JP2020531014A - 植物健康状態の監視方法及び装置 - Google Patents
植物健康状態の監視方法及び装置 Download PDFInfo
- Publication number
- JP2020531014A JP2020531014A JP2020509112A JP2020509112A JP2020531014A JP 2020531014 A JP2020531014 A JP 2020531014A JP 2020509112 A JP2020509112 A JP 2020509112A JP 2020509112 A JP2020509112 A JP 2020509112A JP 2020531014 A JP2020531014 A JP 2020531014A
- Authority
- JP
- Japan
- Prior art keywords
- information
- plant
- plant health
- health
- poor
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
- A01G7/06—Treatment of growing trees or plants, e.g. for preventing decay of wood, for tingeing flowers or wood, for prolonging the life of plants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
- G01N2021/3155—Measuring in two spectral ranges, e.g. UV and visible
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Botany (AREA)
- Wood Science & Technology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
植物健康状態測定装置から提供される第1の植物健康状態の情報を受信し、前記第1の植物健康状態の情報に基づいて植物健康状態を判断して、第1の判断情報を取得することと、
前記第1の判断情報で示される内容が植物に健康不良のリスクがある旨であれば、前記健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を受信することと、前記第2の植物健康状態の情報に基づいて植物健康状態を判断して、第2の判断情報を取得することと、
前記第2の判断情報で示される内容が植物に健康不良がある旨であれば、前記植物健康状態が健康不良になっていることを確認し、健康不良になっている植物の所在位置の情報を特定することとを含む、植物健康状態の監視方法を提供する。
植物健康状態測定装置から提供される第1の植物健康状態の情報を受信するように構成される受信ユニットと、
受信ユニットに接続されるユニットであって、前記第1の植物健康状態の情報に基づいて、植物健康状態に対して1回目の判断を行い、第1の判断情報を取得するように構成される処理ユニットと、を含み、前記受信ユニットは、前記第1の判断情報で示される内容が植物に健康不良のリスクがある旨であれば、さらに、前記健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を受信するように構成され、前記処理ユニットは、さらに、前記第2の植物健康状態の情報に基づいて、植物健康状態に対して2回目の判断を行い、第2の判断情報を取得するように構成され、前記第2の判断情報で示される内容が植物に健康不良がある旨であれば、前記植物健康状態が健康不良になっていることを確認し、健康不良になっている植物の所在位置の情報を特定する、植物健康状態監視装置を提供する。
植物健康状態測定装置200から提供される第1の植物健康状態の情報を受信するステップS110と、
第1の植物健康状態の情報に基づいて、植物健康状態に対して1回目の判断を行い、第1の判断情報を取得し、第1の判断情報で示される内容が植物に健康不良のリスクがある旨であれば、ステップS130に移行するステップS120と、
植物健康状態測定装置200から提供される、健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を受信するステップS130と、
第2の植物健康状態の情報に基づいて、植物健康状態に対して2回目の判断を行い、第2の判断情報を取得するステップS140と、
第2の判断情報で示される内容が植物に健康不良がある旨であれば、植物健康状態が健康不良になっていることを確認し、健康不良になっている植物の所在位置の情報を特定するステップS150とを含み、
植物健康状態が健康不良になっているのは、相対的な特定状態に過ぎず、即ち、このような健康不良の確率が一般的な確率よりも高く、植物健康状態が健康不良になっていると定義されることが分かる。
そうであれば、判断が終了し、そうでなければ、健康不良になっている植物の所在位置の第3の植物健康状態の情報を受信して判断し、第3の植物健康状態の情報の精度が第2の植物健康状態の情報よりも高いと限定する。
ステップS122では、第1の植物健康不良の確率が所定の閾値を超えるか否かを判断し、
そうであれば、植物に健康不良のリスクがあることを確認し、健康不良のリスクがある植物の所在位置の情報を確認し、ステップS130に移行し、健康不良のリスクがある植物の所在位置の情報は、第1の植物健康状態の情報に基づいて特定され、すなわち、畳み込みニューラルネットワークモデルを用いて、第1の植物健康状態の情報を判断する場合、畳み込みニューラルネットワークモデルは、さらに、第1の植物健康状態の情報を認識し、健康不良のリスクがある植物の所在位置の情報を取得し、
そうでなければ、植物健康状態良好と特定する。
畳み込みニューラルネットワークモデルを用いて、第2の植物健康状態の情報を判断して、第2の植物健康不良の確率を取得するステップS141と、
第2の植物健康不良の確率が所定の閾値を超えるか否かを判断し、
そうであれば、ステップS150に移行し、
そうでなければ、植物健康状態良好と特定するステップS142と、
植物に健康不良があることを確認し、健康不良の程度及び健康不良になっている植物の所在位置の情報を確認するステップS150とを含み、植物健康不良の程度は、第2の植物健康不良の確率と所定の閾値との差分が所定の閾値を占めるパーセントに基づいて定められ、差分が大きいほど植物健康不良の程度が高く、健康不良になっている植物の所在位置の情報は、第2の植物健康状態の情報に基づいて特定される。すなわち、畳み込みニューラルネットワークモデルを用いて、第2の植物健康状態の情報を判断する場合、畳み込みニューラルネットワークモデルは、さらに、第2の植物健康状態の情報を認識し、健康不良になっている植物の所在位置の情報を取得し、
なお、植物の健康不良は、植物の病虫害症状及び/又は植物の栄養素欠乏症のうち少なくとも1つを含んでもよく、栄養素欠乏症は、微量元素欠乏症、窒素欠乏症、リン欠乏症、カリウム欠乏症のうちの1つ又は複数を含んでもよい。
まず、少なくとも植物画像の履歴情報を含む植物健康状態履歴情報を受信することと、
次に、畳み込みニューラルネットワークを用いて、植物健康状態履歴情報に対して学習トレーニングを行って、畳み込みニューラルネットワークモデルを取得することとをさらに含む。
少なくとも健康不良のリスクがある植物の所在位置の情報と、画像拡大倍数の制御情報及び画像拡大角度の制御情報を含む画像拡大制御情報とを含む画像取得ユニットの制御指令を生成する第1ステップと、
画像取得ユニットの制御指令を植物健康状態測定装置200に送信することにより、植物健康状態測定装置200が画像取得ユニットの制御指令に基づいて、健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を取得する第2ステップとをさらに含み、第2の植物健康状態の情報に含まれる現在の植物画像情報は、第1の植物健康状態の情報における健康不良のリスクがある植物の所在位置の現在の植物画像の異なる角度の画像拡大情報である。
これに応じて、第2の植物健康状態の情報は、m×n×k組の植物健康状態のデータを含み、各組の植物健康状態のデータは、装置の座標情報、装置の回転角度情報、画像拡大情報、及び健康不良のリスクがある現在の植物画像情報を含む。
第1の判断情報で示される内容に基づいて、健康状態良好な植物の所在位置を特定するステップS191と、
周期的に、第1の判断情報で示される内容と、健康状態良好な植物の所在位置の情報とに基づいて、植物健康状態良好のレポートを生成し、クライアント端末に送信するステップS192とを含む。及び/又は、
第2の判断情報で示される内容が植物健康状態良好という旨であれば、上記植物健康状態の監視方法は、ステップS210をさらに含み、ステップS210は具体的に、
第2の判断情報で示される内容に基づいて、健康状態良好な植物の所在位置を特定するステップS211と、
周期的に、第2の判断情報で示される内容と、健康状態良好な植物の所在位置の情報とに基づいて、植物健康状態良好のレポートを生成し、クライアント端末300に送信するステップS212とを含む。
植物健康状態不良のレポートをクライアント端末300に送信して、農地管理者に植物健康状態不良のレポートを見ることをリアルタイムに注意を喚起するステップS170をさらに含む。
ステップS162では、呼び出された植物情報データに基づいて植物健康不良の防除対策を生成し、農作物知識データベースには、複数種の植物情報データが含まれ、各種の前記植物情報データは、植物情報及び対応する植物健康不良の防除対策を含む。
ステップ163では、第2の判断情報で示される内容と、植物健康不良の防除対策と、健康不良になっている植物の所在位置の情報とに基づいて、植物健康状態不良のレポートを生成し、植物健康状態不良のレポートは、対象植物の所在位置の領域、植物健康不良の発生範囲、植物健康不良のピクチャ、認識時間、植物健康不良の防除対策などを含んでもよく、植物健康不良は、虫害、病害、栄養素欠乏を含むだけでなく、他の健康不良状態を含んでもよい。
各第1の植物健康状態の情報における植物健康状態測定装置200の認識情報と、植物健康状態測定装置の地理座標情報とに基づいて、各第1の植物健康状態の情報における植物健康状態測定装置の認識情報と、植物健康状態測定装置の地理座標情報との対応関係を作成し、各第1の植物健康状態の情報における植物健康状態測定装置の認識情報と、植物健康状態測定装置の地理座標情報との対応関係を記憶する第1ステップと、
植物健康状態測定装置200から提供される、健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を受信した後、第2の植物健康状態の情報に基づいて、植物健康状態の情報に対して2回目の判断を行う前に、上記植物健康状態の監視方法は、
各第1の植物健康状態の情報における植物健康状態測定装置200の認識情報と、植物健康状態測定装置200の地理座標情報との対応関係に基づいて、各第2の植物健康状態の情報における植物健康状態測定装置200の認識情報を認識することで、各第2の植物健康状態の情報における植物健康状態測定装置200の地理座標情報を取得して、各第2の植物健康状態の情報の取得元を特定する第3ステップと、をさらに含む。
植物健康状態測定装置100と通信し、植物健康状態測定装置100から提供される第1の植物健康状態の情報を受信するように構成される受信ユニット110と、
受信ユニット110に接続され、第1の植物健康状態の情報に基づいて、植物健康状態に対して1回目の判断を行い、第1の判断情報を取得するように構成される処理ユニット120と、を含み、受信ユニット110は、第1の判断情報で示される内容が植物に健康不良のリスクがある旨であれば、さらに、健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を受信するように構成され、処理ユニット120は、さらに、第2の植物健康状態の情報に基づいて、植物健康状態に対して2回目の判断を行い、第2の判断情報を取得するように構成され、第2の判断情報で示される内容が植物に健康不良がある旨であれば、前記植物健康状態が健康不良になっていることを確認し、健康不良になっている植物の所在位置の情報を特定する。
確率分析モジュール121及びレポート生成ユニット130にそれぞれ接続されるモジュールであって、第1の植物健康不良の確率が所定の閾値を超えるか否かを判断し、そうであれば、植物に健康不良のリスクがあることを確認し、前記健康不良のリスクがある植物の所在位置を確認し、そうでなければ、植物健康状態良好と特定し、かつ、第2の植物健康不良の確率が所定の閾値を超えるか否かを判断し、
そうであれば、植物に健康不良があることを確認し、健康不良の程度及び健康不良になっている植物の所在位置の情報を確認し、そうでなければ、植物健康状態良好と特定する判断モジュール122と、を含む。
処理ユニット120は、受信ユニット110及び確率分析モジュール121にそれぞれ接続されるモジュールであって、畳み込みニューラルネットワークを用いて、植物健康状態履歴情報に対して学習トレーニングを行うことで、畳み込みニューラルネットワークモデルを取得するように構成される情報トレーニングモジュール123をさらに含む。
送信ユニット150は、画像取得ユニットの制御指令を植物健康状態測定装置に送信することにより、植物健康状態測定装置が画像取得ユニットの制御指令に基づいて、健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を取得するように構成される。
第2の植物健康状態の情報は、m×n組の植物健康状態のデータを含み、各組の植物健康状態のデータは、装置の回転角度情報、画像拡大情報、及び健康不良のリスクがある現在の植物画像情報を含む。
第2の植物健康状態の情報は、m×n×k組の植物健康状態のデータを含み、各組の植物健康状態のデータは、装置の座標情報、装置の回転角度情報、画像拡大情報、及び健康不良のリスクがある現在の植物画像情報を含む。
レポート生成ユニット130は、さらに、第1の判断情報及び/又は第2の判断情報で示される内容が植物健康状態良好という旨である場合、周期的に、第1の判断情報及び/又は第2の判断情報で示される内容と、健康状態良好な植物の所在位置の情報とに基づいて、植物健康状態良好のレポートを生成するように構成され、
図2及び図6に示すように、上記植物健康状態監視装置は、植物健康状態良好のレポートをクライアント端末300に送信するように構成される送信ユニット150をさらに含む。送信の際、無線送信であっても有線送信であってもよく、このとき、送信ユニット150とクライアント端末300との間に通信関係がある。
送信ユニット150は、さらに、警報指令を警報器400に送信することにより、警報器400が警報指令の制御下で警報するように構成され、農地管理者の注意を喚起する。このとき、送信ユニット150と警報器400との間に通信関係があり、処理ユニット120が図7に示すようなブロック構成図を採用する場合、指令生成ユニット160は、判断モジュール122に接続される。
一方、植物健康状態不良のレポートの内容をより豊かにするために、上記植物健康状態監視装置は、処理ユニット120に接続される、植物情報及び対応する植物健康不良の防除対策をそれぞれ含む複数種の植物情報データを含む農作物知識データベースをさらに含み、処理ユニット120は、さらに、第2の判断情報で示される内容に基づいて、農作物知識データベース内の植物情報データを呼び出し、呼び出された植物情報データに基づいて植物健康不良の防除対策を生成するように構成され、
前記レポート生成ユニット130は、第2の判断情報で示される内容と、植物健康不良の防除対策と、健康不良になっている植物の所在位置の情報とに基づいて、植物健康状態不良のレポートを生成するように構成され、このように、植物健康状態不良のレポートは、植物健康不良の情報を含むだけでなく、どのように植物健康不良を防除するかという対策も含むことになる。植物健康不良の防除対策は、病虫害の防除対策及び/又は植物栄養素欠乏の防除対策を含む。
各第2の植物健康状態の情報は、植物健康状態測定装置の認識情報をさらに含み、
この場合、図6に示すように、上記植物健康状態監視装置は、受信ユニット110及び処理ユニット120に接続される装置認識ユニット140をさらに含み、処理ユニットは、図7に示すようなブロック構成図を採用し、装置認識ユニット140は、確率分析モジュール121に接続され、
植物健康状態測定装置200から提供される第1の植物健康状態の情報を受信した後、第1の植物健康状態の情報に基づいて、植物健康状態に対して1回目の判断を行う前に、装置認識ユニット140は、各第1の植物健康状態の情報における植物健康状態測定装置の認識情報と、植物健康状態測定装置の地理座標情報とに基づいて、各第1の植物健康状態の情報における植物健康状態測定装置の認識情報と、植物健康状態測定装置の地理座標情報との対応関係を作成し、各第1の植物健康状態の情報における植物健康状態測定装置の認識情報と、植物健康状態測定装置の地理座標情報との対応関係を記憶するように構成され、
植物健康状態測定装置から提供される、健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を受信した後、第2の植物健康状態の情報に基づいて、植物健康状態の情報に対して2回目の判断を行う前に、上記装置認識ユニット140は、さらに、
各第2の植物健康状態の情報における植物健康状態測定装置の認識情報を認識し、各前記第2の植物健康状態の情報における植物健康状態測定装置の地理座標情報を取得して、各第2の植物健康状態の情報の取得元を特定するように構成され、
レポート生成ユニット130は、第2の判断情報で示される内容と、健康不良になっている植物の所在位置の情報と、健康不良になっている植物の所在位置の第2の植物健康状態の情報の取得元に基づいて、植物健康状態不良のレポートを生成する。
メモリ502は、プロセッサ503が複数種の制御指令を実行することにより、上記植物健康状態の監視方法を実現するように、実行可能なプログラムコードを記憶するように構成される。
Claims (28)
- 植物健康状態測定装置から提供される第1の植物健康状態の情報を受信し、前記第1の植物健康状態の情報に基づいて植物健康状態を判断して、第1の判断情報を取得することと、
前記第1の判断情報で示される内容が植物に健康不良のリスクがある旨であれば、前記健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を受信することと、前記第2の植物健康状態の情報に基づいて植物健康状態を判断して、第2の判断情報を取得することと、
前記第2の判断情報で示される内容が植物に健康不良がある旨であれば、前記植物健康状態が健康不良になっていることを確認し、健康不良になっている植物の所在位置の情報を特定することとを含む、植物健康状態の監視方法。 - 前記第1の植物健康状態の情報は、少なくとも現在の植物画像情報を含み、
前記第1の植物健康状態の情報に基づいて植物健康状態を判断して、第1の判断情報を取得することは、
畳み込みニューラルネットワークモデルを用いて、前記第1の植物健康状態の情報を判断して、第1の植物健康不良の確率を取得することと、
前記第1の植物健康不良の確率が所定の閾値を超えるか否かを判断することと、
そうであれば、植物に健康不良のリスクがあることを確認し、前記健康不良のリスクがある植物の所在位置の情報を確認することとを含む、請求項1に記載の植物健康状態の監視方法。 - 前記畳み込みニューラルネットワークモデルを用いて、前記第1の植物健康状態の情報を判断する前に、
少なくとも植物画像の履歴情報を含む植物健康状態履歴情報を受信することと、
前記畳み込みニューラルネットワークを用いて前記植物健康状態履歴情報に対して学習トレーニングを行うことで、畳み込みニューラルネットワークモデルを取得することとをさらに含む、請求項2に記載の植物健康状態の監視方法。 - 前記植物健康状態履歴情報は、土壌の履歴情報、空気の履歴情報、日射の履歴情報のうちの1つ又は複数をさらに含み、
前記第1の植物健康状態の情報は、少なくとも現在の土壌情報、現在の空気情報及び現在の日射情報のうちの1つ又は複数をさらに含み、
前記第2の植物健康状態の情報は、少なくとも現在の土壌情報、現在の空気情報及び現在の日射情報のうちの1つ又は複数をさらに含む、請求項3に記載の植物健康状態の監視方法。 - 前記第1の植物健康状態の情報に含まれる現在の植物画像情報のタイプは、可視光画像情報及び/又は不可視光画像情報を含む、請求項2に記載の植物健康状態の監視方法。
- 前記第2の植物健康状態の情報は、少なくとも健康不良のリスクがある植物の所在位置に対応する現在の植物画像情報を含み、
前記第2の植物健康状態の情報に基づいて植物健康状態を判断して、第2の判断情報を取得することは、
畳み込みニューラルネットワークモデルを用いて、前記第2の植物健康状態の情報を判断して、第2の植物健康不良の確率を取得することと、
前記第2の植物健康不良の確率が所定の閾値を超えるか否かを判断することと、
そうであれば、植物に健康不良があることを確認し、健康不良の程度及び健康不良になっている植物の所在位置の情報を確認することとを含む、請求項1に記載の植物健康状態の監視方法。 - 前記第2の植物健康状態の情報に含まれる現在の植物画像情報のタイプは、可視光画像情報及び/又は不可視光画像情報を含む、請求項6に記載の植物健康状態の監視方法。
- 前記第1の判断情報で示される内容が植物に健康不良のリスクがある旨であれば、前記健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を受信する前に、
少なくとも前記健康不良のリスクがある植物の所在位置の情報と、画像拡大倍数の制御情報及び画像拡大角度の制御情報を含む画像拡大制御情報とを含む画像取得ユニットの制御指令を生成することと、
前記画像取得ユニットの制御指令を植物健康状態測定装置に送信することにより、前記植物健康状態測定装置が画像取得ユニットの制御指令に基づいて、健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を取得することとをさらに含む、請求項2〜7のいずれか一項に記載の植物健康状態の監視方法。 - 前記植物健康状態測定装置が固定式の植物健康状態測定装置である場合、前記画像拡大倍数の制御情報は少なくともm個であり、前記画像拡大角度の制御情報は少なくともn個であり、各前記画像拡大角度の制御情報は、装置の水平回転角度の制御情報及び装置の垂直回転角度の制御情報を含み、mとnは、いずれも1以上であり、
前記第2の植物健康状態の情報は、m×n組の植物健康状態のデータを含み、各組の前記植物健康状態のデータは、装置の回転角度情報、画像拡大情報及び健康不良のリスクがある現在の植物画像情報を含む、請求項8に記載の植物健康状態の監視方法。 - 前記植物健康状態測定装置が可動式の植物健康状態測定装置である場合、前記画像取得ユニットの制御指令は、k個の装置座標の制御情報をさらに含み、
前記画像拡大倍数の制御情報は少なくともm個であり、前記画像拡大角度の制御情報は少なくともn個であり、各前記画像拡大角度の制御情報は、装置の水平回転角度の制御情報及び装置の垂直回転角度の制御情報を含み、m、n及びkは、いずれも1以上であり、
前記第2の植物健康状態の情報は、m×n×k組の植物健康状態のデータを含み、各組の前記植物健康状態のデータは、装置の座標情報、装置の回転角度情報、画像拡大情報及び健康不良のリスクがある現在の植物画像情報を含む、請求項8に記載の植物健康状態の監視方法。 - 前記植物の健康不良のリスクは、病虫害のリスク及び/又は栄養素欠乏のリスクを含み、前記栄養素欠乏のリスクは、微量元素欠乏のリスク、窒素欠乏のリスク、リン欠乏のリスク、カリウム欠乏のリスクのうちの1つ又は複数を含み、
前記植物の前記健康不良は、植物の病虫害症状及び/又は植物の栄養素欠乏症を含み、前記栄養素欠乏症は、微量元素欠乏症、窒素欠乏症、リン欠乏症、カリウム欠乏症のうちの1つ又は複数を含む、請求項1〜7のいずれか一項に記載の植物健康状態の監視方法。 - 前記第1の判断情報及び/又は第2の判断情報で示される内容が植物健康状態良好という旨であれば、
前記第1の判断情報及び/又は第2の判断情報で示される内容に基づいて、健康状態良好な植物の所在位置を特定することと、
周期的に、前記第1の判断情報及び/又は第2の判断情報で示される内容と、健康状態良好な植物の所在位置の情報とに基づいて、植物健康状態良好のレポートを生成しクライアント端末に送信することとをさらに含む、請求項1〜7のいずれか一項に記載の植物健康状態の監視方法。 - 前記植物健康状態が健康不良になっていることを確認し、健康不良になっている植物の所在位置の情報を特定した後、
前記第2の判断情報で示される内容と、健康不良になっている植物の所在位置の情報とに基づいて、植物健康状態不良のレポートを生成することと、
前記植物健康状態不良のレポートをクライアント端末に送信することと、
警報指令を生成し、警報器に送信することにより、前記警報器が警報指令に応じて警報することとをさらに含む、請求項1〜7のいずれか一項に記載の植物健康状態の監視方法。 - 前記第2の判断情報で示される内容と、健康不良になっている植物の所在位置の情報とに基づいて、植物健康状態不良のレポートを生成することは、
前記第2の判断情報で示される内容に基づいて、植物情報及び対応する植物健康不良の防除対策をそれぞれ含む複数種の植物情報データを含む農作物知識データベース内の植物情報データを呼び出し、呼び出された植物情報データに基づいて植物健康不良の防除対策を生成することと、
前記第2の判断情報で示される内容と、前記植物健康不良の防除対策と、健康不良になっている植物の所在位置の情報とに基づいて、植物健康状態不良のレポートを生成することとを含む、請求項13に記載の植物健康状態の監視方法。 - 前記植物健康不良の防除対策は、病虫害の防除対策及び/又は植物栄養素欠乏の防除対策を含む、請求項14に記載の植物健康状態の監視方法。
- 植物健康状態測定装置から提供される第1の植物健康状態の情報を受信するように構成される受信ユニットと、
受信ユニットに接続されるユニットであって、前記第1の植物健康状態の情報に基づいて、植物健康状態に対して1回目の判断を行い、第1の判断情報を取得するように構成される処理ユニットと、を含み、前記受信ユニットは、前記第1の判断情報で示される内容が植物に健康不良のリスクがある旨であれば、さらに、前記健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を受信するように構成され、前記処理ユニットは、さらに、前記第2の植物健康状態の情報に基づいて、植物健康状態に対して2回目の判断を行い、第2の判断情報を取得するように構成され、前記第2の判断情報で示される内容が植物に健康不良がある旨であれば、前記植物健康状態が健康不良になっていることを確認し、健康不良になっている植物の所在位置の情報を特定する、植物健康状態監視装置。 - 前記第1の植物健康状態の情報は、少なくとも現在の植物画像情報を含み、前記第2の植物健康状態の情報は、少なくとも健康不良のリスクがある植物の所在位置に対応する現在の植物画像情報を含み、
前記処理ユニットは、
受信ユニットに接続されるモジュールであって、畳み込みニューラルネットワークモデルを用いて前記第1の植物健康状態の情報を判断することで、第1の植物健康不良の確率を取得し、畳み込みニューラルネットワークモデルを用いて前記第2の植物健康状態の情報を判断することで、第2の植物健康不良の確率を取得するように構成される確率分析モジュールと、
確率分析モジュール及び前記レポート生成ユニットにそれぞれ接続されるモジュールであって、前記第1の植物健康不良の確率が所定の閾値を超えるか否かを判断し、そうであれば、植物に健康不良のリスクがあることを確認し、前記健康不良のリスクがある植物の所在位置の情報を確認し、
前記第2の植物健康不良の確率が所定の閾値を超えるか否かを判断し、
そうであれば、植物に健康不良があることを確認し、健康不良の程度及び健康不良になっている植物の所在位置の情報を確認するように構成される判断モジュールと、を含む、請求項16に記載の植物健康状態監視装置。 - 前記受信ユニットは、さらに、少なくとも植物画像の履歴情報を含む植物健康状態履歴情報を受信するように構成され、
前記処理ユニットは、前記受信ユニット及び確率分析モジュールにそれぞれ接続されるモジュールであって、前記畳み込みニューラルネットワークを用いて前記植物健康状態履歴情報に対して学習トレーニングを行うことで畳み込みニューラルネットワークモデルを取得するように構成される情報トレーニングモジュールをさらに含む、請求項17に記載の植物健康状態監視装置。 - 前記植物健康状態履歴情報は、土壌の履歴情報、空気の履歴情報、日射の履歴情報のうちの1つ又は複数をさらに含み、
前記第1の植物健康状態の情報は、少なくとも現在の土壌情報、現在の空気情報及び現在の日射情報のうちの1つ又は複数をさらに含み、
前記第2の植物健康状態の情報は、少なくとも現在の土壌情報、現在の空気情報及び現在の日射情報のうちの1つ又は複数をさらに含む、請求項18に記載の植物健康状態監視装置。 - 処理ユニット120及び送信ユニット150にそれぞれ接続されるユニットであって、第1の判断情報で示される内容が植物に健康不良のリスクがある旨である場合、少なくとも健康不良のリスクがある植物の所在位置の情報と、画像拡大倍数の制御情報及び画像拡大角度の制御情報を含む画像拡大制御情報とを含む画像取得ユニットの制御指令を生成するように構成される指令生成ユニット160をさらに含み、
送信ユニット150は、前記画像取得ユニットの制御指令を植物健康状態測定装置に送信することにより、前記植物健康状態測定装置が画像取得ユニットの制御指令に基づいて、健康不良のリスクがある植物の所在位置の第2の植物健康状態の情報を取得するように構成される、請求項17〜19のいずれか一項に記載の植物健康状態監視装置。 - 前記植物健康状態測定装置が固定式の植物健康状態測定装置である場合、前記画像拡大倍数の制御情報は少なくともm個であり、前記画像拡大角度の制御情報は少なくともn個であり、各前記画像拡大角度の制御情報は、装置の水平回転角度の制御情報及び装置の垂直回転角度の制御情報を含み、mとnは、いずれも1以上であり、
前記第2の植物健康状態の情報は、m×n組の植物健康状態のデータを含み、各組の前記植物健康状態のデータは、装置の回転角度情報、画像拡大情報及び健康不良のリスクがある現在の植物画像情報を含む、請求項20に記載の植物健康状態監視装置。 - 前記植物健康状態測定装置が可動式の植物健康状態測定装置である場合、前記画像取得ユニットの制御指令は、k個の装置座標の制御情報をさらに含み、
前記画像拡大倍数の制御情報は少なくともm個であり、前記画像拡大角度の制御情報は少なくともn個であり、各前記画像拡大角度の制御情報は、装置の水平回転角度の制御情報及び装置の垂直回転角度の制御情報を含み、m、n及びkは、いずれも1以上であり、
前記第2の植物健康状態の情報は、m×n×k組の植物健康状態のデータを含み、各組の前記植物健康状態のデータは、装置の座標情報、装置の回転角度情報、画像拡大情報及び健康不良のリスクがある現在の植物画像情報を含む、請求項20に記載の植物健康状態監視装置。 - 前記第1の植物健康状態の情報に含まれる現在の植物画像情報のタイプは、可視光画像情報及び/又は不可視光画像情報を含み、
前記第2の植物健康状態の情報に含まれる現在の植物画像情報のタイプは、可視光画像情報及び/又は不可視光画像情報を含む、請求項17〜19のいずれか一項に記載の植物健康状態監視装置。 - 前記植物の健康不良のリスクは、病虫害のリスク及び/又は栄養素欠乏のリスクを含み、前記栄養素欠乏のリスクは、微量元素欠乏のリスク、窒素欠乏のリスク、リン欠乏のリスク、カリウム欠乏のリスクのうちの1つ又は複数を含み、
前記植物の健康不良は、植物の病虫害症状及び/又は植物の栄養素欠乏症を含み、前記栄養素欠乏症は、微量元素欠乏症、窒素欠乏症、リン欠乏症、カリウム欠乏症のうちの1つ又は複数を含む、請求項16〜19のいずれか一項に記載の植物健康状態監視装置。 - 前記処理ユニットは、さらに、前記第1の判断情報及び/又は第2の判断情報で示される内容が植物健康状態良好という旨である場合、前記第1の判断情報及び/又は第2の判断情報で示される内容に基づいて、健康状態良好な植物の所在位置の情報を特定するように構成され、
処理ユニットに接続されるユニットであって、前記第1の判断情報及び/又は第2の判断情報で示される内容が植物健康状態良好という旨である場合、周期的に、前記第1の判断情報及び/又は第2の判断情報で示される内容と、健康状態良好な植物の所在位置の情報とに基づいて、植物健康状態良好のレポートを生成するように構成されるレポート生成ユニットをさらに含み、
前記レポート生成ユニットに接続されるユニットであって、前記植物健康状態良好のレポートをクライアント端末に送信するように構成される送信ユニットをさらに含む、請求項16〜19のいずれか一項に記載の植物健康状態監視装置。 - 前記レポート生成ユニットは、さらに、前記第2の判断情報で示される内容が植物に健康不良がある旨である場合、前記第2の判断情報で示される内容と、健康不良になっている植物の所在位置の情報とに基づいて、植物健康状態不良のレポートを生成するように構成され、
前記送信ユニットは、さらに、前記植物健康状態不良のレポートをクライアント端末に送信するように構成され、
処理ユニット及び送信ユニットにそれぞれ接続されるユニットであって、前記第2の判断情報で示される内容が植物に健康不良がある旨である場合、警報指令を生成するように構成される指令生成ユニットをさらに含み、
前記送信ユニットは、さらに、前記警報指令を警報器に送信することにより、前記警報器が警報指令の制御下で警報するように構成される、請求項25に記載の植物健康状態監視装置。 - 処理ユニットに接続され、植物情報及び対応する植物健康不良の防除対策をそれぞれ含む複数種の植物情報データを含む農作物知識データベースを含み、前記処理ユニットは、さらに、前記第2の判断情報で示される内容に基づいて、農作物知識データベース内の植物情報データを呼び出し、呼び出された植物情報データに基づいて植物健康不良の防除対策を生成するように構成され、
前記レポート生成ユニットは、前記第2の判断情報で示される内容と、前記植物健康不良の防除対策と、健康不良になっている植物の所在位置の情報とに基づいて、植物健康状態不良のレポートを生成するように構成される、請求項26に記載の植物健康状態監視装置。 - 前記植物健康不良の防除対策は、病虫害の防除対策及び/又は植物栄養素欠乏の防除対策を含む、請求項27に記載の植物健康状態監視装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710711878.X | 2017-08-18 | ||
CN201710711878.XA CN109406412A (zh) | 2017-08-18 | 2017-08-18 | 一种植物健康状态监控方法及装置 |
PCT/CN2018/100606 WO2019034070A1 (zh) | 2017-08-18 | 2018-08-15 | 一种植物健康状态监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020531014A true JP2020531014A (ja) | 2020-11-05 |
JP6960525B2 JP6960525B2 (ja) | 2021-11-05 |
Family
ID=65362711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020509112A Active JP6960525B2 (ja) | 2017-08-18 | 2018-08-15 | 植物健康状態の監視方法及び装置 |
Country Status (9)
Country | Link |
---|---|
US (1) | US11301986B2 (ja) |
EP (1) | EP3620774B1 (ja) |
JP (1) | JP6960525B2 (ja) |
KR (1) | KR102344031B1 (ja) |
CN (1) | CN109406412A (ja) |
AU (2) | AU2018317151A1 (ja) |
CA (1) | CA3065851A1 (ja) |
RU (1) | RU2726033C1 (ja) |
WO (1) | WO2019034070A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3886571A4 (en) * | 2018-11-29 | 2022-08-24 | Germishuys, Dennis Mark | PLANT BREEDING |
CN111044520A (zh) * | 2019-12-12 | 2020-04-21 | 湖南省林业科学院 | 一种油茶主要病虫害的监测方法 |
JP7321928B2 (ja) * | 2019-12-27 | 2023-08-07 | 株式会社クボタ | 農業支援システム |
CN113627216B (zh) * | 2020-05-07 | 2024-02-27 | 杭州睿琪软件有限公司 | 植物状态评估方法、系统及计算机可读存储介质 |
CN113640288B (zh) * | 2021-07-21 | 2022-05-20 | 盐城思源网络科技有限公司 | 一种基于第一视角的农田智能远程监测系统 |
CN113934245A (zh) * | 2021-10-18 | 2022-01-14 | 电子科技大学成都学院 | 一种应用于大棚农作物的生长bp神经网络系统及其方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004213627A (ja) * | 2003-11-28 | 2004-07-29 | Tokyu Construction Co Ltd | 植物活力変動の評価画像作成方法 |
JP2007124932A (ja) * | 2005-11-02 | 2007-05-24 | National Agriculture & Food Research Organization | 植物生育情報処理システム |
JP2011120555A (ja) * | 2009-12-14 | 2011-06-23 | Tokyo Univ Of Agriculture & Technology | 植物栽培システム |
CN104023520A (zh) * | 2011-12-19 | 2014-09-03 | S·G·尤尼斯 | 远程传感和调适灌溉系统 |
US20160148104A1 (en) * | 2014-11-24 | 2016-05-26 | Prospera Technologies, Ltd. | System and method for plant monitoring |
JP2016168046A (ja) * | 2015-03-09 | 2016-09-23 | 学校法人法政大学 | 植物病診断システム、植物病診断方法、及びプログラム |
CN106097340A (zh) * | 2016-06-12 | 2016-11-09 | 山东大学 | 一种基于卷积分类器的自动检测并勾画肺结节所在位置的方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1276963A1 (ru) * | 1984-11-22 | 1986-12-15 | Ташкентский Ордена Дружбы Народов Политехнический Институт Им.А.Р.Бируни | Способ дистанционного определени физиологического состо ни растени |
SU1507253A1 (ru) * | 1987-05-08 | 1989-09-15 | Киевский Государственный Университет Им.Т.Г.Шевченко | Способ обнаружени вирусных инфекций растений |
CN100336055C (zh) * | 2002-09-26 | 2007-09-05 | Ccs株式会社 | 生物培育、治愈促进条件收集用信息处理装置 |
JP2004147651A (ja) * | 2002-10-11 | 2004-05-27 | Three N Gijutsu Consultant:Kk | 植生のヘルスモニタリング方法 |
CN100575949C (zh) * | 2006-10-09 | 2009-12-30 | 武汉大学 | 一种植物归一化指数遥感装置 |
CN102348976A (zh) * | 2009-01-30 | 2012-02-08 | 乔治亚大学研究基金公司 | 用于探测植物中的昆虫诱导的损害的非侵入性方法和设备 |
KR20130049567A (ko) | 2011-11-04 | 2013-05-14 | 한국전자통신연구원 | 작물 관측 장치 및 그 방법 |
CN103439265B (zh) * | 2013-08-15 | 2015-06-03 | 湖南农业大学 | 一种茶树精细化栽培生育性状实时监测方法 |
US9336584B2 (en) | 2014-06-30 | 2016-05-10 | Trimble Navigation Limited | Active imaging systems for plant growth monitoring |
CN104266982B (zh) * | 2014-09-04 | 2017-03-15 | 浙江托普仪器有限公司 | 一种大面积虫害量化监测系统 |
KR102374557B1 (ko) * | 2014-12-22 | 2022-03-16 | 주식회사 케이티 | 병해충 발생 예측 장치 및 방법 |
JP2016146046A (ja) * | 2015-02-06 | 2016-08-12 | 株式会社Jsol | 予測装置、予測方法及びプログラム |
CN104850836B (zh) * | 2015-05-15 | 2018-04-10 | 浙江大学 | 基于深度卷积神经网络的害虫图像自动识别方法 |
CN105302872A (zh) * | 2015-09-30 | 2016-02-03 | 努比亚技术有限公司 | 图像处理装置和方法 |
BR112018009108B1 (pt) * | 2015-11-08 | 2023-10-24 | Agrowing Ltd | Método para a aquisição e análise de imagens aéreas |
US10028452B2 (en) * | 2016-04-04 | 2018-07-24 | Beesprout, Llc | Horticultural monitoring system |
CN106530256A (zh) * | 2016-11-18 | 2017-03-22 | 四川长虹电器股份有限公司 | 一种基于改进深度学习的智能相机图像盲超分辨率系统 |
CN106596412A (zh) * | 2016-12-31 | 2017-04-26 | 上海复展智能科技股份有限公司 | 利用无人机携带多光谱光源进行植物生长监测的方法 |
US20180197287A1 (en) * | 2017-01-08 | 2018-07-12 | Adrian Ronaldo Macias | Process of using machine learning for cannabis plant health diagnostics |
-
2017
- 2017-08-18 CN CN201710711878.XA patent/CN109406412A/zh active Pending
-
2018
- 2018-08-15 EP EP18846361.6A patent/EP3620774B1/en active Active
- 2018-08-15 JP JP2020509112A patent/JP6960525B2/ja active Active
- 2018-08-15 RU RU2019141805A patent/RU2726033C1/ru active
- 2018-08-15 AU AU2018317151A patent/AU2018317151A1/en active Pending
- 2018-08-15 CA CA3065851A patent/CA3065851A1/en not_active Abandoned
- 2018-08-15 KR KR1020207007441A patent/KR102344031B1/ko active IP Right Grant
- 2018-08-15 WO PCT/CN2018/100606 patent/WO2019034070A1/zh unknown
- 2018-08-15 AU AU2018102220A patent/AU2018102220A4/en not_active Ceased
- 2018-08-15 US US16/617,057 patent/US11301986B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004213627A (ja) * | 2003-11-28 | 2004-07-29 | Tokyu Construction Co Ltd | 植物活力変動の評価画像作成方法 |
JP2007124932A (ja) * | 2005-11-02 | 2007-05-24 | National Agriculture & Food Research Organization | 植物生育情報処理システム |
JP2011120555A (ja) * | 2009-12-14 | 2011-06-23 | Tokyo Univ Of Agriculture & Technology | 植物栽培システム |
CN104023520A (zh) * | 2011-12-19 | 2014-09-03 | S·G·尤尼斯 | 远程传感和调适灌溉系统 |
US20160148104A1 (en) * | 2014-11-24 | 2016-05-26 | Prospera Technologies, Ltd. | System and method for plant monitoring |
JP2016168046A (ja) * | 2015-03-09 | 2016-09-23 | 学校法人法政大学 | 植物病診断システム、植物病診断方法、及びプログラム |
CN106097340A (zh) * | 2016-06-12 | 2016-11-09 | 山东大学 | 一种基于卷积分类器的自动检测并勾画肺结节所在位置的方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3620774A4 (en) | 2021-01-13 |
AU2018317151A1 (en) | 2020-01-02 |
KR102344031B1 (ko) | 2021-12-28 |
RU2726033C1 (ru) | 2020-07-08 |
US20210133945A1 (en) | 2021-05-06 |
WO2019034070A1 (zh) | 2019-02-21 |
CA3065851A1 (en) | 2019-02-21 |
KR20200041356A (ko) | 2020-04-21 |
US11301986B2 (en) | 2022-04-12 |
JP6960525B2 (ja) | 2021-11-05 |
CN109406412A (zh) | 2019-03-01 |
EP3620774A1 (en) | 2020-03-11 |
AU2018102220A4 (en) | 2021-09-09 |
EP3620774B1 (en) | 2022-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6960525B2 (ja) | 植物健康状態の監視方法及び装置 | |
US20220058525A1 (en) | Model integration apparatus, model integration method, computer-readable storage medium storing a model integration program, inference system, inspection system, and control system | |
CN108574737B (zh) | 基于云技术和zynq平台的农业自动监控系统及方法 | |
CN110850723B (zh) | 一种基于变电站巡检机器人系统的故障诊断及定位方法 | |
EP3309762A1 (en) | Fire disaster monitoring method and apparatus | |
US20220067584A1 (en) | Model generation apparatus, model generation method, computer-readable storage medium storing a model generation program, model generation system, inspection system, and monitoring system | |
KR20170033164A (ko) | 스마트 양식장 서버 및 그것을 이용한 양식장 관리 방법 | |
US11935378B2 (en) | Intrusion detection methods and devices | |
JP6260824B2 (ja) | 栽培支援方法、栽培支援装置、およびコンピュータプログラム | |
BE1026887A1 (nl) | Werkwijze voor intelligente monitoring van een of meerdere commerciële sites voor veeteeltdieren | |
CN108319892A (zh) | 一种基于遗传算法的车辆安全预警方法及系统 | |
CN114463948A (zh) | 一种地质灾害监测预警方法及系统 | |
CN116229668A (zh) | 基于红外视频监测的火灾定位系统 | |
CN113705539B (zh) | 一种智能消防炮控制灭火方法及控制系统 | |
CN104132735A (zh) | 一种室内温度3d可视化监控系统 | |
JP6550496B1 (ja) | 情報収集装置、情報収集方法及びコンピュータープログラム | |
KR20180131775A (ko) | 유전자 알고리즘을 이용한 화재 감지 방법 및 시스템 | |
CN116224884A (zh) | 基于ai视觉的禽舍环境、家禽体感温度控制系统及方法 | |
KR20140108747A (ko) | 동물행동 및 주변환경정보의 모니터링을 통한 실시간 환경 교란 감지 시스템 및 환경 교란 분석 방법 | |
JP2022028451A (ja) | マップ生成装置、マップ生成方法、マップ生成プログラム、学習済みモデルの生成方法および学習済みモデル生成装置 | |
AU2014240318B2 (en) | System and method of monitoring a region | |
RU2743886C1 (ru) | Система и способ автоматической настройки комплекса технического зрения | |
US20220406042A1 (en) | Model generation apparatus, estimation apparatus, model generation method, and computer-readable storage medium storing a model generation program | |
WO2023026750A1 (ja) | 遠隔監視システム、異常検知システム、遠隔監視方法およびプログラム | |
US20240233505A1 (en) | Provision method and provision device for anomaly information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200217 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20201112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20201112 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210309 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210426 |
|
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: 20210914 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211011 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6960525 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |