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 PDF

Info

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
Application number
JP2018038205A
Other languages
English (en)
Inventor
喜一朗 勝俣
Kiichiro Katsumata
喜一朗 勝俣
久徳 春原
Hisanori Haruhara
久徳 春原
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.)
Drone Japan Co Ltd
Original Assignee
Drone Japan Co Ltd
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 Drone Japan Co Ltd filed Critical Drone Japan Co Ltd
Priority to JP2018038205A priority Critical patent/JP2019153109A/ja
Publication of JP2019153109A publication Critical patent/JP2019153109A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】ドローン等の無人航空機でのセンシングにより得られたデータに基づいて、農地等の管理並びに農作物の生育予測、収穫予測等を自動的に行い、農地並びに農作物等の適正な管理を実現する農業管理予測システムを提供する。【解決手段】本発明は、無人航空機と、管理端末と通信自在なサーバ装置１において、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１２と、画像データに基づいて植生指数化を行う植生指数化部１１ｂと、指数情報の標準偏差化を行う標準偏差化部１１ｃと、標準偏差を意味化する意味化部１１ｄとを備え、管理端末により無人航空機の航路及び撮影を遠隔制御し、無人航空機で得られた画像データに基づいてサーバ装置側で農業の管理予測を行う。特に、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。【選択図】図２

Description

本発明は、例えば、ドローン等の無人航空機により上空よりセンシングされて得られた情報に基づいて、農地の状態や農作物の生育状態、収穫量、及び収穫時期等を予測する農業管理予測システム、農業管理予測方法、及びサーバ装置に関する。
従来、広大な農地の現状把握については、その広大さが起因して短時間に見回り切ることができず、また多大な労働負担も余儀なくされていた。
また、農地の農作物の生育状態（例えば、植被率、草丈長）等の把握についても、同様に多大な労力負担がかかっており、管理についても導入にコストがかかっていた。葉色グラデーションの把握による施肥管理や、病害虫発生の初期状態の把握、水温や水位の把握による最適な水門管理についても同様である。
ここで、例えば特許文献１では、森林マネージャが、一群の自律したビークルから森林についての情報を受信し、情報から森林の状態についての結果を発生させるために情報を分析する森林管理システムが開示されている。同技術では、森林マネージャは、植物、土壌状態、温度等について情報収集するために自律したビークルの作動を調整する。このビークルの中には、無人航空ビークルも含まれている。
一方、例えば、特許文献２では、航空輸送手段の組によって展開されたセンサシステムから、森林内の位置の任意の数の土壌条件に関する情報を受信し、任意の数の土壌条件に基づいてミッションを識別する森林マネージャを備える森林管理システムが開示されている。ここで、ミッションとは、植栽ミッション、土壌条件識別ミッションを含む。
また、例えば、特許文献３では、農作物に関する情報を取得する情報検出手段と、農作物の生育状況を予測するための農作物登録情報を記憶する記憶手段と、農作物に関する情報に基づき農作物登録情報を参照して、農作物の生育状況を予測する生育予測手段と、それを表示する表示手段と、を有する管理システムが開示されている。
特表２０１５−５３１２２８号公報 特開２０１４−１１３１４８号公報 特開２０１６−４９１０２号公報
しかしながら、前述した従来技術では、森林や農地等の管理を自動的に行うものではあるものの、ドローンのような無人航空機の自動航行制御により遠隔より農地等をリモートセンシングして、その結果に基づいて、広大な農地の現状把握、農地の農作物の生育状態等の把握、葉色グラデーションの把握による施肥管理、病害虫発生の初期状態の把握、水温や水位の把握による最適な水門管理を行うものではなかった。
本発明は、このような課題に鑑みてなされたものであり、ドローン等の無人航空機を用いて、センシングにより得られたデータに基づいて、農地等の管理並びに農作物の生育予測、収穫予測等を自動的に行うことで、農地並びに農作物等の適正な管理を実現することにある。
上記課題を解決するために、本発明の第１の態様に係る農業管理予測システムは、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、
により標準偏差化を行い、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。
本発明の第２の態様に係る農業管理予測システムは、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、
により標準偏差化を行い、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。
本発明の第３の態様に係る農業管理予測方法は、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、
により標準偏差化を行い、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。
本発明の第４の態様に係る農業管理予測方法は、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、
により標準偏差化を行い、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、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。
本発明の第５の態様に係るプログラムは、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に基づいて植生指数化を行う植生指数化部、前記指数情報の標準偏差化を行う標準偏差化部、前記標準偏差を意味化する意味化部、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、
により標準偏差化を行い、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。
本発明の第６の態様に係るプログラムは、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に基づいて植生指数化を行う植生指数化部、前記指数情報の標準偏差化を行う標準偏差化部、前記標準偏差を意味化する意味化部、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、
により標準偏差化を行い、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。
本発明によれば、ドローン等の無人航空機を用いて、センシングにより得られたデータに基づいて、農地等の管理並びに農作物の生育予測、収穫予測等を自動的に行い、農地並びに農作物等の適正な管理を実現する農業管理予測システム、農業管理予測方法、及びサーバ装置を提供することができる。
本発明の第１実施形態に係る農業管理予測システムの構成図である。 同システムのサーバ装置の構成図である。 同システムの管理端末の構成図である。 同システムの無人航空機の構成図である。 本発明の第１実施形態に係る農業管理予測方法の処理手順を示す図である。 自動航行制御の設定画面を示す図である。 各植生指数化画面の表示例を示す図である。 収穫敵期予測画面の表示例を示す図である。 本発明の第２実施形態に係る農業管理予測システムにおけるサーバ装置による処理手順を詳細に説明するフローチャートである。 本発明の第２実施形態に係る農業管理予測システムの表示画面例である。 本発明の第３実施形態に係る農業管理予測システムにおけるサーバ装置による処理手順を詳細に説明するフローチャートである。 本発明の第３実施形態に係る農業管理予測システムの表示画面例である。 、本発明の第４実施形態に係る農業管理予測システムにおけるサーバ装置による処理手順を詳細に説明するフローチャートである。 本発明の第４実施形態に係る農業管理予測システムの表示画面例である。 本発明の第５実施形態係る農業管理予測システムのサーバ装置の構成図である。
以下、図面を参照しつつ本発明の実施形態について説明する。
（第１実施形態）
図１には本発明の第１実施形態に係る農業管理予測システムの構成を示し説明する。
同図に示されるように、農業管理予測システムは、サーバ装置１と、管理端末２と、無人航空機としてのドローン３と、ユーザの携帯端末６とが、ネットワーク４を介して通信自在に接続され構成されている。管理端末２とドローン３とは、特に無線通信環境下にある。携帯端末６としては、スマートフォン等を用いることができる。尚、サーバ装置１には、クラウド上に存在するサーバ装置を概念的に含んでいる。
ドローン３には、カメラ、各種センサ、計測装置が実装されており、カメラ等で得られたデータを、管理端末２を介してサーバ装置１に転送する。そのとき、管理端末２は、ドローン３の航路を遠隔制御する。サーバ装置１は、管理端末２より転送された各種データに基づいての農業の管理予測を行う。
詳細は後述するが、画像データに基づいて植生指数化を行い、指数情報の標準偏差化を行い、標準偏差を意味化し、所定のフォーマットで表示可能とする。この一連の処理の過程では、農業専門家の知見をベースとした人工知能・推論エンジン等により画像解析、数値解析を行う。そして、前述した意味化の後、可視化された情報は、例えば育成アドバイスとして、管理端末２やユーザの携帯端末６に送信される。
図２には同システムのサーバ装置の構成を示し説明する。
同図に示されるように、サーバ装置１は、管理端末２等と通信する通信部１２を備えている。更に、全体の制御を司る制御部１１を備え、該制御部１１は、通信部１２、記憶部１３と通信自在に接続されている。記憶部１３は、画像解析、数値解析を行うためのベースとなるライブラリ等が格納されたＤＢ５を論理的に備えている。そして、制御部１１で実行するためのプログラム１４も記憶している。
そして、制御部１１は、記憶部１３のプログラム１４を読み出し実行することで、主制御部１１ａ、植生指数化部１１ｂ、指数情報の標準偏差化部１１ｃ、標準偏差の意味化部１１ｄ、表示データ生成部１１ｅとして機能する。
より具体的には、植生指数化部は、管理端末２から送信されてきた画像データに基づいて植生指数化を行う。標準化部は、指数情報の標準偏差化を行う。意味化部は、標準偏差を意味化する。そして、表示データ生成部１１ｅは、意味化された情報を可視化するために表示データを生成する。このようにして、サーバ装置１は、無人航空機としてのドローン３で得られた画像データに基づいて農業の管理予測を行うことになる。
各部の詳細な作用は後述するが、農地の見回り、農地の農作物の生育状態（例えば、植被率、草丈長）等の把握、葉色グラデーションの把握による施肥管理、病害虫発生の初期状態の把握、水温や水位の把握による最適な水門管理等が可能となる。
図３には同システムの管理端末の構成を示し説明する。
同図に示されるように、管理端末２は、全体を制御する制御部２１を備えている。制御部２１は、通信部２２、操作部２３、表示部２４、及び記憶部２５と接続されている。通信部２２は、無人航空機、及び前記サーバ装置と通信する通信インタフェースである。操作部２３はマウスやキーボード等の操作デバイスであり、表示部２４は液晶ディスプレイ等の表示デバイスである。操作部２３と表示部２４とをタッチパネルとして一体化してもよいことは勿論である。記憶部２５は、制御部２１で実行されるプログラムを記憶し、その実行時にはワークエリアを提供するメモリ等からなる。
制御部２１は、記憶部２５のプログラム２６を読み出し実行することで、主制御部２１ａ、行路制御部２１ｂ、センシング条件設定部２１ｃ、及び表示制御部２１ｄとして機能する。主制御部２１は、サーバ装置１とのデータ通信等、総括的な制御を一括して司っている。航路制御部２１ｂは、無人航空機としてのドローン３の航路制御を行う。
センシング条件設定部２１ｃは、例えばカメラによる撮影条件等や各種センサの測定条件等を設定するものである。表示制御部２１ｄは、表示部２４による表示を制御する。主制御部２１ａは、ドローン３から画像データ等を受信すると、通信部２２を介してサーバ装置１へと転送する。また、サーバ装置１から可視化された情報に係る表示データを受信すると、それらを表示制御部２１ｄの制御の下、表示部２４に表示する。
図４には同システムの無人航空機としてのドローン３の構成を示し説明する。
同図に示されるように、ドローン３は、全体の制御を司る制御部３１を備えている。制御部３１は、通信部３２、各種センサ３３、カメラ部３７、駆動部３５、記憶部３４と通信自在に接続されている。駆動部３５は、プロペラ部３６の機械的な駆動を制御するものである。通信部３２は、サーバ装置１又は管理端末２と通信する通信インタフェースである。各種センサ３３には、温度センサや湿度センサ、風速センサ等が含まれる。
カメラ部３７は、ＲＧＢマルチスペクトルセンシングを実現するものであって、ＮＤＶＩ、ＮＤＲＥ、ＤＳＭの各出力を得ることができる。記憶部３４は、各種センシングデータを一時記憶すると共に、制御部３１で参照される航路データ等を一時記憶する。
制御部３１は、記憶部３４のプログラム３８を読み出し記憶することで、主制御部３１ａ、航路制御部３１ｂ、センシング制御部３１ｃ、及びデータ転送部３１ｄ等として機能することになる。主制御部３１ａは、統括的な制御を司る。航路制御部３１ｂは、管理端末２から送られてきた航路データに基づいて自動航行を行う。センシング制御部３１ｃはセンサ３３によるセンシングや、カメラ部３７による撮影等を制御する。
そして、データ転送部３１ｄは、センサ３３やカメラ部３７により得られたデータを管理端末２側に転送することを制御する。自動航行に際しては、駆動部３５によりプロペラ部３６の回転駆動が機械的に制御されることになる。
以上の構成、作用により、ドローン３では、自動航行時のマルチスペクトルカメラによるセンシング（ＲＧＢ，ＲＥＤ ＥＤＧＥ，ＮＩＲ）が実施され、取得データの管理端末２を介した、或いは直接的なサーバ装置１へのアップロードが実施される。
以下、図５のフローチャートを参照して、本発明の一実施形態に係る農業管理予測方法の処理手順を説明する。ここでは、図６乃至図８の画面表示例を適宜参照する。
管理端末２による制御の下、ドローン３は、航路データに基づいて航路制御部３１ｂによる制御の下、自動航行しつつ、センシング制御部３１ｃの制御の下、各種センサ３３及びカメラ部３７によりセンシングを行う。ここでは、カメラ部３７が、マルチスペクトラムカメラであって、ＲＧＢ、ＲＥＤ ＥＤＧＥ、ＮＩＲ（近赤外線）による撮影を行うものとする。撮影により得られた画像データ等は、データ転送部３１ｄによる制御の下、管理端末２に転送される。そして、管理端末２の主制御部２１ａによる制御の下、サーバ装置１へとアップロードされる（Ｓ１）。
ここで、図６は自動航行制御の設定画面を示している。同図に示されるように、航路データに基づいて、自動航行する経路及び通過ポイントが対象となる農地の画像の上に重ねて表示されることになる。
続いて、サーバ装置１では、植生指数化部１１ｂが、通信部１２を介して得た画像データに基づいて植生指数化を行う（Ｓ２）。より具体的には、取得した画像データの画像合成を行い、各光波帯画像合成データの重ね合わせを行う。そして、以下の数式に基づいて各植生指数化を行う。
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
ここで、図７は植生指数化画面を示している。同図の例では、測定したＮＤＶＩ値により各区分けされた領域の画素ごとに色分けがなされている。
続いて、標準偏差化部１１ｃが、ステップＳ２で得られた指数情報の標準偏差化を行う（Ｓ３）。より具体的には、次式により標準偏差化を行う。
例えば、各圃場内の各植生指数の標準偏差を求める場合、各変数は次を意味する。
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
一方、各圃場内の各植生指数の全体標準偏差を求める場合（例えば、品目／品種、地域、農家、積算温度などを単位とする）、各変数は次を意味する。
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
続いて、意味化部１１ｄが、ステップＳ３で得られた標準偏差を意味化する（Ｓ４）。より具体的には、意味化部１１ｄが、標準変化に基づいて、各単位（地域、品目／品種、農家、積算温度等）内での生育状態の把握を行えるよう意味付けを行う。これは、記憶部１３のＤＢ５のライブラリを参照することで、人工知能により深層学習等に基づいて実施することが可能である。この意味付けによれば、
・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。
尚、圃場内のむら率を求めることもでき、その場合には、
・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。
表示データ生成部１１ｅは、上記意味化された情報を可視化するために表示データを生成し、表示部２４にて表示可能とする（Ｓ５）。
ここで、図８は収穫敵期予測画面の表示例を示している。
ここでは、Ａ農場のＸ月Ｘ日時点の収穫適期予測画面を例示している。この画面の左上には、収穫適期標準偏差値と、収穫適期率、収穫適期超率、収穫適期未達率が示され、更に収穫適期予測（残積算温度）、最大収穫量に対する減産率予測が示される。そして、対象となる圃場の画像の上に、収穫時期の超過の有無がここでは楕円形の領域により区分けされて表示されている。このような表示によれば、収穫適期を適正に予測することができることとなる。
こうして、一例の処理を終了する。
（第２実施形態）
本発明の第２実施形態に係る農業管理予測システムの構成は、先に図１乃至図４で示した通りであるので、ここでは、それらの図を適宜参照し、同一構成については同一符号を用いて特徴的な処理を中心に説明する。
第２実施形態に係る農業管理予測システムは、同一圃場における日時変化を対比して可視化するものである。
以下、図９のフローチャートを参照して、第２実施形態に係る農業管理予測システムにおけるサーバ装置による処理手順を詳細に説明する。これは、第２実施形態に係る農業管理予測方法の処理の流れにも相当する。
処理を開始すると、主制御部１１ａが今回取得した画像を合成し（Ｓ１１）、植生指数化部１１ｂが合成した画像を植生指数化し（Ｓ１２）、表示データ生成部１１ｅがヒートマップ化する（Ｓ１３）。より具体的には、取得した画像データの画像合成を行い、各光波帯画像合成データの重ね合わせを行い、前述した式（１）、（２）に基づいて各植生指数化を行う。そして、ヒートマップ化では、測定したＮＤＶＩ値により各区分けされた領域の画素ごとに色分けをする。
続いて、主制御部１１ａは、前回（もしくはそれ以前）の植生指数化、ヒートマップ化されたデータを呼出し（Ｓ１４）、表示データ生成部１１ｅが、前回（もしくはそれ以前）と今回の比較を可視化する（Ｓ１５）。すなわち、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。このとき、両差分を抽出し、＋／−に関し、＋は青色の濃さ、−は赤色の濃さで表示可能とする。この可視化されたデータは、管理端末２の表示制御部２１ｄによる制御の下、表示部２４に表示される。
実際に表示された画面は、図１０に示される通りである。同図において、左側は今回の植生指数化を可視化したものであり、右側は植生指数の差分を可視化したものである。このように、前回画像との差分を色の濃淡で可視化するので、変化が顕著な領域などを瞬時に特定することが可能となる。
以上説明したように、第２実施形態によれば、今回の植生指数化の値と前回（またはそれ以前）の植生指数化の値の差分を可視化し、変化の顕著な領域を瞬時に確認することが可能となる。
（第３実施形態）
本発明の第３実施形態に係る農業管理予測システムの構成は、先に図１乃至図４で示した通りであるので、ここでは、それらの図を適宜参照し、同一構成については同一符号を用いて特徴的な処理を中心に説明する。
第３実施形態に係る農業管理予測システムは、他圃場間での差異を対比して可視化するものである。
以下、図１１のフローチャートを参照して、第３実施形態に係る農業管理予測システムにおけるサーバ装置による処理手順を詳細に説明する。これは、第３実施形態に係る農業管理予測方法の処理の流れにも相当する。
処理を開始すると、主制御部１１ａが今回取得した画像を合成し（Ｓ２１）、植生指数化部１１ｂが合成した画像を植生指数化し（Ｓ２２）、表示データ生成部１１ｅがヒートマップ化する（Ｓ２３）。より具体的には、取得した画像データの画像合成を行い、各光波帯画像合成データの重ね合わせを行い、前述した式（１）、（２）に基づいて各植生指数化を行う。そして、ヒートマップ化では、測定したＮＤＶＩ値により各区分けされた領域の画素ごとに色分けをする。
続いて、主制御部１１ａは、他圃場の植生指数化、ヒートマップ化されたデータを呼出し（Ｓ２４）、表示データ生成部１１ｅが、圃場と対象圃場との比較を可視化することになる（Ｓ２５）。このとき、むら率（標準偏差）、植生指数化値平均を比較し表示する。この可視化されたデータは、管理端末２の表示制御部２１ｄの制御の下、表示部２４に表示されることになる。
実際に表示された画面は、図１２に示される通りである。同図において、左側は対象圃場の植生指数化を可視化したものであり、右側は他圃場の植生指数化を可視化したものである。表示の下方には、対象圃場（Ａ圃場）と他圃場（Ｂ圃場）のむら率、ＮＤＶＩ値平均が対比され表形式で表示される。このように、他圃場との比較により、差異を確認することが可能となる。
以上説明したように、第３実施形態によれば、対象圃場の植生指数化と他圃場の植生指数化を対比して可視化するので、差異を瞬時に確認することが可能となる。
（第４実施形態）
本発明の第４実施形態に係る農業管理予測システムの構成は、先に図１乃至図４で示した通りであるので、ここでは、それらの図を適宜参照し、同一構成については同一符号を用いて特徴的な処理を中心に説明する。
第４実施形態に係る農業管理予測システムは、同一圃場における理想生育比較のための可視化を実現するものである。
以下、図１３のフローチャートを参照して、第４実施形態に係る農業管理予測システムにおけるサーバ装置による処理手順を詳細に説明する。これは、第４実施形態に係る農業管理予測方法の処理の流れにも相当する。
処理を開始すると、主制御部１１ａが今回取得した画像を合成し（Ｓ３１）、ＲＧＢ化を行い（Ｓ３２）植生指数化部１１ｂが合成した画像を植生指数化し（Ｓ３３）、表示データ生成部１１ｅがヒートマップ化する（Ｓ３４）。より具体的には、取得した画像データの画像合成を行い、ＲＧＢ化の後、各光波帯画像合成データの重ね合わせを行い、前述した式（１）、（２）に基づいて各植生指数化を行う。そして、ヒートマップ化では、測定したＮＤＶＩ値により各区分けされた領域の画素ごとに色分けをする。
続いて、主制御部１１ａは、理想生育に係るＲＧＢ画像、植生指数化、ヒートマップ化されたデータを呼出し（Ｓ３５）、表示データ生成部１１ｅが、現状と理想生育との比較を可視化する（Ｓ３６）。このとき、両差分を抽出し、＋／−に関し、＋は青色の濃さ、−は赤色の濃さで表示する。この可視化されたデータは、管理端末２の表示制御部２１ｄの制御の下、表示部２４に表示される。
実際に表示された画面は、図１４に示される通りである。同図において、左側は今回の植生指数化を可視化したものであり、右側は理想生育との植生指数の差分を可視化したものである。このように、理想生育との差分を色の濃淡で可視化するので、理想に近い生育状態の領域などを瞬時に特定することが可能となる。
以上説明したように、第４実施形態によれば、理想生育に近い生育状態の領域等を瞬時に確認することが可能となる。
（第５実施形態）
本発明の第５実施形態に係る農業管理予測システムの構成は、図２を除き、先に図１、図３乃至図４で示した通りであるので、ここでは、それらの図を適宜参照し、同一構成については同一符号を用いて特徴的な処理を中心に説明する。
第５実施形態に係る農業管理予測システムは、各取得データ（ＮＤＶＩ値）に関して、日射や影などの要素により、絶対値が不正確となっている問題を解消するために、各取得データの相対的精緻化を実施するものである。
本実施形態に係る農業管理予測システムのサーバ装置１の構成は図１５に示される通りであり、図２の構成に加えて、制御部１１が、記憶部１３のプログラムを読み出し実行することで、ＡＩフィルタリング部１１ｆとしても機能する。その他の構成は、図２と同様であるので、重複した説明は省略する。
以下、ＡＩフィルタリング部１１ｆの作用を説明する。
動的システムの原理を活用すると、ある日時のデータｋにおける真のシステムの状態Ｘ（ｋ）は、１ステップ前の日時データ（ｋ−１）の状態を基に次のように示される。
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））
ここで、ある時刻ｋにおいて、観測量（測定量）Ｚ（ｋ）は、真の（すなわち観測不正確な）状態Ｘ（ｋ）との間で次のような関係にある。
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））
いま、システムの初期条件と雑音（Ｘ（０），Ｗ（１），・・・，Ｗ（ｋ１）Ｖ（１），・・・，Ｖ（ｋ））は、互いに統計的に独立であると仮定する。
状態方程式と観測方程式を合わせて、状態空間モデルという。状態空間モデルは、時変システムを表現しているが、限定的な場合として、行列のインデックスｋを定数と考えることにより、時不変システムを表現できる。
ＡＩフィルタリング部１１ｆでは、この線形モデルおよび雑音モデルを、ＡＩによるディープラーニングおよびアクティブラーニングによってモデル化し、各取得データを相対精緻化する。これにより、各取得データ（NDVI値）に関して、日射や影などの要素により、絶対値が不正確となっている問題を解消することができる。
以上説明したように、第５実施形態によれば、ＡＩフィルタリング部により各取得データ（ＮＤＶＩ値）の相対的精緻化を行うことで、各取得データに関して、日射や影などの要素により、絶対値が不正確となっている問題を解消することが可能となる。
（第６実施形態）
本発明の第６実施形態に係る農業管理予測システムの構成は、先に図１乃至図４で示した通りであるので、ここでは、それらの図を適宜参照し、同一構成については同一符号を用いて特徴的な処理を中心に説明する。
第６の実施形態に係る農業管理予測システムでは、サーバ装置１の標準偏差の意味化部１１ｄが、各種比較データの意味化まで行うことになる。
すなわち、標準偏差の意味化部１１ｄは、取得データの時期、気温、日照などの情報を掛け合わせて、発芽、生育状態、生育むら、病害虫、刈取り時期などの生育段階の意味付けし、数値化を行う。例えば、発芽に関して、発芽適切時期に対して、今回と前回のデータを比較し、発芽数・不発芽数、発芽率・不発芽率を抽出する。
以上説明したように、第６実施形態によれば、取得データを意味化することで、例えば発芽数・不発芽数、発芽率・不発芽率を抽出し、提示することが可能となる。
以上説明したように、本発明の実施形態によれば、遠隔制御により、無人航空機としてのドローンの自動航行を実現することができ、その自動航行のときに所定の条件で適正なセンシングを行うことができ、そのセンシング（例えば、カメラ部による撮影）で得られた画像データ等に基づいてサーバ装置側で、植生指数化、指数情報の標準偏差化、標準偏差の意味化を行い、その結果を可視化することができるので、農業等の分野において、農作物の収穫予測等を適正に行うことが可能となる。
以上、本発明の第１乃至第６実施形態について説明したが、本発明はこれに限定されることなくその趣旨を逸脱しない範囲で種々の改良・変更が可能であることは勿論である。
例えば、表示例は、前述したものに限定されるものではなく、例えば収穫適期予測について、農地の領域を区分けして、領域ごとに収穫期率を色分け等で表示するようにしてもよいことは勿論である。
１…サーバ装置、２…管理端末、３…無人航空機、４…ネットワーク、５…ＤＢ、１１…制御部、１１ａ…主制御部、１１ｂ…植生指数化部、１１ｃ…指数情報の標準偏差化部、１１ｄ…標準偏差の意味化部、１１ｅ…表示制御部、１１ｆ…ＡＩフィルタリング部、１２…通信部、１３…記憶部、２１…制御部、２１ａ…主制御部、２１ｂ…航路制御部、２１ｃ…センシング条件設定部、２１ｄ…表示制御部、２２…通信部、２３…操作部、２４…表示部、２５…記憶部、３１…制御部、３１ａ…主制御部、３１ｂ…航路制御部、３１ｃ…センシング制御部、３１ｄ…データ取得部、３２…通信部、３３…センサ、３４…記憶部、３５…駆動部、３６…プロペラ部。

Claims (12)

  1. 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、
    により標準偏差化を行い、
    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。
  2. 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、
    により標準偏差化を行い、
    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。
  3. 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。
  4. 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。
  5. 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、
    により標準偏差化を行い、
    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。
  6. 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、
    により標準偏差化を行い、
    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。
  7. 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。
  8. 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。
  9. 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、
    により標準偏差化を行い、
    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。
  10. 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、
    により標準偏差化を行い、
    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。
  11. 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。
  12. 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。
JP2018038205A 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 Pending JP2019153109A (ja)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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