JP2020204829A - Yield estimation program, yield estimation method and yield estimation device - Google Patents

Yield estimation program, yield estimation method and yield estimation device Download PDF

Info

Publication number
JP2020204829A
JP2020204829A JP2019111196A JP2019111196A JP2020204829A JP 2020204829 A JP2020204829 A JP 2020204829A JP 2019111196 A JP2019111196 A JP 2019111196A JP 2019111196 A JP2019111196 A JP 2019111196A JP 2020204829 A JP2020204829 A JP 2020204829A
Authority
JP
Japan
Prior art keywords
yield
crop
environmental information
information
estimation
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
JP2019111196A
Other languages
Japanese (ja)
Other versions
JP7386503B2 (en
Inventor
東赫 安
Dong Hyuk Ahn
東赫 安
忠桐 東出
Tadahisa Higashide
忠桐 東出
靖 河崎
Yasushi Kawasaki
靖 河崎
岳士 斎藤
Takeshi Saito
岳士 斎藤
智彦 太田
Tomohiko Ota
智彦 太田
泰永 岩▲崎▼
Yasunaga Iwasaki
泰永 岩▲崎▼
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.)
National Agriculture and Food Research Organization
Original Assignee
National Agriculture and Food Research Organization
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 National Agriculture and Food Research Organization filed Critical National Agriculture and Food Research Organization
Publication of JP2020204829A publication Critical patent/JP2020204829A/en
Application granted granted Critical
Publication of JP7386503B2 publication Critical patent/JP7386503B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

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

Abstract

To accurately estimate a yield of a crop.SOLUTION: A biological information acquisition unit 30 acquires biological information of a crop, an environmental information acquisition unit 32 acquires information on the environment in which the crop grows, a yield estimation unit 34 estimates a yield of the crop based on the acquired biological information and the acquired information on the environment, and the yield of the crop is thereby accurately estimated.SELECTED DRAWING: Figure 3

Description

本発明は、収量推定プログラム、収量推定方法及び収量推定装置に関する。 The present invention relates to a yield estimation program, a yield estimation method and a yield estimation device.

作物の収穫前に収量がある程度推定できれば、収穫時に必要な作業者数、運搬用燃料、梱包資材数量、収穫用設備等を見積もることができるため、生産や流通における効率化を図ることが可能である。しかるに、従来においては、作物の収量推定は、管理者等が栽培状況を把握した上で、過去の収量データや経験に基づいて行うのみであった。 If the yield can be estimated to some extent before harvesting the crop, the number of workers required at the time of harvesting, the fuel for transportation, the quantity of packing materials, the equipment for harvesting, etc. can be estimated, so it is possible to improve the efficiency in production and distribution. is there. However, in the past, the yield estimation of crops was only performed based on past yield data and experience after the manager and the like grasped the cultivation situation.

これに対し、最近では、衛星データなどのリモートセンシングデータから得た対象地域の光反射率及びＮＤＶＩ、又はＧＮＤＶＩから作物の収量を予測する技術（例えば特許文献１等参照）や、生育が水温に依存する有用生物（例えば藻類）の生産予測に関する技術（例えば、特許文献２等参照）が知られている。また、空撮画像と時系列気象データを用いて収量を予測する技術も知られている（例えば、特許文献３等参照）。 On the other hand, recently, a technique for predicting the yield of crops from the light reflectance and NDVI of the target area obtained from remote sensing data such as satellite data, or GNDVI (see, for example, Patent Document 1), and the growth of water temperature Techniques related to production prediction of dependent useful organisms (for example, algae) (see, for example, Patent Document 2 and the like) are known. In addition, a technique for predicting yield using aerial images and time-series meteorological data is also known (see, for example, Patent Document 3 and the like).

特開２０１０−１６６８５１号公報JP-A-2010-166851 特開２０１２−２０３８７５号公報Japanese Unexamined Patent Publication No. 2012-203875 特開２０１５−４９号公報JP 2015-49

しかしながら、上記特許文献１〜３等の技術は、例えばトマトなどの果菜類栽培における収量の推定に適用することができず、汎用的でない。 However, the techniques of Patent Documents 1 to 3 and the like cannot be applied to the estimation of yield in the cultivation of fruits and vegetables such as tomatoes, and are not general purpose.

本発明は、作物の収量を精度よく推定することが可能な収量推定プログラム、収量推定方法及び収量推定装置を提供することを目的とする。 An object of the present invention is to provide a yield estimation program, a yield estimation method, and a yield estimation device capable of accurately estimating the yield of a crop.

本発明の収量推定プログラムは、作物の生体情報を取得し、作物が生育する環境情報を取得し、前記生体情報と、前記環境情報とに基づいて、前記作物の収量を推定する、処理をコンピュータに実行させるためプログラムである。 The yield estimation program of the present invention acquires biological information of a crop, acquires environmental information on which the crop grows, and estimates the yield of the crop based on the biological information and the environmental information. It is a program to be executed by.

本発明の収量推定プログラム、収量推定方法及び収量推定装置は、作物の収量を精度よく推定することができるという効果を奏する。 The yield estimation program, the yield estimation method, and the yield estimation device of the present invention have the effect of being able to accurately estimate the yield of a crop.

一実施形態に係る農業システムの構成を示す図である。It is a figure which shows the structure of the agricultural system which concerns on one Embodiment. 図２（ａ）は、サーバのハードウェア構成を示す図であり、図２（ｂ）は、利用者端末のハードウェア構成を示す図である。FIG. 2A is a diagram showing the hardware configuration of the server, and FIG. 2B is a diagram showing the hardware configuration of the user terminal. サーバの機能ブロック図である。It is a functional block diagram of a server. サーバの処理を示すフローチャートである。It is a flowchart which shows the processing of a server. 光合成特性に基づく作物の収量の推定手順を示す図である。It is a figure which shows the estimation procedure of the yield of a crop based on a photosynthetic characteristic. 図６（ａ）は、推定収量ＤＢのデータ構造を示す図であり、図６（ｂ）は、出力部による出力例を示す図である。FIG. 6A is a diagram showing a data structure of an estimated yield DB, and FIG. 6B is a diagram showing an output example by an output unit. 時刻ごとの収量の推移を表したグラフの例を示す図である。It is a figure which shows the example of the graph which showed the transition of the yield in each time. 図８（ａ）は、翌日の環境情報が前日の環境情報と同一であると仮定した場合の時刻ごとの収量のシミュレーション結果を示すグラフであり、図８（ｂ）〜図８（ｄ）は、シミュレーション結果を示すグラフである。8 (a) is a graph showing the simulation result of the yield for each time when it is assumed that the environmental information of the next day is the same as the environmental information of the previous day, and FIGS. 8 (b) to 8 (d) are graphs. , It is a graph which shows the simulation result.

以下、農業システムの一実施形態について、図１〜図８に基づいて詳細に説明する。図１には、一実施形態に係る農業システム１００の構成が概略的に示されている。本実施形態の農業システム１００は、トマトなどの作物を栽培する大規模施設（例えばハウス）において、作物の収量を推定し、推定した収量が改善するように施設内の機器を制御するシステムである。 Hereinafter, one embodiment of the agricultural system will be described in detail with reference to FIGS. 1 to 8. FIG. 1 schematically shows the configuration of the agricultural system 100 according to one embodiment. The agricultural system 100 of the present embodiment is a system that estimates the yield of crops in a large-scale facility (for example, a house) for cultivating crops such as tomatoes, and controls the equipment in the facility so that the estimated yield is improved. ..

農業システム１００は、図１に示すように、サーバ１０と、利用者端末７０と、環境情報取得装置７２と、制御対象機器７４と、を備える。サーバ１０、利用者端末７０、環境情報取得装置７２、及び制御対象機器７４は、インターネットなどのネットワーク８０に接続されている。 As shown in FIG. 1, the agricultural system 100 includes a server 10, a user terminal 70, an environmental information acquisition device 72, and a control target device 74. The server 10, the user terminal 70, the environment information acquisition device 72, and the control target device 74 are connected to a network 80 such as the Internet.

サーバ１０は、データセンタ等に設置される情報処理装置であり、環境情報取得装置７２において取得される環境情報や、利用者端末７０から入力される情報に基づいて、作物の収量を推定する。また、サーバ１０は、推定した収量の情報を利用者端末７０に出力したり、推定した収量等に基づいて、制御対象機器７４を制御するための制御情報を出力する。なお、サーバ１０の構成や処理の詳細については後述する。 The server 10 is an information processing device installed in a data center or the like, and estimates the yield of crops based on the environmental information acquired by the environmental information acquisition device 72 and the information input from the user terminal 70. Further, the server 10 outputs the estimated yield information to the user terminal 70, and outputs the control information for controlling the controlled target device 74 based on the estimated yield and the like. The details of the configuration and processing of the server 10 will be described later.

利用者端末７０は、作業者、管理者等が利用可能なＰＣ（Personal Computer）等の端末であり、管理者等による作物の生体情報の入力を受け付けてサーバ１０に対して送信したり、サーバ１０により推定された作物の収量の情報を受信して、表示したりする。利用者端末７０は、図２（ｂ）に示すようなハードウェア構成を有する。すなわち、利用者端末７０は、図２（ｂ）に示すように、ＣＰＵ（Central Processing Unit）１９０、ＲＯＭ（Read Only Memory）１９２、ＲＡＭ（Random Access Memory）１９４、記憶部（ここではＨＤＤ（Hard Disk Drive））１９６、ネットワークインタフェース１９７、表示部１９３、入力部１９５、及び可搬型記憶媒体１９１の読み取りが可能な可搬型記憶媒体用ドライブ１９９等を備えている。これら利用者端末７０の構成各部は、バス１９８に接続されている。表示部１９３は、液晶ディスプレイ等を含み、入力部１９５は、キーボード、マウス、タッチパネル等を含む。 The user terminal 70 is a terminal such as a PC (Personal Computer) that can be used by workers, managers, etc., and receives input of biological information of crops by the manager, etc. and sends it to the server 10 or a server. Information on the yield of the crop estimated by 10 is received and displayed. The user terminal 70 has a hardware configuration as shown in FIG. 2 (b). That is, as shown in FIG. 2B, the user terminal 70 includes a CPU (Central Processing Unit) 190, a ROM (Read Only Memory) 192, a RAM (Random Access Memory) 194, and a storage unit (here, an HDD (Hard)). Disk Drive)) 196, a network interface 197, a display unit 193, an input unit 195, a portable storage medium drive 199 capable of reading the portable storage medium 191 and the like. Each component of the user terminal 70 is connected to the bus 198. The display unit 193 includes a liquid crystal display and the like, and the input unit 195 includes a keyboard, a mouse, a touch panel and the like.

図１に戻り、環境情報取得装置７２は、気温や日射量、ＣＯ2濃度を測定するセンサを含み、サーバ１０に対してセンサの測定結果を送信する機能を有している。ここで、環境情報取得装置７２は、気温や日射量、ＣＯ2濃度を、例えば５分ごとに測定し、１日の間に測定された測定結果の平均値や積算値を、サーバ１０に送信する。なお、環境情報取得装置７２は、測定結果を、測定後すぐにサーバ１０に送信してもよい。この場合、サーバ１０では、受信した測定結果を用いて、１日の間に測定された測定結果の平均値や積算値を求めるようにすればよい。 Returning to FIG. 1, the environmental information acquisition device 72 includes a sensor for measuring the air temperature, the amount of solar radiation, and the CO 2 concentration, and has a function of transmitting the measurement result of the sensor to the server 10. Here, the environmental information acquisition device 72 measures the temperature, the amount of solar radiation, and the CO 2 concentration, for example, every 5 minutes, and transmits the average value and the integrated value of the measurement results measured during the day to the server 10. To do. The environment information acquisition device 72 may transmit the measurement result to the server 10 immediately after the measurement. In this case, the server 10 may use the received measurement results to obtain the average value or the integrated value of the measurement results measured during the day.

制御対象機器７４は、例えば、ハウス内の温度やＣＯ2濃度を調整する空調装置や、日射量を調整する日射量調整装置を含む。制御対象機器７４は、サーバ１０から制御情報を受信すると、当該制御情報に基づいてハウス内の作物の生育環境を調整する。 The controlled device 74 includes, for example, an air conditioner for adjusting the temperature and CO 2 concentration in the house, and an insolation amount adjusting device for adjusting the amount of solar radiation. When the control target device 74 receives the control information from the server 10, the control target device 74 adjusts the growing environment of the crop in the house based on the control information.

（サーバ１０について）
図２（ａ）には、サーバ１０のハードウェア構成が示されている。図２（ａ）に示すように、サーバ１０は、コンピュータとしてのＣＰＵ９０、ＲＯＭ９２、ＲＡＭ９４、記憶部（ここではＨＤＤ）９６、ネットワークインタフェース９７、及び可搬型記憶媒体用ドライブ９９等を備えている。これらサーバ１０の構成各部は、バス９８に接続されている。サーバ１０では、ＲＯＭ９２あるいはＨＤＤ９６に格納されているプログラム（収量推定プログラムを含む）、或いは可搬型記憶媒体用ドライブ９９が可搬型記憶媒体９１から読み取ったプログラム（収量推定プログラムを含む）をＣＰＵ９０が実行することにより、図３に示す各部の機能が実現される。なお、図３の各部の機能は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。 (About server 10)
FIG. 2A shows the hardware configuration of the server 10. As shown in FIG. 2A, the server 10 includes a CPU 90, a ROM 92, a RAM 94, a storage unit (here, an HDD) 96, a network interface 97, a drive 99 for a portable storage medium, and the like as a computer. Each component of the server 10 is connected to the bus 98. In the server 10, the CPU 90 executes a program (including a yield estimation program) stored in the ROM 92 or HDD 96, or a program (including a yield estimation program) read from the portable storage medium 91 by the portable storage medium drive 99. By doing so, the functions of each part shown in FIG. 3 are realized. The functions of each part in FIG. 3 may be realized by, for example, an integrated circuit such as an ASIC (Application Specific Integrated Circuit) or an FPGA (Field Programmable Gate Array).

図３には、サーバ１０の機能ブロック図が示されている。サーバ１０においては、ＣＰＵ９０がプログラムを実行することにより、図３に示すように、第１取得部としての生体情報取得部３０、第２取得部としての環境情報取得部３２、推定部としての収量推定部３４、出力部３６、及び修正受付部３８として機能する。なお、図３には、サーバ１０のＨＤＤ９６等に格納されている推定収量ＤＢ２８についても図示されている。 FIG. 3 shows a functional block diagram of the server 10. In the server 10, when the CPU 90 executes the program, as shown in FIG. 3, the biological information acquisition unit 30 as the first acquisition unit, the environmental information acquisition unit 32 as the second acquisition unit, and the yield as the estimation unit. It functions as an estimation unit 34, an output unit 36, and a correction reception unit 38. Note that FIG. 3 also shows an estimated yield DB 28 stored in the HDD 96 or the like of the server 10.

生体情報取得部３０は、利用者端末７０から入力される作物の生体情報を取得し、収量推定部３４に送信する。本実施形態では、生体情報は、作物の葉長及び葉幅、植栽密度を含む。作業者は、作物が有する葉のうち大きさ・形状が平均的な葉を特定し、特定した葉の葉長及び葉幅を測定して、利用者端末７０に入力する。また、作業者は、作物の植え付け時に定めた植栽密度を利用者端末７０に入力する。ここで、葉長とは、平均的な大きさの葉身の長さを意味し、葉幅とは、葉身が最も広くなる箇所の寸法を意味する。また、栽植密度は、単位土地面積（１ｍ2）当たりの植え付け株数を意味する。 The biological information acquisition unit 30 acquires the biological information of the crop input from the user terminal 70 and transmits it to the yield estimation unit 34. In this embodiment, the biological information includes the leaf length and width of the crop and the planting density. The worker identifies a leaf having an average size and shape among the leaves possessed by the crop, measures the leaf length and leaf width of the specified leaf, and inputs the leaves to the user terminal 70. In addition, the worker inputs the planting density determined at the time of planting the crop to the user terminal 70. Here, the leaf length means the length of the leaf blade of an average size, and the leaf width means the dimension of the part where the leaf blade is the widest. The planting density means the number of planted plants per unit land area (1 m 2 ).

環境情報取得部３２は、環境情報取得装置７２から送信されてくる環境情報を取得し、収量推定部３４に送信する。環境情報には、平均気温、積算日射量、平均ＣＯ2濃度が含まれる。 The environmental information acquisition unit 32 acquires the environmental information transmitted from the environmental information acquisition device 72 and transmits it to the yield estimation unit 34. Environmental information includes average temperature, cumulative amount of solar radiation, and average CO 2 concentration.

収量推定部３４は、作物の光合成特性を考慮して、生体情報取得部３０及び環境情報取得部３２から取得した情報に基づいて作物の収量を推定する。収量推定部３４は、推定した収量の情報を推定収量ＤＢ２８に格納する。なお、収量推定部３４の具体的な処理、及び推定収量ＤＢ２８のデータ構造の詳細については後述する。 The yield estimation unit 34 estimates the yield of the crop based on the information acquired from the biological information acquisition unit 30 and the environmental information acquisition unit 32 in consideration of the photosynthetic characteristics of the crop. The yield estimation unit 34 stores the estimated yield information in the estimated yield DB 28. The specific processing of the yield estimation unit 34 and the details of the data structure of the estimated yield DB 28 will be described later.

出力部３６は、例えば利用者端末７０からの求めに応じて、推定収量ＤＢ２８に格納されている情報を読み出し、利用者端末７０に対して送信する。 The output unit 36 reads the information stored in the estimated yield DB 28 and transmits it to the user terminal 70, for example, in response to a request from the user terminal 70.

修正受付部３８は、利用者端末７０から実際の収量の情報が入力された場合に、推定収量ＤＢ２８に格納されている推定収量を実際の収量で修正する。 When the information on the actual yield is input from the user terminal 70, the correction reception unit 38 corrects the estimated yield stored in the estimated yield DB 28 with the actual yield.

（サーバ１０の処理について）
以下、サーバ１０の処理について、図４のフローチャート及び図５を用いて詳細に説明する。図５は、光合成特性に基づく作物の収量の推定手順を示す図である。図５において、破線枠で示されているデータは、生体情報取得部３０が利用者端末７０から取得する生体情報であり、グレーの枠で示されているデータは、環境情報取得部３２が環境情報取得装置７２から取得する環境情報である。また、一点鎖線枠で示されているデータは、予め設定されている情報であり、実線枠で示されているデータは、収量推定部３４が計算により求める情報である。なお、図５においては、図４の各処理と対応する箇所に、図４で用いているステップ番号を表示している。 (About the processing of server 10)
Hereinafter, the processing of the server 10 will be described in detail with reference to the flowchart of FIG. 4 and FIG. FIG. 5 is a diagram showing a procedure for estimating crop yield based on photosynthetic characteristics. In FIG. 5, the data shown in the broken line frame is the biometric information acquired by the biometric information acquisition unit 30 from the user terminal 70, and the data shown in the gray frame is the environment by the environmental information acquisition unit 32. This is the environmental information acquired from the information acquisition device 72. Further, the data shown by the alternate long and short dash line frame is preset information, and the data shown by the solid line frame is information obtained by the yield estimation unit 34 by calculation. In FIG. 5, the step numbers used in FIG. 4 are displayed at the locations corresponding to the respective processes in FIG.

図４の処理は、例えば、１日のうち予め定められた時刻に実行されるものとする。なお、図４の処理が開始される段階では、利用者端末７０から、当日（定植後ｎ日目）の作物の生体情報（平均的な葉の葉長及び葉幅、栽植密度）が入力され、当該生体情報を生体情報取得部３０が取得しているものとする。また、環境情報取得装置７２において当日（定植後ｎ日目）の環境情報が取得され、当該環境情報を環境情報取得部３２が取得しているものとする。 It is assumed that the process of FIG. 4 is executed at a predetermined time of the day, for example. At the stage when the processing of FIG. 4 is started, the biological information (average leaf length and width, planting density) of the crop on the day (nth day after planting) is input from the user terminal 70. It is assumed that the biometric information acquisition unit 30 has acquired the biometric information. Further, it is assumed that the environmental information acquisition device 72 acquires the environmental information on the day (nth day after planting), and the environmental information acquisition unit 32 acquires the environmental information.

図４の処理では、まず、ステップＳ１２において、収量推定部３４が、利用者端末７０から入力され、生体情報取得部３０が取得した葉長（mm/leaf）、葉幅（mm/leaf）、栽植密度（plants/m2）の情報を取得する。なお、生体情報は、作業者が利用者端末７０に手入力する場合に限らず、カメラで撮影した画像を解析することにより取得するようにしてもよい。 In the process of FIG. 4, first, in step S12, the yield estimation unit 34 is input from the user terminal 70, and the leaf length (mm / leaf) and leaf width (mm / leaf) acquired by the biological information acquisition unit 30. Obtain information on planting density (plants / m 2 ). The biological information is not limited to the case where the worker manually inputs the biometric information to the user terminal 70, and the biometric information may be acquired by analyzing the image taken by the camera.

次いで、ステップＳ１４では、収量推定部３４が、環境情報取得部３２から取得した平均気温に基づいて、展開葉数を計算する。展開葉数とは、展開した（広がった）葉の数を意味し、過去の展開葉数と平均気温の関係を示すデータと、取得した平均気温の値とから、現在の展開葉数を算出（推定）することができる。なお、展開葉数としては、作業者が実際に葉数を計数して利用者端末７０に入力した値を用いることとしてもよい。この場合、環境情報取得部３２は平均気温の情報を取得しなくてもよい。 Next, in step S14, the yield estimation unit 34 calculates the number of expanded leaves based on the average temperature acquired from the environmental information acquisition unit 32. The number of expanded leaves means the number of expanded (expanded) leaves, and the current number of expanded leaves is calculated from the data showing the relationship between the number of expanded leaves in the past and the average temperature and the acquired average temperature value. Can be (estimated). As the number of expanded leaves, a value that the worker actually counts the number of leaves and inputs to the user terminal 70 may be used. In this case, the environmental information acquisition unit 32 does not have to acquire the information on the average temperature.

次いで、ステップＳ１６では、収量推定部３４が、葉長と葉幅から個葉面積（平均的な大きさ及び形状の葉１枚の面積）を計算する。この場合、収量推定部３４は、葉長と葉幅の積に所定の係数をかけた値を個葉面積（m2/leaf）とすることができる。なお、所定の係数は、過去に得られた葉のデータから予め求めておくなどすればよい。 Next, in step S16, the yield estimation unit 34 calculates the individual leaf area (the area of one leaf having an average size and shape) from the leaf length and the leaf width. In this case, the yield estimation unit 34 can set the individual leaf area (m 2 / leaf) as a value obtained by multiplying the product of the leaf length and the leaf width by a predetermined coefficient. The predetermined coefficient may be obtained in advance from the leaf data obtained in the past.

次いで、ステップＳ１８では、収量推定部３４が、展開葉数と個葉面積から個体あたり葉面積（m2/plant）を計算する。この場合、収量推定部３４は、展開葉数と個葉面積の積を個体あたりの葉面積とする。次いで、ステップＳ２０では、収量推定部３４が、個体あたり葉面積と栽植密度から葉面積指数（ＬＡＩ：Leaf Area Index）を計算する。ここで、葉面積指数は、単位土地面積（１ｍ2）に対する作物の全葉面積（ｍ2）を意味する。すなわち、葉面積指数（m2/m2）は、個体あたり葉面積と栽植密度の積であるといえる。 Next, in step S18, the yield estimation unit 34 calculates the leaf area (m 2 / plant) per individual from the number of developed leaves and the individual leaf area. In this case, the yield estimation unit 34 sets the product of the number of developed leaves and the individual leaf area as the leaf area per individual. Next, in step S20, the yield estimation unit 34 calculates a leaf area index (LAI: Leaf Area Index) from the leaf area per individual and the planting density. Here, leaf area index refers to the total leaf area of the crop per unit land area (1m 2) (m 2) . That is, it can be said that the leaf area index (m 2 / m 2 ) is the product of the leaf area and the planting density per individual.

次いで、ステップＳ２２では、収量推定部３４が、葉面積指数（ＬＡＩ）、積算日射量（MJ/m2）、吸光係数から一日の積算受光量を計算する。具体的には、収量推定部３４は、次式（１）に基づいて一日の積算受光量（MJ/（m2・d））を算出する。なお、次式（１）の「ＩＬn」は、定植後ｎ日目の積算受光量であり、「ｋ」は、吸光係数であり、「ＬＡＩn」は、定植後ｎ日目の葉面積指数であり、「Ｓｒn」は、定植後ｎ日目の屋外全天日射である。
ＩＬn＝（１−ｅ-k・LAIn）・０．５５・０．５・Ｓｒn …（１） Next, in step S22, the yield estimation unit 34 calculates the daily integrated light receiving amount from the leaf area index (LAI), the integrated solar radiation amount (MJ / m 2 ), and the absorption coefficient. Specifically, the yield estimation unit 34 calculates the daily cumulative light receiving amount (MJ / (m 2 · d)) based on the following equation (1). In addition, "IL n " of the following formula (1) is the integrated light receiving amount on the nth day after planting, "k" is the absorption coefficient, and "LAI n " is the leaf area on the nth day after planting. is an index, "Sr n" is an outdoor all-sky solar radiation of planting after the n-th day.
IL n = (1-e -k ・ LAIn ) ・ 0.55 ・ 0.5 ・ Sr n … (1)

ここで、０．５５は、施設内（ハウス内）の光透過係数を意味し、０．５は、光合成有効放射（ＰＡＲ：photosynthetically active radiation）に換算するための係数を意味する。 Here, 0.55 means a light transmission coefficient in the facility (inside the house), and 0.5 means a coefficient for converting into photosynthetically active radiation (PAR).

次いで、ステップＳ２４では、収量推定部３４が、平均ＣＯ2濃度から光利用効率を計算する。具体的には、収量推定部３４は、次式（２）に基づいて、光利用効率（g/MJ）を算出する。なお、次式（２）の「ＬＵＥn」は、ｎ日目の光利用効率であり、「ＣＯ2n」は、ｎ日目の日中ＣＯ2濃度（ｎ日目の平均ＣＯ2濃度）である。また、「ｍ」、「ｏ」は、実測値から得られた係数である。
ＬＵＥn＝ｍ・ＣＯ2n−ｏ …（２） Next, in step S24, the yield estimation unit 34 calculates the light utilization efficiency from the average CO 2 concentration. Specifically, the yield estimation unit 34 calculates the light utilization efficiency (g / MJ) based on the following equation (2). In the following equation (2), "LUE n " is the light utilization efficiency on the nth day, and "CO 2n " is the daytime CO 2 concentration on the nth day (average CO 2 concentration on the nth day). is there. Further, "m" and "o" are coefficients obtained from the measured values.
LUE n = m · CO 2n −o… (2)

次いで、ステップＳ２６では、収量推定部３４が、一日の積算受光量ＩＬnと光利用効率ＬＵＥnから一日の総乾物生産量を計算する。具体的には、収量推定部３４は、次式（３）に基づいて、一日（ｎ日目）の総乾物生産量ＤＭn（g/（m2・d））を計算する。
ＤＭn＝ＩＬn・ＬＵＥn …（３） Next, in step S26, the yield estimation unit 34 calculates the total daily dry matter production amount from the daily integrated light receiving amount IL n and the light utilization efficiency LUE n . Specifically, the yield estimation unit 34 calculates the total dry matter production amount DM n (g / (m 2 · d)) for one day (nth day) based on the following equation (3).
DM n = IL n · LUE n … (3)

次いで、ステップＳ２８では、収量推定部３４が、一日の総乾物生産量と果実分配率から一日の乾物果実収量を計算する。具体的には、収量推定部３４は、過去データに基づいて算出される果実分配率と、一日（ｎ日目）の総乾物生産量（ＤＭn）の積を、一日（ｎ日目）の乾物果実収量とする。 Next, in step S28, the yield estimation unit 34 calculates the daily dry matter fruit yield from the daily total dry matter production amount and the fruit distribution rate. Specifically, the yield estimation unit 34 calculates the product of the fruit distribution rate calculated based on the past data and the total dry matter production amount (DM n ) of one day (nth day) in one day (nth day). ) Dry fruit yield.

次いで、ステップＳ３０では、収量推定部３４が、一日の乾物果実収量と果実乾物率から一日の生鮮果実収量を計算する。具体的には、収量推定部３４は、一日（ｎ日目）の乾物果実収量を、過去データに基づいて算出される果実乾物率で除した値を、一日（ｎ日目）の生鮮果実収量とする。 Next, in step S30, the yield estimation unit 34 calculates the daily fresh fruit yield from the daily dry fruit yield and the fruit dry matter rate. Specifically, the yield estimation unit 34 divides the dry fruit yield of one day (nth day) by the dry fruit rate calculated based on past data, and divides the value by the freshness of one day (nth day). Fruit yield.

次いで、ステップＳ３２では、収量推定部３４が、生鮮果実収量のｎ日目までの積算値（ＴＤＭn）を計算する。このＴＤＭnがｎ日目までの推定収量となる。 Next, in step S32, the yield estimation unit 34 calculates the integrated value (TDM n ) of the fresh fruit yield up to the nth day. This TDM n is the estimated yield up to the nth day.

以上のようにして推定された収量の情報は、推定収量ＤＢ２８に格納される。ここで、推定収量ＤＢ２８は、図６（ａ）に示すようなデータ構造を有する。具体的には、推定収量ＤＢ２８は、「ハウス名」、「年月日」、「生鮮果実収量」のほか、生鮮果実収量（推定収量）を算出する際に用いた、又は算出する際に算出された値（平均気温、平均ＣＯ2濃度、積算日射量、葉長、葉幅、展開葉数、総葉面積、ＬＡＩ、光利用効率）を格納する。 The yield information estimated as described above is stored in the estimated yield DB 28. Here, the estimated yield DB 28 has a data structure as shown in FIG. 6A. Specifically, the estimated yield DB28 is used or calculated when calculating the fresh fruit yield (estimated yield) in addition to the "house name", "date", and "fresh fruit yield". The values (average temperature, average CO 2 concentration, cumulative amount of solar radiation, leaf length, leaf width, number of expanded leaves, total leaf area, LAI, light utilization efficiency) are stored.

以上により、収量推定部３４による図４の処理は終了する。 As a result, the process of FIG. 4 by the yield estimation unit 34 is completed.

ここで、管理者等が利用者端末７０に対して推定収量を表示する旨の指示を入力したとする。この場合、出力部３６は、利用者端末７０からその旨の指示を受信すると、推定収量ＤＢ２８からデータを読み出して、利用者端末７０に送信する。例えば、ハウスＡの２０１８年４月６日〜１３日の推定収量を表示する旨の指示が入力された場合には、出力部３６は、推定収量ＤＢ２８から当該年月日の情報（図６（ａ）の８行分のデータ）を読み出して図６（ｂ）に示すような画面を生成し、利用者端末７０に送信する。 Here, it is assumed that the administrator or the like has input an instruction to display the estimated yield to the user terminal 70. In this case, when the output unit 36 receives the instruction to that effect from the user terminal 70, the output unit 36 reads the data from the estimated yield DB 28 and transmits it to the user terminal 70. For example, when an instruction to display the estimated yield of House A from April 6 to 13, 2018 is input, the output unit 36 outputs the information of the date from the estimated yield DB 28 (FIG. 6 (FIG. 6). The data for eight lines of a) is read out to generate a screen as shown in FIG. 6B, which is transmitted to the user terminal 70.

この場合、例えば、図６（ｂ）に示す画面において、管理者等が一部情報を修正する場合がある。例えば実際の収量が推定収量と異なる場合には、「生鮮果実収量」の値を変更することがある。この場合には、修正受付部３８は、当該修正された情報を取得し、推定収量ＤＢ２８を更新する。 In this case, for example, on the screen shown in FIG. 6B, the administrator or the like may correct some information. For example, if the actual yield differs from the estimated yield, the value of "fresh fruit yield" may be changed. In this case, the correction reception unit 38 acquires the corrected information and updates the estimated yield DB 28.

なお、収量推定部３４は、図４の処理を日単位で行う場合に限らず、時間単位で行う機能も有する。すなわち、収量推定部３４は、例えば１時間ごとの収量の推移を推定することができる。より具体的には、収量推定部３４は、１時間毎の平均気温や平均ＣＯ2濃度、積算日射量を用いることで、１時間毎の収量の推移を推定することができる。この場合、出力部３６は、図７に示すように、時刻ごとの収量の推移を表したグラフを表示する画面を出力することとしてもよい。 The yield estimation unit 34 also has a function of performing the processing of FIG. 4 not only on a daily basis but also on an hourly basis. That is, the yield estimation unit 34 can estimate, for example, the transition of the yield every hour. More specifically, the yield estimation unit 34 can estimate the transition of the yield every hour by using the average temperature, the average CO 2 concentration, and the integrated amount of solar radiation every hour. In this case, as shown in FIG. 7, the output unit 36 may output a screen displaying a graph showing the transition of the yield for each time.

また、収量推定部３４は、例えばハウス内の気温を変化させたり、ＣＯ2濃度を変化させた場合に、推定収量がどのように変化するかをシミュレーションする機能も有する。例えば、収量推定部３４が、翌日の環境情報が前日の環境情報と同一であると仮定して収量をシミュレーションしたとする。この場合の時刻ごとの収量の推移を示すグラフが、図８（ａ）に示すようなグラフであったとする。この場合、収量推定部３４は、例えば、ＣＯ2濃度を所定濃度上昇させた場合、気温を所定温度上昇させた場合、ＣＯ2濃度と気温を上昇させた場合、などについて図４と同様の処理によりシミュレーションすることができる。図８（ｂ）は、ＣＯ2濃度を所定濃度上昇させた場合の時刻ごとの収量の推移を示すグラフであり、図８（ｃ）は、気温を所定温度上昇させた場合の時刻ごとの収量の推移を示すグラフであり、図８（ｄ）は、ＣＯ2濃度と気温を上昇させた場合の時刻ごとの収量の推移を示すグラフである。なお、図８（ｂ）〜図８（ｄ）においては、シミュレーションの結果求められた収量の推移が破線で示されており、図８（ａ）の推移が実線で示されている。例えば、出力部３６は、図８（ｂ）〜図８（ｄ）のグラフを利用者端末７０に出力することで、管理者等にシミュレーション結果を提供する。そして、管理者等がいずれかのグラフを選択した場合には、出力部３６は、翌日のハウス内の環境が選択されたグラフに対応する環境になるように、制御対象機器７４に対して制御情報を出力する（制御指示を出す）。これにより、管理者等が希望する収量となるようにハウス内の環境を調整することができる。なお、出力部３６は、シミュレーション結果のうち収量（推定値）が最も大きくなる環境を特定し、特定した環境になるように制御対象機器７４に対して制御情報を出力するようにしてもよい。 The yield estimation unit 34 also has a function of simulating how the estimated yield changes when, for example, the temperature inside the house is changed or the CO 2 concentration is changed. For example, assume that the yield estimation unit 34 simulates the yield on the assumption that the environmental information on the next day is the same as the environmental information on the previous day. It is assumed that the graph showing the transition of the yield for each time in this case is a graph as shown in FIG. 8 (a). In this case, the yield estimation unit 34 performs the same processing as in FIG. 4, for example, when the CO 2 concentration is increased by a predetermined concentration, when the temperature is increased by a predetermined temperature, when the CO 2 concentration and the temperature are increased, and the like. Can be simulated by. FIG. 8 (b) is a graph showing the transition of the yield for each time when the CO 2 concentration is increased by a predetermined concentration, and FIG. 8 (c) is the yield for each time when the temperature is increased by a predetermined temperature. 8 (d) is a graph showing the transition of the yield for each time when the CO 2 concentration and the temperature are increased. In addition, in FIGS. 8 (b) to 8 (d), the transition of the yield obtained as a result of the simulation is shown by a broken line, and the transition of FIG. 8 (a) is shown by a solid line. For example, the output unit 36 outputs the graphs of FIGS. 8 (b) to 8 (d) to the user terminal 70 to provide a simulation result to an administrator or the like. Then, when the administrator or the like selects one of the graphs, the output unit 36 controls the controlled device 74 so that the environment in the house on the next day becomes the environment corresponding to the selected graph. Output information (issue control instructions). As a result, the environment in the house can be adjusted so that the yield desired by the manager or the like is obtained. The output unit 36 may specify the environment in which the yield (estimated value) is the largest among the simulation results, and output the control information to the control target device 74 so as to obtain the specified environment.

以上、詳細に説明したように、本実施形態によると、生体情報取得部３０が作物の生体情報を取得するとともに、環境情報取得部３２が作物が生育する環境情報を取得し、収量推定部３４が、取得した生体情報と環境情報とに基づいて、作物の収量を推定する（Ｓ１４〜Ｓ３０）。これにより、本実施形態では、作物の収量を光合成特性に基づいて推定することで、精度よく収量を推定することができる。また、本実施形態では、管理者等が葉長や葉幅、栽植密度を入力するだけで、簡易に収量を推定することができる。また、収量を精度よく推定できることにより、収穫時に必要な作業者数、運搬用燃料、梱包資材数量、収穫用設備等を正確に見積もることが可能である。 As described in detail above, according to the present embodiment, the biological information acquisition unit 30 acquires the biological information of the crop, and the environmental information acquisition unit 32 acquires the environmental information on which the crop grows, and the yield estimation unit 34. However, the yield of the crop is estimated based on the acquired biological information and environmental information (S14 to S30). Thereby, in the present embodiment, the yield can be estimated accurately by estimating the yield of the crop based on the photosynthetic characteristics. Further, in the present embodiment, the yield can be easily estimated only by the manager or the like inputting the leaf length, leaf width, and planting density. In addition, since the yield can be estimated accurately, it is possible to accurately estimate the number of workers required at the time of harvesting, the fuel for transportation, the quantity of packing materials, the equipment for harvesting, and the like.

また、本実施形態では、生体情報には、葉面積を算出するための情報（葉長及び葉幅）が含まれ、収量推定部３４は、生体情報と積算日射量とに基づいて作物における積算受光量を算出し、算出した積算受光量に基づいて作物の収量を推定する。これにより、本実施形態では、作物の葉の状態と葉における日射量とに基づいて、光合成特性に基づく収量の推定を行うため、精度よく作物の収量を推定することができる。 Further, in the present embodiment, the biological information includes information (leaf length and leaf width) for calculating the leaf area, and the yield estimation unit 34 integrates the crop in the crop based on the biological information and the integrated amount of solar radiation. The amount of light received is calculated, and the yield of the crop is estimated based on the calculated integrated amount of light received. As a result, in the present embodiment, the yield is estimated based on the photosynthetic characteristics based on the state of the leaves of the crop and the amount of solar radiation on the leaves, so that the yield of the crop can be estimated accurately.

また、本実施形態では、収量推定部３４が、作物の葉面積を、葉長と葉幅に基づいて算出するため、管理者等が葉面積を測定しなくてもよくなり、管理者等の手間を省くことができる。 Further, in the present embodiment, the yield estimation unit 34 calculates the leaf area of the crop based on the leaf length and the leaf width, so that the manager or the like does not have to measure the leaf area. You can save time and effort.

また、本実施形態では、収量推定部３４は、平均気温に基づいて展開葉数を計算するため、実際の作物の葉数を数えなくてもよい。これにより管理者等の手間を省くことができる。 Further, in the present embodiment, since the yield estimation unit 34 calculates the number of developed leaves based on the average temperature, it is not necessary to count the actual number of leaves of the crop. This can save the trouble of the administrator and the like.

また、本実施形態では、収量推定部３４は、環境情報を変化させて収量のシミュレーションを行う機能を有している。これにより、ＣＯ2濃度や気温などを変化させた場合に、収量がどのように変化するかを確認することができる。また、出力部３６は、シミュレーション結果に基づいて、制御対象機器７４の制御情報を出力するため、収量が上がるように制御対象機器７４を制御することが可能である。 Further, in the present embodiment, the yield estimation unit 34 has a function of changing the environmental information to simulate the yield. This makes it possible to confirm how the yield changes when the CO 2 concentration, temperature, etc. are changed. Further, since the output unit 36 outputs the control information of the control target device 74 based on the simulation result, it is possible to control the control target device 74 so as to increase the yield.

なお、上記実施形態で説明した収量推定方法は、一例である。すなわち、上述した式の一部を改変してもよい。また、上記実施形態において計算で求めた値を実測するようにしてもよい。 The yield estimation method described in the above embodiment is an example. That is, a part of the above formula may be modified. Further, the value obtained by calculation in the above embodiment may be actually measured.

なお、上記実施形態では、サーバ１０が収量を推定する場合について説明したが、これに限られるものではない。例えば、サーバ１０の機能（図３の機能）を各利用者端末７０が有していても良い。 In the above embodiment, the case where the server 10 estimates the yield has been described, but the present invention is not limited to this. For example, each user terminal 70 may have the function of the server 10 (the function of FIG. 3).

なお、上記の処理機能は、コンピュータによって実現することができる。その場合、処理装置が有すべき機能の処理内容を記述したプログラムが提供される。そのプログラムをコンピュータで実行することにより、上記処理機能がコンピュータ上で実現される。処理内容を記述したプログラムは、コンピュータで読み取り可能な記憶媒体（ただし、搬送波は除く）に記録しておくことができる。 The above processing function can be realized by a computer. In that case, a program that describes the processing content of the function that the processing device should have is provided. By executing the program on a computer, the above processing function is realized on the computer. The program describing the processing content can be recorded on a computer-readable storage medium (excluding the carrier wave).

プログラムを流通させる場合には、例えば、そのプログラムが記録されたＤＶＤ（Digital Versatile Disc）、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）などの可搬型記憶媒体の形態で販売される。また、プログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することもできる。 When a program is distributed, it is sold in the form of a portable storage medium such as a DVD (Digital Versatile Disc) or a CD-ROM (Compact Disc Read Only Memory) on which the program is recorded. It is also possible to store the program in the storage device of the server computer and transfer the program from the server computer to another computer via the network.

プログラムを実行するコンピュータは、例えば、可搬型記憶媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、自己の記憶装置に格納する。そして、コンピュータは、自己の記憶装置からプログラムを読み取り、プログラムに従った処理を実行する。なお、コンピュータは、可搬型記憶媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することもできる。また、コンピュータは、サーバコンピュータからプログラムが転送されるごとに、逐次、受け取ったプログラムに従った処理を実行することもできる。 The computer that executes the program stores, for example, the program recorded on the portable storage medium or the program transferred from the server computer in its own storage device. Then, the computer reads the program from its own storage device and executes the processing according to the program. The computer can also read the program directly from the portable storage medium and execute the process according to the program. In addition, the computer can sequentially execute processing according to the received program each time the program is transferred from the server computer.

上述した実施形態は本発明の好適な実施の例である。但し、これに限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変形実施可能である。 The embodiments described above are examples of preferred embodiments of the present invention. However, the present invention is not limited to this, and various modifications can be made without departing from the gist of the present invention.

１０ サーバ（収量推定装置）
３０ 生体情報取得部（第１取得部）
３２ 環境情報取得部（第２取得部）
３４ 収量推定部（推定部） 10 servers (yield estimation device)
30 Biological Information Acquisition Department (1st Acquisition Department)
32 Environmental Information Acquisition Department (2nd Acquisition Department)
34 Yield estimation part (estimation part)

Claims (9)

作物の生体情報を取得し、
作物が生育する環境情報を取得し、
前記生体情報と、前記環境情報とに基づいて、前記作物の収量を推定する、
処理をコンピュータに実行させるための収量推定プログラム。 Acquire biological information of crops,
Acquire environmental information on which crops grow,
The yield of the crop is estimated based on the biological information and the environmental information.
A yield estimation program that lets a computer perform the process. 前記生体情報は、前記作物の葉の大きさに関する情報を含み、
前記推定する処理では、前記生体情報と、積算日射量とに基づいて、前記作物における積算受光量を算出し、算出した前記積算受光量に基づいて、前記作物の収量を推定する、
ことを特徴とする請求項１に記載の収量推定プログラム。 The biological information includes information on the leaf size of the crop.
In the estimation process, the cumulative light-receiving amount in the crop is calculated based on the biological information and the integrated solar radiation amount, and the yield of the crop is estimated based on the calculated cumulative light-receiving amount.
The yield estimation program according to claim 1. 前記生体情報は、前記作物の葉の長さと幅の測定結果を含み、
前記推定する処理では、前記作物の葉の長さと幅の測定結果に基づいて算出した葉１枚当たりの面積を、前記作物の収量の推定に用いる、ことを特徴とする請求項２に記載の収量推定プログラム。 The biological information includes measurement results of leaf length and width of the crop.
The second aspect of the present invention is characterized in that, in the estimation process, the area per leaf calculated based on the measurement results of the leaf length and width of the crop is used for estimating the yield of the crop. Yield estimation program. 前記推定する処理では、前記環境情報に含まれる平均気温に基づいて予測した前記葉の枚数を、前記作物の収量の推定に用いる、ことを特徴とする請求項２又は３に記載の収量推定プログラム。 The yield estimation program according to claim 2 or 3, wherein in the estimation process, the number of leaves predicted based on the average temperature included in the environmental information is used for estimating the yield of the crop. .. 前記推定する処理では、前記環境情報に含まれる空気中の二酸化炭素濃度に基づいて算出した光利用効率を、前記作物の収量の推定に用いる、ことを特徴とする請求項１〜４のいずれか一項に記載の収量推定プログラム。 Any of claims 1 to 4, wherein in the estimation process, the light utilization efficiency calculated based on the carbon dioxide concentration in the air contained in the environmental information is used for estimating the yield of the crop. The yield estimation program described in item 1. 前記推定する処理では、前記環境情報を変化させたときの前記作物の収量を推定する、ことを特徴とする請求項１〜５のいずれか一項に記載の収量推定プログラム。 The yield estimation program according to any one of claims 1 to 5, wherein in the estimation process, the yield of the crop when the environmental information is changed is estimated. 前記環境情報を変化させたときの前記作物の収量の推定値に基づいて、環境を調整する装置を制御するための制御信号を出力する、ことを特徴とする請求項６に記載の収量推定プログラム。 The yield estimation program according to claim 6, wherein a control signal for controlling an apparatus for adjusting the environment is output based on an estimated value of the yield of the crop when the environmental information is changed. .. 作物の生体情報を取得し、
作物が生育する環境情報を取得し、
前記生体情報と、前記環境情報とに基づいて、前記作物の収量を推定する、
処理をコンピュータが実行することを特徴とする収量推定方法。 Acquire biological information of crops,
Acquire environmental information on which crops grow,
The yield of the crop is estimated based on the biological information and the environmental information.
A yield estimation method characterized by a computer performing the process. 作物の生体情報を取得する第１取得部と、
作物が生育する環境情報を取得する第２取得部と、
前記生体情報と、前記環境情報とに基づいて、前記作物の収量を推定する推定部と、を備える収量推定装置。 The first acquisition department that acquires biological information of crops,
The second acquisition department that acquires environmental information on which crops grow,
A yield estimation device including an estimation unit that estimates the yield of the crop based on the biological information and the environmental information.
JP2019111196A 2018-06-14 2019-06-14 Yield estimation program, yield estimation method, and yield estimation device Active JP7386503B2 (en)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2018113610 2018-06-14
JP2018113610 2018-06-14
JP2019110006 2019-06-13
JP2019110006 2019-06-13

Publications (2)

Publication Number Publication Date
JP2020204829A true JP2020204829A (en) 2020-12-24
JP7386503B2 JP7386503B2 (en) 2023-11-27

Family

ID=73838425

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019111196A Active JP7386503B2 (en) 2018-06-14 2019-06-14 Yield estimation program, yield estimation method, and yield estimation device

Country Status (1)

Country Link
JP (1) JP7386503B2 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114793785A (en) * 2022-03-31 2022-07-29 河源弘稼农业科技有限公司 Tomato plant planting method
WO2022163754A1 (en) * 2021-01-29 2022-08-04 三菱重工業株式会社 Greenhouse

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011103870A (en) * 2009-11-13 2011-06-02 Shijin Kogyo Sakushinkai Automatic measurement system and method for plant features, and recording medium thereof
JP2018007630A (en) * 2016-07-14 2018-01-18 株式会社リコー Cultivation support device

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011103870A (en) * 2009-11-13 2011-06-02 Shijin Kogyo Sakushinkai Automatic measurement system and method for plant features, and recording medium thereof
JP2018007630A (en) * 2016-07-14 2018-01-18 株式会社リコー Cultivation support device

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
J.W. JONES,E. DAYAN,L.H. ALLEN,H. VAN KEULEN,H CHALLA: "Ａ Ｄｙｎａｍｉｃ ｔｏｍａｔｏ ｇｒｏｗｔｈ ａｎｄ ｙｉｅｌｄ ｍｏｄｅｌ(TOMGRO)", AMERICAN SOCIETY OF AGRICULTURAL ENGINEERS, vol. Vol. 34(2), JPN7023001411, 1 April 1991 (1991-04-01), US, pages 663 - 672, ISSN: 0005033409 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022163754A1 (en) * 2021-01-29 2022-08-04 三菱重工業株式会社 Greenhouse
CN114793785A (en) * 2022-03-31 2022-07-29 河源弘稼农业科技有限公司 Tomato plant planting method
CN114793785B (en) * 2022-03-31 2023-11-10 河源弘稼农业科技有限公司 Tomato plant planting method

Also Published As

Publication number Publication date
JP7386503B2 (en) 2023-11-27

Similar Documents

Publication Publication Date Title
ur Rahman et al. Multi-model projections of future climate and climate change impacts uncertainty assessment for cotton production in Pakistan
Challinor et al. Current warming will reduce yields unless maize breeding and seed systems adapt immediately
Espe et al. Estimating yield potential in temperate high-yielding, direct-seeded US rice production systems
CN103890767A (en) Programmable plant system
Shin et al. Assessing maize and peanut yield simulations with various seasonal climate data in the southeastern United States
Viskari et al. Model‐data assimilation of multiple phenological observations to constrain and predict leaf area index
JP2021056573A (en) Crop growth prediction program, crop growth prediction method, and crop growth prediction device
JP7386503B2 (en) Yield estimation program, yield estimation method, and yield estimation device
Medina-Ruíz et al. Mathematical modeling on tomato plants: A review
JP7070872B2 (en) Land aptitude evaluation device, land aptitude evaluation method, and program
CN114662742A (en) Dynamic decision method and device for field irrigation and fertilization system
Ban et al. Assimilating MODIS data-derived minimum input data set and water stress factors into CERES-Maize model improves regional corn yield predictions
JP2018007630A (en) Cultivation support device
US20220225583A1 (en) Management device for cultivation of fruit vegetable plants and fruit trees, learning device, management method for cultivation of fruit vegetable plants and fruit trees, learning model generation method, management program for cultivation of fruit vegetable plants and fruit trees, and learning model generation program
Sepulcre-Cantó et al. Estimating crop-specific evapotranspiration using remote-sensing imagery at various spatial resolutions for improving crop growth modelling
JP7461650B2 (en) Growth condition prediction method and growth condition prediction program
JP7281188B2 (en) Harvest information output program, harvest information output method and harvest information output device
JP2021026771A (en) Yield estimation program, method for estimating yield, and yield estimation device
EP3984349A1 (en) Information processing device and method
WO2024084769A1 (en) Prediction method and prediction program, environmental control information output method and environmental control information output program
JP2022078987A (en) Agriculture assisting program, agriculture assisting method, and agriculture assisting device
Sun et al. Study of tomato growth weight-distribution model based on real-time plant weight in a solar greenhouse
JP2020048551A (en) Growth environment control program, growth environment control method, and growth environment control device
JP2021182265A (en) Cultivation auxiliary program, photosynthesis amount calculation program, and growth amount calculation program
WO2023181758A1 (en) Agricultural assistance program, agricultural assistance method, and agricultural assistance device

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220407

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230308

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230411

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230609

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230912

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230929

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: 20231017

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231107

R150 Certificate of patent or registration of utility model

Ref document number: 7386503

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150