JP2020046782A - 植物栽培の管理システム及び管理方法 - Google Patents

植物栽培の管理システム及び管理方法 Download PDF

Info

Publication number
JP2020046782A
JP2020046782A JP2018173051A JP2018173051A JP2020046782A JP 2020046782 A JP2020046782 A JP 2020046782A JP 2018173051 A JP2018173051 A JP 2018173051A JP 2018173051 A JP2018173051 A JP 2018173051A JP 2020046782 A JP2020046782 A JP 2020046782A
Authority
JP
Japan
Prior art keywords
cultivation
plant
disease
pathogenic particles
amount
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
JP2018173051A
Other languages
English (en)
Inventor
亘 千住
Wataru Senju
亘 千住
税 増田
Osamu Masuda
税 増田
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.)
Hokkaido University NUC
Fuji Electric Co Ltd
Original Assignee
Hokkaido University NUC
Fuji Electric 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 Hokkaido University NUC, Fuji Electric Co Ltd filed Critical Hokkaido University NUC
Priority to JP2018173051A priority Critical patent/JP2020046782A/ja
Publication of JP2020046782A publication Critical patent/JP2020046782A/ja
Pending legal-status Critical Current

Links

Images

Landscapes

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

Abstract

【課題】病害が発生するまでの時間を、病害が発生する前により正確に予測して、効率的に栽培を行うことが望まれていた。【解決手段】管理システムは、植物の栽培空間中の病原粒子の量の測定結果を取得する測定結果取得部と、病原粒子の量に基づいて、前記病原粒子により前記植物に引き起こされる病害の発生度が予め定められた基準値に到達するまでの時間を算出する算出部と、算出部により算出された時間に基づいて前記植物の栽培を管理する管理部とを備える。【選択図】図1

Description

本発明は、植物栽培の管理システム及び管理方法に関する。
ネギ栽培圃場の気温とネギ葉面の濡れとに基づき、予測モデルを用いて、降水量と風速データを参考に、発病の急増日を予測する方法が知られている(例えば、特許文献1参照)。また、閉鎖された生産施設内に正負イオンを放出して空気中の浮遊微生物を不活化する方法が知られている。
特許文献1 特開2008−125496号公報
特許文献2 特開2004−65614号公報
植物栽培においては、病害が発生してはじめて、植物が病原体に感染したことを確認できる場合が多い。また、植物が病原体に感染しているか否かを判定するためには、植物の全株検査が必要となる場合がある。従来、病害が発生するまでの時間を、病害が発生する前により正確に予測して、効率的に栽培を行うことが望まれていた。
第1の態様において、管理システムが提供される。管理システムは、植物の栽培空間中の病原粒子の量の測定結果を取得する測定結果取得部を備えてよい。管理システムは、病原粒子の量に基づいて、病原粒子により植物に引き起こされる病害の発生度が予め定められた基準値に到達するまでの時間を算出する算出部を備えてよい。管理システムは、算出部により算出された時間に基づいて植物の栽培を管理する管理部を備えてよい。
管理システムは、1つ以上の基準値について、病原粒子の量と、発生度が基準値に到達するまでの時間との関係性を示す関係性情報を記憶する記憶部を備えてよい。病原粒子の量は、栽培空間から採取された栽培空間中の気体に含まれる病原粒子の数を測定することによって特定されてよい。算出部は、病原粒子の量、及び、記憶部に記憶されている関係性情報に基づいて、気体が採取されたタイミングから発生度が基準値に到達するまでの時間を算出してよい。
管理部は、植物への薬剤散布、栽培空間の温度の制御、栽培空間の湿度の制御、栽培空間の風向の制御、及び植物の栽培計画の生成のうちの少なくとも一つを行ってよい。
病原粒子は、植物に病害を引き起こす病原体の胞子であってよい。測定結果取得部は、植物を栽培する栽培施設内の空気中に含まれる単位体積あたりの胞子の数の測定結果を取得してよい。
第2の態様において、栽培管理方法が提供される。栽培管理方法は、植物の栽培環境中の病原粒子の量の測定結果を取得する段階を備えてよい。栽培管理方法は、病原粒子の量に基づいて、病原粒子により植物に引き起こされる病害の発生度が予め定められた基準値に到達するまでの時間を算出する段階を備えてよい。栽培管理方法は、算出された時間に基づいて植物の栽培を管理する段階を備えてよい。
なお、上記の発明の概要は、本発明の特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。
一実施形態に係る栽培システム10の全体構成を概略的に示す。 管理システム100の機能ブロックを模式的に示す。 病害発生度と胞子数との間の関係性を概略的に示す。
以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
図1は、一実施形態に係る栽培システム10の全体構成を概略的に示す。栽培システム10は、植物180を栽培するためのシステムである。栽培システム10は、栽培施設140、環境制御機器120、測定装置160、栽培管理端末110、及び管理システム100を備える。
測定装置160及び環境制御機器120は、栽培施設140内に設けられてよいし、栽培施設140外に設けられてよい。栽培管理端末110は、栽培管理用の端末である。栽培管理端末110は、作物の生産に従事する者や栽培施設140の管理者が使用する端末であってよい。管理システム100は、測定装置160、環境制御機器120、及び栽培管理端末110と、ネットワークを通じて通信する。
栽培施設140は、例えば、ビニールハウス等の温室、植物工場等の農業施設である。栽培施設140は、完全に又は概ね閉鎖された栽培空間142を有する。植物180は、栽培空間142内で栽培される。植物180は、野菜を含む園芸作物、食用作物、試料作物、緑肥作物、及び工芸作物等の栽培植物である。なお、植物180としては、シバクサ、トマト、アズキ、タバコ、イチゴ等を例示することができる。
環境制御機器120は、栽培空間142の環境を制御する。環境制御機器120は、照光装置122、空調装置124、散布装置126、及び給水装置128を備える。照光装置122は、植物180の生育を促進するための光を発する。空調装置124は、栽培空間142内の温度、湿度、風向、風量を制御する。散布装置126は、植物180に肥料や薬剤を散布する。給水装置128は、植物180を生育させるための水を提供する。
測定装置160は、栽培施設140内の温度、湿度、照度、気体組成、及び、病原菌の胞子量を測定する。測定装置160は、栽培空間142内の温度を測定する温度センサ162、栽培空間142内の湿度を測定する湿度センサ164、栽培空間142内の照度を測定する照度センサ166、栽培空間142内の気体組成を測定する組成センサ168、及び、病原体の胞子量を測定する胞子量測定部170を備える。
胞子量測定部170は、栽培施設140内の空気を試料として採集する採集器172と、採集器172により採集された試料に含まれる病原菌の胞子量を測定する検査装置174とを備える。検査装置174は、特定の病原菌の胞子量を測定する。例えば、検査装置174は、PCR法を用いて、特定の病原菌の胞子の遺伝子量を定量することにより、単位体積の空気に含まれる病原菌の胞子数を測定する。本実施形態において、特に断らない限り、単位体積の空気に含まれる病原菌の胞子数のことを単に「胞子数」と呼ぶ。
なお、病原菌の胞子は、病原粒子の一例である。病原菌は、植物180の病気を引き起こす原因となる病原体の一例である。病原体が病原である場合において、病原粒子とは、胞子以外の繁殖体を含む概念である。また、病原粒子とは、病原体の繁殖体に限らず、病原体そのものであってよい。例えば、病原粒子とは、ウイルスであってよい。なお、病原菌としては、例えば、うどんこ病等を引き起こす糸状菌等を例示することができる。
管理システム100は、測定装置160による測定結果を取得する。具体的には、管理システム100は、測定装置160による温度、湿度、照度、気体組成、及び胞子数の測定結果を取得する。温度、湿度、照度、気体組成、及び胞子数は、栽培空間142の環境情報の一例である。
管理システム100は、測定装置160による測定結果に基づいて、植物180に病害が発生するまでの時間を算出する。管理システム100は、病害が発生するまでの時間に基づいて、環境制御機器120を制御する。例えば、管理システム100は、植物180に病害が発生するまでの時間が予め定められた日数より短い場合に、散布装置126から薬剤を散布させる。また、管理システム100は、病害が発生するまでの時間に基づいて、温度及び湿度、及び風向の少なくとも一つを制御する。例えば、管理システム100は、栽培空間142の温度や湿度が、病原菌の増殖が抑制される温度や湿度になるように、空調装置124を制御する。
また、管理システム100は、病害が発生するまでの時間に応じて警告情報を栽培管理端末110に送信してよい。また、管理システム100は、病害が発生するまでの時間に基づいて栽培計画を生成して、生成した栽培計画を示す情報を栽培管理端末110に送信してよい。栽培計画としては、薬剤の散布時期等を示す防疫計画、植物180の生育計画、植物180の収穫時期等を示す収穫計画等を例示することができる。
栽培システム10によれば、空気中の胞子数に基づいて病害が発生するまでの時間をより正確に予測することができる。そのため、病害が発生する前に、より正確な警告情報を提供したり、病害が発生する可能性があるより正確な時期を、生産者等に提供したりすることができる。また、病害が発生するまでの時間に基づいて栽培空間142の環境を制御することで、病害の発生を遅らせたり、植物180の生育を促進して植物180の収穫を早めたりすることができる。そのため、植物180を効率的に栽培することができる。
図2は、管理システム100の機能ブロックを模式的に示す。管理システム100は、測定結果取得部102、算出部104、及び管理部106を備える。管理システム100は、例えばコンピュータにより実現される。
測定結果取得部102は、測定装置160による測定結果を取得する。具体的には、測定結果取得部102は、植物180の栽培空間142中の病原菌の胞子数の測定結果を取得する。より具体的には、測定結果取得部102は、胞子量測定部170による測定結果を取得する。
例えば、胞子量測定部170において、検査装置174は、採集器172により栽培空間142から採取された栽培空間142中の気体に含まれる病原菌の胞子の数を測定する。具体的には、検査装置174は、植物180を栽培する栽培施設140内の空気中に含まれる単位体積あたりの胞子の数を測定する。管理システム100において、測定結果取得部102は、検査装置174による測定結果を検査装置174から受信することにより、病原菌の胞子数の測定結果を取得する。
算出部104は、測定結果取得部102が取得した病原菌の胞子数に基づいて、病原菌の胞子により植物180に引き起こされる病害の発生度が予め定められた基準値に到達するまでの時間を算出する。
例えば、記憶部108は、病害の発生度に関する1つ以上の基準値について、病原菌の胞子数と、病害の発生度が当該基準値に到達するまでの時間との関係性を示す関係性情報を記憶する。関係性情報については、図3に関連して説明する。算出部104は、病原菌の胞子数、及び、記憶部108に記憶されている関係性情報に基づいて、採集器172により気体が採取されたタイミングから病害の発生度が基準値に到達するまでの時間を予測する。
管理部106は、算出部104により算出された時間に基づいて、植物180の栽培を管理する。例えば、管理部106は、病害が発生するまでの時間を示す報知情報を、栽培管理端末110に送信してよい。管理部106は、病害が発生するまでの時間が予め定められた時間より短い場合に、警告情報を栽培管理端末110に送信してよい。
また、管理部106は、病害が発生するまでの時間及び病原菌の胞子数に基づいて、植物180の栽培計画を生成して、栽培計画を示す情報を栽培管理端末110に送信してよい。栽培計画としては、病原菌の防染計画、植物180の生育計画、及び植物180の収穫計画等を含んでよい。
例えば、管理部106は、防染計画として、薬剤の散布計画を生成してよい。一例として、管理部106は、病害が発生するまでの時間及び病原菌の胞子数に基づいて、散布する薬剤の種類、及び、それぞれの薬剤を散布する時期を決定してよい。例えば、管理部106は、病害が発生するまでの時間が第1の日数以上の場合に、細胞の成長を促進する成分を主成分とする散布剤を散布する計画を生成してよい。細胞の成長を促進する成分としては、ビタミンC等を例示することができる。一方、管理部106は、病害が発生するまでの時間が第1の日数より短い場合に、病原菌の殺菌作用を有する薬剤を散布する計画を生成してよい。これにより、植物180への薬剤の散布量を抑制することができる。
また、管理部106は、病害が発生するまでの時間に基づいて、収穫タイミングを病害の発生前のタイミングに設定した収穫計画を生成してよい。また、管理部106は、生育計画として、植物180の生育条件を定めた計画を生成してよい。生育条件としては、温度、湿度、照光量、及び肥料の種類を含んでよい。管理部106は、病害の発生前に植物180を収穫できるような生育条件を決定してよい。また、管理部106は、栽培空間142の温度が生育条件で定まる温度になるように、空調装置124を制御する制御信号を空調装置124に送信してよい。同様に、管理部106は、栽培空間142の湿度及び照光量が生育条件で定まる湿度及び照光量になるように、空調装置124及び散布装置126を制御する制御信号を空調装置124及び散布装置126に送信してよい。また、管理部106は、生育条件で定まる種類の肥料を散布装置126に散布させるための制御信号を、散布装置126に送信してよい。
また、管理部106は、病害が発生するまでの時間が予め定められた第2の日数より短い場合に、栽培空間142内の風向を制御してよい。例えば、栽培空間142内の空気の流れが、地面やフィルタに当たってから植物180に向かうように、空調装置124を制御してよい。
なお、管理部106は、病害が発生するまでの時間が予め定められた第3の日数より短い場合に、植物180の収量より生育速度の速さを優先する生育条件を決定してよい。なお、上述した第1の日数、第2の日数、及び第3の日数は、植物180の種類や病原菌の種類等に応じて適宜定められてよい。
このように、管理部106は、植物180への薬剤散布、栽培空間142の温度制御、栽培空間142の湿度制御、栽培空間142の風向制御、及び植物180の栽培計画の生成のうちの少なくとも一つを行う。栽培システム10によれば、栽培施設140で栽培される植物180の品質や衛生度を高めることができる。また、空気中の病原菌の胞子数に基づいて栽培管理を行うことができるので、病原菌への感染を検査するための全株検査を行う必要がない。したがって、植物180の栽培効率を高めることができる。
図3は、病害発生度と胞子数との間の関係性を概略的に示す。図3の横軸は、病害発生度が基準値に到達するまでの時間を示す。図3の縦軸は、栽培空間から採取された空気中に含まれる胞子数を示す。
図3に示す3種類の丸印は、実験に基づくデータ点を示す。当該実験において、病害発生度は、病害が発生した葉の割合を示す。具体的には、圃場における栽培領域を上方から撮影して得られた画像を複数の要素にメッシュ分割し、病害が発生した葉を含むメッシュ要素の数をメッシュ要素の全数で除すことによって、病害発生度を算出した。
図3のデータ点で示されるように、病害発生度が基準値(例えば、10%、50%、100%等)に到達するまでの時間と、病原菌の胞子数との間には、相関関係がある。従来は、空気中の胞子数と発症までの時間との相関は知られていなかったため、空気中の胞子数に基づいて栽培管理を行うことができなかった。
図3において、線310は、病害発生度10%のデータ点に当てはまる直線である。同様に、線320及び線330は、それぞれ病害発生度50%及び100%のデータ点に当てはまる直線である。すなわち、線310は、栽培空間から採取した空気中に含まれる胞子数と、当該試料を採取したタイミングから病害発生度が10%に到達するまでの時間との間の関係性を示す。線320は、栽培空間から採取した空気中に含まれる胞子数と、当該試料を採取したタイミングから病害発生度が50%に到達するまでの時間との間の関係性を示す。線330は、栽培空間から採取した空気中に含まれる胞子数と、当該試料を採取したタイミングから病害発生度が100%に到達するまでの時間との間の関係性を示す。
病害発生度10%、50%及び100%のデータ点を基に病害発生度10%未満の任意の基準値まで外挿することで、空気試料の採取タイミングから病害発生度10%未満の任意の基準値に到達するまでの時間を示す所要時間を推定できる。本実施形態においては、空気試料の採取タイミングから病害が発生するまでの時間を推定することが望ましい。すなわち、空気試料の採取タイミングから病害発生度0%を超えるまでの所要時間を推定することが望ましい。そこで、本実施形態では、図3に示すデータ点を基に病害発生度0%に外挿することで得られる所要時間を、「空気試料の採取タイミングから病害が発生するまでの時間」とする。図3において四角形で示される点は、病害発生度0%に外挿することで得られる所要時間の推定値を示す推定点である。線300は、当該推定点に当てはまる直線である。よって、線300は、栽培空間から採取した空気中に含まれる胞子数と、試料を採取したタイミングから病害が発生するまでの時間との間の関係性を示す。記憶部108は、線300を表す情報を、関係性情報として記憶する。
管理システム100において、算出部104は、胞子量測定部170から受信した測定結果に含まれる病原菌の胞子数から、線300を参照して、空気試料の採取日から病害が発生するまでの日数を算出する。一例として、病原菌の胞子数が150個/10Lであった場合、図3の線300を参照すると、空気試料の採取日から約15.5日で病害が発生すると推定される。この場合、管理部106は、病害発生までの推定日数15.5日に基づいて、病害が発生しない期間を予測する。例えば、管理部106は、病害発生までの推定日数と予め定められた予備日数とに基づいて、空気試料の採取日から10日後までの期間を、病害が発生しない期間として特定する。この場合、管理部106は、空気試料の採取日から10日以内に植物180の収穫をするよう栽培管理端末110に指示するとともに、空気試料の採取日から10日以内に植物180を収穫できるような栽培計画を生成して栽培管理端末110に送信する。これにより、将来的に病害が発生する可能性が有り得る場合でも、植物180の品質や衛生度を保って栽培し、収穫することができる。また、収量低下を抑制することができる。
なお、図3の線300は、病原菌の胞子数と、病害の発生度がそれぞれの基準値に到達するまでの時間との関係性を示す関係性情報の一例である。関連性情報としては、病原菌の胞子数から、任意の時間の後における病害の発生度や、病害が発生するまでの時間を算出できる情報であれば、どのような形式のデータであってもよい。例えば、線310、線320、及び線320を示す情報を関係性情報として記憶してよい。また、関連性情報は、植物180の種類と病原菌の種類との組み合わせ毎に設定されてよい。算出部104は、栽培施設140で栽培される植物の種類と栽培管理において対象となる病原菌の種類との組み合わせに対応する関連性情報を参照して、病害の発生度が基準値に到達するまでの時間を算出してよい。
以上に説明したように、栽培システム10によれば、病害が発生するまでの時間を、病害が発生する前により正確に予測して、効率的に栽培管理を行うことができる。これにより、栽培される植物の品質や衛生度を高めることができる。また、病原菌への感染を検査するための全株検査を行う必要がない。そのため、植物の栽培効率を高めることができる。
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。
特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。
10 栽培システム、100 管理システム、102 測定結果取得部、104 算出部、106 管理部、108 記憶部、110 栽培管理端末、120 環境制御機器、122 照光装置、124 空調装置、126 散布装置、128 給水装置、140 栽培施設、142 栽培空間、160 測定装置、162 温度センサ、164 湿度センサ、166 照度センサ、168 組成センサ、170 胞子量測定部、172 採集器、174 検査装置、180 植物、300 線、310 線、320 線、330 線

Claims (5)

  1. 植物の栽培空間中の病原粒子の量の測定結果を取得する測定結果取得部と、
    前記病原粒子の量に基づいて、前記病原粒子により前記植物に引き起こされる病害の発生度が予め定められた基準値に到達するまでの時間を算出する算出部と、
    前記算出部により算出された時間に基づいて前記植物の栽培を管理する管理部と
    を備える管理システム。
  2. 1つ以上の前記基準値について、前記病原粒子の量と、前記発生度が前記基準値に到達するまでの時間との関係性を示す関係性情報を記憶する記憶部
    をさらに備え、
    前記病原粒子の量は、前記栽培空間から採取された前記栽培空間中の気体に含まれる病原粒子の数を測定することによって特定され、
    前記算出部は、前記病原粒子の量、及び、前記記憶部に記憶されている関係性情報に基づいて、前記気体が採取されたタイミングから前記発生度が前記基準値に到達するまでの時間を算出する
    請求項1に記載の管理システム。
  3. 前記管理部は、前記植物への薬剤散布、前記栽培空間の温度の制御、前記栽培空間の湿度の制御、前記栽培空間の風向の制御、及び前記植物の栽培計画の生成のうちの少なくとも一つを行う
    請求項1又は2に記載の管理システム。
  4. 前記病原粒子は、前記植物に病害を引き起こす病原体の胞子であり、
    前記測定結果取得部は、前記植物を栽培する栽培施設内の空気中に含まれる単位体積あたりの前記胞子の数の測定結果を取得する
    請求項1から3のいずれか一項に記載の管理システム。
  5. 植物の栽培環境中の病原粒子の量の測定結果を取得する段階と、
    前記病原粒子の量に基づいて、前記病原粒子により前記植物に引き起こされる病害の発生度が予め定められた基準値に到達するまでの時間を算出する段階と、
    前記算出された時間に基づいて前記植物の栽培を管理する段階と
    を備える栽培管理方法。
JP2018173051A 2018-09-14 2018-09-14 植物栽培の管理システム及び管理方法 Pending JP2020046782A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018173051A JP2020046782A (ja) 2018-09-14 2018-09-14 植物栽培の管理システム及び管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018173051A JP2020046782A (ja) 2018-09-14 2018-09-14 植物栽培の管理システム及び管理方法

Publications (1)

Publication Number Publication Date
JP2020046782A true JP2020046782A (ja) 2020-03-26

Family

ID=69901527

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018173051A Pending JP2020046782A (ja) 2018-09-14 2018-09-14 植物栽培の管理システム及び管理方法

Country Status (1)

Country Link
JP (1) JP2020046782A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023119869A1 (ja) * 2021-12-24 2023-06-29 東洋製罐グループホールディングス株式会社 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002020211A (ja) * 2000-06-30 2002-01-23 Shinko Plant Kensetsu Kk 植物の病害防除方法及び装置
JP2010284431A (ja) * 2009-06-15 2010-12-24 Moresco Corp 空気用除菌フィルターユニット

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002020211A (ja) * 2000-06-30 2002-01-23 Shinko Plant Kensetsu Kk 植物の病害防除方法及び装置
JP2010284431A (ja) * 2009-06-15 2010-12-24 Moresco Corp 空気用除菌フィルターユニット

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023119869A1 (ja) * 2021-12-24 2023-06-29 東洋製罐グループホールディングス株式会社 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法

Similar Documents

Publication Publication Date Title
Xiao et al. Observed changes in winter wheat phenology in the North China Plain for 1981–2009
EP3550498A1 (en) Information processing device and information processing system
Masin et al. Temperature and water potential as parameters for modeling weed emergence in central-northern Italy
US20200302338A1 (en) Apparatus and Method for Assessing a Characteristic of a Plant
CN106718363B (zh) 一种面向精细农业的灌溉试验方法及其试验平台
Zhao et al. A data-driven model simulating primary infection probabilities of cucumber downy mildew for use in early warning systems in solar greenhouses
CN105191682B (zh) 一种花生网斑病抗病性鉴定方法
JP6532722B2 (ja) 予測装置および予測方法
Masin et al. Evaluation of weed emergence model AlertInf for maize in soybean
Kim et al. Development of a disease risk prediction model for downy mildew (Peronospora sparsa) in boysenberry
JP2020046782A (ja) 植物栽培の管理システム及び管理方法
KR20200025326A (ko) 시설재배 작물의 잿빛곰팡이병 초기 발생 및 방제 후 재발생을 지속적으로 예측하는 시스템 및 방법
CN114206109B (zh) 信息处理装置及方法
Stein et al. Fusarium head blight severity and deoxynivalenol concentration in wheat in response to Gibberella zeae inoculum concentration
Sahadev et al. Plane region step farming, animal and pest attack control using internet of things
Aliparo et al. IoT-based assessment and monitoring of NPK content and fertility condition of soil
US20240049619A1 (en) Method for determining field-or zone-specific seeding rate, depth, and time for planting a crop in an agricultural field based on multiple data inputs such as crop, field, yield, weather, and/or soil data
Galina et al. An An implementation of smart agriculture for optimizing growth using sonic bloom and IoT integrated
WO2021039465A1 (ja) 病害予測システム、病害予測方法及びプログラム
Aharari et al. Development of IoT-based smart agriculture monitoring system for red radish plants production
Srinivas et al. Crop health management using internet of things
JP2021153402A (ja) 授粉システム、及び授粉方法
JP7405177B2 (ja) 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法
EP3968113B1 (en) Apparatus and method for assessing a characteristic of a plant
WO2023119869A1 (ja) 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210422

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220309

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220510

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20221108