JP2019095949A - 判別装置、判別方法、判別プログラム、判別システム - Google Patents

判別装置、判別方法、判別プログラム、判別システム Download PDF

Info

Publication number
JP2019095949A
JP2019095949A JP2017223272A JP2017223272A JP2019095949A JP 2019095949 A JP2019095949 A JP 2019095949A JP 2017223272 A JP2017223272 A JP 2017223272A JP 2017223272 A JP2017223272 A JP 2017223272A JP 2019095949 A JP2019095949 A JP 2019095949A
Authority
JP
Japan
Prior art keywords
species
information
unit
user terminal
user
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
Application number
JP2017223272A
Other languages
English (en)
Other versions
JP6590417B2 (ja
Inventor
庄五郎 藤木
Shogoro FUJIKI
庄五郎 藤木
孝典 源六
Takanori GENROKU
孝典 源六
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Biome Inc
Original Assignee
Biome Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Biome Inc filed Critical Biome Inc
Priority to JP2017223272A priority Critical patent/JP6590417B2/ja
Priority to PCT/JP2018/042607 priority patent/WO2019102954A1/ja
Priority to US16/765,637 priority patent/US11048969B2/en
Publication of JP2019095949A publication Critical patent/JP2019095949A/ja
Application granted granted Critical
Publication of JP6590417B2 publication Critical patent/JP6590417B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Library & Information Science (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

【課題】動物や昆虫、植物を含む生物の種を判別できる判別装置、判別方法、判別システムおよびデータベース構造を提供すること。【解決手段】生物を判別する判別装置であって、ユーザ端末から送信される位置、日時、画像データ、前記画像データの属性情報および前記生物の特徴を表すキーワードの少なくとも一つを含む特徴情報を受信する受信部と、生物の種が前記特徴情報に関連付けて記憶されたデータベースを参照し、前記受信部で受信される特徴情報に基づいて、前記生物の種を判別する判別部と、を備える。【選択図】図１

Description

本発明は、動物や昆虫、植物を含む生物の種を判別できる判別装置、判別方法、判別システムおよびデータベース構造に関する。
例えば、樹種判別の従来手法として、森林現況を示す画像データを小班区画に分けて、画像データにおける各小班区画の樹種を判別する手法が知られている。また、樹種の解析適期を基に複数のバンドデータブロックを取得し、各バンドデータブロックの輝度値に対して上下限値を設定した各樹種の対象抽出マップを生成して各樹種のＮＤＶＩをマスク処理し、樹種分布を抽出する手法が知られている。
マルチバンドセンサやハイパースペクトルセンサにより得られるスペクトルデータは、画像の座標ごと（すなわち画素又はピクセル毎）に波長情報と光強度情報とを含むスペクトルデータを有し、いわば画像としての２次元要素にスペクトルデータとしての要素を併せ持った３次元的構成のデータであるといえる。
一方、反射スペクトルは樹種に応じた特徴があるため、高精度のスペクトルデータが得られるハイパースペクトルデータを用いることにより、樹種の判別が可能になってきている。すなわち、判別したい樹木の基準スペクトルと、識別対象のスペクトルデータとを照らし合わせ、類似度をスペクトラルアングルマッパ（Spectral Angle Mapper）等により求め、類似度の高い画素又はピクセルを抽出し、植物を判別することができる。
特開２０１４−２０６３９２号公報
しかしながら、従来の植物の種の判別は、画像やスペクトル解析によるものであり、主に研究や商業用に用いられ、例えば、個人ユーザ等が簡単に動物や昆虫を含む生物の種を判別して楽しむことができるようなものではなかった。
本発明は、上記課題の解決のためになされたものであり、動物や昆虫を含む生物の種を判別できる判別装置、判別方法、判別システムおよびデータベース構造を提供することを目的とする。
上記の課題を解決すべく、本発明に係る判別装置は、生物を判別する判別装置であって、ユーザ端末から送信される位置、日時、画像データ、画像データの属性情報および生物の特徴を表すキーワードの少なくとも一つを含む特徴情報を受信する受信部と、生物の種が特徴情報に関連付けて記憶されたデータベースを参照し、受信部で受信される特徴情報に基づいて、生物の種を判別する判別部と、を備えることを特徴とする。
上記構成によれば、生物の種が特徴情報に関連付けて記憶されたデータベースを参照し、ユーザ端末から送信される位置、日時、画像データ、画像データの属性情報および生物の特徴を表すキーワードの少なくとも一つを含む特徴情報に基づいて、生物の種を判別する。このため、スペクトルデータ等を取得するような大掛かりな方法とは異なり、個人ユーザ等が簡単に動物や昆虫を含む生物の種を判別して楽しむことができる。また、位置データ、時間データおよびキーワードのいずれか１以上の情報を用いて生物の種を判別する場合、判別のために必要なデータ量が少ないため、通信量や演算量を削減することができる。また、生物の種を簡易に判別することができる。
本発明に係る判別装置の判別部は、判別される種が複数存在する場合、特徴情報のうち判別に用いた情報とは異なる情報に基づいて、さらに種を絞り込むことを特徴とする。
上記構成によれば、判別される種が複数存在する場合、特徴情報のうち判別に用いた情報とは異なる情報に基づいて、さらに種を絞り込むので、ユーザに提示される種数が多くなりすぎず、ユーザはストレスなく生物の判別を楽しむことができ、また、判別される種が複数存在する場合に、さらに種を絞り込む仕様であるため、通信量や演算量をより削減することができる。
本発明に係る判別装置の判別部は、ユーザ端末から送信される画像データおよび／または画像データの属性情報に基づいてさらに種を絞り込むことを特徴とする。
上記構成によれば、ユーザ端末から送信される画像データおよび／または画像データの属性情報に基づいてさらに種を絞り込むので判別精度の向上が期待できる。また、画像データに加えて画像データの属性情報も利用する場合、さらに判別精度が向上することが期待できる。また、絞り込みの際に画像データおよび／または画像データの属性情報を利用するので、先にデータ量の多い画像データおよび／または画像データの属性情報を送信する必要がない。
本発明に係る判別装置は、判別される種が複数存在する場合、ユーザに種を絞り込ませるための情報を抽出する情報抽出部と、情報抽出部で抽出される情報をユーザ端末へ送信する第１送信部とを備えることを特徴とする。
上記構成によれば、ユーザに種を絞り込ませるための情報を抽出し、この抽出される情報をユーザ端末へ送信するので、ユーザは、判別装置から送信される情報に基づいて種を絞り込むことができる。
本発明に係る判別装置は、判別される種が複数存在する場合、他のユーザに種を質問できる機能を有することを特徴とする。
上記構成によれば、他のユーザに種を質問できるため、ユーザ間の交流を図ることができる。また、判別部により判別された種を、他のユーザに確認することもできる。
本発明に係る判別装置は、判別される種が複数存在する場合、種を絞り込むための質問を抽出する質問抽出部と、質問抽出部で抽出される質問をユーザ端末へ送信する第２送信部とを備えることを特徴とする。
上記構成によれば、種を絞り込むための質問を抽出し、この抽出される質問をユーザ端末へ送信するので、ユーザからの回答に応じて種を絞り込むことができ判別精度の向上が期待できる。また、情報量の多い画像データを送信しないため、データ量が少なくて済むことから通信量や演算量を削減することができる。
本発明に係る判別装置の判別部は、判別される種が複数存在する場合、特徴情報に含まれるキーワードに基づいて、さらに種を絞り込むことを特徴とする。
上記構成によれば、判別部は、判別される種が複数存在する場合、特徴情報に含まれるキーワードに基づいて、さらに種を絞り込む。このため、ユーザ端末と再度情報のやり取りを行うことなく精度の高い判別を行うことができる。また、判別時に位置および／または時刻の情報を利用して生物の種を判別している場合、情報量の多い画像データを送信せずに済むため、データ量が少なくて済むことから通信量や演算量を削減することができる。
本発明に係る判別装置は、生物の出現確率および／または他のユーザへの対応度に応じて、ユーザにポイントを付与するポイント付与部を備えることを特徴とする。
上記構成によれば、生物の出現確率および／または他のユーザへの対応度に応じて、ユーザにポイントを付与する。このため、生物のデータベースへの登録が促進される。結果、生物の判別精度が向上する。また、ユーザへの対応度、例えば、他のユーザからの質問に回答したり、有益な情報を投稿することでポイントが付与されるのでユーザ間の交流が促進される。
本発明に係る判別装置は、生物の出現確率を算出する算出部を備えることを特徴とする。
上記構成によれば、生物の出現確率（レア度）を算出するので、ユーザは、出現確率の低い（レア度の高い）生物を見つけようとして次々と生物の判別を行うことが期待でき、生物のデータベースへの登録が促進される。結果、生物の判別精度がさらに向上する。また目撃情報等を投稿することでユーザ間の交流がより促進される。
本発明に係る判別装置は、ユーザ端末から送信される特徴情報に基づいて、周辺に生息する生物、異なる時間帯および／または異なる季節に生息する生物、およびイベントの少なくとも１以上を提示する提示部を備えることを特徴とする。
上記構成によれば、周辺に生息する生物、異なる時間帯および／または異なる季節に生息する生物、およびイベントの少なくとも１以上を提示するので、ユーザが提示された地域や場所へ出かけることが期待でき、地域の活性化や町おこし等に利用することができる。
本発明に係る判別装置は、判別部で判別される種が所定の種であるか否かを判定する判定部と、判定部での判定結果が所定の種である場合、該情報を所定のユーザ端末へ送信する第３送信部とを備えることを特徴とする。
上記構成によれば、判別部で判別される種が所定の種であるか否かを判定し、判定結果が所定の種である場合に該情報を所定のユーザ端末へ送信するので、例えば、外来種や絶滅危惧種等の所定の種が発見された場合に、直ぐに専門の研究機関等へ自動で通報される。また、このような情報が自動で収集されるため利便性が高い。
本発明に係るデータベース構造は、地図を複数の区画に分割した区画情報と、各区画情報に関連付けられた位置情報と、各区画情報に関連付けられた時間情報と、時間情報に関連付けられた生物の種情報とを有することを特徴とする。
上記構成によれば、位置、日時、画像データ、前記画像データの属性情報および生物の特徴を表すキーワードの少なくとも１以上の情報を含む特徴情報と、特徴情報に関連付けられた生物の種情報とを有するので、位置、日時、画像データ、前記画像データの属性情報および生物の特徴を表すキーワードのうちいずれかの情報だけで生物の種を判別することができる。
以上説明したように、本発明によれば、動物や昆虫、植物を含む生物の種を判別できる判別装置、判別方法、判別システムおよびデータベース構造を提供すること、特に位置情報および時間情報に基づいて生物の種を判別できる判別装置、判別方法、判別システムおよびデータベース構造を提供することができる。
実施形態に係る判別システムの概略構成図である。 実施形態に係るユーザ端末の構成図である。 実施形態に係るサーバ（判別装置）の構成図である。 実施形態に係るサーバ（判別装置）の記憶装置に格納されているデータベースの一例である。 実施形態に係るユーザ端末に表示される画面の一例を示す図である。 実施形態に係るユーザ端末に表示される画面の一例を示す図である。 実施形態に係るユーザ端末に表示される画面の一例を示す図である。 実施形態に係るユーザ端末に表示される画面の一例を示す図である。 実施形態に係るユーザ端末に表示される画面の一例を示す図である。 実施形態に係るユーザ端末に表示される画面の一例を示す図である。 実施形態に係る判別システムの動作の一例を示すフローチャートである。 実施形態に係る判別システムの動作の一例を示すフローチャートである。 実施形態に係る判別システムの動作の一例を示すフローチャートである。
以下、図面を参照して本発明の実施形態を説明する。なお、本発明の「生物」とは、動物・植物・微生物・昆虫など生命をもつものの総称であり、細胞という単位からなり、自己増殖・刺激反応・成長・物質交代などの生命活動を行うもののことをいう。
（実施形態）
初めに、図１を参照して判別システム１の構成について説明する。判別システム１は、複数のユーザ端末２と、これら複数のユーザ端末２とネットワーク４を介して接続されたサーバ３とを少なくとも備える。
図２は、ユーザ端末２の構成図である。ユーザ端末２は、携帯端末（例えば、スマートフォンやタブレット端末、ＰＤＡなど）である。ユーザ端末２は、通信部２０１（送信部および受信部）と、記憶装置２０２と、入力装置２０３と、表示装置２０４と、撮像装置２０５と、ＧＰＳ受信装置２０６と、時計２０７と、制御部２０８とを少なくとも備える。
通信部２０１は、サーバ３から送信されるデータ、例えば、表示装置２０４へ表示させるためのデータ等を、ネットワーク４を介して受信する。また、通信部２０１は、サーバ３へ入力装置２０３で受け付けた入力内容等のデータを、ネットワーク４を介してサーバ３へ送信する。
記憶装置２０２は、例えば、ＨＤＤ（Hard Disk Drive）や半導体記憶装置（ＳＳＤ(Solid State Drive)等）である。また、記憶装置２０２は、各ユーザ端末２に固有の識別子が格納されている。
入力装置２０３は、例えば、キーボード、マウス、タッチパネル等である。ユーザＵは、入力装置２０３を操作して、ユーザ登録、ログイン、キーワードの入力、生物の画像や映像（以下、画像と映像とを含めて画像等ともいう）の撮像等、本実施形態の生物の判別に必要な操作を行うことができる。
表示装置２０４は、サーバ３から送信されるデータに基づいて画面を表示する。この画面には、例えば、ユーザ登録画面、ログイン画面、生物の判別に必要な項目を入力するための画面等が少なくとも含まれる。
撮像装置２０５は、例えば、スマートフォンに搭載される個体撮像素子（例えば、ＣＭＯＳ（相補型ＭＯＳ）、ＣＣＤ（電荷結合素子））等のイメージセンサを用いたカメラである。ユーザＵは、撮像装置２０５を利用して種を判別したい生物の画像や映像を撮像する。撮像装置２０５により撮像された画像や映像は、画像データや映像データとしてサーバ３へ送信される。
ＧＰＳ受信装置２０６は、搭載されているユーザ端末２の現在位置を算出して出力する。具体的には、ＧＰＳ受信装置２０６は、３つのＧＰＳ衛星が発信した時間の信号を受信し、その信号を受信した時刻との差で衛星までの距離を算出する。次いで、ＧＰＳ受信装置２０６は、３つのＧＰＳ衛星からの距離を測ることで受信機の場所を特定する。次いで、ＧＰＳ受信装置２０６は、４つ目のＧＰＳ衛星が発信した時間の信号を受信し、該４つ目のＧＰＳ衛星が発信した時間を用いて、３つのＧＰＳ衛星から算出された現在位置を補正してより正確な現在位置を算出する。
時計２０７は、現在時刻を出力する。時計２０７は、ＲＴＣ（real-time clock）等を実装する。時計２０７は、ＲＴＣで生成される秒、分、時、曜日、日、月、年それぞれのバイトデータ（時刻情報）に基づいて時間を認識する。なお、ＲＴＣのみでは、ＵＴＣかローカルタイム（どのタイムゾーンに属するか）かを識別するための情報がないが、時計２０７は、これらの情報を保持し、ＲＴＣが生成する時刻情報に必要な変換を行い、時刻（日時）を認識して出力する。
制御部２０８は、ユーザ端末２を制御する。
図３は、サーバ３の構成図である。サーバ３は、通信部３０１（送信部および受信部）と、記憶装置３０２と、判別部３０３と、情報抽出部３０４と、質問抽出部３０５と、出現確率算出部３０６と、ポイント付与部３０７と、提示部３０８と、判定部３０９と、ＤＢ更新部３１０と、検索部３１１と、制御部３１２とを少なくとも備える。サーバ３は、例えば、ＣＰＵ、ＲＡＭ、ＲＯＭ等を備え、ＣＰＵが判別プログラムを実行することにより、図３に示す機能が実現される。
通信部３０１は、ネットワーク４を介してユーザ端末２から送信されるデータを受信する。このデータには、ユーザＵが入力装置２０３を使用して入力したデータ、例えば、ユーザ登録をする際に入力される属性情報、ログイン時に入力されるデータ、キーワードや、撮像装置２０５で撮像された生物の画像等のデータや画像等の属性データ、ＧＰＳ受信装置２０６から出力される現在位置のデータ、時計２０７から出力される年月日時分秒を含む現在時刻のデータ等が含まれる。通信部３０１は、ネットワーク４を介してユーザ端末２へ、判別された生物の種や、該種の画像データ、属性データ等を送信する。
記憶装置３０２は、例えば、ＨＤＤ（Hard Disk Drive）や半導体記憶装置（ＳＳＤ(Solid State Drive)）である。図４に示すように、記憶装置３０２には、ユーザＤＢ１、質問ＤＢ２、環境条件ＤＢ３、種情報ＤＢ４、出現情報ＤＢ５、イベント情報ＤＢ６等のデータベースが格納されている。
ユーザＤＢ１には、ユーザＵの属性データ、例えば、ユーザ名、ログインＩＤ、連絡先等のデータがユーザＵごとにユーザＩＤに関連付けて格納されている。
質問ＤＢ２には、ユーザ端末２から送信される情報に基づいて判別される種が複数存在する場合に、種を絞り込むためにユーザ端末２へ送信してユーザＵに回答させるための質問が格納されている。
環境条件ＤＢ３〜出現情報ＤＢ５は、ユーザ端末２から送信される情報に基づいて生物の種を判別するためのデータが格納されたデータベースである。環境条件ＤＢ３には、気象データテーブルと環境条件テーブルとが格納されている。気象データテーブルは、次メッシュ毎に、その土地の気象データを格納するものであり、例えば、３次メッシュコード、月平均気温、標高などが関連付けて格納されている。また、環境条件テーブルは、５次メッシュ毎に、針葉樹林が何％、市街地が何％といったその土地の環境条件構成の情報を格納するものであり、例えば、５次メッシュコード、植生タイプごとの被覆割合などが関連付けて格納されている。
種情報ＤＢ４には、全種リストテーブルが格納されている。全種リストテーブルは、システムが扱う種のリストを格納するものであり、例えば、種ＩＤ、和名、学名などが関連付けて格納されている。また、種ＩＤごとに画像データおよび画像データの属性データ（例えば、生物の輪郭や色の特徴など）が関連付けられている。また、種情報ＤＢ４には、後述する判定部３０９での判定に用いられる情報が格納されている。具体的には、種ＩＤごとに、種が所定の種、例えば、外来種や絶滅危惧種等であるか否かを判定するための情報が関連付けられている。
出現情報ＤＢ５には、投稿情報テーブル、環境条件カウントテーブル、生物分布情報テーブル、機械学習パラメータテーブルが格納されている。投稿情報テーブルは、ユーザＵからの投稿を格納するものであり、例えば、ユーザＩＤ、投稿ＩＤ、種ＩＤ、位置情報、日時情報、メッシュコードなどが関連付けて格納されている。環境条件カウントテーブルは、各種が、各環境条件毎に過去何回発見されているかを集計するためのものであり、例えば、種ＩＤ、環境条件別投稿数が関連付けて格納されている。
生物分布情報テーブルは、既存の学術データ等から集計された生物の出現情報を格納するためのものであり、例えば、種ＩＤ、メッシュコード、日時情報が関連付けて格納されている。ここで、既存の学術データ等から集計は、位置・時間情報をもったデータのみを対象に収集し、生物分布情報テーブルに格納される。各データの位置情報の精度はそれぞれ異なるため精度（例えば、メッシュのスケール）に応じて分布情報の重みづけが行われる。例えば、１次メッシュよりも５次メッシュのほうが精度が高い（メッシュスケールが小さい）ため、１次メッシュよりも５次メッシュのほうが分布情報の重みづけが重くなる。
また、機械学習パラメータテーブルは、各種の気温等による出現確率を計算するためのパラメータ（例えば、季節、時間帯（朝、昼、夜等）、天候）を格納するものであり、例えば、種ＩＤ、各パラメータが関連付けて格納される。
ここで、区画情報は、国の定める「標準地域メッシュ・システム」の規格に基づいて日本全国をメッシュに区切ったデータであり２０ｋｍ四方の１次メッシュ、５ｋｍ四方の２次メッシュ、１ｋｍ四方の３次メッシュ、５００ｍ四方の４次メッシュ、２５０ｍ四方の５次メッシュなどがある。各メッシュには識別番号(メッシュコード)が割り振られている。ここで、各メッシュの識別番号には、何次メッシュであるかの情報が含まれており、各メッシュの識別番号から、この識別番号が付与された区画が１次〜５次のいずれのメッシュであるかを認識することができる。なお、このメッシュデータは、日本国内に限らず海洋を含む地球全体をメッシュ状に区画して、各区画に対して識別番号(メッシュコード)を割り振るようにしてもよい。またメッシュサイズも上記の２０ｋｍ四方、５ｋｍ四方、１ｋｍ四方、５００ｍ四方、２５０ｍ四方に限られず任意に設定することができる。また、メッシュの形状も矩形状に限られず、例えば、曲線または直線と曲線の組み合わせで構成されていてもよい。
イベント情報ＤＢ６には、全国各地の野外活動関連のイベント情報であるイベント情報テーブルが格納されている。イベント情報テーブルは、ユーザＵへイベント情報を提示するためのものであり、例えば、イベントＩＤ、開催日時、開催場所（位置情報）、観察される生物の情報などが関連付けて格納されている。
判別部３０３は、記憶装置３０２に格納されたデータベースを参照して、ユーザ端末２から送信される情報に基づいて、生物の種を判別する。判別部３０３の動作の詳細については後述する。
情報抽出部３０４は、判別部３０３で判別される種が複数存在する場合、ユーザＵに種を絞り込ませるための情報を記憶装置３０２に格納されたデータベースより抽出する。情報抽出部３０４により抽出された情報は、通信部３０１を介してユーザ端末２へ送信される。
質問抽出部３０５は、判別部３０３で判別される種が複数存在する場合、種を絞り込むための質問を記憶装置３０２の質問ＤＢ２から抽出する。質問抽出部３０５により抽出された質問は、通信部３０１を介してユーザ端末２へ送信される。送信された質問は、ユーザ端末２の表示装置２０４に表示される。ユーザＵは、入力装置２０３を操作して質問に対する回答を入力する。入力された回答は、ユーザ端末２の通信部２０１を介してサーバ３へと送信される。
出現確率算出部３０６は、ユーザＵが登録した生物の出現確率（レア度）を算出する。具体的には、出現確率算出部３０６は、ユーザＵがユーザ端末２を操作して発見した生物を登録すると、登録された生物の出現確率（レア度）を記憶装置３０２の出現情報ＤＢ５に格納された生物分布情報テーブルおよび機械学習パラメータテーブルの情報に基づいて算出する。算出された出現確率（レア度）は、登録された生物に関連付けて記憶され、ユーザＵが過去に登録した生物をユーザ端末２の表示装置２０４に表示する際に提示される。
ポイント付与部３０７は、登録した生物の出現確率および／または他のユーザＵへの対応度に応じて、ユーザＵにポイントを付与する。この場合、例えば、登録した生物のレア度が高いほど高いポイントを付与したり、他ユーザＵの質問への回答回数が多いほど高いポイントを付与することができる。ポイント付与部３０７により付与されたポイントは、イベントの参加や他のユーザＵからの回答を得る際に消費されるようにしてもよい。また、付与されたポイントに応じて、レア情報（例えば、出現確率が非常に低い生物が発見された場所・日時の情報等）が与えられる構成としても良い。
提示部３０８は、記憶装置３０２に格納されたデータベースを参照し、ユーザ端末２から送信される情報に基づいて、周辺に生息する生物、異なる時間帯および／または異なる季節に生息する生物、およびイベントの少なくとも１以上を提示する。
判定部３０９は、記憶装置３０２に格納されたデータベースを参照し、判別部３０３で判別される種が所定の種、例えば、外来種や絶滅危惧種等であるか否かを判定する。判定部３０９での判定結果が所定の種である場合、該情報は、通信部３０１を介して所定のユーザ端末２（例えば、専門の研究機関等の端末）へ送信される。なお、所定の種には、通常では生息しない地域で発見された種が含まれていても良い。例えば、従来の学説では、北海道では生息していないと考えられた種が、北海道で発見された場合に通信部３０１を介して所定のユーザ端末２（例えば、専門の研究機関等の端末）へ送信されるようにしてもよい。この場合、判定部３０９は、種情報ＤＢ４の情報だけでなく、出現情報ＤＢ５の生物分布情報テーブルの情報を用いて判定を行う。
ＤＢ更新部３１０は、ユーザ端末２から送信される情報に基づいて、記憶装置３０２に格納されている各データベースを更新する。また、ＤＢ更新部３１０は、図示しないデータベース（例えば、既存の学術文献データベース等）にネットワーク４を介してアクセスし、収集した情報に基づいて、記憶装置３０２に格納されている各データベースを更新する。
検索部３１１は、記憶装置３０２に格納されたデータベースを参照し、ユーザＵがユーザ端末２の入力装置２０３を操作して入力したキーワード等の情報に基づいて、検索条件に合致する生物を検索する。検索部３１１により検索された生物のデータは、通信部３０１を介してユーザ端末２へ送信されて表示装置２０４に表示される。
制御部３１２は、サーバ３を制御する。
次に、実施形態でユーザ端末２の表示装置２０４に表示される画面について図５〜図１０を参照して説明する。なお、図５〜図１０は、実施形態に係るユーザ端末２に表示される画面の一例を示す図であり、必ずしも図５〜図１０に示す態様で表示されるわけではなく、他の態様により表示するようにしてもよい。
図５は、ユーザＵが発見した生物の画像を登録する際の画面の一例である。図５（ａ）に示すように、ユーザＵは、ユーザ端末２の撮像装置２０５を使って発見した生物を撮像する。撮像装置２０５により撮像された画像データは、ＧＰＳ受信装置２０６から出力される現在位置の情報および時計２０７から出力される現在時刻の情報ととともに通信部２０１を介してサーバ３へと送信され、サーバ３の記憶装置３０２に登録される。画像データは、撮像した日時、場所（位置情報）とともに登録されるため、図５（ｂ）に示すように撮像画像、撮像日時、撮像場所などの情報がユーザ端末２の表示装置２０４に表示される。
図６は、ユーザＵが発見した生物の種を判別する際の画面の一例である。図６（ａ）は、質問抽出部３０５により抽出された質問がユーザ端末２の表示装置２０４に表示された画面の一例である。図６（ａ）に示す例では、蝶の種を絞り込むための質問が表示されている。図６（ｂ）は、絞り込まれた蝶の種（候補種）がユーザ端末２の表示装置２０４に表示された画面の一例である。図６（ｂ）に示す例では、絞り込まれた蝶の種（候補種）の画像と種の特徴（例えば、分布、時期、大きさ等の種のと特徴を記載した説明文）が表示されており、ユーザＵは表示された候補から該当するものを選択して登録を行うこととなる。また、該当する候補がない場合には、画面左上にある「リストにない」を選択すると、他の候補を表示したり、他のユーザへ質問するための画面へと遷移する。
図７は、ユーザＵが登録した生物を閲覧する際の画面の一例である。図７（ａ）は、ユーザＵが登録した生物の画像が一覧表示される画面の一例である。図７（ａ）に示す例では、登録した生物の画像のサムネイルが一覧形式で表示される。なお、撮像した画像がない場合は、画面には画像イメージは表示されない。また、ユーザＵが登録した生物の総数を画面下側などに表示するようにしてもよい。図７（ｂ）は、図７（ａ）に一覧表示された画像を選択（タップ）した際に表示される画面の一例である。図７（ｂ）に示す例では、選択された画像に対応する生物の拡大画像が画面上側に表示され、該生物の説明文が画面下側に表示される。
図８は、サーバ３の提示部３０８により提示された周辺の生物やイベント等を表示した際の画面の一例である。図８（ａ）は、周辺のイベントが表示された画面の一例である。図８（ｂ）は、周辺の生物が表示された画面の一例である。
図９は、判別システム１のユーザＵに提供されるＳＮＳ（Social Networking Service）の画面の一例である。本実施形態の判別システム１では、利用者であるユーザＵが利用できるＳＮＳを提供しており、本実施形態の判別システム１を利用するユーザＵは、このＳＮＳを利用して交流を図ることができる。図９（ａ）は、ＳＮＳに投稿したコメントや写真・動画等のタイムラインＴＬを表示する画面の一例を示した図である。図９（ａ）に示す例では、コメントや写真・動画等に対する反応（図９（ａ）では、コメント数やお気に入り数）が表示されている。また、図９（ｂ）は、質問掲示板の画面の一例である。図９（ｂ）に示す例では、ユーザＵ同士が質問や回答を投稿することでユーザＵ間の交流が促進されている。また、図９（ｂ）に示すように、他のユーザＵの質問に対して回答した場合、サーバ３のポイント付与部３０７により回答者に対してＳＮＳ内で利用可能なポイントが付与される。なおポイントは、ＳＮＳ内に出店している店舗や他のＳＮＳや実店舗等で利用できるようにしてもよい。
図１０は、サーバ３の検索部３１１による検索結果を示す画面の一例である。本実施形態の判別システム１では、サーバ３の記憶装置３０２に格納されたデータベースを検索することができる。つまり、ユーザＵは、他のユーザＵが登録した情報や文献データ等に基づいて生物を検索することができる。図１０（ａ）は、ユーザ端末２のＧＰＳ受信装置２０６が出力する位置情報をもとに周辺で発見されたカブトムシの登録情報を検索した結果を示した図の一例である。図１０（ｂ）は、ユーザ端末２のＧＰＳ受信装置２０６が出力する位置情報をもとに周辺で発見されたマイワシの登録情報を検索した結果を示した図の一例である。
図１１〜図１３は、実施形態に係る判別システム１の動作の一例を示すフローチャートである。以下、図面を参照して、実施形態に係る判別システム１の動作について説明するが、図１〜図１０を参照して説明した構成と同一の構成には同一の符号を付して重複する説明を省略する。
図１１は、実施形態に係る判別システム１のユーザ登録の動作を示すフローチャートである。
（ステップＳ１０１）
初めにユーザＵは、ユーザ端末２の入力装置２０３を操作してサーバ３へとアクセスし、本実施形態の判別用アプリケーションソフト（以下、判別アプリともいう）をダウンロード（以下、ＤＬともいう）する。サーバ３の制御部３１２は、ユーザ端末２から判別アプリのＤＬ要求を受け付けると、要求のあったユーザ端末２へ通信部３０１を介して記憶装置３０２に格納されている判別アプリのデータを送信する。ユーザ端末２では、通信部３０１を介して送信される判別アプリのデータが通信部２０１で受信され、記憶装置２０２に格納される。
（ステップＳ１０２）
判別アプリのＤＬが完了すると、ユーザＵは、ユーザ端末２の入力装置２０３を操作してＤＬした判別アプリをインストールする。
（ステップＳ１０３）
次にユーザＵは、ユーザ端末２の入力装置２０３を操作して属性情報（例えば、ニックネーム（ログインＩＤ）、連絡先（メールアドレスや電話番号）、パスワード等）を入力する。入力された属性情報は、ユーザ端末２の通信部２０１を介してサーバ３へ送信される。サーバ３では、制御部３１２によりユーザＩＤが付与されるととともに、ＤＢ更新部３１０により付与されたユーザＩＤに関連付けて属性情報が記憶装置３０２のユーザＤＢ１に格納される。
なお、上記ユーザ登録においては、入力された属性情報でいったん仮登録を行い、登録されたメールアドレスへ招待用のＵＲＬを送り、該ＵＲＬからアスセスすることで正式に登録する構成としてもよい。また、ユーザ登録を招待制としてもよい。招待制とすることで、使ってもらうユーザ層をコントロールすることができ、興味本位で登録だけのユーザが増えたり、運営側が意図しない（他のユーザを非難するような質の低い）ユーザが多数集まってしまう虞を排除することができる。このため、入口段階でサービスの印象が悪くなってしまい、ターゲットユーザが流れてきても定着しないという状況の発生を抑制することができる。ユーザ登録をＡＰＩ連携により、他のＳＮＳ（Facebook（登録商標）やTwitter（登録商標）など）を利用して行うようにしてもよい。
図１２は、実施形態に係る判別システム１の動作を示すフローチャートである。
（ステップＳ２０１）
初めに、ユーザＵは、ユーザ端末２の入力装置２０３を操作して判別アプリを起動する。次いで、ユーザＵは、入力装置２０３を操作してログイン情報（ログインＩＤおよびパスワード）を入力する。入力されたログイン情報は、ユーザ端末２からサーバ３へと通信部２０１を介して送信される。
（ステップＳ２０２）
サーバ３の制御部３１２は、ユーザ端末２から送信されたログイン情報が記憶装置３０２に格納されたユーザＤＢに記憶されているものと一致するか否かを判定する。ログイン情報が一致しない場合（Ｓ２０１のＮＯ）、制御部３１２はＳ２０１の動作へと戻る。なお、Ｓ２０１の動作へと戻る際に、ログインエラーをユーザ端末２の表示装置２０４に表示するようにしてもよい。また、ログイン情報が一致する場合（Ｓ２０２のＹＥＳ）、制御部３１２は、ログインを許可する。
（ステップＳ２０３）
ログインできると、ユーザＵは、ユーザ端末２の入力装置２０３を操作して、撮像装置２０５を利用して発見した生物を撮像等する。
（ステップＳ２０４）
次いで、ユーザＵがユーザ端末２の入力装置２０３を操作して、発見した生物の撮像データの送信を指示すると、制御部２０８は、撮像データにＧＰＳ受信装置２０６から出力される位置情報および時計２０７から出力される現在時刻を関連付ける。通信部２０１は、撮像データ、位置情報および現在時刻のデータをサーバ３へ送信する。なお、ここで、撮像データ、位置情報、現在時刻は、特徴情報を構成する。
（ステップＳ２０５）
サーバ３の判別部３０３は、通信部３０１を介して受信した特徴情報である撮像データ、位置情報、現在時刻に基づいて、生物の判別処理を行う。なお、この生物の判別処理の詳細については後述する。
（ステップＳ２０６）
サーバ３のＤＢ更新部３１０は、判別部３０３で判別された判別結果に基づいて、記憶装置３０２に格納されたデータベースの情報を更新する。具体的には、ＤＢ更新部３１０は、判別部３０３で判別された生物の種、撮像データ、位置情報、現在時刻等に基づいて、出現情報ＤＢ５の投稿情報テーブル、環境条件カウントテーブル等の情報を更新する。また、ＤＢ更新部３１０は、図示しないデータベース（例えば、既存の学術文献データベース等）にネットワーク４を介してアクセスし、収集した情報に基づいて、記憶装置３０２に格納されている各データベースを更新する。
（ステップＳ２０７）
サーバ３の出現確率算出部３０６は、記憶装置３０２の出現情報ＤＢ５に格納されている生物分布情報テーブルおよび機械学習パラメータテーブルに基づいて、判別部３０３で判別された生物の出現確率（レア度）を算出する。出現確率算出部３０６は、判別部３０３で判別された生物に関連付けて出現情報ＤＢ５の投稿情報テーブルに格納される。また、算出された出現確率（レア度）は、ユーザ端末２でも確認することができる。
（ステップＳ２０８）
提示部３０８は、ユーザ端末２から送信される周辺イベント情報の提示指示に基づいて、記憶装置３０２に格納されたデータベースを参照し、ユーザ端末２から送信される位置情報に基づいて、周辺に生息する生物、異なる時間帯および／または異なる季節に生息する生物、およびイベントの少なくとも１以上を提示する。提示部３０８により提示された情報は、通信部３０１を介してユーザ端末２へ送信され、ユーザ端末２の表示装置２０４に表示される。
（ステップＳ２０９）
判定部３０９は、記憶装置３０２に格納されたデータベースを参照し、判別部３０３で判別される種が所定の種、例えば、外来種や絶滅危惧種等であるか否かを判定する。判定部３０９での判定結果が所定の種である場合、該情報は、通信部３０１を介して予め登録されている所定のユーザ端末２（例えば、専門の研究機関等の端末）へ送信される。
（ステップＳ２１０）
ポイント付与部３０７は、登録した生物の出現確率および／または他のユーザＵへの対応度（例えば、他ユーザＵの質問への回答数）に応じて、ユーザＵにポイントを付与する。
（ステップＳ２１１）
検索部３１１は、記憶装置３０２に格納されたデータベースを参照し、ユーザＵがユーザ端末２の入力装置２０３を操作して入力したキーワード等の情報に基づいて、検索条件に合致する生物を検索する。検索部３１１により検索された生物のデータは、通信部３０１を介してユーザ端末２へ送信されて表示装置２０４に表示される。
なお、図１２を参照して説明した動作では、ログインから動作が始まっているが、すでにログインしている場合には、Ｓ２０３から動作が始まる構成としてもよい。
図１３は、図１２のステップ２０５におけるサーバ３（判別装置）の判別処理の動作を示すフローチャートである。
（ステップＳ３０１）
初めに、サーバ３の判別部３０３は、ユーザ端末２から送信される位置情報に基づいて、ユーザ端末２がどのメッシュに属するかを判定する。
（ステップＳ３０２）
次に、判別部３０３は、出現情報ＤＢ５の投稿情報テーブルおよび生物分布情報テーブルを参照し、ステップＳ３０１で判定されたメッシュ（以下、該当メッシュともいう）に出現しうる種の第１リストを生成する。
（ステップＳ３０３）
次に、判別部３０３は、環境条件ＤＢ３の気象情報テーブルを参照し、ユーザ端末２から送信される時刻情報に基づいて該当メッシュの現在の月の平均気温を取得する。
（ステップＳ３０４）
次に、判別部３０３は、環境条件ＤＢ３の環境条件テーブルを参照して、該当メッシュの環境条件を取得する。
（ステップＳ３０５）
次に、判別部３０３は、出現情報ＤＢ５の投稿情報テーブルおよび生物分布情報テーブルを参照して、該当メッシュにおける過去の発見数を各種ごとに算出する。
（ステップＳ３０６）
次に、判別部３０３は、ステップＳ３０３で得られた平均気温および出現情報ＤＢ５の機械学習パラメータテーブルを参照して得られたパラメータに基づいて、該当メッシュにおける出現確率を算出する。
（ステップＳ３０７）
次に、判別部３０３は、出現情報ＤＢ５の環境条件カウントテーブルを参照して、ステップＳ３０４で得られた環境条件における過去の発見数を種ごとに算出する。
（ステップＳ３０８）
次に、判別部３０３は、ステップＳ３０５〜Ｓ３０７で算出した値に基づいて、種ごとの出現確率を算出する。なお、出現確率の算出は、ステップＳ３０５〜Ｓ３０７で算出した値を同一の重みづけとして処理しても良いし、ステップＳ３０５〜Ｓ３０７で算出した値の重みづけを変化させて処理しても良い。
（ステップＳ３０９）
次に、判別部３０３は、出現確率が所定の閾値（例えば、８０％以上）の種の数が所定数（例えば、５つ）以下であるかどうかを判定する。
（ステップＳ３１０）
判別部３０３は、ステップＳ３０９で種の数が所定数以下である場合、情報抽出部３０４は、記憶装置３０２から出現確率が所定の閾値を超えた種の属性情報（画像データおよび説明文など）を抽出する。
（ステップＳ３１１）
判別部３０３は、ステップＳ３１０で情報抽出部３０４が抽出した属性情報を、判別された生物の種とともに通信部３０１を介してユーザ端末２へと送信するように指示する。これらデータは、通信部３０１を介してユーザ端末２へ送信され、ユーザ端末２の表示装置２０４に表示される。ユーザＵは、表示装置２０４に表示される画像や説明文に基づいて、該当する生物を選択して登録を行う。
（ステップＳ３１２）
判別部３０３は、ステップＳ３０９で種の数が所定数を超える場合、絞込処理を実行う。絞込処理終了後、判別部３０３は、上述のステップＳ３１０およびＳ３１１の処理を実行する。
ステップ３１２の絞込処理には、種々の手法が考えられる。以下、ステップ３１２における絞込処理の動作の形態について説明する。以下の説明では、各絞込処理の形態を個別に説明しているが、各絞込処理の形態を組み合わせるようにしてもよい。
（第１の態様）
第１の態様では、サーバ３の判別部３０３は、ユーザ端末２から送信される画像データおよび／または画像データの属性情報（例えば、画像データから抽出される色（各画素のＲＧＢデータ）情報やテクスチャ（質感）データ）に基づいてさらに種を絞り込む。
（第２の態様）
第２の態様では、質問抽出部３０５は、種を絞り込むための質問を抽出し、抽出された質問（例えば、羽があるか否か、脚が何本であるか、色はどうか等）を通信部３０１を介してユーザ端末２へ送信する。ユーザＵは、ユーザ端末２の入力装置２０３を操作して質問の回答を入力する。入力された回答は通信部２０１を介してサーバ３へ送信され、判別部３０３は、ユーザ端末２から送信された回答に基づいて種の絞り込みを行う。
（第３の態様）
第３の態様では、判別部３０３は、ユーザＵがユーザ端末２の入力装置２０３を操作して入力した生物の特徴を表すキーワード（例えば、羽、脚６本、赤色等）に基づいて種の絞り込みを行う。この場合、キーワードは、ユーザ端末２から位置情報および時刻情報を送信する際の情報に含ませるように構成してもよいし（予めユーザＵにキーワードを入力させる形態）、ステップＳ３０９において所定数を超えた場合に、ユーザＵにユーザ端末２の入力装置２０３を操作して生物の特徴を表すキーワードを入力させるように構成してもよい。
（第４の態様）
第４の態様では、情報抽出部３０４がユーザＵに種を絞り込ませるための情報を抽出する。判別部３０３は、情報抽出部３０４が抽出した情報を生物の種とともに通信部３０１を介してユーザ端末２へと送信するように指示し、これらデータは、通信部３０１を介してユーザ端末２へ送信され、ユーザ端末２の表示装置２０４に表示される。ユーザＵは、表示装置２０４に表示される画像や説明文に基づいて生物の種を絞り込む。
なお、図１３に示す例では、ステップＳ３０９で種が所定数以下であるか否かを判定し、所定数を超える場合に、絞込処理を実行しているが、ステップＳ３０８で算出された総合得点の上位５つだけをユーザＵ提示するようにして、所定数以下であるか否かを判定しない構成としてもよい。なお、上位５つは、あくまでも例示であり、その他の数値、例えば上位３つや上位７つであってもよい。
また、図１３に示す例では、ステップＳ３１２の絞込処理を一度だけ行うフローとなっているが、ステップＳ３１２の絞込処理後に、ステップＳ３０９へ戻り、所定数以下であるか否かを判定し、所定数以下であればステップＳ３１０以降の処理を行い、所定数以下でなければ再度ステップＳ３１２の絞込処理を行うようにしてもよい。また、所定数以下となるまでステップＳ３１０およびステップＳ３１２の絞込処理とを繰り返し行うようにしてもよい。この場合、１回目の絞込処理では第１の態様で絞り込みを行い、２回目の絞込処理では第２の態様で絞り込みを行うというように、絞込処理ごとに異なる態様で絞り込みを行うと効率よく生物の種を絞り込むことができる。
以上のように、本実施形態に係るサーバ３は、ユーザ端末２から送信される位置、日時、画像データ、画像データの属性情報および生物の特徴を表すキーワードの少なくとも一つを含む特徴情報を受信する通信部３０１と、記憶装置３０２に格納された生物の種が特徴情報に関連付けて記憶されたデータベースを参照し、通信部３０１で受信される特徴情報に基づいて、生物の種を判別する判別部３０３とを備える。このため、スペクトルデータ等を取得するような大掛かりな方法とは異なり、個人ユーザ等が簡単に動物や昆虫を含む生物の種を判別して楽しむことができる。また、位置データ、時間データおよびキーワードのいずれか１以上の情報を用いて生物の種を判別する場合、判別のために必要なデータ量が少ないため、通信量や演算量を削減することができる。また、生物の種を簡易に判別することができる。
また、サーバ３の判別部３０３は、判別される種が複数存在する場合、特徴情報のうち判別に用いた情報とは異なる情報に基づいて、さらに種を絞り込むため、ユーザＵに提示される種数が多くなりすぎず、ユーザＵはストレスなく、また、判別される種が複数存在する場合に、さらに種を絞り込む仕様であるため、通信量や演算量をより削減することができる。
また、サーバ３の判別部３０３は、ユーザ端末２から送信される画像データおよび／または画像データの属性情報に基づいてさらに種を絞り込むので判別精度の向上が期待できる。また、画像データに加えて画像データの属性情報も利用する場合、さらに判別精度が向上することが期待できる。また、絞り込みの際に画像データおよび／または画像データの属性情報を利用するので、先にデータ量の多い画像データおよび／または画像データの属性情報を送信する必要がない。
また、サーバ３は、判別される種が複数存在する場合、ユーザＵに種を絞り込ませるための情報を抽出する情報抽出部３０４と、情報抽出部３０４で抽出される情報をユーザ端末へ送信する通信部３０１とを備えるので、ユーザＵは、サーバ３から送信される情報に基づいて種を絞り込むことができる。
また、サーバ３は、判別される種が複数存在する場合、他のユーザＵに種を質問できる機能を有するので、ユーザＵは、他のユーザＵに種を質問して、ユーザＵ間の交流を図ることができる。また、判別部３０３により判別された種を、他のユーザＵに確認することもできる。
また、サーバ３は、判別される種が複数存在する場合、種を絞り込むための質問を抽出する質問抽出部３０５と、質問抽出部３０５で抽出される質問をユーザ端末２へ送信する通信部３０１とを備えるので、ユーザＵからの回答に応じて種を絞り込むことができ判別精度の向上が期待できる。また、情報量の多い画像データを送信しないため、データ量が少なくて済むことから通信量や演算量を削減することができる。
また、本実施形態の判別部３０３は、判別される種が複数存在する場合、上記特徴情報に含まれるキーワードに基づいて、さらに種を絞り込む。このため、ユーザ端末２と再度情報のやり取りを行うことなく精度の高い判別を行うことができる。また、判別時に位置および／または時刻の情報を利用して生物の種を判別している場合、情報量の多い画像データを送信せずに済むため、データ量が少なくて済むことから通信量や演算量を削減することができる。
また、サーバ３は、生物の出現確率および／または他のユーザＵへの対応度に応じて、ユーザＵにポイントを付与するポイント付与部３０７を備える。このため、生物のデータベースへの登録が促進される。結果、生物の判別精度が向上する。また、ユーザＵへの対応度、例えば、他のユーザＵからの質問に回答したり、有益な情報を投稿することでポイントが付与されるのでユーザＵ間の交流が促進される。
また、サーバ３は、生物の出現確率（レア度）を算出する出現確率算出部３０６を備える。このため、ユーザＵは、出現確率の低い（レア度の高い）生物を見つけようとして次々と生物の判別を行うことが期待でき、生物のデータベースへの登録が促進される。結果、生物の判別精度がさらに向上する。また目撃情報等を投稿することでユーザＵ間の交流がより促進される。
また、サーバ３は、ユーザ端末２から送信される特徴情報に基づいて、周辺に生息する生物、異なる時間帯および／または異なる季節に生息する生物、およびイベントの少なくとも１以上を提示する提示部３０８を備える。このため、ユーザＵが提示された地域や場所へ出かけることが期待でき、地域の活性化や町おこし等に利用することができる。
また、サーバ３は、判別部３０３で判別される種が所定の種であるか否かを判定する判定部３０９と、判定部３０９での判定結果が所定の種である場合、該情報（所定の種である情報）を所定のユーザ端末２へ送信する通信部３０１とを備える。このため、例えば、外来種や絶滅危惧種等の所定の種が発見された場合に、直ぐに専門の研究機関等へ自動で通報される。また、このような情報が自動で収集されるため利便性が高い。
また、本実施形態に係るデータベース構造は、位置、日時、画像データ、前記画像データの属性情報および生物の特徴を表すキーワードの少なくとも１以上の情報を含む特徴情報と、特徴情報に関連付けられた生物の種情報とを有するので、位置、日時、画像データ、前記画像データの属性情報および生物の特徴を表すキーワードのうちいずれかの情報だけで生物の種を判別することができる。
（その他実施形態）
本発明は、前記各形態の構造、形状のものに限定されるものではなく、その要旨を逸脱しない限りにおいて適宜に設計変更して具体化できる。例えば、第１実施形態の判別システムが備える構成を組み合わせてもよい。
例えば、上記実施形態では、ユーザ端末２から送信される位置情報および時刻情報に基づいて、生物の種を判別しているが、位置情報のみ、または時刻情報のみを用いて生物の種を判別するようにしてもよい。さらに、上記実施形態では、位置情報および時刻情報に基づいて生物の種を判別し、候補となる種が所定数以上である場合に絞込処理を行うようにしているが、ユーザ端末２から送信される画像データおよび／または画像データの属性情報（例えば、画像データから抽出される色（各画素のＲＧＢデータ）情報やテクスチャ（質感）データ）に基づいて赤色の生物だけを抽出し、候補となる種が所定数以上である場合にユーザ端末２から送信される位置情報および／または時刻情報に基づいて抽出された生物の種の絞込処理を行うようにしてもよい。
また、ユーザ端末２から送信される質問への回答に基づいて生物の種を判別し、候補となる種が所定数以上である場合にユーザ端末２から送信される位置情報および／または時刻情報に基づいて絞込処理を行うようにしてもよい。
さらに、ユーザ端末２から送信される生物の特徴を表すキーワード（例えば、羽、脚６本、赤色等）に基づいて生物の種を判別し、候補となる種が所定数以上である場合にユーザ端末２から送信される位置情報および／または時刻情報に基づいて絞込処理を行うようにしてもよい。
以上説明したように、本発明は、動物や昆虫、植物を含む生物の種を判別できる判別装置、判別方法、判別システムおよびデータベース構造を提供することができる。
１ 判別システム
２ ユーザ端末
２０１ 通信部（送信部および受信部）
２０２ 記憶装置
２０３ 入力装置
２０４ 表示装置
２０５ 撮像装置
２０６ ＧＰＳ受信装置
２０７ 時計
２０８ 制御部
３ サーバ（判別装置）
３０１ 通信部（送信部および受信部）
３０２ 記憶装置
３０３ 判別部
３０４ 情報抽出部
３０５ 質問抽出部
３０６ 出現確率算出部
３０７ ポイント付与部
３０８ 提示部
３０９ 判定部
３１０ 更新部
３１１ 検索部
３１２ 制御部
４ ネットワーク

Claims (14)

  1. 生物を判別する判別装置であって、
    ユーザ端末から送信される位置、日時、画像データ、前記画像データの属性情報および前記生物の特徴を表すキーワードの少なくとも一つを含む特徴情報を受信する受信部と、
    生物の種が前記特徴情報に関連付けて記憶されたデータベースを参照し、前記受信部で受信される特徴情報に基づいて、前記生物の種を判別する判別部と、
    を備えることを特徴とする判別装置。
  2. 前記判別部は、
    判別される種が複数存在する場合、前記特徴情報のうち前記判別に用いた情報とは異なる情報に基づいて、さらに種を絞り込むことを特徴とする請求項１に記載の判別装置。
  3. 前記判別部は、
    前記画像データおよび／または前記画像データの属性情報に基づいてさらに種を絞り込むことを特徴とする請求項２に記載の判別装置。
  4. 判別される種が複数存在する場合、ユーザに種を絞り込ませるための情報を抽出する情報抽出部と、
    前記情報抽出部で抽出される情報を前記ユーザ端末へ送信する第１送信部と
    を備えることを特徴とする請求項２または請求項３に記載の判別装置。
  5. 判別される種が複数存在する場合、他のユーザに前記種を質問できる機能を有することを特徴とする請求項２ないし請求項４のいずれかに記載の判別装置。
  6. 判別される種が複数存在する場合、種を絞り込むための質問を抽出する質問抽出部と、
    前記質問抽出部で抽出される質問を前記ユーザ端末へ送信する第２送信部と
    を備えることを特徴とする請求項２ないし請求項５のいずれかに記載の判別装置。
  7. 前記判別部は、
    判別される種が複数存在する場合、前記特徴情報に含まれるキーワードに基づいて、さらに種を絞り込むことを特徴とする請求項２ないし請求項６のいずれかに記載の判別装置。
  8. 前記生物の出現確率および／または他のユーザへの対応度に応じて、前記ユーザにポイントを付与するポイント付与部を備えることを特徴とする請求項１ないし請求項７のいずれかに記載の判別装置。
  9. 前記生物の出現確率を算出する算出部を備えることを特徴とする請求項１ないし請求項８のいずれかに記載の判別装置。
  10. 前記ユーザ端末から送信される前記特徴情報に基づいて、周辺に生息する生物、異なる時間帯および／または異なる季節に生息する生物、およびイベントの少なくとも１以上を提示する提示部を備えることを特徴とする請求項１ないし請求項９のいずれかに記載の判別装置。
  11. 前記判別部で判別される種が所定の種であるか否かを判定する判定部と、
    前記判定部での判定結果が所定の種である場合、該情報を所定のユーザ端末へ送信する第３送信部と
    を備えることを特徴とする請求項１ないし請求項１０のいずれかに記載の判別装置。
  12. 位置、日時、画像データ、前記画像データの属性情報および生物の特徴を表すキーワードの少なくとも１以上の情報を含む特徴情報と、
    前記特徴情報に関連付けられた生物の種情報と
    を有することを特徴とするデータベース構造。
  13. 生物を判別する判別方法であって、
    受信部が、ユーザ端末から送信される位置、日時、画像データ、前記画像データの属性情報および前記生物の特徴を表すキーワードの少なくとも一つを含む特徴情報を受信する工程と、
    判別部が、生物の種が前記特徴情報に関連付けて記憶されたデータベースを参照し、前記受信部で受信される特徴情報に基づいて、前記生物の種を判別する工程と、
    を有することを特徴とする判別方法。
  14. 生物を判別する判別システムであって、
    位置、日時、画像データ、前記画像データの属性情報および前記生物の特徴を表すキーワードの少なくとも一つを含む特徴情報を送信するユーザ端末と、
    前記ユーザ端末から送信される前記特徴情報を受信する受信部と、生物の種が前記特徴情報に関連付けて記憶されたデータベースを参照し、前記受信部で受信される特徴情報に基づいて、前記生物の種を判別する判別部と、前記判別部で判別される種を前記ユーザ端末へ送信する送信部とを備える判別装置と、
    を有することを特徴とする判別システム。

JP2017223272A 2017-11-21 2017-11-21 判別装置、判別方法、判別プログラム、判別システム Active JP6590417B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2017223272A JP6590417B2 (ja) 2017-11-21 2017-11-21 判別装置、判別方法、判別プログラム、判別システム
PCT/JP2018/042607 WO2019102954A1 (ja) 2017-11-21 2018-11-19 判別装置、判別方法、判別システム、データベース構造
US16/765,637 US11048969B2 (en) 2017-11-21 2018-11-19 Identification device, identification method, identification system, and database

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017223272A JP6590417B2 (ja) 2017-11-21 2017-11-21 判別装置、判別方法、判別プログラム、判別システム

Publications (2)

Publication Number Publication Date
JP2019095949A true JP2019095949A (ja) 2019-06-20
JP6590417B2 JP6590417B2 (ja) 2019-10-16

Family

ID=66631880

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017223272A Active JP6590417B2 (ja) 2017-11-21 2017-11-21 判別装置、判別方法、判別プログラム、判別システム

Country Status (3)

Country Link
US (1) US11048969B2 (ja)
JP (1) JP6590417B2 (ja)
WO (1) WO2019102954A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021005243A (ja) * 2019-06-26 2021-01-14 株式会社カプコン システムおよびプログラム
WO2021107307A1 (ko) * 2019-11-29 2021-06-03 주식회사 아토즈소프트 챗봇 기반의 낚시정보 제공 방법 및 그 장치
KR20210088940A (ko) * 2020-01-07 2021-07-15 주식회사 애니멀고 동물 정보 판별용 어플리케이션을 구동하는 장치, 서버 및 이들을 포함하는 어플리케이션 관리 시스템

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674805B (zh) * 2019-10-11 2022-04-15 杭州睿琪软件有限公司 昆虫识别方法及系统
CN113762226B (zh) * 2021-11-09 2022-01-07 成都理工大学 基于高光谱分辨率调整提升树种识别精度的方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002073689A (ja) * 2000-08-31 2002-03-12 Kajima Corp 情報収集システム
JP2003132062A (ja) * 2001-10-23 2003-05-09 Yokogawa Electric Corp 物体解明システム
JP2004070889A (ja) * 2002-08-09 2004-03-04 Shizen Club:Kk 携帯電子図鑑
JP2007102575A (ja) * 2005-10-05 2007-04-19 Fujifilm Corp 撮影システム
JP2007133816A (ja) * 2005-11-14 2007-05-31 Nikon Corp 植物同定システム、及び生物同定システム
US20100322483A1 (en) * 2009-06-17 2010-12-23 Robert Allan Margolis System and method for automatic identification of wildlife
JP2011253424A (ja) * 2010-06-03 2011-12-15 Bill Haraguchi 画像認識装置及び画像認識方法並びに情報提供システム
JP2012079273A (ja) * 2010-10-06 2012-04-19 Fujitsu Ltd 生態系調査装置、生態系調査方法及びプログラム
JP2012205130A (ja) * 2011-03-25 2012-10-22 Japan Research Institute Ltd 生物画像処理装置及び生物画像処理方法
KR101481323B1 (ko) * 2013-09-26 2015-01-14 성균관대학교산학협력단 이동 단말로부터 전달되는 식물 영상을 이용한 식물 정보 제공 시스템
JP2015132994A (ja) * 2014-01-14 2015-07-23 リコーＩｔソリューションズ株式会社 プログラム、画像認識装置、画像認識方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030099379A1 (en) * 2001-11-26 2003-05-29 Monk Bruce C. Validation and verification apparatus and method
CN101622632B (zh) * 2007-03-08 2011-12-21 富士通株式会社 账票种类识别程序、账票种类识别方法以及账票种类识别装置
JP2009259096A (ja) 2008-04-18 2009-11-05 Fujifilm Corp 画像情報提供システム、画像情報サーバ、撮像装置、及び画像情報提供方法
US20140304600A1 (en) * 2011-10-19 2014-10-09 Cornell University Systems and methods for identifying objects
EP3431610A1 (en) * 2017-07-19 2019-01-23 Noscendo GmbH Methods and devices for nucleic acid-based real-time determination of disease states

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002073689A (ja) * 2000-08-31 2002-03-12 Kajima Corp 情報収集システム
JP2003132062A (ja) * 2001-10-23 2003-05-09 Yokogawa Electric Corp 物体解明システム
JP2004070889A (ja) * 2002-08-09 2004-03-04 Shizen Club:Kk 携帯電子図鑑
JP2007102575A (ja) * 2005-10-05 2007-04-19 Fujifilm Corp 撮影システム
JP2007133816A (ja) * 2005-11-14 2007-05-31 Nikon Corp 植物同定システム、及び生物同定システム
US20100322483A1 (en) * 2009-06-17 2010-12-23 Robert Allan Margolis System and method for automatic identification of wildlife
JP2011253424A (ja) * 2010-06-03 2011-12-15 Bill Haraguchi 画像認識装置及び画像認識方法並びに情報提供システム
JP2012079273A (ja) * 2010-10-06 2012-04-19 Fujitsu Ltd 生態系調査装置、生態系調査方法及びプログラム
JP2012205130A (ja) * 2011-03-25 2012-10-22 Japan Research Institute Ltd 生物画像処理装置及び生物画像処理方法
KR101481323B1 (ko) * 2013-09-26 2015-01-14 성균관대학교산학협력단 이동 단말로부터 전달되는 식물 영상을 이용한 식물 정보 제공 시스템
JP2015132994A (ja) * 2014-01-14 2015-07-23 リコーＩｔソリューションズ株式会社 プログラム、画像認識装置、画像認識方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021005243A (ja) * 2019-06-26 2021-01-14 株式会社カプコン システムおよびプログラム
WO2021107307A1 (ko) * 2019-11-29 2021-06-03 주식회사 아토즈소프트 챗봇 기반의 낚시정보 제공 방법 및 그 장치
KR20210067819A (ko) * 2019-11-29 2021-06-08 주식회사 아토즈소프트 챗봇 기반의 낚시정보 제공 방법 및 그 장치
KR102307289B1 (ko) * 2019-11-29 2021-09-30 주식회사 아토즈소프트 챗봇 기반의 낚시정보 제공 방법 및 그 장치
KR20210088940A (ko) * 2020-01-07 2021-07-15 주식회사 애니멀고 동물 정보 판별용 어플리케이션을 구동하는 장치, 서버 및 이들을 포함하는 어플리케이션 관리 시스템
KR102321498B1 (ko) * 2020-01-07 2021-11-03 주식회사 애니멀고 동물 정보 판별용 어플리케이션을 구동하는 장치, 서버 및 이들을 포함하는 어플리케이션 관리 시스템

Also Published As

Publication number Publication date
WO2019102954A1 (ja) 2019-05-31
US20200364493A1 (en) 2020-11-19
JP6590417B2 (ja) 2019-10-16
US11048969B2 (en) 2021-06-29

Similar Documents

Publication Publication Date Title
WO2019102954A1 (ja) 判別装置、判別方法、判別システム、データベース構造
KR102121361B1 (ko) 사용자가 위치되는 지리적 위치의 유형을 식별하기 위한 방법 및 디바이스
Fritz et al. Geo-Wiki: An online platform for improving global land cover
de Souza et al. Mapping and discrimination of soya bean and corn crops using spectro-temporal profiles of vegetation indices
Maselli et al. Estimation of Mediterranean forest attributes by the application of k‐NN procedures to multitemporal Landsat ETM+ images
AU2012355375A1 (en) Method and system for sharing object information
JP5525554B2 (ja) 栽培支援装置、栽培支援システム、栽培支援方法及びプログラム
JP2012203668A (ja) 情報処理装置、物体認識方法、プログラム及び端末装置
Culman et al. Individual palm tree detection using deep learning on RGB imagery to support tree inventory
Wilkins et al. Promises and pitfalls of using computer vision to make inferences about landscape preferences: Evidence from an urban-proximate park system
Perger et al. A campaign to collect volunteered geographic Information on land cover and human impact
Joly et al. A quantitative approach to the visual evaluation of landscape
KR101481323B1 (ko) 이동 단말로부터 전달되는 식물 영상을 이용한 식물 정보 제공 시스템
Copass et al. Comparison of office and field techniques for validating landscape change classification in Pacific Northwest national parks
Kwa The visual grasp of the fragmented landscape: Plant geographers vs. plant sociologists
Bailey et al. Mapping natural resource collection areas from household survey data in Southern Africa
Ciecko et al. Forest Landscape Assessment Tool (FLAT): rapid assessment for land management
Gallego Validation of GIS layers in the EU: Getting adapted to available reference data
Fonte et al. A web GIS-based platform to harvest georeferenced data from social networks: examples of data collection regarding disaster events
Puri Participatory mapping
Feniger From Nahalal to Danesfahan: the transfer of Israeli modern rurality to village planning in Iran
KR101135938B1 (ko) 휴대폰을 이용한 거리 측정 및 지역 정보 제공 시스템
Barford Artefact collecting: creating or destroying the archaeological record?
JP5542520B2 (ja) 生物情報収集方法及び生物情報収集システム
Zhao et al. The feasibility of consumer RGB Camera Drones in evaluating multitemporal vegetation status of a selected area: a technical note

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171204

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180309

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190107

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190320

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190813

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190815

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: 20190827

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190912

R150 Certificate of patent or registration of utility model

Ref document number: 6590417

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150