JP2019153109A - 農業管理予測システム、農業管理予測方法、及びサーバ装置 - Google Patents
農業管理予測システム、農業管理予測方法、及びサーバ装置 Download PDFInfo
- Publication number
- JP2019153109A JP2019153109A JP2018038205A JP2018038205A JP2019153109A JP 2019153109 A JP2019153109 A JP 2019153109A JP 2018038205 A JP2018038205 A JP 2018038205A JP 2018038205 A JP2018038205 A JP 2018038205A JP 2019153109 A JP2019153109 A JP 2019153109A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- standard deviation
- data
- vegetation
- server device
- 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 28
- 238000004891 communication Methods 0.000 claims abstract description 31
- 230000035784 germination Effects 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims 2
- 238000003306 harvesting Methods 0.000 abstract description 19
- 238000012545 processing Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000003786 synthesis reaction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 241000607479 Yersinia pestis Species 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 239000003086 colorant Substances 0.000 description 3
- 230000004720 fertilization Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000003905 agrochemical Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
NDVI=(NIR−R)/(NIR+R) (1)
NDRE=(NIR−RedEdge)/(NIR+RedEdge) (2)
R : 画像データの可視域赤の反射率
NIR : 画像データの近赤外域の反射率
RedEdge : ドローンデータのRedEdgeの反射率
n : 各圃場内の画像のピクセル数
Xi : 1ピクセルデータ値
X_ : 各圃場内のデータ平均値
n : 各単位内の画像のピクセル数
Xi : 1ピクセルデータ値
X_ : 各単位内のデータ平均値
・栽培前の施肥指導
・追肥の必要可否
・水温調整指導
・農薬散布時期指導
・収穫適期指導
等に役立てることが可能な情報を得ることが可能となる。
・栽培前の施肥指導
・追肥の必要可否
・水温調整指導
等に役立てることが可能な情報を得ることができる。
X(k)=F(k)X(k−1)+U(k)+G(k)W(k)
ここに、F(k)は、システムの時間遷移に関する線形モデルであり、U(k)はkのデータ値であり、G(k)は時間遷移に関する雑音モデルの行列であり、W(k)はその雑音であり共分散行列Q(k)かつ零平均の多変数正規分布に従う。
従って、システムの状態遷移を示す状態方程式は以下のようになる。
W(k)〜N(0,Q(k))
Z(k)=H(k)X(k)+V(k)
ここに、H(k)は状態空間を観測空間に線形写像する役割を担う観測モデルで、V(k)は共分散行列R(k)かつ零平均の多変数正規(ガウス)分布に従うような雑音である(観測雑音 (observation noise) )。従って、観測方程式は以下のようになる。
V(k)〜N(0,R(k))
Claims (12)
- ドローンと、サーバ装置と、管理端末とからなる農業管理予測システムであって、
前記ドローンは、
カメラ部と、
前記カメラ部で撮像した画像データを前記管理端末に送信する通信部と、
前記管理端末からの航路データに基づいて航路制御を行う航路制御部と、
前記カメラ部による撮影を制御する撮影制御部と、を備え、
前記管理端末は、
前記ドローン、及び前記サーバ装置と通信する通信部と、
前記ドローンの航路制御を行う航路制御部と、
前記ドローンでの撮影条件を設定する撮影条件設定部と、を備え、
前記サーバ装置は、
前記管理端末から送られてきた画像データを受信する通信部と、
前記画像データに基づいて植生指数化を行う植生指数化部と、
前記指数情報の標準偏差化を行う標準偏差化部と、
前記標準偏差を意味化する意味化部と、
主制御部と、を備え、
前記管理端末により前記ドローンの航路及び撮影を遠隔制御し、前記ドローンで得られた画像データに基づいて、前記サーバ装置側で農業の管理予測を行い、
特に、前記標準偏差化部では、各圃場内の各植生指数の標準偏差を求める場合、各圃場内の画像のピクセル数をn、1ピクセルデータ値をXi、各圃場内のデータ平均値をX_としたときに、
各圃場内の各植生指数の全体標準偏差を求める場合、各単位内の画像のピクセル数をn、1ピクセルデータ値をXi、単位内のデータ平均値をX_とし、上記式により標準偏差化を行い、
上記意味化部では、上記標準偏差に基づいて、地域、品目又は品種、農家、積算温度のいずれかを単位とし当該単位ないでの生育状態の把握を行うための意味付けを行い、
前記主制御部は、前回の植生指数化に係るデータと今回の植生指数化に係るデータとを比較し、比較結果を可視化するデータを前記情報端末に送信するよう制御する
農業管理予測システム。 - ドローンと、サーバ装置と、管理端末とからなる農業管理予測システムであって、
前記ドローンは、
カメラ部と、
前記カメラ部で撮像した画像データを前記管理端末に送信する通信部と、
前記管理端末からの航路データに基づいて航路制御を行う航路制御部と、
前記カメラ部による撮影を制御する撮影制御部と、を備え、
前記管理端末は、
前記ドローン、及び前記サーバ装置と通信する通信部と、
前記ドローンの航路制御を行う航路制御部と、
前記ドローンでの撮影条件を設定する撮影条件設定部と、を備え、
前記サーバ装置は、
前記管理端末から送られてきた画像データを受信する通信部と、
前記画像データに基づいて植生指数化を行う植生指数化部と、
前記指数情報の標準偏差化を行う標準偏差化部と、
前記標準偏差を意味化する意味化部と、
主制御部と、を備え、
前記管理端末により前記ドローンの航路及び撮影を遠隔制御し、前記ドローンで得られた画像データに基づいて、前記サーバ装置側で農業の管理予測を行い、
特に、前記標準偏差化部では、各圃場内の各植生指数の標準偏差を求める場合、各圃場内の画像のピクセル数をn、1ピクセルデータ値をXi、各圃場内のデータ平均値をX_としたときに、
各圃場内の各植生指数の全体標準偏差を求める場合、各単位内の画像のピクセル数をn、1ピクセルデータ値をXi、単位内のデータ平均値をX_とし、上記式により標準偏差化を行い、
上記意味化部では、上記標準偏差に基づいて、地域、品目又は品種、農家、積算温度のいずれかを単位とし当該単位ないでの生育状態の把握を行うための意味付けを行い、
前記主制御部は、対象圃場の植生指数化に係るデータと他圃場の植生指数化に係るデータとを比較し、比較結果を可視化するデータを前記情報端末に送信するよう制御する
農業管理予測システム。 - 前記サーバ装置が、前記データの相対的精緻化を行うAIフィルタリング部を更に備える請求項1又は請求項2に記載の農業管理予測システム。
- 前記意味化部は、前記標準偏差を意味化することで、発芽数、不発芽数、発芽率・不発芽率を抽出する
請求項1又は請求項2に記載の農業管理予測システム。 - ドローンと、サーバ装置と、管理端末とからなる農業管理予測システムによる農業管理予測方法であって、
前記サーバ装置が、
前記管理端末から送られてきた画像データを受信する第1ステップと、
前記画像データに基づいて植生指数化を行う第2ステップと、
前記指数情報の標準偏差化を行う第3ステップと、
前記標準偏差を意味化する第4ステップと、
主制御を行う第5ステップと、を有し、
前記第3ステップでは、各圃場内の各植生指数の標準偏差を求める場合、各圃場内の画像のピクセル数をn、1ピクセルデータ値をXi、各圃場内のデータ平均値をX_としたときに、
各圃場内の各植生指数の全体標準偏差を求める場合、各単位内の画像のピクセル数をn、1ピクセルデータ値をXi、単位内のデータ平均値をX_とし、上記式により標準偏差化を行い、
上記第4ステップでは、上記標準偏差に基づいて、地域、品目又は品種、農家、積算温度のいずれかを単位とし当該単位ないでの生育状態の把握を行うための意味付けを行い、
前記第5ステップでは、前回の植生指数化に係るデータと今回の植生指数化に係るデータとを比較し、比較結果を可視化するデータを前記情報端末に送信するよう制御する
農業管理予測方法。 - ドローンと、サーバ装置と、管理端末とからなる農業管理予測システムによる農業管理予測方法であって、
前記サーバ装置が、
前記管理端末から送られてきた画像データを受信する第1ステップと、
前記画像データに基づいて植生指数化を行う第2ステップと、
前記指数情報の標準偏差化を行う第3ステップと、
前記標準偏差を意味化する第4ステップと、
主制御を行う第5ステップと、を有し、
前記第3ステップでは、各圃場内の各植生指数の標準偏差を求める場合、各圃場内の画像のピクセル数をn、1ピクセルデータ値をXi、各圃場内のデータ平均値をX_としたときに、
各圃場内の各植生指数の全体標準偏差を求める場合、各単位内の画像のピクセル数をn、1ピクセルデータ値をXi、単位内のデータ平均値をX_とし、上記式により標準偏差化を行い、
上記第4ステップでは、上記標準偏差に基づいて、地域、品目又は品種、農家、積算温度のいずれかを単位とし当該単位内での生育状態の把握を行うための意味付けを行い、
前記第5ステップでは、対象圃場の植生指数化に係るデータと他圃場の植生指数化に係るデータとを比較し、比較結果を可視化するデータを前記情報端末に送信するよう制御する
農業管理予測方法。 - 前記サーバ装置が、前記データの相対的精緻化を行う第6のステップを更に有する
請求項5又は請求項6に記載の農業管理予測方法。 - 前記第4ステップでは、前記標準偏差を意味化することで、発芽数、不発芽数、発芽率・不発芽率を抽出する
請求項5又は請求項6に記載の農業管理予測方法。 - ドローンと、サーバ装置と、管理端末とからなる農業管理予測システムにおいて、前記サーバ装置で実行されるプログラムであって、
前記サーバ装置を、
前記管理端末から送られてきた画像データを受信する通信部と、
前記画像データに基づいて植生指数化を行う植生指数化部と、
前記指数情報の標準偏差化を行う標準偏差化部と、
前記標準偏差を意味化する意味化部と、
主制御部と、として機能させ、
前記管理端末により前記ドローンの航路及び撮影を遠隔制御し、前記ドローンで得られた画像データに基づいて、前記サーバ装置側で農業の管理予測を行い、
特に、前記標準偏差化部では、各圃場内の各植生指数の標準偏差を求める場合、各圃場内の画像のピクセル数をn、1ピクセルデータ値をXi、各圃場内のデータ平均値をX_としたときに、
各圃場内の各植生指数の全体標準偏差を求める場合、各単位内の画像のピクセル数をn、1ピクセルデータ値をXi、単位内のデータ平均値をX_とし、上記式により標準偏差化を行い、
上記意味化部では、上記標準偏差に基づいて、地域、品目又は品種、農家、積算温度のいずれかを単位とし当該単位ないでの生育状態の把握を行うための意味付けを行い、
前記主制御部は、前回の植生指数化に係るデータと今回の植生指数化に係るデータとを比較し、比較結果を可視化するデータを前記情報端末に送信するよう制御する
プログラム。 - ドローンと、サーバ装置と、管理端末とからなる農業管理予測システムにおいて、前記サーバ装置で実行されるプログラムであって、
前記サーバ装置を、
前記管理端末から送られてきた画像データを受信する通信部と、
前記画像データに基づいて植生指数化を行う植生指数化部と、
前記指数情報の標準偏差化を行う標準偏差化部と、
前記標準偏差を意味化する意味化部と、
主制御部と、して機能させ、
前記管理端末により前記ドローンの航路及び撮影を遠隔制御し、前記ドローンで得られた画像データに基づいて、前記サーバ装置側で農業の管理予測を行い、
特に、前記標準偏差化部では、各圃場内の各植生指数の標準偏差を求める場合、各圃場内の画像のピクセル数をn、1ピクセルデータ値をXi、各圃場内のデータ平均値をX_としたときに、
各圃場内の各植生指数の全体標準偏差を求める場合、各単位内の画像のピクセル数をn、1ピクセルデータ値をXi、単位内のデータ平均値をX_とし、上記式により標準偏差化を行い、
上記意味化部では、上記標準偏差に基づいて、地域、品目又は品種、農家、積算温度のいずれかを単位とし当該単位ないでの生育状態の把握を行うための意味付けを行い、
前記主制御部は、対象圃場の植生指数化に係るデータと他圃場の植生指数化に係るデータとを比較し、比較結果を可視化するデータを前記情報端末に送信するよう制御する
プログラム。 - 前記サーバ装置を、前記データの相対的精緻化を行うAIフィルタリング部としても機能させる請求項9又は請求項10に記載のプログラム。
- 前記意味化部は、前記標準偏差を意味化することで、発芽数、不発芽数、発芽率・不発芽率を抽出する
請求項9又は請求項10に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018038205A JP2019153109A (ja) | 2018-03-05 | 2018-03-05 | 農業管理予測システム、農業管理予測方法、及びサーバ装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018038205A JP2019153109A (ja) | 2018-03-05 | 2018-03-05 | 農業管理予測システム、農業管理予測方法、及びサーバ装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019153109A true JP2019153109A (ja) | 2019-09-12 |
Family
ID=67946556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018038205A Pending JP2019153109A (ja) | 2018-03-05 | 2018-03-05 | 農業管理予測システム、農業管理予測方法、及びサーバ装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019153109A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021073925A (ja) * | 2019-11-11 | 2021-05-20 | 直政 鈴木 | 農作物の育成上の管理・点検方法 |
WO2021111621A1 (ja) * | 2019-12-06 | 2021-06-10 | 株式会社ナイルワークス | 植物の病理診断システム、植物の病理診断方法、植物の病理診断装置、およびドローン |
KR102408373B1 (ko) * | 2021-04-12 | 2022-06-14 | 주식회사 이노드 | 농지 정보의 자동화 관리 방법 및 그를 위한 장치 |
KR20220123348A (ko) * | 2020-01-30 | 2022-09-06 | 사그리 씨오., 엘티디. | 정보 처리 장치 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004199332A (ja) * | 2002-12-18 | 2004-07-15 | Sakae Shibusawa | 階層的情報管理システム |
JP2006280289A (ja) * | 2005-03-31 | 2006-10-19 | Chiharu Hongo | 農産物解析方法,農水産業情報表現方法,そのシステム,楽曲生成装置,トレーサビリティシステム,作業開始予告システム |
US20110041399A1 (en) * | 2009-08-21 | 2011-02-24 | Syngenta Participations Ag | Automated system for analyzing plant vigor |
JP2017169511A (ja) * | 2016-03-24 | 2017-09-28 | 株式会社日立ソリューションズ東日本 | 農作物の正常株率推定装置、農作物の収穫量予測装置および農作物の正常株率推定方法 |
-
2018
- 2018-03-05 JP JP2018038205A patent/JP2019153109A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004199332A (ja) * | 2002-12-18 | 2004-07-15 | Sakae Shibusawa | 階層的情報管理システム |
JP2006280289A (ja) * | 2005-03-31 | 2006-10-19 | Chiharu Hongo | 農産物解析方法,農水産業情報表現方法,そのシステム,楽曲生成装置,トレーサビリティシステム,作業開始予告システム |
US20110041399A1 (en) * | 2009-08-21 | 2011-02-24 | Syngenta Participations Ag | Automated system for analyzing plant vigor |
JP2017169511A (ja) * | 2016-03-24 | 2017-09-28 | 株式会社日立ソリューションズ東日本 | 農作物の正常株率推定装置、農作物の収穫量予測装置および農作物の正常株率推定方法 |
Non-Patent Citations (7)
Title |
---|
春原 久徳: "ドローンを活用した水稲における精密農業サービス", O PLUS E, vol. 第38巻,第6号, JPN7022000413, 25 May 2016 (2016-05-25), pages 526 - 528, ISSN: 0004872009 * |
渡辺 伸一 ほか: "発表No.75 − 地理情報と追跡データを用いたツシマヤマネコの生息地適正評価", 地理情報システム学会 講演論文集, vol. 第12巻, JPN6017048711, 30 September 2003 (2003-09-30), JP, pages 311 - 314, ISSN: 0004872007 * |
牧野 司: "宇宙から草地を見てわかること", 根釧農試 酪農研究通信, vol. 第15号, JPN6022038087, March 2006 (2006-03-01), ISSN: 0004872012 * |
田中 圭 ほか: "小型マルチコプターを用いた近接リモートセンシングによる水稲生育マップの作成", 日本リモートセンシング学会誌, vol. 第36巻第4号, JPN6022038086, September 2016 (2016-09-01), pages 373 - 387, ISSN: 0004872011 * |
野口 伸: "飛行ロボット研究の最前線II−ICT農業とリモートセンシング", 日本ロボット学会誌, vol. 第34巻 第2号, JPN6018016357, 15 March 2016 (2016-03-15), JP, pages 28 - 30, ISSN: 0004872008 * |
長場 景子: "ゆめぴりか米の栽培にドローン活用で収量1割増 生育状態に合わせ肥料散布と収穫適期を見極め", NIKKEI ROBOTICS, vol. 第17号, JPN6022003648, 10 November 2016 (2016-11-10), JP, pages 24 - 27, ISSN: 0004872010 * |
長場 景子: "稲の生育調査など精密農業にドローンを活用 クラウドと連携したサービスも始動", NIKKEI ROBOTICS 1月号, vol. 第6号, JPN6017048710, 10 December 2015 (2015-12-10), JP, pages 20 - 23, ISSN: 0004872006 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021073925A (ja) * | 2019-11-11 | 2021-05-20 | 直政 鈴木 | 農作物の育成上の管理・点検方法 |
WO2021111621A1 (ja) * | 2019-12-06 | 2021-06-10 | 株式会社ナイルワークス | 植物の病理診断システム、植物の病理診断方法、植物の病理診断装置、およびドローン |
KR20220123348A (ko) * | 2020-01-30 | 2022-09-06 | 사그리 씨오., 엘티디. | 정보 처리 장치 |
KR102558966B1 (ko) * | 2020-01-30 | 2023-07-25 | 사그리 씨오., 엘티디. | 정보 처리 장치 |
KR102408373B1 (ko) * | 2021-04-12 | 2022-06-14 | 주식회사 이노드 | 농지 정보의 자동화 관리 방법 및 그를 위한 장치 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018046787A (ja) | 農業管理予測システム、農業管理予測方法、及びサーバ装置 | |
CN107148633B (zh) | 用于使用无人机系统进行农艺和农业监测的方法 | |
Shafi et al. | A multi-modal approach for crop health mapping using low altitude remote sensing, internet of things (IoT) and machine learning | |
US20240126258A1 (en) | Adaptive cyber-physical system for efficient monitoring of unstructured environments | |
JP2019153109A (ja) | 農業管理予測システム、農業管理予測方法、及びサーバ装置 | |
Primicerio et al. | A flexible unmanned aerial vehicle for precision agriculture | |
Bagheri | Development of a high-resolution aerial remote-sensing system for precision agriculture | |
CN106406403A (zh) | 一种基于增强现实的农业管控系统 | |
JP7243635B2 (ja) | 施肥設計方法および施肥設計装置 | |
JP7081536B2 (ja) | 作物の倒伏リスク診断に用いる生育パラメータの測定推奨スポット提示方法、倒伏リスク診断方法、および情報提供装置 | |
US20220307971A1 (en) | Systems and methods for phenotyping | |
JP7415348B2 (ja) | 情報処理装置、情報処理方法、プログラム、センシングシステム | |
EP4064182A1 (en) | Information processing device, information processing method, and program | |
Crusiol et al. | Semi professional digital camera calibration techniques for Vis/NIR spectral data acquisition from an unmanned aerial vehicle | |
CN112204569A (zh) | 结合多光谱和地表语义的作业规划方法、装置及设备 | |
Ehsani et al. | Affordable multirotor Remote sensing platform for applications in precision horticulture | |
Tian et al. | Machine learning-based crop recognition from aerial remote sensing imagery | |
Ozguven et al. | The technology uses in the determination of sugar beet diseases | |
EP3979193A1 (en) | System for evaluating and monitoring plants | |
JP2021171057A (ja) | 農作物関連値導出装置および農作物関連値導出方法 | |
WO2019235240A1 (ja) | 情報処理装置 | |
Marconi et al. | Application of unmanned aerial system for management of tomato cropping system | |
Tumlisan | Monitoring growth development and yield estimation of maize using very high-resolution UAV-images in Gronau, Germany | |
Stark et al. | A framework of optimal remote sensing using small unmanned aircraft systems | |
Yuan | Development of a UAV-Based Multi-Dimensional Mapping Framework for Precise Frost Management in Apple Orchards |
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: 20180315 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210209 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220325 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220411 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220913 |