JP2020156431A - 農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム - Google Patents
農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム Download PDFInfo
- Publication number
- JP2020156431A JP2020156431A JP2019061873A JP2019061873A JP2020156431A JP 2020156431 A JP2020156431 A JP 2020156431A JP 2019061873 A JP2019061873 A JP 2019061873A JP 2019061873 A JP2019061873 A JP 2019061873A JP 2020156431 A JP2020156431 A JP 2020156431A
- Authority
- JP
- Japan
- Prior art keywords
- growth
- work
- dialogue
- crop
- information
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】農作物の生育評価の精度向上、農家への作業提案の的確化を図るとともに、地域全体の農業技術のレベルアップを図ること。【解決手段】生育評価・作業提案システム10は、農園において、自動対話部42および対話端末30を用いた農作業者との対話データの自動収集、および、計測部20による農作物のカラー画像の自動計測および葉面積算出部41による葉面積の積算値の自動算出を行う。収集したデータから、光合成の指標である葉面積の積算値21、および、生育状態に影響を与える環境情報22および作業情報23を求め、これらを第1入力情報2として、農作物の生育状態を推論する。また、生育状態を推論する推論部1に対する入出力関係を組み換えて、推論部1に対して、期待する生育度5を入力することにより、期待する生育状態を得るための適切な作業提案を出力させる。【選択図】図1
Description
本発明は、果樹などの農作物の生育評価・作業提案を行う方法およびシステム、ならびに、地域全体で農業を発展させるための地域農業活性システムに関する。
果樹などの農作物の栽培を行う場合、農作物の生育状態を適切に把握し、適切なタイミングで適切な作業を実施することが重要である。本願出願人は、特許文献1において、果樹などの農作物の生育状態を評価し、評価結果に基づき、有用な情報を提供する栽培支援方法および栽培支援システムを提案している。
特許文献1の栽培支援方法および栽培支援システムは、農作物を撮影した画像データの解析結果から農作物の生育状況を示す生育曲線をシステム内部に保有しており、その生育曲線と実際の生育状況とを比較することにより、農作物の生育評価、収穫時期予測、収穫サイズ予測、作業提案などを行うものである。この生育曲線は、農作物の収穫対象部分のサイズを目的変数とし、農作物を撮影した画像の葉領域の面積の積算値を説明変数として決定していた。
特許文献1において提案した栽培支援方法および栽培支援システムにより、農作物の生育評価はおおむね可能になっている。しかし、評価基準にしている生育曲線は、農作物の生育に影響を与える農作業や環境要因を考慮せずに作成されていた。具体的には、特許文献1では、熟練農家(以下、篤農家という)が、毎年の環境に応じて、適切な作業を行うことを前提として、普遍的な生育曲線を得ていた。したがって、農家が不適切な作業を行ったり、極端な環境要因が生じることを想定していなかった。実際には、作業と環境要因は農作物の生育度に影響を与えるため、篤農家以外が生育を行う場合には、高精度の生育評価および的確な作業提案ができないという課題があった。
篤農家は、長年培った農業ノウハウや暗黙知により、適時、適切に農作業を行っている。しかし、近年、わが国の農業は高齢化が進んでおり、篤農家のノウハウや暗黙知を後継者に伝えられないまま衰退しつつある。新規参入の農家を篤農家のレベルに育成することは簡単ではない。また、近年の異常気象には、篤農家といえども、適時、適切な判断で農作業を行うことが難しくなっている。このような背景において、農業発展のために、ICT技術を利用することにより、一般農家が篤農家と同等の農作物育成を行えるように支援するシステムが望まれている。また、篤農家の農業ノウハウや暗黙知を自動的に抽出し、地域で共有することにより、地域農業全体を活性化するシステムが望まれている。
農作業や環境要因を考慮して評価精度の向上および作業提案の的確化を行うためには、作業、環境要因、生育度などの各種データを、関連づけて収集する必要がある。しかし、これらデータを収集するためには、一般に、手間と労力が必要であった。このようなデータを自動収集するシステムの例として、特許文献2には、健康関連情報を提供するシステ
ムにおいて、ユーザの生物学的情報、身体情報などを自動収集することが開示されている。しかしながら、特許文献2の方法は、農作物の生育評価、作業提案を目的とするものではなく、本出願とは全く異なっている。したがって、作業、環境要因、生育度などの各種データを、簡便に、関連づけて収集するという課題があった。
ムにおいて、ユーザの生物学的情報、身体情報などを自動収集することが開示されている。しかしながら、特許文献2の方法は、農作物の生育評価、作業提案を目的とするものではなく、本出願とは全く異なっている。したがって、作業、環境要因、生育度などの各種データを、簡便に、関連づけて収集するという課題があった。
本発明の課題は、一般農家が農作物生育を行う場合に高精度の生育評価および的確な作業提案を可能にすることにある。
また、本発明の他の課題は、生育評価および作業提案を行うために必要なデータを簡便に収集することにある。
また、本発明の他の課題は、一般農家が篤農家と同等の農作物育成を行えるように個別に支援するだけでなく、複数の農家の農業ノウハウを共有化することにより、地域全体の農業技術のレベルアップを図ることにある。
上記の課題を解決するために、本発明の農作物の生育評価・作業提案方法は、複数の指標を含む第1入力情報を入力して農作物の生育状態を示す生育度を出力する推論部、もしくは、実施すべき作業に影響する複数の指標を第2入力情報として前記農作物に対する推奨作業を出力する推論部を決定し、前記推論部を用いて、前記農作物の生育評価、および、前記推奨作業の提案の少なくとも1つを行うことを特徴とする。
本発明によれば、複数の指標を入力情報(第1入力情報)として、農作物の生育度を出力する推論部を用いて生育評価を行うので、生育状態の評価精度を向上させることができる。従って、農作物の生育状態を適切に把握できる。あるいは、実施すべき作業に影響する複数の指標(第2入力情報)を入力することにより、農作物に対する推奨作業を出力することができる。従って、期待する生育状態を得るための適切な作業提案を行うことができる。
本発明において、前記第1入力情報は、農園で栽培される前記農作物を撮影したカラー画像の葉領域の面積である葉面積の積算値と、前記農作物の生育環境に関する環境情報と、前記農作物に対して行われた作業情報のうちの複数を含み、前記農作物の生育状態の実測値および前記農作物の生育状態の理論値から算出した前記生育度と、前記第1入力情報を用いて、前記推論部を決定し、決定後の前記推論部を用いて、前記生育評価を行う。
農作物の葉面積の積算値は、農作物の生育に寄与する指標である。また、環境情報および作業情報も、農作物の生育に寄与する指標である。従って、これらを入力情報(第1入力情報)に含めて、農作物の生育状態を推論することにより、生育状態の評価精度を向上させることができる。これにより、農作物の生育状態を適切に把握できる。推論部は、第1入力情報と、農作物の生育状態の実測値および理論値から算出された生育度を用いて決定することが可能である。例えば、AIを用いれば、必要なデータを用意することにより、自動で、生育状態を推論する推論部を決定することが可能である。
また、本発明において、前記第2入力情報は、農園で栽培される前記農作物を撮影したカラー画像の葉領域の面積である葉面積の積算値と、前記農作物の生育環境に関する環境情報と、前記農作物に対する期待する生育度のうちの複数を含み、前記期待する生育度を得るための前記推奨作業と、前記第2入力情報を用いて、前記推論部を決定し、決定後の前記推論部を用いて、前記期待する生育度を得るための前記推奨作業の提案を行う。
上記のように、環境情報および作業情報は、農作物の生育に寄与する指標である。従っ
て、これらを入力情報(第2入力情報)に含めるとともに、期待する生育度を入力情報(第2入力情報)に含めることにより、推奨作業を出力情報として得ることができる。これにより、期待する生育度を得るための適切な作業提案を行うことができる。
て、これらを入力情報(第2入力情報)に含めるとともに、期待する生育度を入力情報(第2入力情報)に含めることにより、推奨作業を出力情報として得ることができる。これにより、期待する生育度を得るための適切な作業提案を行うことができる。
本発明において、推論部に対する入出力関係を逆転させることも可能である。例えば、生育評価を行う推論部を決定した場合に、決定後の前記推論部に対して、前記第2入力情報を入力して、前記推奨作業を出力することが可能である。あるいは、推奨作業を提案する推論部を決定した場合に、決定後の前記推論部に対して、前記第1入力情報を入力して、前記生育度を出力することが可能である。
本発明において、前記環境情報は、気温、日照時間、降水量の少なくとも一部を含む。気温、日照時間、降水量は、いずれも、農作物の生育に寄与する。従って、これらの情報を入力することにより、生育状態の評価精度を向上させることができる。
本発明において、前記農作物が果樹である場合は、前記作業情報は、肥料、摘果、および葉摘みの少なくとも一部を含む。肥料、摘果、および葉摘みは、果実の生育に寄与する作業である。従って、これらの情報を入力することにより、生育状態の評価精度を向上させることができる。
本発明において、前記農園に設置したカメラによって、予め定めた撮影スケジュールで自動撮影した前記カラー画像を用いて、前記葉面積の積算値を算出することが好ましい。このようにすると、栽培期間全体にわたって、自動で必要なカラー画像を取得できる。従って、生育評価および作業提案に必要なデータを収集する手間および労力を削減できる。
本発明において、前記推論部に対する前記作業情報の入力、および、前記推論部に対する前記環境情報の入力の一方もしくは両方を、自動対話部と農作業者との対話データからのキーワード自動抽出により行うことが好ましい。このように、対話により自動で必要な情報を収集させることができれば、農作業者の負担が大幅に軽減される。従って、農作業者に手間や労力をかけさせることなく、生育状態の評価および作業提案を行うことができる。
本発明において、前記自動対話部は、前記農園において、前記農作業者と音声出力および音声入力による対話を行うことにより、前記対話データの収集および前記推奨作業の提案を行うことが好ましい。このように、現場において音声出力および音声入力による会話を行って対話データを収集する場合には、農作業者の負担がより軽減される。また、自動対話部は、推論部において行われた作業提案を対話の内容に反映させることができる。これにより、現場で作業提案を行うことができる。
本発明において、前記自動対話部は、前記農作業者が装着するウェアラブル型対話端末、または、農園に設置される固定型対話端末を介して、前記農作業者との対話を行うことが好ましい。このようにすると、農園で作業しながら、現場で、対話を行うことができる。これにより、対話と作業との間にタイムラグがなくなり、情報の収集漏れも少ない。また、農作業者にとって対話を行うための負担が少ない。
本発明において、前記生育度は、生育量の変化を示すグラフの傾きを理論値に対する比率で示した値である。例えば、前記農作物が果樹である場合は、前記生育度は、果実のサイズの単位期間当たりの変化量を理論値に対する比率で示した値である。このようにすると、理論値を基準として生育状態を評価できる。従って、客観性のある評価を行うことができる。
本発明において、前記生育度、および、前記生育度が得られた時点以前の前記第1入力情報を用いて、前記推論部を決定することができる。このように、実測値と理論値から算出される生育度を学習用データとして推論部を決定することにより、精度良く生育状態を評価することが可能になる。
本発明において、前記推論部は、前記第1入力情報を説明変数とし、前記生育度を目的変数とする重回帰式であり、前記生育度の実測値、および、前記生育度の実測値が得られた時点以前の前記第1入力情報を用いて、前記重回帰式の係数を決定することができる。重回帰式を用いた場合には、説明変数の数以上の学習用データがあれば、係数を決定することができる。従って、推論部の決定が容易である。
本発明において、前記推論部は、ディープラーニングにより、前記入力情報から前記生育度を推論する処理を学習したニューラルネットワークであり、前記ディープラーニングを行うための学習用データとして、前記生育度の実測値、および、前記生育度の実測値が得られた時点以前の前記入力情報を用いることができる。ディープラーニングを行う場合には、様々な入力情報の生育状態に対する寄与度を明確にする必要がないので、容易に、且つ、適切な推論部を決定できる。
本発明において、前記推奨作業の実施情報、および、前記推奨作業を実施した時点以前の前記第2入力情報を用いて、前記推論部を決定することができる。このように、実施した作業内容と、作業を実施した時点以前の第2入力情報を学習用データとして推論部を決定することにより、的確な推奨作業を提案することが可能になる。第2入力情報の予測値のうち、期待する生育度は任意に決めて問題なく、葉面積の積算値の予測値、及び、環境要因(環境情報)の予測値は、現在までのグラフを使って外挿補完をすれば容易に予測することができる。
本発明において、前記推論部は、前記第2入力情報を説明変数とし、前記推奨作業を目的変数とする重回帰式であり、前記推奨作業の実施情報、および、前記推奨作業を実施した時点以降の前記第2入力情報の予測値を用いて、前記重回帰式の係数を決定することができる。重回帰式を用いた場合には、説明変数の数以上の学習用データがあれば、係数を決定することができる。従って、推論部の決定が容易である。
本発明において、前記推論部は、ディープラーニングにより、前記第2入力情報から前記推奨作業を推論する処理を学習したニューラルネットワークであり、前記ディープラーニングを行うための学習用データとして、前記推奨作業の実施情報、および、前記推奨作業を実施した時点以前の前記第2入力情報を用いることができる。ディープラーニングを行う場合には、様々な入力情報の生育状態に対する寄与度を明確にする必要がないので、容易に、且つ、適切な推論部を決定できる。
本発明において、前記推論部は、前記農作物における収穫対象部分の生育状態を近似した生育曲線を決定し、前記生育曲線を用いて、前記農作物の生育評価、および、前記推奨作業の提案の少なくとも一方を行う。生育曲線は、農作物の収穫対象部分の生育状態を近似したものである。従って、生育曲線を用いることにより、栽培中の農作物に関して、収穫対象部分の生育状態を適切に把握できる。また、生育曲線の傾きを用いて、推奨作業を決定することができるので、推奨作業の提案を行うことができる。
本発明において、前記農作物が果樹である場合は、前記生育曲線は、前記葉面積の積算値を説明変数とし、果実のサイズを目的変数として決定される。葉面積の積算値を説明変数とし、果実のサイズを目的変数とした生育曲線は、光合成量と果実の生育状態との関係を示している。従って、生育曲線を用いることにより、果実の生育状態を精度良く評価す
ることができる
ることができる
本発明において、また、前記生育曲線は、ロジスティック曲線であり、前記推論部は、前記果実のサイズの実測値、および、前記果実のサイズの実測値が得られた時点以前の前記第1入力情報から、前記ロジスティック曲線の係数を決定する。このように、実測値を学習用データとして生育曲線を決定することにより、生育状態を精度良く近似できる。
この場合に、前記推論部は、前記第1入力情報を説明変数とし、前記ロジスティック曲線の係数を目的変数とする重回帰式であり、前記ロジスティック曲線の係数、および、前記係数を決定するために用いた第1入力情報の組を複数組収集し、前記複数組のデータを用いて、前記重回帰式の係数を決定することができる
あるいは、前記推論部は、ディープラーニングにより、前記ロジスティック曲線の係数を決定する処理を学習したニューラルネットワークであり、前記ディープラーニングを行うための学習用データとして、前記ロジスティック曲線の係数、および、前記係数を決定するために用いた第1入力情報の組を複数組用いることができる。
次に、本発明の農作物の生育評価・作業提案システムは、農園において、予め定めた撮影スケジュールで、前記農園で栽培される農作物のカラー画像を撮影する計測部と、対話端末と、前記計測部および前記対話端末と通信を行うサーバと、を備え、前記対話端末は、農作業者が装着するウェアラブル型対話端末、または、農園に設置される固定型対話端末であり、前記サーバは、前記カラー画像を用いて、前記カラー画像の葉領域の面積である葉面積の積算値を算出する葉面積算出部と、前記対話端末を介して、前記農園で作業する農作業者との対話データを収集し、前記対話データから、前記農作物の生育環境に関する環境情報、および、前記農作物に対して行われた作業情報を抽出する自動対話部と、前記葉面積の積算値、前記環境情報、および、前記作業情報のうちの複数を用いて、前記農作物の生育評価を行う生育評価モードの処理、ならびに、前記葉面積の積算値、前記環境情報、および、前記農作物に対する期待する生育度のうちの複数を用いて、前記期待する生育度を得るための推奨作業を決定する作業提案モードの処理のうちの少なくとも一方の処理を行う推論部と、を備え、前記自動対話部は、前記農作業者との対話内容に、前記生育評価、および、前記推奨作業の提案の少なくとも1つを含めることを特徴とする。
本発明によれば、農作物の生育状態の評価精度を向上させることができる。また、期待する生育状態を得るための適切な推奨作業の提案を行うことができる。よって、適切なタイミングで適切な作業を実施することができる。また、自動対話部による対話、および、カラー画像の自動計測を行うので、生育評価および推奨作業の提案に必要なデータを収集する手間および労力を削減できる。また、対話を通して生育評価および推奨作業の提案を行うことができるので、農家の負担が軽減される。
次に、本発明は、上記の農作物の生育評価・作業提案システムを含む地域農業活性システムであって、前記計測部および前記対話端末は、複数の農園のそれぞれに設置され、前記サーバは、前記複数の農園のそれぞれにおいて前記計測部によって収集した前記カラー画像、前記葉面積の積算値、前記複数の農園のそれぞれにおいて前記対話端末を介して収集した前記対話データから抽出した前記環境情報および前記作業情報、ならびに、前記推論部による前記生育評価および前記作業提案を農園別情報として管理する農園別情報管理部と、ネットワークを介して、前記農園別情報の少なくとも一部を予め登録したメンバーに閲覧させるモニタリング部と、前記メンバーからの投稿をチャット画面に時系列に表示すると共に、前記チャット画面への表示を介して前記メンバーと対話する農業コミュニティ対話部と、を備えることを特徴とする。
本発明によれば、地域の複数の農家が簡単に情報を共有できる。また、各農園の状態をネットワークを介して随時モニタリングできるので、必要なときに、必要な情報をわかりやすい形式で提供できる。また、推論部からの生育評価および作業提案に加えて、チャット画面を介して、他の農園の農家からのアドバイスを受けることができ、アドバイスを受けた場合には、他の農園の状態を確認することもできる。従って、篤農家の農業ノウハウや暗黙知を形式知化して、地域の農業コミュニティにおいて共有することができる。従って、地域の農業コミュニティ全体の農業技術のレベルアップを図ることができる。
本発明において、前記農業コミュニティ対話部は、前記複数の農園における前記農園別情報を比較して、比較結果に基づき、前記メンバーとの対話を行うことが好ましい。このようにすると、他の農園との比較によって各農家に新たな気付きを与えることができる。また、地域の農業コミュニティ全体の農業技術のレベルアップを図ることができる。
本発明において、前記複数の農園における前記農園別情報を用いて、前記推論部を決定することが好ましい。このようにすると、より多様な学習用データを用いて推論部を決定できるため、生育評価の精度向上および作業提案の的確化を図ることができる。
(本発明の背景・概要)
本発明では、農業従事者が農園で生育評価・作業提案AIと自然な対話を行って、高精細画像の自動解析結果を参考にしながら、作業を決定する。そのため、固定型対話端末(対話用コンピュータ(Raspberry Pi)、マイク、スピーカなど)と電力供給モジュール(太陽光パネル、チャージコントローラ、バッテリなど)、および、ウェアラブル対話端末(ウェアラブルスピーカ)を農園に設置する。また、高精細カメラ、太陽光パネル、太陽光パネルチャージコントロラ、チャージコントローラ、バッテリ、LTEモデム、制御用コンピュータなどを備えた高精細画像計測・送信部を農園に設置する。そして、得られた対話情報と高精細画像をネットワークを介して地域農業活性システムのサーバに送信するフィールドIoTネットワークを構築する。
本発明では、農業従事者が農園で生育評価・作業提案AIと自然な対話を行って、高精細画像の自動解析結果を参考にしながら、作業を決定する。そのため、固定型対話端末(対話用コンピュータ(Raspberry Pi)、マイク、スピーカなど)と電力供給モジュール(太陽光パネル、チャージコントローラ、バッテリなど)、および、ウェアラブル対話端末(ウェアラブルスピーカ)を農園に設置する。また、高精細カメラ、太陽光パネル、太陽光パネルチャージコントロラ、チャージコントローラ、バッテリ、LTEモデム、制御用コンピュータなどを備えた高精細画像計測・送信部を農園に設置する。そして、得られた対話情報と高精細画像をネットワークを介して地域農業活性システムのサーバに送信するフィールドIoTネットワークを構築する。
本明細書において、AIとは、人間が行うような評価、提案、対話を模倣した処理を行うコンピュータプログラムを意味する。例えば、ディープラーニングにより入力情報から推論を行う処理を学習したコンピュータプログラム(ニューラルネットワーク)や、数式、基準値などの規則に従って処理を行うコンピュータプログラム、シナリオに従って対話を行うコンピュータプログラム、画像の自動認識処理を行うコンピュータプログラムなどを含む。
以下に説明する本発明の概要は、農作物が果樹(リンゴ樹)である場合について説明し
ているが、本発明の対象となる農作物はリンゴ樹に限定されるものではなく、他の果樹や、果樹以外の農作物に対しても適用可能である。
ているが、本発明の対象となる農作物はリンゴ樹に限定されるものではなく、他の果樹や、果樹以外の農作物に対しても適用可能である。
農業従事者は、一般に監督者(農家)とアルバイト作業者(以下では、作業者と記載する)に大別される。監督者は、移動しながら多くの作業者に指示を行うため、ウェアラブル対話端末を用いて移動しながらAIとの対話を行う。ウェアラブル対話端末に入力された対話情報は、スマートフォン経由で地域農業活性システムのサーバに送信される。作業者は、農園内の数ヶ所に設置された固定型対話端末で対話を行う。なお、監督者が固定型対話端末を使っても、作業者がウェアラブル対話端末を使用しても、問題はない。固定型対話端末は、対話用コンピュータ(Raspberry Pi)に対話用デバイスとライブリ(VoiceKit)を実装し、Wi-Fi通信によってLTEモデムまで対話情報を送信する。この際、必要に応じてマルチホップ通信を行う。このLTEモデムは、高精細画像を送信するLTEモデムと兼用し、地域農業活性システムのサーバに対話情報を送信する。なお、音声認識・合成は、例えば、Google Assistantを使用し、対話パターンの作成と推移はDailogFlowを使用する。
本発明者らがこれまでにリンゴ樹の高精細画像を解析した結果、リンゴ半径は、葉面積の積算値から推定できることが明らかになっている。具体的には、xを葉面積の積算値(画像内の葉領域の面積を4月1日から毎日積算した値であり、面積の単位は画像全体のpixel数に対する葉の比率とする)、yをリンゴ半径(収穫時が1になるよう正規化した値)としたき、以下の式(A)に示すロジスティック曲線式で近似できる。
・・・・・(A)
式(A)によれば、リンゴ樹の高精細画像から葉面積の積算値を算出すれば、リンゴ半径が一意に決まる。しかし、この関係は、篤農家が栽培したリンゴ樹から導いたため、篤農家の栽培方法以外で栽培すれば変化する可能性がある。また、篤農家が栽培したとしても篤農家ですら対応できない環境要因(異常気象など)が生じた場合に変化する可能性がある。したがって、このような場合でも正確な生育評価を行うためには、式(A)をベースにしつつ、種々の作業や環境要因も考慮した評価方法を開発する必要がある。そこで、本発明では、監督者および作業者との対話から抽出する学習用データを学習させることにより、生育評価を行うAIを開発する。また、生育評価AIの学習用データの入出力関係を変化させることで、あわせて作業提案を行うAIを開発する。
具体的には、以下の手順で生育評価・作業提案AIの開発を進める。まず、式(A)によれば、特別な作業や環境要因がない場合、葉面積の積算値からリンゴ半径が一意に決まるため、葉面積の積算値によって、生育曲線の傾き(理論値)も一意に決まる。このとき、別途実際のリンゴ半径が成長する近似直線の傾き(実測値)も算出し、生育曲線の傾きと比較すれば、実際の生育状態が良好かどうかを判断できる。たとえば、上記実測値が、上記理論値も緩やかであれば、生育度が低いと判断できる。
本発明では、葉面積の積算値をリンゴ樹の高精細画像から自動抽出し、作業情報と環境要因は対話からのキーワード抽出によって自動抽出できるため、生育評価・作業提案AIの入力値は自動で入手できる。
しかし、生育評価・作業提案AIの学習に必要な生育度(=実測値/理論値)の算出に必要な実際のリンゴ半径データの収集を手作業で行うとすると負担が大きい。そこで、本発明では、高精細画像からリンゴを自動抽出するAIを別途開発して、抽出したリンゴの半径を自動計測し、上記生育度を自動算出することを可能にした。AIが抽出したリンゴ画像から自動で円を近似すれば、その半径を自動的に算出できる。
なお、従来の生育度の評価は、収穫時のリンゴ半径で評価していため、収穫できた時、すなわち1年に1回しか学習用データを得られないケースがほとんどだった。しかし、本発明では、何らかの作業を行ってその効果がでる期間はおおむね2週間程度と推察できるため、約2週間毎に学習用データを得ることができる。具体的なAIの推論は、ディープラーニング(深層学習)を行ったNN(ニューラルネットワーク)で行うことができる。あるいは、十分な学習用データ数を確保できなかった場合は、SVM(サポートベクターマシン)もしくはナイーブベイズ法などで推論を行うこともできる。
作業情報と環境要因を対話からのキーワード抽出によって自動抽出するにあたって、本発明では、生育に影響すると推察される作業や環境要因を含んだ対話パターンを複数用意しておき、生育評価・作業提案AIと農家が自然に対話する際に、キーワードを自動抽出する。この際、生育評価・作業提案AIからの問いかけに対し、農家が対立意見(反論)を述べるか調和意見(同意)を述べるか不明であるため、その両方のシナリオを用意しておく。また、抽出するキーワードについては、対話の際に同じ意味を示す単語(例:10%と1割、9月と先月など)は同じキーワードとして認識するように表現のゆらぎを許容する設定を行う。このように抽出したキーワードから、実際に行った作業、農家が重要と感じる環境要因、さらには、必要に応じて農家が感じる生育度も特定し、生育評価・作業提案AIに対する入出力情報として利用する。
このように、農家との日々の対話において、農家に作業提案を行うだけでなく、学習用データの自動抽出を行う。日々自動抽出される学習用データは、その都度、学習用データに追加し、バッチ処理で生育評価・作業提案AIの自動学習を進めてゆく。このしくみにより、日々の対話を繰り返し行うことで、生育評価・作業提案AIが学習し続けることが可能になり、農家は、より適切な作業提案を受けることが可能になる。
地域農業活性システムのサーバは、上記のように、フィールドIoTネットワークから送信されてくるリンゴ樹の高精細画像と対話情報を一括管理し、生育評価・作業提案AIの学習用データを自動抽出する。また、サーバ内の別のAIによって、画像からリンゴを自動抽出してリンゴ半径を自動計測し、上記生育度を自動算出する。そして、この生育度も学習用データに含めて、生育評価・作業提案AIの自動学習を行う。学習済の生育評価・作業提案AIは、農園でユーザ(監督者および作業者)と対話して作業記録やアドバイスなどを行う。また、一方で、地域農業活性システムのサーバは、そのwebページで以下のような表示を行う。
地域農業活性システムのwebページでは、画面上のタブ操作により、地域農業コミュニティに参加する各農家の農園情報を、各農家が、相互に閲覧できる。例えば、任意の農家が農家Aを選択した場合、農家Aの農園について、1時間毎に撮影されたリンゴ樹の高精細画像、作業者とAIとの対話によって保存された作業者の状況(作業記録)、生育評価・作業提案AIによる生育評価とアドバイスなどが表示される。なお、高精細画像は拡大縮小表示によって農作物の細部の状況を確認できる。また、画面上のタブ操作により、地域農業コミュニティの平均値や頻度分布などの統計情報の表示画面に切り換えられる。
地域農業活性システムのwebページでは、コミュニティチャット画面も表示される。コミュニティチャット画面では、AIが、特に注意すべき農家に対してアドバイスを行う
ことにより、その事例を地域農業コミュニティで共有する。そして、AIも含めて、各農家が自由にチャットを行うことで、ノウハウや暗黙知が形式知として表出され、地域農業コミュニティ全体で共有できる。なお、これまで経験したことのない異常気象に遭遇して対応方法(農作物に対する作業)が不明な場合に、既存の作業を選択して仮に生育度が低下したとしても、その履歴はAIが学習するとともに、地域農業コミュニティの共有知見として蓄積される。その結果、同様の異常気象に遭遇したとき、過去の知見を参考にして別の作業を選択することが可能になる。このしくみによって、農家を地域農業コミュニティ単位で自律的に育成することが可能になる。
ことにより、その事例を地域農業コミュニティで共有する。そして、AIも含めて、各農家が自由にチャットを行うことで、ノウハウや暗黙知が形式知として表出され、地域農業コミュニティ全体で共有できる。なお、これまで経験したことのない異常気象に遭遇して対応方法(農作物に対する作業)が不明な場合に、既存の作業を選択して仮に生育度が低下したとしても、その履歴はAIが学習するとともに、地域農業コミュニティの共有知見として蓄積される。その結果、同様の異常気象に遭遇したとき、過去の知見を参考にして別の作業を選択することが可能になる。このしくみによって、農家を地域農業コミュニティ単位で自律的に育成することが可能になる。
(本発明の実施形態)
以下に、図面を参照して、本発明を適用した農作物の生育評価・作業提案方法および生育評価・作業提案システム、ならびに地域農業活性システムの実施形態を説明する。以下に説明する実施形態では、農作物が果樹(リンゴ樹)である場合について説明する。リンゴ樹の場合は、農作物の収穫対象部分は果実(リンゴ)である。
以下に、図面を参照して、本発明を適用した農作物の生育評価・作業提案方法および生育評価・作業提案システム、ならびに地域農業活性システムの実施形態を説明する。以下に説明する実施形態では、農作物が果樹(リンゴ樹)である場合について説明する。リンゴ樹の場合は、農作物の収穫対象部分は果実(リンゴ)である。
(生育評価・作業提案方法)
図1は、本発明の実施形態に係る生育評価・作業提案方法の説明図である。図1(a)は、生育評価モードの入出力関係を示し、図1(b)は、作業提案モードの入出力関係を示す。図1(a)に示すように、本形態の生育評価・作業提案方法は、農作物の生育度を推論する推論部1を用いる。本明細書において、農作物の生育度とは、生育量の実測値の変化を示すグラフの傾きを理論値に対する比率で示した値である。すなわち、生育量の実測値の単位期間当たりの変化量を理論値対する比率で示した値である。例えば、農作物が果樹の場合には、果実のサイズ(リンゴ半径)の実測値の変化を示すグラフの傾きを、理論値に対する比率で示した値である。
図1は、本発明の実施形態に係る生育評価・作業提案方法の説明図である。図1(a)は、生育評価モードの入出力関係を示し、図1(b)は、作業提案モードの入出力関係を示す。図1(a)に示すように、本形態の生育評価・作業提案方法は、農作物の生育度を推論する推論部1を用いる。本明細書において、農作物の生育度とは、生育量の実測値の変化を示すグラフの傾きを理論値に対する比率で示した値である。すなわち、生育量の実測値の単位期間当たりの変化量を理論値対する比率で示した値である。例えば、農作物が果樹の場合には、果実のサイズ(リンゴ半径)の実測値の変化を示すグラフの傾きを、理論値に対する比率で示した値である。
推論部1は、所定の第1入力情報2が入力されると、農作物の生育度3を出力する生育評価モードの処理を行う。一方、図1(b)に示すように、推論部1は、入出力関係を組み替えることにより、農作物に対する推奨作業4を出力する作業提案モードの処理を行う。
図1(a)に示すように、生育評価モードの処理を行う場合、推論部1へ入力される第1入力情報2は、葉面積の積算値21と、環境情報22と、作業情報23である。一方、図1(b)に示すように、作業提案モードの処理を行う場合、葉面積の積算値21と、環境情報22と、期待する生育度5を、作業提案モードにおいて推論部1へ入力する第2入力情報6とする。植物の光合成の指標である葉面積の積算値21に加えて、環境情報22および作業情報23を加えることにより、生育評価の精度向上・作業提案の的確化ができる。
第1入力情報2としては、葉面積の積算値21と、環境情報22と、作業情報23の全てを用いる必要はなく、葉面積の積算値21と、環境情報22と、作業情報23のうちの複数(例えば、これらのうちのいずれか2種類)を用いていればよい。また、第2入力情報6も同様に、葉面積の積算値21と、環境情報22と、期待する生育度5の全てを用いる必要はなく、葉面積の積算値21と、環境情報22と、期待する生育度5のうちの複数(例えば、これらのうちのいずれか2種類)を用いていればよい。
本形態では、生育度の算出に使用する実測値は、上記のように、農作物の実際のサイズの単位期間当たりの変化量であり、グラフ上では傾きである。すなわち、実際のサイズを実測したデータの分布を近似した近似直線の傾きである。農作物が果樹の場合、農作物のサイズは、果実のサイズである。従って、生育度は、リンゴ半径の実際の変化の傾き(実測値)を、生育曲線の傾き(理論値)で除した値になる。
本形態では、生育度は実測値/理論値であるため、生育度が1より大きければ、生育が良好である。生育度の理論値とは、適切な栽培が行われた場合に得られるはずのリンゴ半径の変化の傾きである。
図2は、第1入力情報2の例を示す一覧表である。環境情報22は、農作物の生育環境に関する情報である。図2に示すように、環境情報22は、環境要因A〜Cを含む。環境要因Aは気温であり、本形態では、積算気温を用いる。環境要因Bは日照時間であり、本形態では、積算日照時間を用いる。環境要因Cは降水量であり、本形態では、積算降水量を用いる。積算気温、積算日照時間、積算降水量は、例えば、4月1日からの積算量とすることができるが、積算開始時点は4月1日に限定されるものではなく、適宜変更可能である。積算気温、積算日照時間、積算降水量は、絶対量であってもよいし、平年並みを0とし、±3の6段階のランクで表してもよい。また、6段階以外のランクを設定してもよい。このように、平年通りの環境要因であった時に環境要因0を入力するのではなく、環境要因の入力を行わないで、環境要因以外の入力情報のみを用いることも可能である。また、環境情報は、気象庁が公開している気象データ値を使用してもよいし、農場に各種センサを設置して実測してもよい。また、農業従事者が農園で行う対話から抽出するキーワードを用いてもよい。
作業情報23は、農作物がリンゴの場合には、以下の作業A〜Eを含む。作業Aは、開花時の石灰硫黄合剤による摘花である。作業Bは、5月下旬〜6月上旬に行う1回目の摘果である。作業Cは、6月中旬に行う見直し摘花である。作業Dは、5月中旬に与える肥料である。作業Eは、11月上旬の葉摘みである。作業A〜Eに関する情報として、実施の有無だけでなく、実施量を含めてもよい。実施量は、例えば、作業を行わなかった場合を0、平均的な作業量を行った場合を3として、0〜5の6段階のランクで表す。肥料は、例えば、施肥しなかった場合を0、平均的な施肥量を3として、0〜5の6段階のランクで表す。あるいは、施肥量の絶対量で表すこともできる。このように、全く作業を行わなかった時を0としてもよいし、平年通りの作業を行った時の作業を0としてもよい。なお、作業0を入力するのではなく、作業の入力を行わないで、作業以外の入力情報のみを用いることも可能である。
農作物に対する作業が、生育状態に反映されるまでにはタイムラグがあるため、第1入力情報2に含める作業情報23は、タイムラグを考慮して決定する。例えば、現在の生育状態を求めるにあたって、タイムラグがN日間である場合は、現在からN日前までに行った作業を作業情報23に含める。なお、環境情報22についても同様に、生育状態に反映されるまでにタイムラグがある場合には、タイムラグの日数より前の情報を環境情報22に含めるようにしてもよい。
なお、作業提案モードにおいて推論部1へ入力する第2入力情報6についても、タイムラグを考慮する。例えば、現在の作業を求めるにあたって、作業のN日後に、生育度や葉面積の積算値に影響が生じると推察される場合は、第2入力情報6は、N日後に期待する予測値である。すなわち、第2入力情報6として、N日後に期待する生育度5、N日後の葉面積の積算値21の予測値、N日後の環境要因A〜Cの予測値を入力する。期待する生育度5は任意に決めてもよいが、葉面積の積算値21と環境要因A〜Cの予測値は、その日までに得られているデータから外挿補完するなどして、客観的に推定するほうが望ましい。
(葉面積の積算値)
葉面積の積算値21は、先行特許(特願2018−81367号)において算出した値と同一であるため、その概略のみ説明する。図3は、葉面積の積算値を求める方法のフロ
ーチャートである。葉面積は、GBVIから求められる。GBVI(Green-Blue Vegetation Index)は、植物を可視光で撮影したカラー画像の緑色波長域の画像であるG画像と、カラー画像の青色波長域の画像であるB画像から求められる。
葉面積の積算値21は、先行特許(特願2018−81367号)において算出した値と同一であるため、その概略のみ説明する。図3は、葉面積の積算値を求める方法のフロ
ーチャートである。葉面積は、GBVIから求められる。GBVI(Green-Blue Vegetation Index)は、植物を可視光で撮影したカラー画像の緑色波長域の画像であるG画像と、カラー画像の青色波長域の画像であるB画像から求められる。
図3に示すように、葉面積を求めるには、ステップST11において、植物のカラー画像を取得する。そして、ステップST12において、カラー画像の画素(単位領域)ごとに、GBVIを算出する。GBVIは、例えば、G画像およびB画像の各画素(各単位領域)の輝度値を用いて、画素ごとに、以下の式(B)により算出される。
GBVI=(G−B)/(G+B)・・・・・(B)
GBVI=(G−B)/(G+B)・・・・・(B)
ステップST13では、各画素(各単位領域)のGBVIを0から255の範囲の輝度値(画素値)に変換することにより、8ビット(256階調)のグレイスケール画像を生成する。これを、GBVI画像(グレイスケール表示)とする。次に、ステップST14では、GBVI画像(グレイスケール表示)をモノクロ2値画像に変換する2値化処理を行う。これにより、GBVI画像(2値表示)が得られる。2値化処置に用いる閾値は固定値である。
ステップST15では、以下の式(C)で示すように、GBVI画像(2値表示)の中の白色の画素数を算出して、果樹画像の中心領域における全画素数に対する白色の画素の比率を算出することにより、葉領域の面積を求める。
葉領域の面積(%)=白色の画素数/全画素数・・・(C)
上記のように算出した葉領域の面積は、実際の葉の形状の面積ではなく、光合成を行っていると推察される葉領域の面積になる。
ステップST26では、葉面積の毎日の代表値(最大値)を1日毎に積算して、葉面積の積算値を求める。
葉領域の面積(%)=白色の画素数/全画素数・・・(C)
上記のように算出した葉領域の面積は、実際の葉の形状の面積ではなく、光合成を行っていると推察される葉領域の面積になる。
ステップST26では、葉面積の毎日の代表値(最大値)を1日毎に積算して、葉面積の積算値を求める。
(推論部の決定方法)
次に、推論部1の決定方法を説明する。本形態の推論部1は、以下の式(D)で示すような重回帰式を備えている。式(D)において、係数a、b、c・・・の全てを確定することにより、重回帰式が確定され、推論部1が決定される。式(D)は、第1入力情報2を説明変数とし、生育度を目的変数とする重回帰式である。従って、式(D)を確定することにより、式(D)に第1入力情報2を入力して、生育度3を求めることができる。すなわち、式(D)を確定することにより、推論部1は、生育評価を行うことが可能になる。
生育度=a*葉面積の積算値+b*作業A+c*作業B+d*作業C
+e*作業D+f*作業E+g*環境要因A+h*環境要因B
+i*環境要因C・・・(D)
次に、推論部1の決定方法を説明する。本形態の推論部1は、以下の式(D)で示すような重回帰式を備えている。式(D)において、係数a、b、c・・・の全てを確定することにより、重回帰式が確定され、推論部1が決定される。式(D)は、第1入力情報2を説明変数とし、生育度を目的変数とする重回帰式である。従って、式(D)を確定することにより、式(D)に第1入力情報2を入力して、生育度3を求めることができる。すなわち、式(D)を確定することにより、推論部1は、生育評価を行うことが可能になる。
生育度=a*葉面積の積算値+b*作業A+c*作業B+d*作業C
+e*作業D+f*作業E+g*環境要因A+h*環境要因B
+i*環境要因C・・・(D)
式(D)を確定するためには、学習用データが必要である。学習用データとしては、生育度と、その生育度が得られた時点以前の第1入力情報2を1組のデータとして、説明変数である第1入力情報2の数より多くのデータ組を用意する。説明変数よりも多くのデータ組があれば、式(D)の係数全てを決定し、推論部1を確定できる。例えば、学習用データを式(D)に代入した場合に、生育度推定値と実際の生育度の二乗誤差が最小になるように、係数a、b、c・・・を決定する。
本形態の推論部1として、重回帰式から生育度を求める処理を行う代わりに、生育度を推論する処理をディープラーニングにより学習したニューラルネットワークを用いることもできる。ディープラーニングを行う場合の学習用データは、重回帰式を求める場合と同様に、生育度と、その生育度が得られた時点以前の第1入力情報2を1組のデータとして、必要な量のデータ組を揃えればよい。
本形態では、生育度の実測値と、その生育度が得られた時点以前の第1入力情報2を用いて決定した推論部1を用いて、図1(a)に示すように、生育度3を出力させ、生育評価を行うことができる。また、この推論部1に対して入出力関係を組み替えることにより、図1(b)に示すように、第2入力情報6を入力して、推奨作業4を出力させることができる。従って、作業提案を行うことができる。
また、推論部1は、推奨作業の実施情報と、推奨作業を実施した時点以降の第2入力情報を用いて決定することも可能である。例えば、推論部1として、推奨作業を目的変数とする重回帰式、あるいは、推奨作業を決定する処理をディープラーニングにより学習したニューラルネットワークを決定することができる。決定した推論部1は、作業提案モードの処理を行う。すなわち、図1(b)に示すように、決定した推論部1に対して、第2入力情報6を入力することにより、推奨作業4が出力される。
推奨作業を目的変数とする重回帰式を確定するための学習用データは、推奨作業の実施情報、および、推奨作業を実施した時点以降の第2入力情報6の予測値を1組のデータとして、説明変数である第2入力情報6の数より多くのデータ組を用意すればよい。
推奨作業を決定する処理をディープラーニングにより学習したニューラルネットワークを決定する場合も、同様に、学習用データとして、推奨作業の実施情報、および、推奨作業を実施した時点以降の第2入力情報の予測値を1組のデータとして、必要な量のデータ組を揃えればよい。
このように、推奨作業の実施情報と、推奨作業を実施した時点以降の第2入力情報を用いて決定した推論部1に対して、入出力関係を組み替えることにより、図1(a)に示すように、第1入力情報2を入力して、生育度3を出力させることができる。従って、生育評価を行うことができる。
(推論部に生育曲線の係数を推定させる方法)
図4は、推論部1に生育曲線の係数を推定させる場合の入出力関係、生育曲線の方程式、および、生育曲線を用いた生育度の評価方法の説明図である。本形態において、推論部1に生育曲線の係数を推定させ、その係数を使用した生育曲線を用いて生育評価・作業提案を行わせることもできる。図4(a)は、生育曲線を推定する場合の入出力関係を示す。図4(b)は、図4(a)で作成した生育曲線のモデルとして採用したロジスティック曲線の方程式である。図4(c)は、生育曲線Rを用いた生育状態の評価例である。
図4は、推論部1に生育曲線の係数を推定させる場合の入出力関係、生育曲線の方程式、および、生育曲線を用いた生育度の評価方法の説明図である。本形態において、推論部1に生育曲線の係数を推定させ、その係数を使用した生育曲線を用いて生育評価・作業提案を行わせることもできる。図4(a)は、生育曲線を推定する場合の入出力関係を示す。図4(b)は、図4(a)で作成した生育曲線のモデルとして採用したロジスティック曲線の方程式である。図4(c)は、生育曲線Rを用いた生育状態の評価例である。
図4に示す生育曲線の推定方法は、本発明者らが先行特許(特願2018−81367号)において提案した方法を改良したものであり、生育曲線Rを普遍曲線とせず、生育曲線Rのモデルとして採用したロジスティック曲線の係数b、cを推論部1によって決定させることにより、環境要因や作業の影響を反映させた生育曲線Rを決定する点が先行特許と異なる。
図5は、従来の生育曲線Rの決定方法のフローチャートである。図5に示す方法は、本発明者らが先行特許(特願2018−81367号)において提案した方法である。図5に示すステップST21〜23では、葉面積の積算値を求めるが、この方法の詳細は既に説明した通りである。ステップST24では、収穫対象部分である果実のサイズ(リンゴ半径)を計測する。果実のサイズの計測は、画像からの自動計測により行ってもよいし、手計測でもよい。自動計測の方法については後述する。
ステップST25では、葉面積の積算値を説明変数とし、果実のサイズを目的変数とし
て、ロジスティック曲線による近似を行い、生育曲線Rを決定する。なお、ステップST25を行うにあたって、果実のサイズを正規化したデータを用いることにより、ロジスティック曲線の漸近線が1になるように決定する。
て、ロジスティック曲線による近似を行い、生育曲線Rを決定する。なお、ステップST25を行うにあたって、果実のサイズを正規化したデータを用いることにより、ロジスティック曲線の漸近線が1になるように決定する。
本形態では、第1入力情報2からロジスティック曲線の係数b、cを出力することができる推論部1を決定する。そのため、果実のサイズ(リンゴ半径)の実測値と、この実測値が得られた時点以前の第1入力情報2を1組のデータとして、第1入力情報2のうち、作業情報23が異なるデータ組を複数収集する。例えば、複数のリンゴ樹を、作業内容を異ならせて栽培し、各リンゴ樹におけるリンゴ半径を実測したデータを収集する。これにより、作業情報23が異なる複数のデータ組が得られる。また、そのようにして得られるテータ組を複数年蓄積すれば、環境情報22の異なるデータ組が得られる。そして、複数のデータ組のそれぞれを用いて、係数b、cを確定する。これにより、データ組と、係数b、cとのセットが複数得られる。これを学習用データとして、推論部1を決定する。
係数b、cを出力する推論部1を決定する方法は、学習用データによって重回帰式を確定する方法、あるいは、ディープラーニングにより、係数b、cを決定する処理をニューラルネットワークに学習させる方法を用いることができる。推論部1を決定すれば、以降は、第1入力情報2から、係数b、cを決定することが可能になるため、第1入力情報2から生育曲線Rを決定することが可能になる。
本形態では、推論部1を決定するために用いる学習用データは、図1(a)に示した生育評価モードと同様に、葉面積の積算値21、環境情報22、および、作業情報23を含んでいる。従って、図4(a)に示す方法によって決定した推論部1は、作業と環境要因の影響が加味された係数b、cを決定する。従って、作業と環境要因を含んだ生育曲線を得ることができる。
ここで、図4(a)には、推論部1に係数b、cを推定する処理を行わせることのみを表示しているが、推論部1に、係数b、cを決定させるだけでなく、決定した生育曲線Rを用いて、現在の生育度を評価する処理を行わせることもできる。すなわち、本形態では、生育評価を行う毎に、推論部1が係数b、cを決定して生育曲線を決定し、決定した生育曲線を使って、生育度を評価することも可能である。
ここで、図4(c)を参照して、生育曲線を用いた生育度の評価方法の例を説明する。生育曲線が決定されていれば、図4(c)に示すように、葉面積の積算値から、生育曲線Rの傾き(接線の傾き)を求めることができ、これは、上記理論値に相当する。従って、上記実測値を別途計測すれば、推論部1は、理論値に対する実測値の比率、すなわち、上記生育度を求めることができる。
推論部1に係数b、cを推定する処理を行わせる場合においても、推論部1に作業提案モードの処理を行わせ、期待する生育状態を得るための推奨作業を決定することができる。すなわち、生育評価モードと入出力関係を組み替えることで、推奨作業を決定し、作業提案を行うことができる。
(生育評価・作業提案システムの構成例)
図6は、生育評価・作業提案システム10の概略構成図である。生育評価・作業提案システム10は、農園に設置される計測部20および対話端末30と、サーバ40を備える。計測部20および対話端末30は、ネットワークを介してサーバ40と通信可能である。計測部20は、農園において、予め定めた撮影スケジュールで、農園で栽培される農作物のカラー画像を撮影する。本形態では、リンゴ樹のカラー画像を撮影する。計測部20で撮影したカラー画像は、定期的にサーバ40へ送信され、サーバ40に蓄積される。
図6は、生育評価・作業提案システム10の概略構成図である。生育評価・作業提案システム10は、農園に設置される計測部20および対話端末30と、サーバ40を備える。計測部20および対話端末30は、ネットワークを介してサーバ40と通信可能である。計測部20は、農園において、予め定めた撮影スケジュールで、農園で栽培される農作物のカラー画像を撮影する。本形態では、リンゴ樹のカラー画像を撮影する。計測部20で撮影したカラー画像は、定期的にサーバ40へ送信され、サーバ40に蓄積される。
計測部20の詳細な構成は、先行特許(特願2018−81367号)においてリンゴ樹のカラー画像の自動撮影を行ったものと同様であるため、その構成例の概略のみ説明する。計測部20は、汎用の一眼レフカメラなどの高精細カメラと、マイクロコントローラなどの計測用コンピュータと、LTEモデムと、太陽電池パネルなどの電源部を備える。
対話端末30は、音声入力および音声出力により対話を行うための端末である。対話端末30は、農園に設置される固定型対話端末31、または、農作業者が装着するウェアラブル型対話端末32のいずれであってもよいが、農作業者がアルバイト作業者である場合は、農園内の数ヶ所に設置された固定型対話端末31で対話を行うことが好ましい。監督者(農家)である場合は、移動しながらアルバイト作業者に指示を行うため、ウェアラブル型対話端末32を使用することが好ましい。
固定型対話端末31は、例えば、対話用コンピュータ(Raspberry Pi)に対話用デバイスとライブラリ(VoiceKit)を実装し、マイクとスピーカを接続した装置である。固定型対話端末31は、計測部20のLTEモデムを介してサーバ40と通信を行う。ウェアラブル型対話端末32は、例えば、ウェアラブルスピーカである。ウェアラブルスピーカは、農作業者が別途携帯するスマートフォンなどの通信端末33を介してサーバ40と通信を行う。
サーバ40は、葉面積算出部41および自動対話部42を備える。また、サーバ40は、上記の推論部1を備える。葉面積算出部41、自動対話部42、および推論部1の機能は、サーバ40の制御部が予め記憶するプログラムを記憶部から読み出して実行することにより実現される。
葉面積算出部41は、計測部20で撮影したカラー画像を用いて、カラー画像の葉領域の面積である葉面積の積算値21を算出する。自動対話部42は、対話端末30を介して、農園で作業する農作業者との対話データを収集し、対話データから、農作物の生育環境に関する環境情報22、および、農作物に対して行われた作業情報23を抽出する。
推論部1は、上記のように、葉面積の積算値21、環境情報22、および、作業情報23のうちの複数を含む第1入力情報2を用いて、生育度3を出力し、農作物の生育評価を行う。また、生育評価を行う生育評価モードとは入出力関係を逆にした作業提案モードの処理を行うことが可能である。作業提案モードにおいては、葉面積の積算値21、環境情報22、および期待する生育度5のうちの複数を含む第2入力情報6を入力することにより、推奨作業4を出力し、期待する生育状態を得るための作業提案を行う。
(対話による必要データの収集および作業提案)
図7は、対話端末30を介して自動対話部42により行われる対話の例である。自動対話部42は、予め用意されたシナリオに従い、対話を進める。対話の中から、キーワード自動抽出により、対立意見であるか調和意見であるかを判別して、シナリオを切り替える。また、対話の中から、作業情報、環境情報、生育度に関連するキーワードを抽出する。キーワード自動抽出においては、表現のゆらぎを許容するような設定を行う。
図7は、対話端末30を介して自動対話部42により行われる対話の例である。自動対話部42は、予め用意されたシナリオに従い、対話を進める。対話の中から、キーワード自動抽出により、対立意見であるか調和意見であるかを判別して、シナリオを切り替える。また、対話の中から、作業情報、環境情報、生育度に関連するキーワードを抽出する。キーワード自動抽出においては、表現のゆらぎを許容するような設定を行う。
図7に示すように、自動対話部42は、農作業者との対話内容に、推論部1による生育評価および作業提案を含める。従って、対話によって生育評価および作業提案が行われる。図7の例では、対話によってリンゴの生育の遅れ(すなわち、生育度)が指摘されており、対話によりその原因を議論している。また、対話によって追加の摘果(すなわち、推奨作業)が提案されている。従って、対話により作業提案が行われている。
推論部1は、葉面積算出部41から葉面積の積算値を自動で取得し、作業情報および環境情報については、自動対話部42が対話データから収集したデータを自動で取得する。従って、生育評価を行う場合の第1入力情報2は、全て自動で取得することができる。また、推論部1の決定に必要な学習用データのうち、果実のサイズの実測値を除くデータは、葉面積算出部41および自動対話部42から得られるが、以下に説明するように、果実のサイズの実測値についても、計測部20が撮影した画像を用いて、自動計測により行うことが可能である。
図8は、果実のサイズの自動計測方法の説明図である。図8(a)は、カラー画像内の果実を自動で検出する処理を示し、図8(b)は、抽出した果実を円で近似してリンゴ半径を求める処理を示す。図8(a)に示す自動検出処理は、既存の一般物体検出アルゴリズムを用いて、カラー画像内の果実を自動で検出する処理をAIに学習させることにより、可能である。
(地域農業活性システム)
図9は、地域農業活性システム100の概略構成図である。地域農業活性システム100は、図6に示す生育評価・作業提案システム10を包含するシステムである。地域農業活性システム100は、地域にある複数の農園A、農園B・・・農園Zを連携するシステムであり、複数の農園のそれぞれに設置された計測部20および対話端末30と、各農園の計測部20および対話端末30とそれぞれ通信可能なサーバ40を備える。
図9は、地域農業活性システム100の概略構成図である。地域農業活性システム100は、図6に示す生育評価・作業提案システム10を包含するシステムである。地域農業活性システム100は、地域にある複数の農園A、農園B・・・農園Zを連携するシステムであり、複数の農園のそれぞれに設置された計測部20および対話端末30と、各農園の計測部20および対話端末30とそれぞれ通信可能なサーバ40を備える。
サーバ40は、地域農業活性システム100のウェブサイトのデータを保持する。地域農業活性システム100のウェブサイトは、ネットワークに接続可能な任意の端末60から閲覧可能である。地域の農業コミュニティのメンバーである農家A、農家B・・・農家Zは、それぞれが保有する端末60を用いてサーバ40と通信を行い、地域農業活性システム100のウェブサイトにログインする。ログインには登録が必要である。端末60は、パーソナルコンピュータやタブレット端末、スマートフォンなどの汎用端末である。
サーバ40は、上記の推論部1、葉面積算出部41、および自動対話部42に加えて、農園別情報管理部43と、モニタリング部44と、農業コミュニティ対話部45を備える。農園別情報管理部43は、複数の農園A、農園B・・・農園Zのそれぞれにおいて計測部20によって収集したカラー画像、葉面積の積算値21、複数の農園A、農園B・・・農園Zのそれぞれにおいて対話端末30を介して収集した対話データから抽出した環境情報22および作業情報23、ならびに、推論部1による生育評価および作業提案のデータを、農園別情報として個別に管理する。
図10は、地域農業活性システム100のウェブサイトの画面例である。図10に示す例では、モニタリング画面70およびチャット画面80を一画面で表示している。モニタリング部44は、ネットワークを介して、農園別情報の少なくとも一部を、地域農業活性システム100登録したメンバーである農家A、農家B・・・農家Zに閲覧させる。
図10に示すように、モニタリング画面70にはタブが71表示されている。従って、閲覧する農園A、農園B・・・農園Zをタブ71で簡単に切り替えることができる。また、農園A、農園B・・・農園Zを含む地域農業コミュニティ全体の統計情報などをまとめた全体・統計画面も表示可能である。
モニタリング画面70には、各農園の農園別情報として、計測部20によって撮影されたカラー画像が時系列で表示される。また、「作業者の状況」として、対話の記録、および、対話から得られた情報が表示される。さらに、「AIによる生育評価とアドバイス」として、生育度、作業提案、収穫可能日などが表示される。
チャット画面80は、モニタリング画面70の右側に表示される。農業コミュニティ対話部45は、登録したメンバーである農家A、農家B・・・農家Zからの投稿をチャット画面80に時系列に表示すると共に、チャット画面80への表示を介して農家A、農家B・・・農家Zと対話する。
図10に示すチャット例では、農家A、農家B・・・農家Zからの投稿が表示されるだけでなく、農業コミュニティ対話部45からの投稿も表示される。農業コミュニティ対話部45は、農園A、農園B・・・農園Zの農園別情報を比較し、比較結果に基づき、チャット画面80への投稿を行い、メンバーとの対話を行う。また、農業コミュニティ対話部45は、対話データを蓄積・解析し、共有知見としてメンバーに閲覧可能にする。また、対話データから対話のシナリオを学習させるようにしてもよい。
地域農業活性システム100を構築する場合には、複数の農園における農園別情報を用いて、推論部1を決定することが可能である。この場合には、学習用データの収集が容易となる。また、より多様な学習用データを用いて推論部を決定できるため、生育評価および作業提案の精度をより向上させることができる。
(本形態の主な作用効果)
以上のように、本形態の農作物の生育評価・作業提案方法は、複数の指標を含む第1入力情報2を入力して農作物の生育状態を示す生育度3を出力する推論部1、もしくは、実施すべき作業に影響する複数の指標を第2入力情報6として農作物に対する推奨作業4を出力する推論部1を決定し、この推論部1を用いて、農作物の生育評価、もしくは、推奨作業4の提案の少なくとも1つを行う。このように、本形態は、複数の指標を入力情報として生育評価を行うので、生育状態の評価精度を向上させることができる。従って、農作物の生育状態を適切に把握できる。また、推論部1に対する入出力を組み換えて、実施すべき作業に影響する複数の指標を入力することにより、農作物に対する推奨作業を出力することができる。従って、期待する生育状態を得るための適切な作業提案を行うことができる。
以上のように、本形態の農作物の生育評価・作業提案方法は、複数の指標を含む第1入力情報2を入力して農作物の生育状態を示す生育度3を出力する推論部1、もしくは、実施すべき作業に影響する複数の指標を第2入力情報6として農作物に対する推奨作業4を出力する推論部1を決定し、この推論部1を用いて、農作物の生育評価、もしくは、推奨作業4の提案の少なくとも1つを行う。このように、本形態は、複数の指標を入力情報として生育評価を行うので、生育状態の評価精度を向上させることができる。従って、農作物の生育状態を適切に把握できる。また、推論部1に対する入出力を組み換えて、実施すべき作業に影響する複数の指標を入力することにより、農作物に対する推奨作業を出力することができる。従って、期待する生育状態を得るための適切な作業提案を行うことができる。
本形態の農作物の生育評価・作業提案方法では、第1入力情報2は、農園で栽培される農作物を撮影したカラー画像の葉領域の面積である葉面積の積算値21と、農作物の生育環境に関する環境情報22と、農作物に対して行われた作業情報23のうちの複数を含むものとし、農作物の生育状態の実測値および農作物の生育状態の理論値から算出した生育度と、第1入力情報2を用いて、推論部1を決定し、決定後の推論部を用いて、生育評価を行う。
また、本形態の農作物の生育評価・作業提案方法では、第2入力情報6は、農園で栽培される農作物を撮影したカラー画像の葉領域の面積である葉面積の積算値21と、農作物の生育環境に関する環境情報22と、農作物に対する期待する生育度5のうちの複数を含み、期待する生育度5を得るための推奨作業と、第2入力情報6を用いて、推論部1を決定し、決定後の推論部1を用いて、期待する生育度5を得るための推奨作業4の提案を行う。
本形態では、光合成の指標である葉面積の積算値21、および、生育状態に影響を与える環境情報22および作業情報23を第1入力情報2として、農作物の生育状態を推論する。従って、生育状態の評価精度を向上させることができる。これにより、農作物の生育状態を適切に把握できる。推論部1は、第1入力情報2および生育度(実測値/理論値)を用いて決定することが可能である。例えば、AIを用いれば、必要なデータを用意することにより、自動で、生育度3を推論する推論部1を決定することが可能である。
生育度3を出力する推論部1を決定した場合には、決定した推論部1に対する入出力を組み換えて、推論部1に対して、期待する生育度5を入力情報の1つとして入力することにより、生育度3を推論する場合とは逆の過程により、推奨作業4を出力情報として得ることができる。これにより、期待する生育度5を得るための適切な作業提案を行うことができる。
本形態では、光合成の指標である葉面積の積算値21、および、生育状態に影響を与える環境情報22、および、期待する生育度5を第2入力情報6として、推奨作業4を決定する。従って、推論部1は、第2入力情報6および推奨作業の実施情報を用いて決定することも可能である。例えば、AIを用いれば、必要なデータを用意することにより、自動で、推奨作業4を推論する推論部1を決定することが可能である。
推奨作業4を出力する推論部1を決定した場合には、決定した推論部1に対する入出力を組み換えて、推論部1に対して、第1入力情報2を入力することにより、推奨作業4を決定する場合とは逆の過程により、生育度3を出力情報として得ることができる。これにより、農作物の生育状態を適切に把握できる。
本形態において、環境情報22は、気温、日照時間、降水量の少なくとも一部を含む。気温、日照時間、降水量は、いずれも、農作物の生育に寄与する。従って、これらの情報を入力することにより、生育状態の評価精度を向上させることができる。また、農作物が果樹である場合は、作業情報23は、肥料、摘果、および葉摘みの少なくとも一部を含む。肥料、摘果、および葉摘みは、果実の生育に寄与する作業である。従って、これらの情報を入力することにより、生育状態の評価精度を向上させることができる。
本形態において、推論部1は、第1入力情報2を説明変数とし、生育度3を目的変数とする重回帰式を用いることができる。あるいは、推論部1は、ディープラーニングにより、生育度3を推論する処理を学習したニューラルネットワークとすることができる。これらの構成により、学習用データによって推論部1を決定することができる。
また、推論部1は、第2入力情報6を説明変数とし、推奨作業4を目的変数とする重回帰式を用いることができる。あるいは、推論部1は、ディープラーニングにより、推奨作業4を推論する処理を学習したニューラルネットワークとすることができる。これらの構成により、学習用データによって推論部1を決定することができる。
本形態において、推論部1に、農作物における収穫対象部分の生育状態を近似した生育曲線の係数b、cを決定させることもできる。従って、生育曲線を用いて、生育評価を行うことができる。また、生育曲線の傾きを用いて、推奨作業を決定することができるので、推奨作業の提案を行うことができる。この場合においても、推論部1は重回帰式やニューラルネットワークとすることができる。これにより、学習用データを用いて、推論部1を決定することができる。
本形態の農作物の生育評価・作業提案システム10は、農園において、予め定めた撮影スケジュールで、農園で栽培される農作物のカラー画像を撮影する計測部20と、対話端末30と、計測部20および対話端末30と通信を行うサーバ40と、を備える。対話端末30は、農作業者が装着するウェアラブル型対話端末32、または、農園に設置される固定型対話端末31である。サーバ40は、計測部20によって撮影されたカラー画像を用いて、カラー画像の葉領域の面積である葉面積の積算値を算出する葉面積算出部41と、対話端末30を介して、農園で作業する農作業者との対話データを収集し、対話データから、農作物の生育環境に関する環境情報、および、農作物に対して行われた作業情報を
抽出する自動対話部42と、葉面積の積算値、環境情報、および、作業情報を用いて、農作物の生育評価、および、期待する生育状態を得るための農作物に対する推奨作業の決定を行う推論部1と、を備える。そして、自動対話部42は、農作業者との対話内容に、生育評価および作業提案を含める。
抽出する自動対話部42と、葉面積の積算値、環境情報、および、作業情報を用いて、農作物の生育評価、および、期待する生育状態を得るための農作物に対する推奨作業の決定を行う推論部1と、を備える。そして、自動対話部42は、農作業者との対話内容に、生育評価および作業提案を含める。
このように、本形態の農作物の生育評価・作業提案システム10は、自動対話部42および対話端末30を用いた対話データの自動収集、および、計測部20によるカラー画像の自動計測および葉面積算出部41による葉面積の積算値の自動算出を行う。従って、生育評価および作業提案に必要なデータを収集する手間および労力を削減できる。また、対話を通して生育評価および作業提案を行うことができるので、農家の負担が軽減される。
本形態の地域農業活性システム100は、上記の農作物の生育評価・作業提案システム10を含んでおり、計測部20および対話端末30は、複数の農園A、農園B・・・農園Zのそれぞれに設置される。また、サーバ40は、複数の農園A、農園B・・・農園Zのそれぞれにおいて収集されたデータを農園別情報として管理する。そして、サーバ40は、地域農業活性システム100のウェブサイトを介して、登録したメンバーである農家A、農家B・・・農家Zに、農園別情報の一部、あるいは、その比較結果や統計情報などを閲覧させると共に、コミュニティチャット画面を介して、農家A、農家B・・・農家Zと対話を行う。
これにより、本形態では、地域の複数の農家が簡単に情報を共有できる。また、各農園の状態をネットワークを介して随時モニタリングできるので、必要なときに、必要な情報をわかりやすい形式で提供できる。また、推論部1からの生育評価および作業提案に加えて、チャット画面を介して、他の農園で働く農家からのアドバイスを受けることができ、アドバイスを受けた場合には、他の農園の状態を確認することもできる。従って、篤農家の農業ノウハウや暗黙知を形式知化して、地域の農業コミュニティにおいて共有することができる。
1…推論部、2…第1入力情報、3…生育度、4…作業提案、5…期待する生育度、6…第2入力情報、10…生育評価・作業提案システム、20…計測部、21…葉面積の積算値、22…環境情報、23…作業情報、30…対話端末、31…固定型対話端末、32…ウェアラブル型対話端末、33…通信端末、40…サーバ、41…葉面積算出部、42…自動対話部、43…農園別情報管理部、44…モニタリング部、45…農業コミュニティ対話部、60…端末、70…モニタリング画面、71…タブ、80…チャット画面、100…地域農業活性システム
Claims (28)
- 複数の指標を含む第1入力情報を入力して農作物の生育状態を示す生育度を出力する推論部、もしくは、実施すべき作業に影響する複数の指標を第2入力情報として前記農作物に対する推奨作業を出力する推論部を決定し、
前記推論部を用いて、前記農作物の生育評価、および、前記推奨作業の提案の少なくとも一方を行うことを特徴とする農作物の生育評価・作業提案方法。 - 前記第1入力情報は、農園で栽培される前記農作物を撮影したカラー画像の葉領域の面積である葉面積の積算値と、前記農作物の生育環境に関する環境情報と、前記農作物に対して行われた作業情報のうちの複数を含み、
前記農作物の生育状態の実測値および前記農作物の生育状態の理論値から算出した前記生育度と、前記第1入力情報を用いて、前記推論部を決定し、
決定後の前記推論部を用いて、前記生育評価を行うことを特徴とする請求項1に記載の農作物の生育評価・作業提案方法。 - 前記第2入力情報は、農園で栽培される前記農作物を撮影したカラー画像の葉領域の面積である葉面積の積算値と、前記農作物の生育環境に関する環境情報と、前記農作物に対する期待する生育度のうちの複数を含み、
前記期待する生育度を得るための前記推奨作業と、前記第2入力情報を用いて、前記推論部を決定し、
決定後の前記推論部を用いて、前記期待する生育度を得るための前記推奨作業の提案を行うことを特徴とする請求項1または2に記載の農作物の生育評価・作業提案方法。 - 前記決定後の前記推論部に対して、前記第1入力情報を入力して、前記生育度を出力することを特徴とする請求項3に記載の農作物の生育評価・作業提案方法。
- 前記決定後の前記推論部に対して、前記第2入力情報を入力して、前記推奨作業を出力することを特徴とする請求項2に記載の農作物の生育評価・作業提案方法。
- 前記環境情報は、気温、日照時間、降水量の少なくとも一部を含むことを特徴とする請求項2から5の何れか一項に記載の農作物の生育評価・作業提案方法。
- 前記農作物が果樹である場合は、
前記作業情報は、肥料、摘果、および葉摘みの少なくとも一部を含むことを特徴とする請求項2から6の何れか一項に記載の農作物の生育評価・作業提案方法。 - 前記農園に設置したカメラによって、予め定めた撮影スケジュールで自動撮影した前記カラー画像を用いて、前記葉面積の積算値を算出することを特徴とする請求項2から7の何れか一項に記載の農作物の生育評価・作業提案方法。
- 前記推論部に対する前記作業情報の入力、および、前記推論部に対する前記環境情報の入力の一方もしくは両方を、自動対話部と農作業者との対話データからのキーワード自動抽出により行うことを特徴とする請求項2から8の何れか一項に記載の農作物の生育評価・作業提案方法。
- 前記自動対話部は、前記農園において、前記農作業者と音声出力および音声入力による対話を行うことにより、前記対話データの収集および前記推奨作業の提案を行うことを特徴とする請求項9に記載の農作物の生育評価・作業提案方法。
- 前記自動対話部は、前記農作業者が装着するウェアラブル型対話端末、または、農園に設置される固定型対話端末を介して、前記農作業者との対話を行うことを特徴とする請求項9または10に記載の農作物の生育評価・作業提案方法。
- 前記生育度は、生育量の変化を示すグラフの傾きを理論値に対する比率で示した値であることを特徴とする請求項2から11の何れか一項に記載の農作物の生育評価・作業提案方法。
- 前記農作物が果樹である場合は、前記生育度は、果実のサイズの単位期間当たりの変化量を理論値に対する比率で示した値であることを特徴とする請求項12に記載の農作物の生育評価・作業提案方法。
- 前記生育度の実測値、および、前記生育度の実測値が得られた時点以前の前記第1入力情報を用いて、前記推論部を決定することを特徴とする請求項2または5に記載の農作物の生育評価・作業提案方法。
- 前記推論部は、前記第1入力情報を説明変数とし、前記生育度を目的変数とする重回帰式であり、
前記生育度の実測値、および、前記生育度の実測値が得られた時点以前の前記第1入力情報を用いて、前記重回帰式の係数を決定することを特徴とする請求項14に記載の農作物の生育評価・作業提案方法。 - 前記推論部は、ディープラーニングにより、前記第1入力情報から前記生育度を推論する処理を学習したニューラルネットワークであり、
前記ディープラーニングを行うための学習用データとして、前記生育度の実測値、および、前記生育度の実測値が得られた時点以前の前記第1入力情報を用いることを特徴とする請求項14に記載の農作物の生育評価・作業提案方法。 - 前記推奨作業の実施情報、および、前記推奨作業を実施した時点以降の前記第2入力情報の予測値を用いて、前記推論部を決定することを特徴とする請求項3または4に記載の農作物の生育評価・作業提案方法。
- 前記推論部は、前記第2入力情報を説明変数とし、前記推奨作業を目的変数とする重回帰式であり、
前記推奨作業の実施情報、および、前記推奨作業を実施した時点以降の前記第2入力情報の予測値を用いて、前記重回帰式の係数を決定することを特徴とする請求項17に記載の農作物の生育評価・作業提案方法。 - 前記推論部は、ディープラーニングにより、前記第2入力情報から前記推奨作業を推論する処理を学習したニューラルネットワークであり、
前記ディープラーニングを行うための学習用データとして、前記推奨作業の実施情報、および、前記推奨作業を実施した時点以降の前記第2入力情報の予測値を用いることを特徴とする請求項17に記載の農作物の生育評価・作業提案方法。 - 前記推論部は、前記農作物における収穫対象部分の生育状態を近似した生育曲線を決定し、
前記生育曲線を用いて、前記生育評価、および、前記推奨作業の提案の少なくとも一方を行うことを特徴とする請求項2から13の何れか一項に記載の農作物の生育評価・作業提案方法。 - 前記農作物が果樹である場合は、
前記生育曲線は、前記葉面積の積算値を説明変数とし、果実のサイズを目的変数として決定されることを特徴とする請求項20に記載の農作物の生育評価・作業提案方法。 - 前記生育曲線は、ロジスティック曲線であり、
前記推論部は、前記果実のサイズの実測値、および、前記果実のサイズの実測値が得られた時点以前の前記第1入力情報から、前記ロジスティック曲線の係数を決定することを特徴とする請求項21に記載の農作物の生育評価・作業提案方法。 - 前記推論部は、前記第1入力情報を説明変数とし、前記ロジスティック曲線の係数を目的変数とする重回帰式であり、
前記ロジスティック曲線の係数、および、前記係数を決定するために用いた前記第1入力情報の組を複数組収集し、
前記複数組のデータを用いて、前記重回帰式の係数を決定することを特徴とする請求項22に記載の農作物の生育評価・作業提案方法。 - 前記推論部は、ディープラーニングにより、前記ロジスティック曲線の係数を決定する処理を学習したニューラルネットワークであり、
前記ディープラーニングを行うための学習用データとして、前記ロジスティック曲線の係数、および、前記係数を決定するために用いた前記第1入力情報の組を複数組用いることを特徴とする請求項22に記載の農作物の生育評価・作業提案方法。 - 農園において、予め定めた撮影スケジュールで、前記農園で栽培される農作物のカラー画像を撮影する計測部と、
対話端末と、
前記計測部および前記対話端末と通信を行うサーバと、を備え、
前記対話端末は、農作業者が装着するウェアラブル型対話端末、または、農園に設置される固定型対話端末であり、
前記サーバは、
前記カラー画像を用いて、前記カラー画像の葉領域の面積である葉面積の積算値を算出する葉面積算出部と、
前記対話端末を介して、前記農園で作業する農作業者との対話データを収集し、前記対話データから、前記農作物の生育環境に関する環境情報、および、前記農作物に対して行われた作業情報を抽出する自動対話部と、
前記葉面積の積算値、前記環境情報、および、前記作業情報のうちの複数を用いて、前記農作物の生育評価を行う生育評価モードの処理、ならびに、前記葉面積の積算値、前記環境情報、および、前記農作物に対する期待する生育度のうちの複数を用いて、前記期待する生育度を得るための推奨作業を決定する作業提案モードの処理のうちの少なくとも一方の処理を行う推論部と、を備え、
前記自動対話部は、前記農作業者との対話内容に、前記生育評価、および、前記推奨作業の提案の少なくとも1つを含めることを特徴とする農作物の生育評価・作業提案システム。 - 請求項25に記載の農作物の生育評価・作業提案システムを含む地域農業活性システムであって、
前記計測部および前記対話端末は、複数の農園のそれぞれに設置され、
前記サーバは、
前記複数の農園のそれぞれにおいて前記計測部によって収集した前記カラー画像、前記葉面積の積算値、前記複数の農園のそれぞれにおいて前記対話端末を介して収集した前記対話データから抽出した前記環境情報および前記作業情報、ならびに、前記推論部による
前記生育評価および前記作業提案を農園別情報として管理する農園別情報管理部と、
ネットワークを介して、前記農園別情報の少なくとも一部を予め登録したメンバーに閲覧させるモニタリング部と、
前記メンバーからの投稿をチャット画面に時系列に表示すると共に、前記チャット画面への表示を介して前記メンバーと対話する農業コミュニティ対話部と、を備えることを特徴とする地域農業活性システム。 - 前記農業コミュニティ対話部は、前記複数の農園における前記農園別情報を比較して、比較結果に基づき、前記メンバーとの対話を行うことを特徴とする請求項26に記載の地域農業活性システム。
- 前記複数の農園における前記農園別情報を用いて、前記推論部を決定することを特徴とする請求項26または27に記載の地域農業活性システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019061873A JP2020156431A (ja) | 2019-03-27 | 2019-03-27 | 農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019061873A JP2020156431A (ja) | 2019-03-27 | 2019-03-27 | 農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020156431A true JP2020156431A (ja) | 2020-10-01 |
Family
ID=72640301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019061873A Pending JP2020156431A (ja) | 2019-03-27 | 2019-03-27 | 農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020156431A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7113555B1 (ja) | 2021-08-30 | 2022-08-05 | 亮志 西ヶ谷 | 果樹栽培支援装置、推論装置、機械学習装置、果樹栽培支援方法、推論方法、及び、機械学習方法 |
JP7300220B1 (ja) | 2022-03-30 | 2023-06-29 | 都市緑地株式会社 | 仮想空間の農園及び現実の農園を介したコミュニケーション方法など |
WO2023189427A1 (ja) * | 2022-03-31 | 2023-10-05 | オムロン株式会社 | 支援装置、支援方法、プログラム |
-
2019
- 2019-03-27 JP JP2019061873A patent/JP2020156431A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7113555B1 (ja) | 2021-08-30 | 2022-08-05 | 亮志 西ヶ谷 | 果樹栽培支援装置、推論装置、機械学習装置、果樹栽培支援方法、推論方法、及び、機械学習方法 |
JP2023034345A (ja) * | 2021-08-30 | 2023-03-13 | 亮志 西ヶ谷 | 果樹栽培支援装置、推論装置、機械学習装置、果樹栽培支援方法、推論方法、及び、機械学習方法 |
JP7300220B1 (ja) | 2022-03-30 | 2023-06-29 | 都市緑地株式会社 | 仮想空間の農園及び現実の農園を介したコミュニケーション方法など |
JP2023152284A (ja) * | 2022-03-30 | 2023-10-16 | 都市緑地株式会社 | 仮想空間の農園及び現実の農園を介したコミュニケーション方法など |
WO2023189427A1 (ja) * | 2022-03-31 | 2023-10-05 | オムロン株式会社 | 支援装置、支援方法、プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11741555B2 (en) | Crop yield estimation method based on deep temporal and spatial feature combined learning | |
JP6753936B2 (ja) | 情報処理装置および情報処理システム | |
CN111008733B (zh) | 一种作物生长管控方法和系统 | |
JP2020156431A (ja) | 農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム | |
JP2019187259A (ja) | 栽培支援方法、栽培支援プログラム、栽培支援装置、および栽培支援システム | |
EP3482630A1 (en) | Method, system and computer program for performing a pest forecast | |
CN111476149A (zh) | 一种植物培育控制方法和系统 | |
US20220248616A1 (en) | Irrigation control with deep reinforcement learning and smart scheduling | |
Manoharan | Supervised Learning for Microclimatic parameter Estimation in a Greenhouse environment for productive Agronomics | |
US20220189025A1 (en) | Crop yield prediction program and cultivation environment assessment program | |
EP3654272A1 (en) | Crop injury diagnosis system and method | |
CN116649160B (zh) | 食用菌菌种生产监测系统及监测方法 | |
CN114511161B (zh) | 二点委夜蛾防治适期预测方法、装置、设备和存储介质 | |
KR102309568B1 (ko) | 이미지 기반 작물 생육정보 자동계측 시스템 | |
JP2021128756A (ja) | 先物取引情報表示プログラム | |
JP2020144810A (ja) | 農作物の収穫量予測プログラム及び農作物の品質予測プログラム | |
CN112465109A (zh) | 一种基于云边协同的农业大棚控制装置 | |
CN117391482B (zh) | 一种基于大数据监测的大棚温度智能预警方法及系统 | |
CN114723118A (zh) | 一种基于物联网的虫害预警系统 | |
CN117252344A (zh) | 培育设施的适宜度评估方法、装置、电子设备和存储介质 | |
CN116452358B (zh) | 基于物联网的智慧农业管理系统 | |
CN117114448A (zh) | 一种基于机器学习和物联网技术的农业生产管理系统及方法 | |
US20230360189A1 (en) | Method and system of analyzing plant image data and projecting plant growth and health status | |
JP2018169993A (ja) | 結果予測装置、結果予測方法、及びプログラム | |
Pabitha et al. | A digital footprint in enhancing agricultural practices with improved production using machine learning |