JP2020008446A - 情報処理装置、情報処理方法、及び、プログラム - Google Patents

情報処理装置、情報処理方法、及び、プログラム Download PDF

Info

Publication number
JP2020008446A
JP2020008446A JP2018130474A JP2018130474A JP2020008446A JP 2020008446 A JP2020008446 A JP 2020008446A JP 2018130474 A JP2018130474 A JP 2018130474A JP 2018130474 A JP2018130474 A JP 2018130474A JP 2020008446 A JP2020008446 A JP 2020008446A
Authority
JP
Japan
Prior art keywords
evaluation index
evaluation
information processing
unit
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2018130474A
Other languages
English (en)
Other versions
JP7155681B2 (ja
Inventor
高嶋　昌利
Masatoshi Takashima
昌利 高嶋
秀樹 伊達
Hideki Date
秀樹 伊達
悠 喜多村
Yu Kitamura
悠 喜多村
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.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Priority to JP2018130474A priority Critical patent/JP7155681B2/ja
Priority to PCT/JP2019/026237 priority patent/WO2020013024A1/en
Priority to EP19746194.0A priority patent/EP3821368A1/en
Priority to US17/257,702 priority patent/US11631242B2/en
Priority to CN201980044373.XA priority patent/CN112368706B/zh
Publication of JP2020008446A publication Critical patent/JP2020008446A/ja
Application granted granted Critical
Publication of JP7155681B2 publication Critical patent/JP7155681B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/58—Extraction of image or video features relating to hyperspectral data

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Botany (AREA)
  • Medicinal Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Food Science & Technology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

【課題】適切な評価指標を被写体の分析に用いる。【解決手段】情報処理装置は、被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出する評価指標算出部と、前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出する評価値算出部と、前記評価値に基づいて前記評価指標の選択を行う選択部とを備える。本技術は、例えば、農地のリモートセンシングを行うシステムに適用できる。【選択図】図８

Description

本技術は、情報処理装置、情報処理方法、及び、プログラムに関し、特に、評価指標を用いて画像内の被写体の分析を行う場合に用いて好適な情報処理装置、情報処理方法、及び、プログラムに関する。
撮影した画像内の被写体の分析、例えば、農業用途として農地の植生や土壌等の分析に、ＮＤＶＩ（Normalized Difference Vegetation Index）等の多波長成分に基づく評価指標が用いられている（例えば、特許文献１参照）。
国際公開第２０１７／１０２５８号
同一の被写体であってもその状態などに応じて、必ずしも同一の評価指標が適切とは限らない。例えば、画像内の赤色光と近赤外光の２つの波長成分に基づいて算出される評価指標であるＮＤＶＩに関して、農作物の成長がある一定以上になると、画像内のこの２つの波長成分の変化が小さくなるため、ＮＤＶＩでは農地の状態の変化を十分に捉え切れなくなり、分析精度が低下するおそれがある。
本技術は、このような状況に鑑みてなされたものであり、適切な評価指標を被写体の分析に用いることができるようにするものである。
本技術の一側面の情報処理装置は、被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出する評価指標算出部と、前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出する評価値算出部と、前記評価値に基づいて前記評価指標の選択を行う選択部とを備える。
本技術の一側面の情報処理方法は、情報処理装置が、被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出し、前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出し、前記評価値に基づいて前記評価指標の選択を行う。
本技術の一側面のプログラムは、被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出し、前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出し、前記評価値に基づいて前記評価指標の選択を行う処理をコンピュータに実行させる。
本技術の一側面においては、被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標が算出され、前記評価指標毎の統計値に基づく評価値が前記評価指標毎に算出され、前記評価値に基づいて前記評価指標の選択が行われる。
本技術の一側面によれば、適切な評価指標を被写体の分析に用いることができる。
なお、ここに記載された効果は必ずしも限定されるものではなく、本開示中に記載された何れかの効果であってもよい。
本技術を適用した情報処理システムの第１の実施の形態を示すブロック図である。 図１の情報処理システムの具体的な構成例を示すブロック図である。 リモートセンシングＨＷの構成例を示すブロック図である。 撮影部の構成例を示すブロック図である。 リモートセンシングＨＷの設置例を示す図である。 情報処理端末の構成例を示すブロック図である。 情報処理部の第１の実施の形態を示すブロック図である。 演算部の構成例を示すブロック図である。 評価指標演算処理の第１の実施の形態を説明するためのフローチャートである。 被写体の反射率の分光特性の検出方法の例を示す図である。 評価指標選択処理の詳細を説明するためのフローチャートである。 評価値演算処理の第１の実施の形態の詳細を説明するためのフローチャートである。 評価指標の正規化処理を説明するための図である。 評価指標の選択方法の例を説明するための図である。 評価値演算処理の第２の実施の形態の詳細を説明するためのフローチャートである。 評価指標の平均値を算出するブロックの設定例を示す図である。 評価値Ａの算出方法を説明するための図である。 評価指標の平均値の正規化処理を説明するための図である。 評価指標演算処理の第２の実施の形態を説明するためのフローチャートである。 評価指標演算処理の第３の実施の形態を説明するためのフローチャートである。 評価指標演算処理の第４の実施の形態を説明するためのフローチャートである。 選択条件に基づく評価指標演算処理の詳細を説明するためのフローチャートである。 本技術を適用した情報処理システムの第２の実施の形態を示すブロック図である。 図２３の情報処理システムの具体的な構成例を示すブロック図である。 情報処理部の第２の実施の形態を示すブロック図である。 評価指標演算処理の第５の実施の形態を説明するためのフローチャートである。 評価指標と観測データの相関性の例を示す図である。 情報処理システムの構成の変形例を示すブロック図である。
以下、本技術を実施するための形態について説明する。説明は以下の順序で行う。
１．第１の実施の形態
２．第２の実施の形態
３．変形例
４．その他
＜＜１．第１の実施の形態＞＞
まず、図１乃至図２２を参照して、本技術の第１の実施の形態について説明する。
＜情報処理システム１１の構成例＞
図１は、本技術を適用した情報処理システム１１の機能の構成例を示している。
情報処理システム１１は、例えば、農地等の分析対象となる領域（以下、センシングエリアと称する）のセンシングを行い、センシング結果の分析を行い、分析結果に基づいて各種のアクションを行うシステムである。情報処理システム１１は、センシング部２１、後処理部２２、記憶部２３、分析部２４、及び、実行部２５を備える。
センシング部２１は、センシングエリアのセンシングを行う。例えば、センシング部２１は、センシングエリアの撮影等を行い、得られた撮影画像（以下、センシング画像と称する）のデータを含むセンシングデータを後処理部２２に供給する。
なお、以下、センシング画像のデータを単にセンシング画像とも称する。
後処理部２２は、センシング画像に基づいて、センシング画像内の被写体（例えば、センシングエリア）の分析に用いる評価指標の演算を行う。後処理部２２は、評価指標の演算結果を示すデータ（以下、評価指標データと称する）を記憶部２３に記憶させる。
分析部２４は、記憶部２３に記憶されている評価指標データに基づいて、センシングエリアに関する各種の分析を行い、分析結果を示すデータ（以下、分析データと称する）を実行部２５に供給する。
実行部２５は、分析データに基づいて、各種のアクションを実行する。
図２は、図１の情報処理システム１１を実現するための具体的な構成例を示している。なお、図中、図１と対応する部分には同じ符号を付している。
図２の情報処理システム１１は、リモートセンシングＨＷ１０１、情報処理端末１０２、基地局１０３、クラウドコンピューティング（以下、単にクラウドと称する）１０４、及び、農業システム１０５を備える。
リモートセンシングＨＷ１０１は、図１のセンシング部２１の機能を備える。リモートセンシングＨＷ１０１は、センシングエリアのセンシングを行い、得られたセンシングデータを情報処理端末１０２に供給する。
情報処理端末１０２は、例えば、パーソナルコンピュータ（ＰＣ）、又は、スマートフォン等のモバイル機器により構成され、図１の後処理部２２の機能を備える。情報処理端末１０２は、センシングデータに基づいて、センシングエリアの分析に用いる評価指標の演算を行う。また、情報処理端末１０２は、所定の通信方式により基地局１０３と有線通信又は無線通信を行い、評価指標の演算結果を示す評価指標データ等を基地局１０３に送信する。
基地局１０３は、情報処理端末１０２をネットワーク１１１に接続し、情報処理端末１０２とネットワーク１１１との間のデータの中継等を行う。
クラウド１０４は、ネットワーク１１１、ストレージ１１２、及び、サーバ１１３を備え、図１の記憶部２３及び分析部２４を実現する。基地局１０３、ストレージ１１２、及び、サーバ１１３は、ネットワーク１１１を介して相互に接続されている。
ネットワーク１１１は、例えばインターネット等から構成される通信ネットワークである。なお、ネットワーク１１１は、複数の通信ネットワークにより構成されてもよい。
ストレージ１１２は、図１の記憶部２３の機能を備える。ストレージ１１２は、情報処理端末１０２から送信される評価指標データ、及び、サーバ１１３から送信される分析データ等を記憶する。
サーバ１１３は、図１の分析部２４の機能を備える。サーバ１１３は、ストレージ１１２に記憶されている評価指標データに基づいて、センシングエリアの分析を行う。サーバ１１３は、必要に応じて、ネットワーク１１１を介して、分析結果を示す分析データをストレージ１１２に記憶させたり、農業システム１０５に送信したりする。また、例えば、サーバ１１３は、分析結果に基づいて、農業システム１０５の動作を制御する制御データを生成し、ネットワーク１１１を介して、農業システム１０５に送信する。
農業システム１０５は、トラクタ、散水機等の各種の農業機器を備え、図１の実行部２５の機能を備える。例えば、農業システム１０５は、分析データ又は制御データに基づいて、センシングエリア内の農作物等に対して、施肥、散水等の各種のアクションを行う。例えば、農業システム１０５は、センシングエリア内の農作物の発育状況等に応じて、施肥量や散水量を調整する。
なお、情報処理システム１１を構成する各構成要素（リモートセンシングＨＷ１０１等）の数は、それぞれ２以上とすることも可能である。
＜リモートセンシングＨＷ１０１の構成例＞
次に、図３乃至図５を参照して、リモートセンシングＨＷ１０１の構成例について説明する。
図３は、リモートセンシングＨＷ１０１の構成例を示すブロック図である。リモートセンシングＨＷ１０１は、センサボックス２０１及びカメラ２０２を備える。
センサボックス２０１は、照度センサ２１１及び制御部２１２を備える。
照度センサ２１１は、例えば、制御部２１２の制御の下に、太陽光等の環境光の所定の複数の波長帯域（例えば、赤、青、緑、赤外光等）の照度を検出する。これにより、環境光の光源（例えば、太陽）の大まかな分光特性が検出される。照度センサ２１１は、検出結果を示すデータ（以下、光源データと称する）を制御部２１２に供給する。
制御部２１２は、カメラ２０２の制御部２２５と連携を取りながら、照度センサ２１１の検出タイミング等を制御する。また、制御部２１２は、光源データをカメラ２０２の制御部２２５に供給する。
カメラ２０２は、光学系２２１、撮影部２２２、信号処理部２２３、ドライブ２２４、及び、制御部２２５を備える。
光学系２２１は、レンズ等を備え、被写体の像を撮影部２２２のイメージセンサ２４２（図４）の受光面に結像させる。
撮影部２２２は、制御部２２５の制御の下に、被写体（センシングエリア）の撮影を行い、得られたセンシング画像を信号処理部２２３に供給する。
信号処理部２２３は、制御部２２５の制御の下に、センシング画像に対して各種の信号処理を行い、信号処理後のセンシング画像を制御部２２５に供給する。
ドライブ２２４は、制御部２２５の制御の下に、リムーバブルメディア２０３を駆動する。例えば、ドライブ２２４は、センシング画像及び光源データを含むセンシングデータをリムーバブルメディア２０３に記憶させる。
リムーバブルメディア２０３は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は、半導体メモリ等のドライブ２２４に着脱可能な記憶媒体により構成される。
制御部２２５は、カメラ２０２の各部の制御（例えば、撮影部２２２の露光制御等）を行う。また、制御部２２５は、センサボックス２０１との間の同期制御等を行う。
＜撮影部２２２の構成例＞
図４は、カメラ２０２の撮影部２２２の構成例を示している。撮影部２２２は、フィルタ２４１及びイメージセンサ２４２を備える。
フィルタ２４１は、例えば、２以上の所定の狭い波長帯域（狭帯域）の波長を透過することが可能なマルチスペクトルフィルタ又はハイパースペクトルフィルタにより構成される。この場合、カメラ２０２は、マルチスペクトルカメラ又はハイパースペクトルカメラとなる。また、そのようなフィルタの具体例として、プラズモンフィルタ、ファブリペロー干渉計等が挙げられる。
なお、フィルタ２４１が透過する波長帯域（以下、透過帯域と称する）の数は、２以上の任意の数に設定することが可能である。また、フィルタ２４１の各透過帯域の範囲も任意に設定することが可能である。
なお、フィルタ２４１は、ＲＧＢ（赤、緑、青）、ＣＭＹＧ（シアン、マゼンタ、黄、緑）等の従来のカラーフィルタにより構成することも可能である。
イメージセンサ２４２は、例えば、ＣＭＯＳイメージセンサ、ＣＣＤイメージセンサ等により構成される。イメージセンサ２４２は、フィルタ２４１の透過帯域の成分を含むセンシング画像を撮影し、信号処理部２２３に供給する。
信号処理部２２３は、センシング画像に対して各種の信号処理を行う。例えば、信号処理部２２３は、センシング画像に対してデモザイク処理を行い、センシング画像の各画素について、フィルタ２４１の各透過帯域の成分の補間処理を行う。これにより、センシング画像の各画素が、フィルタ２４１の各透過帯域の成分を含むようになり、センシング画像は、フィルタ２４１の透過帯域毎の複数の画像を重畳した画像となる。信号処理部２２３は、信号処理後のセンシング画像を制御部２２５に供給する。
＜リモートセンシングＨＷ１０１の設置例＞
図５は、リモートセンシングＨＷ１０１の設置例を示している。
リモートセンシングＨＷ１０１は、例えば、ドローン２６１の本体部の下面に設置される。そして、リモートセンシングＨＷ１０１は、上空からセンシングエリアを見下ろしながら、センシングエリアのリモート撮影（リモートセンシング）を行う。
＜情報処理端末１０２の構成例＞
図６は、情報処理端末１０２がＰＣからなる場合の構成例を示している。
情報処理端末１０２において、ＣＰＵ（Central Processing Unit）３０１、ＲＯＭ（Read Only Memory）３０２、ＲＡＭ（Random Access Memory）３０３は、バス３０４により相互に接続されている。
バス３０４には、さらに、入出力インタフェース３０５が接続されている。入出力インタフェース３０５には、入力部３０６、出力部３０７、記憶部３０８、通信部３０９、及び、ドライブ３１０が接続されている。
入力部３０６は、入力スイッチ、ボタン、マイクロフォン、撮像素子などよりなる。
出力部３０７は、ディスプレイ、スピーカなどよりなる。
記憶部３０８は、ハードディスクや不揮発性のメモリなどよりなる。
通信部３０９は、ネットワークインタフェース、通信装置などよりなる。
ドライブ３１０は、リムーバブルメディア２０３を駆動する。例えば、ドライブ３１０は、リモートセンシングＨＷ１０１により書き込まれたセンシングデータをリムーバブルメディア２０３から読み出す。
なお、以下、情報処理端末１０２の説明を行う場合に、バス３０４及び入出力インタフェース３０５の記載を省略する。例えば、ＣＰＵ３０１が、バス３０４及び入出力インタフェース３０５を介して、通信部３０９とデータの授受を行う場合、単に、ＣＰＵ３０１が通信部３０９とデータの授受を行うと記載する。
＜情報処理部３３１の構成例＞
図７は、情報処理端末１０２のＣＰＵ３０１が所定の制御プログラムを実行することにより実現される情報処理部３３１の構成例を示している。
情報処理部３３１は、画像処理部３４１、演算部３４２、出力制御部３４３、及び、学習部３４４を備える。
画像処理部３４１は、センシング画像、及び、評価指標データに対して各種の画像処理を行う。例えば、画像処理部３４１は、センシング画像及び評価指標データのスティッチ処理等を行う。
演算部３４２は、センシングデータに基づいて、評価指標の演算を行い、評価指標の演算結果を示す評価指標データを生成する。
出力制御部３４３は、出力部３０７による画像、音声等の出力を制御する。
学習部３４４は、評価指標を選択するための選択条件の学習を行う。
＜演算部３４２の構成例＞
図８は、図７の情報処理部３３１の演算部３４２の構成例を示している。
演算部３４２は、波長分析部３６１、評価指標算出部３６２、評価値算出部３６３、及び、選択部３６４を備える。
波長分析部３６１は、センシングデータに基づいて、センシング画像の分光特性を検出する。より具体的には、波長分析部３６１は、センシング画像内の被写体（例えば、センシングエリア）の反射率の分光特性（以下、単に被写体の分光特性と称する）を検出する。これにより、センシング画像から複数の波長成分が抽出される。
評価指標算出部３６２は、センシング画像の分光特性、より具体的には、被写体の分光特性に基づいて、同じセンシング画像に対して複数の種類の評価指標を算出する。また、評価指標算出部３６２は、各評価指標に基づく評価指標データを生成する。
評価値算出部３６３は、複数の種類の評価指標毎の統計値に基づいて、各評価指標に対する評価値をそれぞれ算出する。
選択部３６４は、各評価指標に対する評価値、又は、与えられた選択条件に基づいて、センシングエリアの分析に用いる評価指標の選択を行う。
＜評価指標演算処理の第１の実施の形態＞
次に、図９のフローチャートを参照して、情報処理端末１０２により実行される評価指標演算処理の第１の実施の形態について説明する。
ステップＳ１において、情報処理端末１０２は、センシングデータを取得する。例えば、センシングデータが記憶されているリムーバブルメディア２０３が情報処理端末１０２のドライブ３１０に装着される。センシングデータは、リモートセンシングＨＷ１０１がセンシングエリアを撮影したセンシング画像、及び、撮影時に検出した光源データを含む。ドライブ３１０は、センシングデータをリムーバブルメディア２０３から読み出し、ＣＰＵ３０１に供給する。
ステップＳ２において、波長分析部３６１は、波長分析を行う。すなわち、波長分析部３６１は、センシング画像内の被写体（センシングエリア）の分光特性の検出を行い、被写体の所定の波長毎の反射率を検出する。
ここで、図１０を参照して、被写体の分光特性の検出方法の例について説明する。
図１０は、太陽光等の環境光の光源の分光特性Ｌ（λ）、被写体の分光特性Ｐ（λ）、撮像系（図４の撮影部２２２）の分光特性Ｓ（λ）、及び、センシング画像の分光特性Ｏ（λ）の例を示している。そのうち、図１０のＡは、図４のフィルタ２４１がファブリペロー干渉計により構成される場合の分光特性の例を示している。図１０のＢは、図４のフィルタ２４１がプラズモンフィルタにより構成される場合の分光特性の例を示している。
センシング画像の分光特性Ｏ（λ）は、光源の分光特性Ｌ（λ）、被写体の分光特性Ｐ（λ）、及び、撮像系の分光特性Ｓ（λ）を掛け合わせることにより得られる。すなわち、センシング画像の分光特性Ｏ（λ）は、次式（１）により表される。
Ｏ（λ）＝Ｌ（λ）×Ｐ（λ）×Ｓ（λ） ・・・（１）
ここで、光源の分光特性Ｌ（λ）は、センシングデータに含まれる光源データに基づいて算出することができる。撮像系の分光特性Ｓ（λ）は、撮影部２２２のフィルタ２４１及びイメージセンサ２４２の設計値等により既知である。従って、波長分析部３６１は、光源の分光特性Ｌ（λ）、撮像系の分光特性Ｓ（λ）、及び、センシング画像の分光特性Ｏ（λ）に基づいて、所定の演算を行い、被写体の分光特性Ｐ（λ）を算出する。
例えば、波長分析部３６１は、所定の波長の範囲内で、所定の間隔毎（例えば、１ｍｍ毎）に波長をシフトしながら、センシング画像の各画素の設定された波長の成分を検出する。これにより、センシング画像の分光特性が検出される。そして、波長分析部３６１は、検出したセンシング画像の分光特性に対して、光源の分光特性及び撮像系の分光特性の逆マトリクス演算を行うことにより、被写体の分光特性を算出する。これにより、被写体の各波長の光に対する反射率が、センシング画像の画素毎に検出される。
波長分析部３６１は、被写体の分光特性の検出結果を示すデータを評価指標算出部３６２に供給する。
ステップＳ３において、情報処理端末１０２は、評価指標選択処理を実行し、その後、処理はステップＳ４に進む。
ここで、図１１のフローチャートを参照して、評価指標選択処理の詳細について説明する。
ステップＳ３１において、評価指標算出部３６２は、波長の組合せを選択する。具体的には、評価指標算出部３６２は、被写体の反射率が検出された波長（以下、検出対象波長と称する）のうちの異なる２つの波長からなる組合せのうち、まだ評価指標を算出していない組合せを１つ選択する。
ステップＳ３２において、評価指標算出部３６２は、選択した波長に基づく評価指標を算出する。例えば、評価指標算出部３６２は、次式（２）により、センシング画像の画素毎にＮＤＳＩ（Normalized Difference Spectral Index）を評価指標として算出する。
NDSI(Ri,Rj)＝(Rj-Ri)/(Rj+Ri)＝(1-Ri/Rj)/(1+Ri/Rj) ・・・（２）
なお、Ｒｉは被写体の波長λｉの光に対する反射率を示し、Ｒｊは被写体の波長λｊの光に対する反射率を示している。波長λｉ及び波長λｊは、ステップＳ３の処理で選択された波長を示す。
このように、評価指標（ＮＤＳＩ）は、センシング画像の波長λｉ及び波長λｊの成分（より具体的には、センシング画像内の被写体の波長λｉ及び波長λｊの光に対する反射率）に基づいて算出される。
また、評価指標算出部３６２は、センシング画像の各画素の評価指標を画素の配列順に並べた評価指標データを生成する。従って、評価指標データは、各画素の評価指標を画素値とする画像のデータとなる。評価指標算出部３６２は、生成した評価指標データを評価値算出部３６３に供給するとともに、記憶部３０８に記憶させる。
ステップＳ３３において、評価値算出部３６３は、評価値演算処理を実行し、その後、処理はステップＳ３４に進む。
ここで、図１２のフローチャートを参照して、評価値演算処理の詳細について説明する。
ステップＳ６１において、評価値算出部３６３は、対象エリアを設定する。対象エリアとは、評価値の算出対象となるセンシング画像内の領域である。例えば、対象エリアは、ユーザが設定するようにしてもよいし、評価値算出部３６３が自動的に設定するようにしてもよい。また、例えば、センシング画像の全ての領域を対象エリアに設定することも可能である。
ステップＳ６２において、評価値算出部３６３は、対象エリア内の評価指標の平均値を算出する。例えば、評価値算出部３６３は、対象エリア内の各画素の評価指標を積算し、積算値を対象エリア内の画素数で割ることにより、対象エリア内の評価指標の平均値を算出する。
ステップＳ６３において、評価値算出部３６３は、評価指標を正規化する。例えば、評価値算出部３６３は、以下のステップ１乃至ステップ４の処理を繰り返すことにより、対象エリア内の評価指標の平均値NDSI(Ri,Rj)aveが０（評価指標の動作点が０）になるように、評価指標の正規化を行う。
（ステップ１）
評価値算出部３６３は、次式（３）により、(Ri/Rj)aveを算出する。
(Ri/Rj)ave＝(1-NDSI(Ri,Rj)ave)/(1+NDSI(Ri,Rj)ave) ・・・（３）
（ステップ２）
評価値算出部３６３は、次式（４）及び（５）により、対象エリア内の各画素の評価指標を再計算する。
K＝X0/(Ri/Rj)ave ・・・（４）
NDSI(Ri,Rj)＝(1-K*(Ri/Rj))/(1+K*(Ri/Rj)) ・・・（５）
なお、X0は、評価指標が0になるときのRi/Rjの値であり、１となる。
（ステップ３）
評価値算出部３６３は、対象エリア内の各画素の再計算後の評価指標NDSI(Ri,Rj)に基づいて、評価指標の平均値NDSI(Ri,Rj)aveを再計算する。
（ステップ４）
評価値算出部３６３は、評価指標の平均値NDSI(Ri,Rj)aveが０からずれている場合、ステップ１に戻り、ステップ１以降の処理を行う。一方、評価値算出部３６３は、平均値NDSI(Ri,Rj)aveが０と等しい場合、正規化処理を終了する。
図１３は、正規化前と正規化後の対象エリア内の評価指標のヒストグラム、すなわち、正規化前と正規化後の対象エリア内の各画素の評価指標の値の分布の例を示している。図１３のＡ及びＢの横軸は評価指標を示している。図１３のＡ及びＢの縦軸は、度数、すなわち、対象エリア内において横軸の評価指標の値を持つ画素の数を示している。なお、図１３のＡ及びＢでは、ヒストグラムの度数が最大となる評価指標が、対象エリア内の評価指標の平均値NDSI(Ri,Rj)aveと一致する場合の例を示している。
図１３のＡは、正規化前の評価指標のヒストグラムの例を示している。この例では、評価指標の平均値NDSI(Ri,Rj)aveが０からずれた値になっている。
図１３のＢは、正規化後の評価指標のヒストグラムの例を示している。上述したステップ１乃至ステップ４の処理が繰り返されることにより、評価指標の平均値NDSI(Ri,Rj)aveが０に正規化されている。
ステップＳ６４において、評価値算出部３６３は、評価指標の標準偏差に基づいて、評価値を算出する。具体的には、評価値算出部３６３は、正規化後の評価指標に基づいて、次式（６）により、対象エリア内の評価指標の標準偏差σを算出する。
Figure 2020008446
なお、式（６）のNDSIiは、対象エリア内のｉ番目の画素の正規化後の評価指標を示し、ｎは対象エリア内の画素数を示している。
図１３のＢの横軸のαは、この処理により算出される評価指標の標準偏差の例を示している。
そして、評価値算出部３６３は、算出した標準偏差σを現在の波長の組合せによる評価指標に対する評価値に設定する。
この評価値は、対象エリア内の評価指標の散らばり具合を表す。従って、評価値が大きい評価指標ほど、例えば、センシングエリア（より厳密には、センシング画像内の対象エリアに対応するセンシングエリア内の領域）に関する情報を表現できる幅が広がる。例えば、評価値が大きい評価指標ほど、センシングエリア内の状態の違いや変化をより詳細に表すことができる。
その後、評価値演算処理は終了する。
図１１に戻り、ステップＳ３４において、評価指標算出部３６２は、全ての波長の組合せについて演算を行ったか否かを判定する。評価指標算出部３６２は、検出対象波長のうちの異なる２つの波長からなる組合せの中に、まだ評価指標を算出していない組合せが残っている場合、まだ全ての波長の組合せについて演算を行っていないと判定し、処理はステップＳ３１に戻る。
その後、ステップＳ３４において、全ての波長の組合せについて演算を行ったと判定されるまで、ステップＳ３１乃至ステップＳ３４の処理が繰り返し実行される。
これにより、検出対象波長のうちの２つの波長からなる全て組合せについて、波長の組合せ毎に、評価指標、及び、評価指標に対する評価値が算出される。すなわち、センシング画像の２つの波長成分からなる組合せ毎に、評価指標が算出され、算出された複数の種類の評価指標に対する評価値がそれぞれ算出される。
一方、ステップＳ３４において、評価指標算出部３６２は、検出対象波長のうちの２つの波長からなる組合せの中に、評価指標を算出していない組合せが残っていない場合、全ての波長の組合せについて演算を行ったと判定し、処理はステップＳ３５に進む。
ステップＳ３５において、評価指標算出部３６２は、使用する評価指標を選択する。具体的には、評価値算出部３６３は、各評価指標の評価値の算出結果を示すデータを選択部３６４に供給する。
選択部３６４は、評価値（すなわち、評価指標の標準偏差σ）が最大となる評価指標を、センシングエリアの分析に使用する評価指標に選択する。その結果、センシングエリアの分析に使用する評価指標に用いられる波長の組合せが選択される。選択部３６４は、評価指標の選択結果を示すデータを評価指標算出部３６２に供給するとともに、記憶部３０８に記憶させる。
なお、選択する評価指標の種類は、複数でもよい。また、例えば、選択した複数の種類の評価指標の候補をユーザに提示して、選択させるようにしてもよい。
その後、評価指標選択処理は終了する。
図９に戻り、ステップＳ４において、情報処理端末１０２は、選択された評価指標に基づく評価指標データを出力する。具体的には、評価指標算出部３６２は、波長の組合せが異なる各評価指標に基づく評価指標データのうち、選択部３６４により選択された評価指標に基づく評価指標データを記憶部３０８から読み出す。そして、例えば、評価指標算出部３６２は、通信部３０９、基地局１０３、及び、ネットワーク１１１を介して、読み出した評価指標データをストレージ１１２に送信し、記憶させる。また、例えば、評価指標算出部３６２は、必要に応じて、全ての評価指標データを記憶部３０８から消去する。
その後、評価指標演算処理は終了する。
以上のようにして、センシングエリアの分析により適した評価指標、換言すれば、より有効性の高い評価指標が選択される。例えば、センシングエリアの状態や変化等をより適切に表す評価指標が選択される。その結果、センシングエリアの状態や変化等の分析精度が向上する。
図１４は、植生ステージ毎の大豆の成長による変化の様子、及び、評価指標の分布の例を示している。
図１４のＡは、各植生ステージにおける大豆の状態を模式的に示している。
図１４のＢ１乃至Ｂ３は、評価指標にＮＤＳＩを用いた場合に、波長Ｒｉと波長Ｒｊの組合せを変化させたときの評価指標の標準偏差σの分布を、上方のバーに示される色の濃さで示した分布図である。図１４のＢ１乃至Ｂ３の横軸は波長Ｒｊを示し、縦軸は波長Ｒｉを示している。
図１４のＢ１乃至Ｂ３では、波長Ｒｉ＝５５０ｎｍ（緑）及び波長Ｒｊ＝８００ｎｍ（赤外光）の組合せ付近、及び、波長Ｒｉ＝６５０ｎｍ（赤）及び波長Ｒｊ＝８００ｎｍ（赤外光）の組合せ付近において、標準偏差σが極大となることが示されている。
図１４のＣ１乃至Ｃ３は、評価指標にＮＤＳＩを用いたときの正規化後の評価指標のヒストグラムを示している。図１４のＣ１乃至Ｃ３の横軸は評価指標の値を示し、縦軸は度数を示している。図１４のＣ１乃至Ｃ３の実線のグラフは、波長Ｒｉ＝５５０ｎｍ及び波長Ｒｊ＝８００ｎｍの場合の評価指標のヒストグラムを示し、点線のグラフは、波長Ｒｉ＝６５０ｎｍ及び波長Ｒｊ＝８００ｎｍの場合の評価指標のヒストグラムを示している。
なお、波長Ｒｉ＝５５０ｎｍ及び波長Ｒｊ＝８００ｎｍの場合の評価指標は、ＧＮＤＶＩ（Green Normalized Difference Vegetation Index）と呼ばれる。また、波長Ｒｉ＝６５０ｎｍ及び波長Ｒｊ＝８００ｎｍの場合の評価指標は、ＮＤＶＩ（Normalized Difference Vegetation Index）と呼ばれる。
植生ステージＶＥから植生ステージＶ３までの期間は、大豆が大きくなる期間である。初期のステージでは、上方から畝間の土が良く見えるが、大豆が成長するにつれて、上方から畝間の土が見える面積が減少する。この期間では、波長Ｒｉ＝６５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標の標準偏差の方が、波長Ｒｉ＝５５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標の標準偏差より大きくなる。従って、この期間では、波長Ｒｉ＝６５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標が、大豆の状態や変化を検出するのに最適な評価指標となる。
植生ステージＲ１から植生ステージＲ６までの期間は、大豆が一定以上成長した後の期間であり、上方から畝間がほとんど見えない状態で大豆がさらに成長する期間である。この期間では、波長Ｒｉ＝５５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標の標準偏差の方が、波長Ｒｉ＝６５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標の標準偏差より大きくなる。従って、この期間では、波長Ｒｉ＝５５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標が、大豆の状態や変化を検出するのに最適な評価指標となる。
植生ステージＲ７から植生ステージＲ８までの期間は、大豆の収穫が近づき、大豆の色が緑から茶色に変化する期間である。この期間では、波長Ｒｉ＝６５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標の標準偏差の方が、波長Ｒｉ＝５５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標の標準偏差より再び大きくなる。従って、この期間では、波長Ｒｉ＝６５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標が、大豆の状態や変化を検出するのに最適な評価指標となる。
従って、上述した処理を行うことにより、大豆の植生ステージによって、最適な評価指標（最適な波長の組合せ）が選択されるようになり、その結果、大豆の状態や変化がより高精度に検出されるようになる。
また、上述した処理では、例えば、新たな波長の組合せによる評価指標が選択される可能性がある。そして、新たな波長の組合せによる評価指標が選択されることにより、従来の評価指標では検出が困難だった現象を精度よく検出することが可能になる。また、例えば、未知の現象（例えば、植物の新たな病気の発生等）が発生した場合、その現象を精度よく検出することが可能になる。
＜評価値の変形例＞
次に、図１５乃至図１８を参照して、評価指標の選択に用いる評価値の変形例について説明する。
＜評価値演算処理の第２の実施の形態＞
ここで、図１５のフローチャートを参照して、図１１のステップＳ３３の評価値演算処理の第２の実施の形態について説明する。
ステップＳ１０１において、図１２のステップＳ６１と同様の処理により、対象エリアが設定される。
ステップＳ１０２において、評価値算出部３６３は、ブロックサイズ及びブロック数を設定する。
ブロックとは、複数の画素を含み、評価指標の平均値を算出する単位となる領域である。例えば、図１６に示されるように、縦ｍ画素×横ｎ画素からなる対象エリア４０１に対して、対象エリア４０１より小さいブロック４０２が設定される。また、対象エリア４０１内において水平方向及び垂直方向に所定の画素ずつブロック４０２をシフトしながら、各位置においてブロック４０２内の画素の評価指標の平均値が算出される。
そして、評価値算出部３６３は、ブロック４０２の縦方向及び横方向の画素数ａ×ｂを設定する。また、評価値算出部３６３は、評価指標の平均値を算出するブロック４０２の数（ブロック４０２を設定する位置の数）を設定する。なお、ブロック数が設定されることにより、水平方向及び垂直方向のブロック４０２のシフト量（隣接するブロック４０２の間隔）が決まる。
例えば、ブロックサイズ及びブロック数は、ユーザが設定するようにしてもよいし、評価値算出部３６３が自動的に設定するようにしてもよい。
また、例えば、ブロック数の代わりに、ブロック４０２の水平方向及び垂直方向のシフト量（水平方向及び垂直方向にシフトする画素数）を設定するようにしてもよい。
さらに、例えば、シフト量の代わりに、隣接するブロック４０２間のオーバーラップ率を設定するようにしてもよい。例えば、オーバーラップ率が８０％の場合、ブロック４０２のシフト量は、垂直方向にｂ／５画素、及び、水平方向にａ／５画素となる。
ステップＳ１０３において、評価値算出部３６３は、ブロックを対象エリア内の初期位置に設定する。例えば、評価値算出部３６３は、対象エリアの左隅にブロックを設定する。
ステップＳ１０４において、評価値算出部３６３は、ブロック内の評価指標の平均値を算出する。すなわち、評価値算出部３６３は、ブロック内の各画素の評価指標を積算し、積算値をブロック内の画素数で割ることにより、評価指標の平均値を算出する。
ステップＳ１０５において、評価値算出部３６３は、全てのブロックについて処理したか否かを判定する。評価値算出部３６３は、まだ評価指標の平均値を算出していないブロックが残っている場合、まだ全てのブロックについて処理していないと判定し、処理はステップＳ１０６に進む。
ステップＳ１０６において、評価値算出部３６３は、ブロックの位置をシフトする。例えば、評価値算出部３６３は、現在のブロックの位置が対象エリアの右端でない場合、ブロックの位置を所定のシフト量だけ右方向にシフトする。一方、例えば、評価値算出部３６３は、現在のブロックの位置が対象エリアの右端である場合、ブロックの位置を対象エリアの左端にシフトするとともに、所定のシフト量だけ下方向にシフトする。
その後、処理はステップＳ１０４に戻り、ステップＳ１０５において、全てのブロックについて処理したと判定されるまで、ステップＳ１０４乃至ステップＳ１０６の処理が繰り返し実行される。これにより、対象エリア内のブロック毎の評価指標の平均値が算出される。
一方、ステップＳ１０５において、評価値算出部３６３は、評価指標の平均値を算出していないブロックが残っていない場合、全てのブロックについて処理したと判定し、処理はステップＳ１０７に進む。
ステップＳ１０７において、評価値算出部３６３は、ブロック毎の評価指標の平均値の最大値と最小値との差に基づいて、評価値Ａを設定する。
図１７は、各ブロックの評価指標の平均値の例を示している。図１７の横軸は各ブロックの番号（ブロックＮｏ．）を示し、縦軸は、横軸のブロックＮｏ．のブロックにおける評価指標の平均値を示している。
例えば、評価値算出部３６３は、評価指標の平均値の最大値と最小値との差分を算出する。そして、評価値算出部３６３は、算出した差分値を、現在の波長の組合せによる評価指標に対する評価値Ａに設定する。
評価値Ａは、対象エリア内の評価指標の変動量を表す。従って、評価値Ａが大きい評価指標ほど、例えば、センシングエリア（より厳密には、センシング画像内の対象エリアに対応するセンシングエリア内の領域）に関する情報に対する感度が高くなる。例えば、評価値Ａが大きい評価指標ほど、センシングエリア内の状態の違いや変化をより詳細かつ迅速に表すことができる。
ステップＳ１０８において、評価値算出部３６３は、ブロック毎の評価指標の平均値を正規化する。例えば、評価値算出部３６３は、ブロック毎の評価指標の平均値のヒストグラムにおいて、図１２のステップＳ６３と同様の処理により、ブロック毎の評価指標の平均値のさらにその平均値が０になるように正規化する。
ステップＳ１０９において、評価値算出部３６３は、ブロック毎の評価指標の平均値の標準偏差に基づいて、評価値Ｂを設定する。例えば、評価値算出部３６３は、正規化後のブロック毎の評価指標の平均値に基づいて、ブロック毎の評価指標の平均値の標準偏差を算出する。そして、評価値算出部３６３は、算出した標準偏差を、現在の波長の組合せによる評価指標に対する評価値Ｂに設定する。
図１８は、正規化後のブロック毎の評価指標の平均値のヒストグラムの例を示している。横軸はブロック毎の評価指標の平均値を示し、縦軸は度数を示している。このステップＳ１０９の処理により、正規化後のブロック毎の評価指標の平均値のヒストグラムにおける標準偏差σが算出され、評価値Ｂに設定される。
評価値Ｂは、対象エリア内の評価指標の散らばり具合を表す。従って、評価値Ｂが大きい評価指標ほど、例えば、センシングエリア（より厳密には、センシング画像内の対象エリアに対応するセンシングエリア内の領域）に関する情報を表現できる幅が広がる。例えば、評価値Ｂが大きい評価指標ほど、センシングエリア内の状態の違いや変化をより詳細に表すことができる。
その後、評価値演算処理は終了する。
この評価値演算処理が、各波長の組合せによる複数の種類の評価指標毎に実行されることにより、各評価指標に対して評価値Ａ及び評価値Ｂが算出される。
そして、例えば、上述した図１１のステップＳ３５において、選択部３６４は、評価値Ａ及び評価値Ｂの両方又は一方に基づいて、使用する評価指標を選択する。
このように、複数の種類の評価値に基づいて評価指標を選択することにより、より適切な評価指標が選択される可能性が高くなる。
＜センシングエリアが広域である場合の処理＞
次に、図１９及び図２０を参照して、センシングエリアが広域である場合の処理について説明する。この場合、センシングエリアが複数の領域に分けて撮影される。
＜評価指標演算処理の第２の実施の形態＞
まず、図１９のフローチャートを参照して、情報処理システム１１により実行される評価指標演算処理の第２の実施の形態について説明する。
ステップＳ２０１において、リモートセンシングＨＷ１０１は、広域センシングデータを取得する。例えば、広域センシングデータが記憶されているリムーバブルメディア２０３が情報処理端末１０２のドライブ３１０に装着される。広域センシングデータは、例えば、リモートセンシングＨＷ１０１が、センシングエリアを複数の領域に分けて撮影した複数のセンシング画像、及び、各センシング画像の撮影時に検出した複数の光源データを含む。ドライブ３１０は、広域センシングデータをリムーバブルメディア２０３から読み出し、ＣＰＵ３０１に供給する。
ステップＳ２０２において、画像処理部３４１は、センシング画像のスティッチ処理を行う。すなわち、画像処理部３４１は、広域センシングデータに含まれる複数のセンシング画像を繋ぎ合わせることにより、センシングエリア全体を含む１つのセンシング画像（以下、スティッチ画像と称する）を生成する。
その後、ステップＳ２０３乃至ステップＳ２０５において、図９のステップＳ２乃至ステップＳ４と同様の処理が実行され、評価指標演算処理は終了する。
これにより、スティッチ画像に適した評価指標（波長の組合せ）が選択され、選択された評価指標に基づく評価指標データが出力される。その結果、広大なセンシングエリアの状態や変化等の分析精度が向上する。
＜評価指標演算処理の第３の実施の形態＞
次に、図２０のフローチャートを参照して、情報処理システム１１により実行される評価指標演算処理の第３の実施の形態について説明する。
ステップＳ２３１において、図１９のステップＳ２０１の処理と同様に、広域センシングデータが取得される。
ステップＳ２３２において、波長分析部３６１は、処理対象とするセンシング画像を選択する。すなわち、波長分析部３６１は、広域センシングデータに含まれる複数のセンシング画像のうち、まだ評価指標の選択が行われていないセンシング画像を１つ選択する。
その後、ステップＳ２３３及びステップＳ２３４において、選択されたセンシング画像に対して、図９のステップＳ２及びステップＳ３と同様の処理が行われる。これにより、選択されたセンシング画像に適した評価指標が選択される。
ステップＳ２３５において、波長分析部３６１は、全てのセンシング画像について処理したか否かを判定する。波長分析部３６１は、広域センシングデータの中に評価指標が選択されていないセンシング画像が残っている場合、まだ全てのセンシング画像について処理していないと判定し、処理はステップＳ２３２に戻る。
その後、ステップＳ２３５において、全てのセンシング画像について処理したと判定されるまで、ステップＳ２３２乃至ステップＳ２３５の処理が繰り返し実行される。これにより、広域センシングデータに含まれる各センシング画像に適した評価指標が個別に選択される。
一方、ステップＳ２３５において、波長分析部３６１は、広域センシングデータの中に評価指標の選択が行われていないセンシング画像が残っていない場合、全てのセンシング画像について処理したと判定し、処理はステップＳ２３６に進む。
ステップＳ２３６において、画像処理部３４１は、評価指標データのスティッチ処理を行う。具体的には、画像処理部３４１は、各センシング画像について、選択部３６４により選択された評価指標に基づく評価指標データを記憶部３０８から読み出す。これにより、各センシング画像に適した評価指標に基づく評価指標データがそれぞれ読み出される。そして、画像処理部３４１は、読み出した評価指標データを繋ぎ合わせることにより、センシングエリア全体を含む評価指標データを生成する。
ステップＳ２３７において、画像処理部３４１は、スティッチ処理した評価指標データを出力する。例えば、画像処理部３４１は、通信部３０９、基地局１０３、及び、ネットワーク１１１を介して、スティッチ処理した評価指標データをストレージ１１２に送信し、記憶させる。また、例えば、画像処理部３４１は、必要に応じて、全ての評価指標データを記憶部３０８から消去する。
その後、評価指標演算処理は終了する。
これにより、センシングエリア内の小領域毎に適切な評価指標が選択され、センシングエリア全体を含む評価指標データが生成される。その結果、センシングエリアの状態や変化等の分析精度がさらに向上する。
＜過去の評価指標の選択条件に基づいて評価指標を選択する場合の処理＞
次に、評価値を用いずに、過去に評価指標が選択されたときの条件に基づいて評価指標を選択する場合の処理について説明する。
例えば、現在の条件が、過去に評価指標が選択されたときの条件と同様である場合、評価値を用いずに、その過去に選択された評価指標と同じ種類の評価指標を選択することにより、適切な評価指標を容易に選択することが可能になる。
＜評価指標演算処理の第４の実施の形態＞
ここで、図２１のフローチャートを参照して、情報処理端末１０２により実行される評価指標演算処理の第４の実施の形態について説明する。
ステップＳ３０１において、図９のステップＳ１の処理と同様に、センシングデータが取得される。
ステップＳ３０２において、選択部３６４は、評価指標の選択条件が与えられたか否かを判定する。評価指標の選択条件が与えられていないと判定された場合、処理はステップＳ３０３に進む。
ステップＳ３０３乃至ステップＳ３０５において、上述した図９のステップＳ２乃至ステップＳ４と同様の処理が実行される。これにより、上述した処理と同様に、センシング画像に適した評価指標が、評価値に基づいて選択され、選択された評価指標に基づく評価指標データが出力される。
ステップＳ３０６において、学習部３４４は、評価指標の選択条件を学習する。例えば、学習部３４４は、ステップＳ３０４の処理において、評価指標が選択されたときの条件を示すデータを取得する。
ここで取得する条件は、評価指標の選択に関わる条件であれば、特に限定されない。例えば、季節、日時、時間帯等の時間的条件、天気、気温、湿度、高度等の環境的条件、国名、地方名、エリアの種類（例えば、農地、市街地、工場、砂漠等）のセンシングエリアに関する条件、植物の種類、植生ステージ等の分析対象に関する条件、植生の活性度の検出、病気の検出、害虫被害の検出等の分析内容に関する条件等のうちの１つ以上が取得される。
また、これらの条件は、例えば、ユーザが入力部３０６を介して入力してもよいし、学習部３４４が自ら取得するようにしてもよい。
次に、学習部３４４は、選択した評価指標の種類と、取得したデータとに基づいて、今回選択した評価指標の選択条件の学習を行う。そして、学習部３４４は、学習結果に基づいて、記憶部３０８に記憶されている評価指標データベースを更新する。
評価指標データベースは、例えば、評価指標の種類と選択条件とが関連付けられたデータベースである。例えば、選択部３６４は、評価指標データベースの中から、与えられた選択条件と一致する評価指標を検索することにより、選択条件に基づいて評価指標を選択することができる。
その後、評価指標演算処理は終了する。
一方、例えば、ユーザが、入力部３０６を介して、評価指標の選択条件を入力するための操作を行った場合、出力部３０７は、出力制御部３４３の制御の下に、評価指標の選択条件の入力画面を表示する。これに対して、ユーザは、入力部３０６を介して、評価指標の選択条件を入力する。
そして、選択部３６４は、入力された選択条件を示すデータが入力部３０６から供給された場合、ステップＳ３０２において、評価指標の選択条件が与えられたと判定し、処理はステップＳ３０７に進む。
ステップＳ３０７において、情報処理端末１０２は、選択条件に基づく評価指標演算処理を実行し、その後、評価指標演算処理は終了する。
ここで、図２２のフローチャートを参照して、選択条件に基づく評価指標演算処理の詳細について説明する。
ステップＳ３３１において、選択部３６４は、与えられた選択条件に基づいて評価指標を選択する。例えば、選択部３６４は、記憶部３０８に記憶されている評価指標データベースに登録されている評価指標の中から、与えられた選択条件と一致する、或いは、類似度が最も高い選択条件に対応する評価指標を選択する。
例えば、上述した図１４の例のように大豆の生育過程を観察する場合、植物の種類としての大豆と、植生ステージが選択条件として与えられる。これにより、選択条件として与えられた植生ステージが、植生ステージＶＥ乃至植生ステージＶ３、植生ステージＲ７、及び、植生ステージＲ８のいずれかである場合、波長Ｒｉ＝６５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標が選択される。選択条件として与えられた植生ステージが、植生ステージＲ１乃至植生ステージＲ６のいずれかである場合、波長Ｒｉ＝５５０ｎｍ及び波長Ｒｊ＝８００ｎｍの評価指標が選択される。
さらに、例えば、植生の活性度の検出、病気の検出、害虫被害の検出等の分析内容を選択条件として与えることにより、より適切な評価指標の選択が可能になる。
なお、選択する評価指標の種類は、複数でもよい。また、例えば、選択した複数の種類の評価指標の候補をユーザに提示して、選択させるようにしてもよい。
ステップＳ３３２において、波長分析部３６１は、波長分析を行う。すなわち、波長分析部３６１は、図９のステップＳ２と同様の処理により、被写体の反射率の波長分析を行い、選択された評価指標に必要な波長の光に対する被写体の反射率をセンシング画像の画素毎に検出する。波長分析部３６１は、検出結果を示すデータを評価指標算出部３６２に供給する。
ステップＳ３３３において、評価指標算出部３６２は、評価指標を算出する。すなわち、評価指標算出部３６２は、波長分析部３６１により検出された被写体の反射率に基づいて、選択部３６４により選択された評価指標をセンシング画像の画素毎に算出する。また、評価指標算出部３６２は、センシング画像の各画素の評価指標を画素の配列順に並べた評価指標データを生成する。
ステップＳ３３４において、図９のステップＳ４と同様の処理により、評価指標データが出力される。
その後、選択条件に基づく評価指標演算処理は終了する。
以上のようにして、選択条件が与えられた場合に、評価値を用いずに、与えられた選択条件に基づいて評価指標が選択され、選択された評価指標に基づく評価指標データが生成される。これにより、評価指標の演算処理の負荷が軽減されるとともに、処理時間が短縮される。
また、学習結果に基づいて評価指標データベースを更新することにより、与えられた選択条件に対して、より適切な評価指標が選択されるようになる。例えば、センシングエリアの分析を毎年行う場合、選択された評価指標と選択条件に基づいて、毎年評価指標データベースが更新される。これにより、時間が経つにつれて、より適切な評価指標がセンシングエリアの分析に選択される可能性が高くなる。
＜＜２．第２の実施の形態＞＞
次に、図２３乃至図２７を参照して、本技術の第２の実施の形態について説明する。
＜情報処理システム５０１の構成例＞
図２３は、本技術を適用した情報処理システムの第２の実施の形態を示している。なお、図中、図１の情報処理システム１１と対応する部分には同じ符号を付してあり、その説明は適宜省略する。
図２３の情報処理システム５０１は、情報処理システム１１と比較して、観測部５１１が追加され、後処理部２２の代わりに後処理部５１２が追加されている点が異なる。
観測部５１１は、センシングデータ（センシング画像及び光源データ）以外のセンシングエリアに関する各種の観測データを取得する。観測部５１１は、取得した観測データを後処理部５１２に供給する。
後処理部５１２は、情報処理システム１１の後処理部２２の機能に加えて、評価指標と観測データとの相関関係の学習機能を備えている。
図２４は、図２３の情報処理システム５０１のより具体的な構成例を示している。なお、図中、図２の情報処理システム１１と対応する部分には同じ符号を付してあり、その説明は適宜省略する。
図２４の情報処理システム５０１は、図２の情報処理システム１１と比較して、観測システム５３１が追加されている点が異なる。
観測システム５３１は、センシングデータ以外のセンシングエリアに関する各種の観測データを取得する装置等を備え、図２３の観測部５１１の機能を備える。例えば、観測部５１１は、気孔コンダクタンス測定機、ガス交換方式光合成測定機等の植物の状態を示すデータを検出する植生検査機を備える。観測システム５３１は、取得した観測データを情報処理端末１０２に供給する。
情報処理端末１０２は、図２３の後処理部５１２の機能を備える。
＜情報処理部５６１の構成例＞
図２５は、情報処理端末１０２のＣＰＵ３０１が所定の制御プログラムを実行することにより実現される情報処理部５６１の構成例を示している。
なお、図中、図７の情報処理部３３１と対応する部分には同じ符号を付してあり、その説明は適宜省略する。
情報処理部５６１は、情報処理部３３１と比較して、学習部３４４の代わりに学習部５７１を備える点が異なる。
学習部５７１は、学習部３４４の機能に加えて、評価指標と観測データとの相関関係の学習機能を備えている。
＜評価指標演算処理＞
次に、図２６のフローチャートを参照して、情報処理端末１０２により実行される評価指標演算処理の第５の実施の形態について説明する。
ステップＳ４０１において、図９のステップＳ１の処理と同様に、センシングデータが取得される。
ステップＳ４０２において、情報処理端末１０２は、観測データを取得する。
例えば、観測システム５３１は、評価指標データの特徴が顕著に現れる領域（以下、特徴領域と称する）及びその周辺の領域に対応するセンシングエリア内の領域において、観測データを取得する。特徴領域は、例えば、他の領域と評価指標の傾向が顕著に異なる領域等とされる。
観測データの種類は、センシングエリア及び分析内容等に応じて設定される。例えば、センシングエリアが農地であり、農地内の植物の生態の分析が行われる場合、植物の生態に関するデータが、観測データに含まれる。例えば、気孔コンダクタンス、ガス交換量等が観測データに含まれる。
ステップＳ４０３乃至ステップＳ４０５において、図９のステップＳ２乃至ステップＳ４と同様の処理が実行される。これにより、センシング画像に適した評価指標が選択され、選択された評価指標に基づく評価指標データが出力される。
ステップＳ４０６において、学習部５７１は、評価指標と観測データとの相関関係を学習する。例えば、学習部５７１は、複数の種類の観測データのそれぞれについて、評価指標との相関係数を算出する。なお、相関係数の算出方法には、任意の方法を用いることが可能である。
次に、学習部５７１は、算出した相関係数に基づいて、評価指標と相関性が高い観測データを抽出する。
そして、例えば、抽出した観測データに基づいて、特徴領域内において発生している現象が特定される。これにより、評価指数と、評価指数と相関性が高い観測データにより表される現象との相関関係がさらに学習される。この現象の特定は、例えば、学習部５７１が行ってもよいし、ユーザが行ってもよい。
この特定された現象は、評価指標との相関性が高い現象である。すなわち、評価指標に基づいて、高い精度で検出可能な現象である。
図２７は、評価指標と観測データとの相関性の例を示すグラフである。横軸は評価指標に用いる波長Ｒｊを示し、縦軸は評価指標に用いる波長Ｒｉを示している。また、グラフ内の三角形の領域において、波長Ｒｉと波長Ｒｊの組合せに基づく評価指標と観測データとの相関係数が、グラフの右側のバーの色の濃さに基づいて示されている。
この例においては、波長Ｒｉが枠Ａ１で示される範囲、及び、波長Ｒｊが枠Ａ２で示される範囲内の場合に、評価指標と観測データとの間の相関が強くなることが示されている。従って、枠Ａ１と枠Ａ２が交わる範囲Ｂ内の波長Ｒｉと波長Ｒｊの組合せに基づく評価指標を用いることにより、観測データにより表される現象を精度高く検出することが可能になる。
以上のようにして、例えば、新たな評価指標の開発が可能になる。例えば、従来にない波長の組合せに基づく評価指標が選択された場合、その新たな評価指標が持つ意味合いを特定することができる。すなわち、新たな評価指標により検出可能な現象を特定することができ、その現象の検出に新たな評価指標を活用することが可能になる。
＜＜３．変形例＞＞
以下、上述した本技術の実施の形態の変形例について説明する。
＜評価指標に関する変形例＞
本技術に適用可能な評価指標は、上述したＮＤＳＩに限定されるものではなく、他の評価指標を用いることも可能である。
例えば、センシング画像の１つの波長成分に基づく評価指標を採用し、波長成分が互いに異なる複数の種類の評価指標の中から使用する評価指標を選択するようにしてもよい。
例えば、センシング画像の３以上の波長成分の組合せに基づく評価指標を採用し、波長成分の組合せが互いに異なる複数の種類の評価指標の中から使用する評価指標を選択するようにしてもよい。
例えば、算出に用いる波長成分の数が互いに異なる複数の種類の評価指標の中から使用する評価指標を選択するようにしてもよい。
例えば、センシング画像の同じ波長成分に基づくが、計算方法等が異なる複数の種類の評価指標の中から使用する評価指標を選択するようにしてもよい。
例えば、波長成分及び計算方法等が異なる複数の種類の評価指標の中から使用する評価指標を選択するようにしてもよい。
また、評価指標の選択に用いる評価値は、上述した例に限定されるものではなく、評価指標の他の統計値を用いるようにしてもよい。
例えば、評価指標の標準偏差の代わりに、分散を用いてもよい。
例えば、上述した評価指標の標準偏差や変動量以外の評価指標の変化の大きさを示す統計値を用いるようにしてもよい。
また、空間方向（センシング画像内）の評価指標の変化の大きさを示す統計値だけでなく、時間方向の評価指標の変化の大きさを示す統計値を用いることも可能である。例えば、評価指標の時系列の分布における分散、標準偏差、又は、変動量等に基づいて、評価値を算出するようにしてもよい。さらに、例えば、空間方向及び時間方向の両方の評価指標の変化の大きさを示す統計値に基づいて、評価値を算出するようにしてもよい。
さらに、統計値をそのまま評価値として使用するのではなく、例えば、所定の計算式により統計値を評価値に変化するようにしてもよい。
さらに、本技術は、例えば、評価指標をセンシング画像の画素毎でなく、複数の画素を含むブロック毎に算出する場合にも適用することができる。
＜システム構成に関する変形例＞
上述した情報処理システム１１及び情報処理システム５０１の構成例は、その一例であり、必要に応じて変更することが可能である。
例えば、情報処理システム１１及び情報処理システム５０１の各部の機能の分担を変更することが可能である。
例えば、図２８に示されるように、情報処理システム１１のセンシング部２１、後処理部２２、及び、記憶部２３の分担を変更するようにしてもよい。
図２８のＡは、上述したように、リモートセンシングＨＷ１０１がセンシング部２１の機能を備え、情報処理端末１０２が後処理部２２の機能を備え、クラウド１０４が記憶部２３の機能を備える場合の例を示している。
これに対して、例えば、図２８のＢに示されるように、リモートセンシングＨＷ１０１がセンシング部２１及び後処理部２２の機能を備え、情報処理端末１０２が記憶部２３の機能を備えるようにしてもよい。
また、例えば、図２８のＣに示されるように、リモートセンシングＨＷ１０１がセンシング部２１の機能を備え、情報処理端末１０２が後処理部２２及び記憶部２３の機能を備えるようにしてもよい。
さらに、例えば、図２８のＤに示されるように、リモートセンシングＨＷ１０１がセンシング部２１の機能を備え、クラウド１０４が後処理部２２及び記憶部２３の機能を備えるようにしてもよい。
また、例えば、情報処理システム１１又は情報処理システム５０１の分析部２４の全部又は一部の機能を情報処理端末１０２が備えるようにしてもよい。さらに、例えば、情報処理システム１１又は情報処理システム５０１の実行部２５の全部又は一部の機能を情報処理端末１０２が備えるようにしてもよい。また、例えば、情報処理システム５０１の観測部５１１の全部又は一部の機能をセンシング部２１が備えるようにしてもよい。
さらに、例えば、リモートセンシングＨＷ１０１のセンサボックス２０１の制御部２１２とカメラ２０２の制御部２２５とを共通化するようにしてもよい。
また、例えば、環境光の光源の分光特性をより高精度に検出可能なセンサをリモートセンシングＨＷ１０１に設けるようにしてもよい。
＜その他の変形例＞
以上の説明では、センシング画像の分光特性に基づいて被写体の分光特性を検出し、被写体の分光特性に基づいて評価指標を算出する例を示したが、例えば、被写体の分光特性を用いずに、センシング画像の分光特性に基づいて評価指標を算出するようにしてもよい。この場合、例えば、リモートセンシングＨＷ１０１のセンサボックス２０１を省略することが可能である。
また、以上の説明では、被写体（センシングエリア）を撮影することにより得られた撮影データを画像化したセンシング画像に基づいて評価指標を算出する例を示したが、画像化する前の撮影データ（例えばスペクトルデータ）に基づいて評価指標を算出するようにしてもよい。すなわち、本技術では、画像化前及び画像化後のいずれの撮影データに基づいて評価指標を算出するようにしてもよい。ここで、画像化とは、例えば、撮影データを画像として表示できるように、各画素のデータを配列したり、各種の画像処理を行ったりする処理である。
＜＜４．その他＞＞
＜プログラムの提供方法等＞
上述した一連の処理は、ハードウエアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータ（例えば、情報処理端末１０２のＣＰＵ３０１）にインストールされる。ここで、コンピュータには、専用のハードウエアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。
例えば、情報処理端末１０２では、ＣＰＵ３０１が、例えば、記憶部３０８に記録されているプログラムを、入出力インタフェース３０５及びバス３０４を介して、ＲＡＭ３０３にロードして実行することにより、一連の処理が行われる。
なお、情報処理端末１０２（ＣＰＵ３０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア２０３に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
情報処理端末１０２では、プログラムは、リムーバブルメディア２０３をドライブ３１０に装着することにより、入出力インタフェース３０５を介して、記憶部３０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部３０９で受信し、記憶部３０８にインストールすることができる。その他、プログラムは、ＲＯＭ３０２や記憶部３０８に、あらかじめインストールしておくことができる。
なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
また、本明細書において、システムとは、複数の構成要素（装置、モジュール（部品）等）の集合を意味し、すべての構成要素が同一筐体中にあるか否かは問わない。したがって、別個の筐体に収納され、ネットワークを介して接続されている複数の装置、及び、１つの筐体の中に複数のモジュールが収納されている１つの装置は、いずれも、システムである。
さらに、本技術の実施の形態は、上述した実施の形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。
例えば、本技術は、１つの機能をネットワークを介して複数の装置で分担、共同して処理するクラウドコンピューティングの構成をとることができる。
また、上述のフローチャートで説明した各ステップは、１つの装置で実行する他、複数の装置で分担して実行することができる。
さらに、１つのステップに複数の処理が含まれる場合には、その１つのステップに含まれる複数の処理は、１つの装置で実行する他、複数の装置で分担して実行することができる。
＜構成の組み合わせ例＞
本技術は、以下のような構成をとることもできる。
（１）
被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出する評価指標算出部と、
前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出する評価値算出部と、
前記評価値に基づいて前記評価指標の選択を行う選択部と
を備える情報処理装置。
（２）
前記評価指標算出部は、前記撮影データの異なる波長成分毎に、各前記評価指標を算出する
前記（１）に記載の情報処理装置。
（３）
前記評価指標算出部は、前記撮影データの２以上の波長成分からなる組合せ毎に、各前記評価指標を算出する
前記（２）に記載の情報処理装置。
（４）
前記評価指標は、ＮＤＳＩ（Normalized Difference Spectral Index）である
前記（３）に記載の情報処理装置。
（５）
前記評価指標算出部は、前記撮影データの画素毎又は複数の画素からなるブロック毎に各前記評価指標を算出する
前記（１）乃至（４）のいずれかに記載の情報処理装置。
（６）
前記統計値は、前記撮影データの全部又は一部における前記評価指標の変化の大きさを示す
前記（５）に記載の情報処理装置。
（７）
前記統計値は、前記撮影データの全部又は一部における前記評価指標の分散又は標準偏差である
前記（６）に記載の情報処理装置。
（８）
前記統計値は、前記撮影データの全部又は一部における前記評価指標の変動量である
前記（６）又は（７）に記載の情報処理装置。
（９）
前記撮影データから複数の波長成分を抽出する波長分析部を
さらに備える前記（１）乃至（８）のいずれかに記載の情報処理装置。
（１０）
複数の第１の撮影データに対応する複数の第１の画像を繋ぎ合わせて第２の画像を生成する画像処理部を
さらに備え、
前記評価指標算出部は、前記第２の画像に基づいて複数の種類の前記評価指標を算出する
前記（１）乃至（９）のいずれかに記載の情報処理装置。
（１１）
前記評価指標算出部は、複数の第１の撮影データに対応する複数の第１の画像に対してそれぞれ複数の種類の前記評価指標を算出し、
前記選択部は、前記第１の画像毎に前記評価指標を個別に選択し、
前記第１の画像毎に選択された前記評価指標に基づく複数の第２の画像を繋ぎ合わせる画像処理部を
さらに備える前記（１）乃至（９）のいずれかに記載の情報処理装置。
（１２）
選択された前記評価指標に基づいて、前記被写体の分析を行う分析部を
さらに備える前記（１）乃至（１１）のいずれかに記載の情報処理装置。
（１３）
前記選択部は、過去に前記評価指標が選択されたときの条件に基づいて、新たな撮影データに対する前記評価指標の選択を行い、
前記評価指標算出部は、前記新たな撮影データに基づいて、選択された前記評価指標を算出する
前記（１）乃至（１２）のいずれかに記載の情報処理装置。
（１４）
過去に前記評価指標が選択されたときの条件に基づいて、前記評価指標の選択に用いる選択条件の学習を行う学習部を
さらに備え、
前記選択部は、前記選択条件に基づいて、前記新たな撮影データに対する前記評価指標の選択を行う
前記（１３）に記載の情報処理装置。
（１５）
前記評価指標と、前記撮影データとは異なる観測データとの相関関係を学習する学習部を
さらに備える前記（１）乃至（１２）のいずれかに記載の情報処理装置。
（１６）
前記学習部は、前記評価指標と、前記観測データにより表される現象との相関関係をさらに学習する
前記（１５）に記載の情報処理装置。
（１７）
情報処理装置が、
被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出し、
前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出し、
前記評価値に基づいて前記評価指標の選択を行う
情報処理方法。
（１８）
被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出し、
前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出し、
前記評価値に基づいて前記評価指標の選択を行う
処理をコンピュータに実行させるためのプログラム。
なお、本明細書に記載された効果はあくまで例示であって限定されるものではなく、他の効果があってもよい。
１１ 情報処理システム， ２１ センシング部， ２２ 後処理部， ２３ 記憶部， ２４ 分析部， ２５ 実行部, １０１ リモートセンシングＨＷ， １０２ 情報処理端末， １０４ クラウドコンピューティング， １０５ 農業システム， １１２ ストレージ， １１３ サーバ， ２０１ センサボックス， ２０２ カメラ， ２０３ リムーバブルメディア， ２１１ 照度センサ, ２１２ 制御部， ２２２ 撮影部， ２２３ 信号処理部， ２２５ 制御部， ２４１ フィルタ， ２４２ イメージセンサ， ２６１ ドローン， ３０１ ＣＰＵ， ３３１ 情報処理部， ３４１ 画像処理部， ３４２ 演算部， ３４３ 出力制御部， ３４４ 学習部， ３６１ 波長分析部， ３６２ 評価指標算出部， ３６３ 評価値算出部， ３６４ 選択部， ４０１ 選択エリア， ４０２ ブロック， ５０１ 情報処理システム， ５１１ 観測部， ５１２ 後処理部， ５３１ 観測システム， ５６１ 情報処理部， ５７１ 学習部

Claims (18)

  1. 被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出する評価指標算出部と、
    前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出する評価値算出部と、
    前記評価値に基づいて前記評価指標の選択を行う選択部と
    を備える情報処理装置。
  2. 前記評価指標算出部は、前記撮影データの異なる波長成分毎に、各前記評価指標を算出する
    請求項１に記載の情報処理装置。
  3. 前記評価指標算出部は、前記撮影データの２以上の波長成分からなる組合せ毎に、各前記評価指標を算出する
    請求項２に記載の情報処理装置。
  4. 前記評価指標は、ＮＤＳＩ（Normalized Difference Spectral Index）である
    請求項３に記載の情報処理装置。
  5. 前記評価指標算出部は、前記撮影データの画素毎又は複数の画素からなるブロック毎に各前記評価指標を算出する
    請求項１に記載の情報処理装置。
  6. 前記統計値は、前記撮影データの全部又は一部における前記評価指標の変化の大きさを示す
    請求項５に記載の情報処理装置。
  7. 前記統計値は、前記撮影データの全部又は一部における前記評価指標の分散又は標準偏差である
    請求項６に記載の情報処理装置。
  8. 前記統計値は、前記撮影データの全部又は一部における前記評価指標の変動量である
    請求項６に記載の情報処理装置。
  9. 前記撮影データから複数の波長成分を抽出する波長分析部を
    さらに備える請求項１に記載の情報処理装置。
  10. 複数の第１の撮影データに対応する複数の第１の画像を繋ぎ合わせて第２の画像を生成する画像処理部を
    さらに備え、
    前記評価指標算出部は、前記第２の画像に基づいて複数の種類の前記評価指標を算出する
    請求項１に記載の情報処理装置。
  11. 前記評価指標算出部は、複数の第１の撮影データに対応する複数の第１の画像に対してそれぞれ複数の種類の前記評価指標を算出し、
    前記選択部は、前記第１の画像毎に前記評価指標を個別に選択し、
    前記第１の画像毎に選択された前記評価指標に基づく複数の第２の画像を繋ぎ合わせる画像処理部を
    さらに備える請求項１に記載の情報処理装置。
  12. 選択された前記評価指標に基づいて、前記被写体の分析を行う分析部を
    さらに備える請求項１に記載の情報処理装置。
  13. 前記選択部は、過去に前記評価指標が選択されたときの条件に基づいて、新たな撮影データに対する前記評価指標の選択を行い、
    前記評価指標算出部は、前記新たな撮影データに基づいて、選択された前記評価指標を算出する
    請求項１に記載の情報処理装置。
  14. 過去に前記評価指標が選択されたときの条件に基づいて、前記評価指標の選択に用いる選択条件の学習を行う学習部を
    さらに備え、
    前記選択部は、前記選択条件に基づいて、前記新たな撮影データに対する前記評価指標の選択を行う
    請求項１３に記載の情報処理装置。
  15. 前記評価指標と、前記撮影データとは異なる観測データとの相関関係を学習する学習部を
    さらに備える請求項１に記載の情報処理装置。
  16. 前記学習部は、前記評価指標と、前記観測データにより表される現象との相関関係をさらに学習する
    請求項１５に記載の情報処理装置。
  17. 情報処理装置が、
    被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出し、
    前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出し、
    前記評価値に基づいて前記評価指標の選択を行う
    情報処理方法。
  18. 被写体を撮影することにより得られた撮影データに基づいて複数の種類の評価指標を算出し、
    前記評価指標毎の統計値に基づく評価値を前記評価指標毎に算出し、
    前記評価値に基づいて前記評価指標の選択を行う
    処理をコンピュータに実行させるためのプログラム。
JP2018130474A 2018-07-10 2018-07-10 情報処理装置、情報処理方法、及び、プログラム Active JP7155681B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2018130474A JP7155681B2 (ja) 2018-07-10 2018-07-10 情報処理装置、情報処理方法、及び、プログラム
PCT/JP2019/026237 WO2020013024A1 (en) 2018-07-10 2019-07-02 Information processing apparatus, information processing method, and program
EP19746194.0A EP3821368A1 (en) 2018-07-10 2019-07-02 Information processing apparatus, information processing method, and program
US17/257,702 US11631242B2 (en) 2018-07-10 2019-07-02 Information processing apparatus, information processing method, and program
CN201980044373.XA CN112368706B (zh) 2018-07-10 2019-07-02 信息处理装置、信息处理方法和程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018130474A JP7155681B2 (ja) 2018-07-10 2018-07-10 情報処理装置、情報処理方法、及び、プログラム

Publications (2)

Publication Number Publication Date
JP2020008446A true JP2020008446A (ja) 2020-01-16
JP7155681B2 JP7155681B2 (ja) 2022-10-19

Family

ID=67480264

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018130474A Active JP7155681B2 (ja) 2018-07-10 2018-07-10 情報処理装置、情報処理方法、及び、プログラム

Country Status (5)

Country Link
US (1) US11631242B2 (ja)
EP (1) EP3821368A1 (ja)
JP (1) JP7155681B2 (ja)
CN (1) CN112368706B (ja)
WO (1) WO2020013024A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210122523A (ko) * 2020-04-01 2021-10-12 전북대학교산학협력단 영상 분석을 위한 인덱스 발굴 장치 및 방법
WO2021241223A1 (ja) * 2020-05-26 2021-12-02 ソニーグループ株式会社 画像処理装置および方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113297407B (zh) * 2021-05-21 2021-11-26 生态环境部卫星环境应用中心 遥感影像优选方法和装置
CN116248983A (zh) * 2023-03-07 2023-06-09 长光禹辰信息技术与装备(青岛)有限公司 一种差分成像的系统、方法、装置及介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003339238A (ja) * 2002-05-28 2003-12-02 Satake Corp 作物の生育診断方法及びその装置
JP2005025503A (ja) * 2003-07-02 2005-01-27 Sharp Corp フィルタの設計方法、フィルタ、欠陥検査方法および欠陥検査装置
JP2006250827A (ja) * 2005-03-11 2006-09-21 Pasuko:Kk 作物の生育状況分析方法
JP2006314215A (ja) * 2005-05-10 2006-11-24 National Agriculture & Food Research Organization 移動体搭載用の生育度測定装置
CN103528965A (zh) * 2013-08-28 2014-01-22 南京农业大学 一种小麦叶片等效水厚度高光谱监测方法
US20170339340A1 (en) * 2016-05-20 2017-11-23 International Business Machines Corporation Device, system and method for cognitive image capture
CN107578412A (zh) * 2017-09-28 2018-01-12 微梦创科网络科技（中国）有限公司 图像质量综合评价方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3767541B2 (ja) * 2002-11-12 2006-04-19 ソニー株式会社 光源推定装置、光源推定方法、撮像装置および画像処理方法
JPWO2004099874A1 (ja) * 2003-04-16 2006-07-13 株式会社ニコン パターン決定方法及びシステム、マスクの製造方法、結像性能調整方法、露光方法及び装置、並びにプログラム及び情報記録媒体
JP4146310B2 (ja) * 2003-07-17 2008-09-10 浜松ホトニクス株式会社 組成の均一度の評価方法及び組成の均一度の評価装置
JP6193712B2 (ja) * 2013-09-12 2017-09-06 祐一 鎌田 多波長画像計測における雑音処理型画像表示装置及び画像表示方法
JP6307410B2 (ja) * 2014-10-15 2018-04-04 富士フイルム株式会社 導電性フィルム、これを備える表示装置及び導電性フィルムの評価方法
JP6275618B2 (ja) * 2014-10-15 2018-02-07 富士フイルム株式会社 導電性フィルム、それを備える表示装置及び導電性フィルムの配線パターンの評価方法
WO2016162231A1 (en) * 2015-04-10 2016-10-13 Asml Netherlands B.V. Method and apparatus for inspection and metrology
JP6863279B2 (ja) 2015-07-10 2021-04-21 ソニーグループ株式会社 検査装置、検査方法、及び、プログラム
JP6624877B2 (ja) * 2015-10-15 2019-12-25 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム
JP6875224B2 (ja) * 2017-08-08 2021-05-19 株式会社日立ハイテク プラズマ処理装置及び半導体装置製造システム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003339238A (ja) * 2002-05-28 2003-12-02 Satake Corp 作物の生育診断方法及びその装置
JP2005025503A (ja) * 2003-07-02 2005-01-27 Sharp Corp フィルタの設計方法、フィルタ、欠陥検査方法および欠陥検査装置
JP2006250827A (ja) * 2005-03-11 2006-09-21 Pasuko:Kk 作物の生育状況分析方法
JP2006314215A (ja) * 2005-05-10 2006-11-24 National Agriculture & Food Research Organization 移動体搭載用の生育度測定装置
CN103528965A (zh) * 2013-08-28 2014-01-22 南京农业大学 一种小麦叶片等效水厚度高光谱监测方法
US20170339340A1 (en) * 2016-05-20 2017-11-23 International Business Machines Corporation Device, system and method for cognitive image capture
CN107578412A (zh) * 2017-09-28 2018-01-12 微梦创科网络科技（中国）有限公司 图像质量综合评价方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GENEVIEVE RONDEAUX: "Optimization of Soil-Adjusted Vegetation Indices", REMOTE SENSING OF ENVIRONMENT, vol. VOLUME 55, NUMBER 2, JPN6022037352, 2 February 1996 (1996-02-02), pages 95 - 107, ISSN: 0004866631 *
YVES M. GOVAERTS: "Desinging optimal spectral indices:a feasibility and proof of concept study", INTERNATIONAL JOURNAL OF REMOTE SENSING, vol. Volume 20 Number 9, JPN6022037350, 15 June 1999 (1999-06-15), pages 1853 - 1873, ISSN: 0004866632 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210122523A (ko) * 2020-04-01 2021-10-12 전북대학교산학협력단 영상 분석을 위한 인덱스 발굴 장치 및 방법
KR102333149B1 (ko) * 2020-04-01 2021-11-30 전북대학교산학협력단 영상 분석을 위한 인덱스 발굴 장치 및 방법
WO2021241223A1 (ja) * 2020-05-26 2021-12-02 ソニーグループ株式会社 画像処理装置および方法

Also Published As

Publication number Publication date
WO2020013024A1 (en) 2020-01-16
US11631242B2 (en) 2023-04-18
CN112368706B (zh) 2024-08-13
EP3821368A1 (en) 2021-05-19
JP7155681B2 (ja) 2022-10-19
CN112368706A (zh) 2021-02-12
US20210295042A1 (en) 2021-09-23

Similar Documents

Publication Publication Date Title
CN112368706B (zh) 信息处理装置、信息处理方法和程序
Shi et al. Rice nitrogen nutrition estimation with RGB images and machine learning methods
CN106954385B (zh) 植物信息取得系统、植物信息取得装置和植物信息取得方法
JP6872137B2 (ja) 信号処理装置および信号処理方法、並びにプログラム
RU2018143340A (ru) Распознавание сорняка в естественной среде
US20210365683A1 (en) Image processing based advisory system and a method thereof
Concepcion et al. Estimation of photosynthetic growth signature at the canopy scale using new genetic algorithm-modified visible band triangular greenness index
Sakamoto et al. Application of day and night digital photographs for estimating maize biophysical characteristics
JP2020024103A (ja) 情報処理装置、情報処理方法、及び、プログラム
CN113223040B (zh) 基于遥感的香蕉估产方法、装置、电子设备和存储介质
US20220307971A1 (en) Systems and methods for phenotyping
KR101844678B1 (ko) 식물 군락의 구조와 기능을 실시간으로 모니터링 하기 위한 시스템
Kefauver et al. RGB picture vegetation indexes for high-throughput phenotyping platforms (HTPPs)
JP2017125705A (ja) 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法
Sunoj et al. Digital image analysis estimates of biomass, carbon, and nitrogen uptake of winter cereal cover crops
CN111767943A (zh) 地膜识别方法、装置、电子设备及存储介质
Li et al. Estimation of nitrogen content in wheat using indices derived from RGB and thermal infrared imaging
Sangha et al. Impact of camera focal length and sUAS flying altitude on spatial crop canopy temperature evaluation
CN110476412B (zh) 信息处理装置、信息处理方法和存储介质
Yıldız et al. Estimation of canopy area of fruit trees using light unmanned aerial vehicle (UAV) and image processing methods
US20240080576A1 (en) Method of deriving color response characteristics of image acquisition device and image acquisition device therefor
JP7189585B1 (ja) 情報処理システムおよび分光計測器
WO2022091697A1 (ja) 情報処理装置、情報処理方法、プログラム
Tian et al. A novel approach to mapping corn chlorophyll content using a spectral-based airborne sensor
JP2023053829A (ja) 農作物管理支援装置及びＩｏＴ非接触センサ

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210526

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220628

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220809

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: 20220906

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220919

R151 Written notification of patent or utility model registration

Ref document number: 7155681

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151