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

Abstract

【課題】大量の教師データを必要とすることのない苗データ生成システム、苗データ生成プログラム、苗データ生成装置、および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、苗判別装置を提供する。【解決手段】撮像手段が品種および工程ごとに育成がよいと判別された苗の全体像を表す画像データを１つ撮像し、制御手段の苗基本データ取得手段が品種名、工程名とともに画像データを紐づけた苗基本データを取得するＳ１１。苗基本データの画像データにおいて、苗の少なくとも１つの部位と、部位の数値範囲とを含むパラメータがパラメータ設定手段を介して指定されると、画像処理手段がその部位をパラメータ内で変更した画像を複数生成するＳ１２。複数生成した画像データを苗基本データに追加することで、育成がよいと判別された苗の画像データを含む苗記憶データが複数生成されるＳ１３。【選択図】図３

Description

本発明は、接木の元苗や接木後の苗の育成の良否を選別（判別）するための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、苗判別装置に関する。

近年、我が国では、食料自給率の低さが大きな問題となっている。そして、世界中で問題となっている地球温暖化がさらに進めば、我が国の農業に対してさらに打撃となり、食料自給率の低さに拍車をかけるものと危惧されている。我が国もあらゆる施策により我が国の農家に対して補助などを行っているものの、農家の高齢化や後継者不足が進んでいることもあり、我が国の食料自給率に対して爆発的な効果を挙げられていない。

農家は、地球温暖化による気候の変化、高齢化や後継者不足が進む中で生産効率を向上させるために、あらかじめ育苗された植物の苗を購入している。育苗された苗を購入して栽培すれば、農家は植物の生産に注力することができ、農家における作業効率が向上される。
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。

苗の生産・販売業者は、ある程度苗を育苗した上で農家に苗を提供、販売しているが、苗を育苗する方法として接木（つぎき）が一般的に行われている。接木により病害虫の被害を回避させたり収穫数を向上させることができ、品質が安定することで知られているためである。
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。

接木苗は、たとえば苗の生産・販売業者で以下の工程を経て、農家に出荷される。
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

苗の生産・販売業者が接木を行うには、未成熟や奇形などの育成不良ではない、育成のよい元苗が必要となる。また、接木した後も、育成のよい接木苗でなければ出荷に耐えうる品質を保持できない。このように、苗の生産・販売業者では、接木の工程ごとに元苗や接木苗の育成の良否を判別することがとても重要である。
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。

また、元苗や接木苗の育成がよいと判別される指標、たとえば苗の部位（上胚軸、下胚軸それぞれの茎径、胚軸長など）やその数値範囲（面積、長さ、色など）は個々の熟練者により大きく異なっている。仮に、判別の指標となる部位は各熟練者で一致していても、「この部位がこのぐらいの長さであれば育成がよいと判別できる」など感覚的な判別にとどまっており、育成がよいと判別できる具体的な数値範囲にまで落とし込めていない場合が多い。
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。

そのため、苗の生産・販売業者において、元苗や接木苗の良否判別を自動で行う装置、方法、システムなどが開発されている。たとえば、初期育苗の工程で元苗を撮像し、撮像した二次元画像の撮像データを解析することで未成熟の苗や奇形苗を自動的に抽出し、出荷基準に満たない苗を選別する方法が知られている（特開平０９−０２３７４７号公報）。

特開平０９−０２３７４７号公報では、未成熟の苗は草丈が低く、その重心が低い位置にあることに着目し、まず、カメラで元苗の側面方向から撮像し、撮像した撮像データを解析して元苗の重心高さを計測している。元苗の重心高さが低ければ、未成熟の苗と判別される。
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。

一方、近年、あらゆる分野において人工知能による機械学習の活用が注目されている。たとえば、人工知能を用いて、廃棄物の素材を判別するシステムが知られている（特開２０１７−１０９１９７号公報）。
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。

また、機械学習に必要な教師データは大量に準備されることが望ましいが、実際に大量の教師データを準備することが難しい。そのため、少ない教師データで判別の精度を向上させるようなモデルが知られている（たとえば、特開２０１０−２８７０６５号公報）。
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。

特開平０９−０２３７４７号公報 特開２０１７−１０９１９７号公報 特開２０１０−２８７０６５号公報

特開平０９−０２３７４７によれば、未成熟の苗や奇形苗を自動的に判別することでき、これらの苗を取り除くことにより品質の高い元苗を選別することができる。そして、苗の生産・販売業者で品質の高い元苗を接木すれば、品質の高い接木苗を生産することができる。
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。

特開２０１７−１０９１９７号公報によれば、作業者が教師データを大量に準備することにより、人工知能が廃棄物の素材を学習し、自動的に素材を特定して廃棄物か否かを判別することができる。
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。

特開２０１０−２８７０６５号公報によれば、人工知能による本人認証（生体認証）に確率的な指標に基づく変動確率モデルを採用している。生体認証の分野に変動確率モデルを適用すれば、手の平の静脈のように個人差の大きい生体情報であっても、本人認証の精度を向上させることができる。
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。

苗の判別における熟練者の感覚的な指標を「確率的な指標」と捉え、特開２０１０−２８７０６５号公報に例示された変動確率モデルを苗の判別の指標に適用することも考えられる。しかし、苗は人間（生体）以上に多数の品種、工程が存在し、個体差が大きい。さらに、顧客である農家からの要望が多岐に渡っており、単に「本人か否か」のみを判断する変動確率モデルを苗の判別に適用することは適切ではない。
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。

本発明は、苗の苗姿を正確に把握するとともに、大量の教師データを必要とすることのない苗データ生成システム、苗データ生成プログラム、苗データ生成装置の提供を目的としている。
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。

本発明では、苗を対象として幾何学変換を適用している。まず、品種および工程ごとに育成がよいと判別された苗の全体像を表す画像データを１つ取得する。そして、苗の育成がよいと判別される指標があらかじめパラメータとして設定され、１つの画像データから、育成がよいと判別される複数の画像データが自動生成される。
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。

また、本発明では、品種および工程ごとに苗の全体像を表す画像データを取得する。苗の画像データ、品種、工程、苗の育成の良否の判別結果を紐付けて教師データを生成、記憶している。そして、生成された教師データおよび苗の画像データから機械学習により苗の育成の良否を自動的に判別している。
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１、７、１０に係る本発明では、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、育苗する苗姿を正確に把握することができる。また、育成がよいと判別される苗をあらかじめ１つ選択し、この画像データを１つ取得する。そして、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をパラメータとして設定するだけで、育成のよい苗の画像データを幾何学変換により自動的に複数生成することができる。これにより、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を、自動的かつ容易に準備することができる。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、作業者が画像データを視認してパラメータを操作することが可能となる。
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。

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 （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。 苗の撮像を説明する説明図を示す。 （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それぞれ示す。 新たな苗の画像データを表した説明図を示す。 （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。 苗記憶データの生成および苗の育成の良否判別の流れを説明するフロー図を示す。

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。

１．苗データ生成システム、苗判別システムの構成
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。

苗データ生成システム１、苗判別システム２のための苗データ生成装置１０−１、苗判別装置１０−２は、たとえばサーバ型の情報処理装置とされ、端末３０の要求に応じて端末への情報送信などの動作を行う。端末３０の内部には情報処理機能を有するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ；プロセッサ）、メモリなどの電子部品を備えている。
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。

データベース２０は、マスタを有しており、各情報をマスタに格納している。なお、各情報（データ）はテーブル形式のデータ構造でなくてもよく、リスト、キューなど、テーブル以外の形式であってもよい。

端末３０は、パーソナルコンピュータなどの情報処理装置であって、内部に情報を処理するためのＣＰＵ、フラッシュメモリなどの電子部品を備えている。端末３０には、たとえば、キーボード、マウスなどの入力手段３１や、モニターなどの表示手段３２などが具体的な装置として接続されている。
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。

撮像手段４０は、育成する苗の全体像を表す画像データを取得する装置である。撮像手段４０の例として複数のカメラが挙げられるが、これに限定されない。
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。

ネットワーク５０は通信ネットワークであり、たとえば、イントラネットやＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）などの有線または無線の通信網とされる。

２．苗データ生成装置、苗判別装置の構成
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。

制御手段１１は、記憶手段１２に記憶された後述する苗データ生成プログラム１２１、苗判別プログラム１２２を実行することで、苗基本データ取得手段１１０、画像処理手段１１１、パラメータ設定手段１１２、苗記憶データ生成手段１１３、教師データ生成手段１１４、機械学習手段１１５として機能する。

記憶手段１２は、たとえば磁気記憶媒体、光記憶媒体、不揮発性半導体メモリ装置などにより構成されており、システムプログラム１２０、１２１、システムデータ１２２〜１２４が記憶されている。システムプログラムは、たとえば苗データ生成システム１に係る苗データ生成プログラム１２０、苗判別システム２に係る苗判別プログラム１２１であり、各種の処理を実行するために制御手段１１により読み取られるプログラムである。
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．苗データ生成システム
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。

図２と併せて図３（Ａ）を見るとわかるように、苗基本データの取得工程（ステップＳ１１）では、苗基本データ取得手段１１０が、育苗する苗の全体像を表す画像データ、苗の品種名、苗の育成が完了するまでの複数の工程のうちの１つの工程を含む苗基本データを取得する。また、苗基本データの取得工程（ステップＳ１１）において、画像処理手段１１１が画像データを処理する画像処理を行ってもよい。
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４は苗の撮像を説明する説明図を示す。なお、図４は色彩を備えている。
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。

品種とは、接木に使用される野菜・果物などの種類を指す。通常、接木の元苗として使用される野菜・果物は、顧客の要求に対応するために複数の品種を準備している。しかし、一種類の野菜（たとえば、トマト）に対して一種類の品種しか準備していない場合あれば、苗データ生成システム１における「品種」の表現としては野菜名（トマト、キュウリ、ナスなど）のみでもよい。なお、システムの内部において、通常、品種や工程はなんらかのコードで表されることはいうまでもない。
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）。

そして、育苗する苗６０は、撮像手段４０により苗の全体像を表す画像として、色彩を備えて撮像される（ステップＳ１１−３）。図５（Ａ）の符号７０は、育苗する苗６０を撮像した画像データを示す。画像データ７０は、理解のしやすさのため、二次元画像として表現されている。
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。

それから、品種名（「トマト」の「麗容」）、工程名（「初期育苗」）と、撮像手段４０で撮像された苗の画像データ７０とが紐付けられて苗基本データとされる（ステップＳ１１−４）。なお、実施例では、ステップＳ１１−２で品種名、工程名の入力を行い、その後、ステップＳ１１−３で苗を撮像するように記載したが、ステップＳ１１−２、３の順序は逆でもよい。
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。

白黒で表された苗の画像データ７１は、さらに、画像処理手段１１１によって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））。図５（Ｃ）の符号７２は、輪郭線のみ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）。

たとえば、輪郭線のみで表された画像データ７２は、表示手段３２に送られて、品種名、工程名とともに表示手段上に表示される。そして、作業者（主に熟練者）により、苗の画像データ７２上において、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（育成がよいと判別される数値範囲）とがパラメータとして指定される。指定されたパラメータは、パラメータ設定手段１１２によりパラメータデータ１２２として設定、記憶される（ステップＳ１２）。
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。

図５（Ｃ）に示すように、撮像された苗６０（工程「初期育苗」、品種「トマト」の「麗容」）では、たとえば、第一本葉６１の面積（大きさ）が「育成がよいと判別される指標」の１つとされている。工程「初期育苗」、品種「トマト」の「麗容」においては、苗の部位（第一本葉）およびその部位の数値範囲（面積）とがパラメータとして指定される。たとえば、苗の画像データ７２において、画像処理手段１１１は、空間における座標値の範囲として指定された苗の部位（範囲）を認識する。

図６は、新たな苗の画像データを表した説明図を示す。
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）。

そして、苗記憶データ生成手段１１３は、生成された新たな苗の画像データ７２−１〜７２−６を、ステップＳ１１で取得された苗基本データの画像データにそれぞれ追加して、苗基本データから苗記憶データ１２３を生成する。生成された苗記憶データ１２３は、記憶手段１２に記憶される（ステップＳ１３）。

図６（Ａ）〜（Ｆ）では、１つの苗の画像データ７２から新たな苗の画像データ７２−１〜７２−６が６つ生成されているが、この数に限定されない。１つの苗の画像データ７２から、指定されたパラメータの数値範囲において新たな苗の画像データをいくつ生成するかは、たとえば、使用する人工知能の性能や記憶手段１２の容量により決定される。また、作業者が新たな苗の画像データの制限を設けてもよい。
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。

さらに、実施例ではステップＳ１３において、第一本葉６１の大きさ（数値範囲；パラメータ）を変更して新たな部位６１−１〜６１−６を生成したが、指定するパラメータは大きさに限定されない。たとえば、パラメータとして角度を指定し、指定した部位を回転させてもよいし、あるいは、大きさ、角度の双方を指定し、指定した部位の大きさを変更しつつ回転させてもよい。たとえば、指定した部位の大きさを１として、０．９から１．１まで０．１刻みで大きさを変更（拡大縮小）しつつ、９０度刻みで回転するように指定すれば、新たな苗の画像データが複数生成される。

３．２ 苗データ生成システムの効果
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．苗判別システムについて
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。

なお、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」場合の教師データを使用してもよいし、使用しなくてもよい。以下の説明では、先に、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。
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）。

苗基本データの取得工程（ステップＳ２１）では、苗基本データ取得手段１１０が、育苗する苗の全体像を表す画像データ、苗の品種名、苗の育成が完了するまでの複数の工程のうちの１つの工程を含む苗基本データを取得し、これらを紐付ける。苗基本データは、次の機械学習工程（ステップＳ２２）での教師データとなる。また、苗基本データの取得工程（ステップＳ２１）において、画像処理手段１１１が画像データを処理する画像処理を行う。
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。

各工程について、詳細に説明する。先に、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。
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。

次に、選択された苗６０’の全体像が、撮像手段４０により色彩を備える画像として撮像される（ステップＳ２１−３、図４、図５（Ａ））。図５（Ａ）の符号７０’は、撮像手段４０で撮像された画像データを示す。撮像手段４０は、撮像する苗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、取得できればよいことはいうまでもない。
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。

苗基本データ取得手段１１０により、ステップＳ２１−２で入力された品種名（「トマト」の「麗容」）、工程名（「初期育苗」）と、撮像手段４０で撮像された苗の画像データ７０’とが紐付けられて苗基本データとされる（ステップＳ２１−４）。
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。

次に、苗基本データの画像データ７０’を画像処理する場合は、以下のステップで行われる（ステップＳ２１−５〜７）。
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。

そして、白黒で表された苗の画像データ７１’は、さらに、画像処理手段１１１によって輪郭線のみで表現されるように加工される（ステップＳ２１−６、図５（Ｃ））。図５（Ｃ）の符号７２’は、輪郭線のみで表された画像データを示す。
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。

機械学習手段１１５は、教師データ（苗基本データ）１２４を取得し、苗の育成がよいか否かの判別を機械学習（教師付き学習）する。そして、品種名、工程名、画像データを含む教師データ（苗基本データ）に、苗の育成がよいか否かの判別結果を紐付けて、これをまた教師データ１２４として記憶手段１２に記憶し、データベース化する（ステップＳ２２）。

「育成がよいと判別される指標」として、苗データ生成システム１と同様に第一本葉の面積（大きさ）が挙げられる。機械学習手段１１５は、苗の部位（第一本葉）およびその部位の数値範囲（面積）を機械学習により認識し、育成がよいか否かの判別を自動的に行う。第一本葉の位置は、たとえば、苗の画像データ７２の空間における座標値の範囲として認識される。

そのほかの「育成がよいと判別される指標」として、たとえば苗の成長点（図示しない）の有無が挙げられる。成長点とは、植物が細胞分裂により新たに芽を伸ばす部分をいう。たとえば、図４では茎の延長部と新しい葉とを作り出す茎頂との間、つまり第三本葉の伸びる茎における途中の部位６０’−１が苗の成長点に該当する。
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。

４．２ 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する場合）
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。

図８は苗記憶データの生成および苗の育成の良否判別の流れを説明するフロー図を示す。苗データ生成システム１、苗判別システム２を連続させた場合とは、つまり、苗データ生成システム１は、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、苗判別システム２は、苗の育成の判別に至るまでに、苗記憶データの取得工程、機械学習工程をそれぞれ順に含んでいる。
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。

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であっても、苗データ生成システム１における苗記憶データの生成の流れ（ステップＳ１１、Ｓ１２（Ｓ１２−１〜７）、Ｓ１３）は同じである（図３（Ａ）（Ｂ）、図８）。
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）。

続いて、苗判別システム２における機械学習手段１１５が、ステップＳ１３で記憶された苗記憶データ１２３を教師データとして取得し、苗の育成がよいか否かの判別を機械学習（教師付き学習）する。そして、品種名、工程名、画像データを含む教師データ（苗記憶データ）に、苗の育成がよいか否かの判別結果を紐付け、これをまた教師データ１２４として記憶手段１２に記憶し、データベース化する（ステップＳ２２）。

４．３ 苗判別システムの効果
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。

また、苗判別システム２においても、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ことはいうまでもない。

５．そのほか
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。

本発明の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、苗判別システム、苗データ生成装置、苗判別装置は、実施例としてトマト（野菜）の苗を例示したが、これに限定されず、果物、花などにも広範囲に応用できる。
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。

１０ 苗データ生成装置、苗判別装置
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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。
11. 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。
12. 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。