入力手段で入力された品種名と、1つの工程の名称と、育成がよいとの判別結果を紐付けて苗基本データとし、当該苗基本データを教師データとして記憶手段に追加して記憶する請求項8記載の苗判別プログラム。 - 育苗する苗の全体像を表す画像データと、当該苗の品種名と、当該苗の育成が完了するまでの複数の工程のうちの1つの工程の名称とを含む苗基本データを取得する苗基本データ取得手段と、
苗の少なくとも1つの部位と、当該部位の数値範囲とを含むパラメータを、前記苗基本データ取得手段により取得された前記苗基本データの前記画像データに紐付けて、苗記憶データを生成する苗記憶データ生成手段とを備え、
品種および工程ごとに育成がよいと判別された1つの苗の苗基本データに対して、育成がよいと判別される指標となる苗の部位および当該部位の数値範囲とがパラメータとして設定されると、前記苗記憶データ生成手段は、前記苗記憶データ生成手段で取得された前記画像データから前記パラメータに応じた苗の画像データを複数生成して苗基本データの画像データに追加して、苗基本データから苗記憶データを生成する苗データ生成装置。 - 育苗する苗の全体像を表す画像データを撮像する撮像手段と、
前記苗の品種名と、前記苗の育成が完了するまでの複数の工程のうちの1つの工程の名称とが入力される入力手段と、
前記育苗する苗の育成がよいか否かを判別する制御手段と、
データを記憶する記憶手段とを備え、
前記制御手段は、前記撮像手段で撮像された画像データを画像処理する画像処理手段と、画像処理された画像データに前記入力手段で入力された品種名、1つの工程の名称を紐付けて苗基本データとし、当該苗基本データを教師データとして記憶手段に記憶する教師データ生成手段とを有する苗判別装置であって、
前記制御手段は、前記入力手段で入力された品種名と、1つの工程の名称とを判別のための教師データとして学習を実施し、前記画像処理手段で画像処理された画像データから苗の育成がよいか否かを判別する機械学習手段をさらに有し、
前記教師データ生成手段は、画像処理された前記画像データと、品種名と、1つの工程の名称と、苗の育成がよいか否かの判別結果とを紐付けて、教師データとして記憶手段に記憶する苗判別装置。 - 前記撮像手段は、苗の品種および工程ごとに育成がよいと判別された1つの苗の三次元データを含む画像データを撮像し、
前記入力手段は、さらに、育成がよいと判別される指標となる苗の部位と、当該部位の数値範囲とがパラメータとして入力され、
前記画像処理手段は、前記撮像手段で撮像された画像データから前記パラメータに応じた苗の画像データを複数生成し、
前記教師データ生成手段は、前記画像処理手段で複数生成された当該画像データに、前記入力手段で入力された品種名と、1つの工程の名称と、育成がよいとの判別結果を紐付けて苗基本データとし、当該苗基本データを教師データとして記憶手段に追加して記憶する請求項11記載の苗判別装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017199075A JP6971453B2 (ja) | 2017-10-13 | 2017-10-13 | 苗データ生成システム、苗判別システム、苗データ生成プログラム、苗判別プログラム、苗データ生成装置、苗判別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017199075A JP6971453B2 (ja) | 2017-10-13 | 2017-10-13 | 苗データ生成システム、苗判別システム、苗データ生成プログラム、苗判別プログラム、苗データ生成装置、苗判別装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019071802A true JP2019071802A (ja) | 2019-05-16 |
JP6971453B2 JP6971453B2 (ja) | 2021-11-24 |
Family
ID=66542587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017199075A Active JP6971453B2 (ja) | 2017-10-13 | 2017-10-13 | 苗データ生成システム、苗判別システム、苗データ生成プログラム、苗判別プログラム、苗データ生成装置、苗判別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6971453B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020235282A1 (ja) * | 2019-05-21 | 2020-11-26 | 株式会社カネカ | 調光システム、情報処理装置及びコンピュータプログラム |
WO2021006030A1 (ja) * | 2019-07-09 | 2021-01-14 | オムロン株式会社 | 情報処理装置 |
KR20210054416A (ko) * | 2019-11-05 | 2021-05-13 | 대한민국(농촌진흥청장) | 스마트 식물 품질판별 및 선별의 장치 및 방법 |
CN113515859A (zh) * | 2021-07-07 | 2021-10-19 | 华中农业大学 | 一种西瓜徒长苗无损判定方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03504424A (ja) * | 1989-02-28 | 1991-09-26 | マーセン,ローベルト | 植物の自動光学分類方法及び装置 |
JPH0517505U (ja) * | 1991-08-05 | 1993-03-05 | 株式会社メイテツク | 植物の成長状態計測装置 |
JP2009131206A (ja) * | 2007-11-30 | 2009-06-18 | Okayama Prefecture | 果樹の育苗方法 |
WO2016084336A1 (ja) * | 2014-11-27 | 2016-06-02 | 日本電気株式会社 | 追学習装置、追学習方法、および、記憶媒体 |
JP2016168046A (ja) * | 2015-03-09 | 2016-09-23 | 学校法人法政大学 | 植物病診断システム、植物病診断方法、及びプログラム |
JP2017185007A (ja) * | 2016-04-05 | 2017-10-12 | 株式会社島津製作所 | 放射線撮影装置、放射線画像の対象物検出プログラムおよび放射線画像における対象物検出方法 |
-
2017
- 2017-10-13 JP JP2017199075A patent/JP6971453B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03504424A (ja) * | 1989-02-28 | 1991-09-26 | マーセン,ローベルト | 植物の自動光学分類方法及び装置 |
JPH0517505U (ja) * | 1991-08-05 | 1993-03-05 | 株式会社メイテツク | 植物の成長状態計測装置 |
JP2009131206A (ja) * | 2007-11-30 | 2009-06-18 | Okayama Prefecture | 果樹の育苗方法 |
WO2016084336A1 (ja) * | 2014-11-27 | 2016-06-02 | 日本電気株式会社 | 追学習装置、追学習方法、および、記憶媒体 |
JP2016168046A (ja) * | 2015-03-09 | 2016-09-23 | 学校法人法政大学 | 植物病診断システム、植物病診断方法、及びプログラム |
JP2017185007A (ja) * | 2016-04-05 | 2017-10-12 | 株式会社島津製作所 | 放射線撮影装置、放射線画像の対象物検出プログラムおよび放射線画像における対象物検出方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020235282A1 (ja) * | 2019-05-21 | 2020-11-26 | 株式会社カネカ | 調光システム、情報処理装置及びコンピュータプログラム |
WO2021006030A1 (ja) * | 2019-07-09 | 2021-01-14 | オムロン株式会社 | 情報処理装置 |
JP2021012634A (ja) * | 2019-07-09 | 2021-02-04 | オムロン株式会社 | 情報処理装置 |
KR20210054416A (ko) * | 2019-11-05 | 2021-05-13 | 대한민국(농촌진흥청장) | 스마트 식물 품질판별 및 선별의 장치 및 방법 |
KR102320963B1 (ko) * | 2019-11-05 | 2021-11-04 | 대한민국 | 스마트 식물 품질판별 및 선별의 장치 및 방법 |
CN113515859A (zh) * | 2021-07-07 | 2021-10-19 | 华中农业大学 | 一种西瓜徒长苗无损判定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6971453B2 (ja) | 2021-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6971453B2 (ja) | 苗データ生成システム、苗判別システム、苗データ生成プログラム、苗判別プログラム、苗データ生成装置、苗判別装置 | |
JP5970751B2 (ja) | 成長度合検出装置、植物栽培プラント、成長度合検出方法、植物栽培方法及びプログラム | |
JP6295452B2 (ja) | 農作物育成支援装置、及びそのプログラム | |
EP2769320A1 (en) | Programmable plant system | |
JP5842444B2 (ja) | 販売処理システム、販売処理方法及びプログラム | |
KR101763841B1 (ko) | 작물체 기관별 이미지 데이터에 의한 생육진단/분석 시스템 | |
van Herck et al. | Crop design for improved robotic harvesting: A case study of sweet pepper harvesting | |
JP2016154510A (ja) | 情報処理装置、生長状況判定方法、およびプログラム | |
JP2019170359A (ja) | 植物栽培結果予測システム | |
Hennessy et al. | Evaluation of cameras and image distance for CNN-based weed detection in wild blueberry | |
CN107808249A (zh) | 种植任务管理方法、电子设备及计算机可读存储介质 | |
KR101930025B1 (ko) | 작물의 생육 상태 측정 방법 및 시스템 | |
KR101810901B1 (ko) | 작물체의 생육 시뮬레이션 장치 | |
CN110119901A (zh) | 一种芦笋种植综合管理平台及其管理办法 | |
CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 | |
Tobias et al. | Hybrid tree-fuzzy logic for aquaponic lettuce growth stage classification based on canopy texture descriptors | |
CN108575602A (zh) | 一种农作物植株整枝方法及系统 | |
Evers et al. | Functional—Structural plant modeling of plants and crops | |
WO2022067419A1 (en) | Reduction of time of day variations in plant-related data measurements | |
WO2022067420A1 (en) | Platform for real-time identification and resolution of spatial production anomalies in agriculture | |
JP2018164408A (ja) | 生育状況予測装置、方法及びプログラム | |
CN112699805A (zh) | 蔬菜病虫害防治智能识别系统 | |
KR102476012B1 (ko) | 체험형 스마트 팜 연동 작물 육성 시뮬레이션 게임 시스템 | |
Subchan et al. | Classification of maize genotype using logistic regression | |
JP6873385B2 (ja) | 学習評価支援装置、学習評価支援方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20171030 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200910 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210727 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211011 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211025 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211025 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6971453 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |