JP2021028798A - 情報表示装置、情報表示装置の制御方法及びプログラム - Google Patents
情報表示装置、情報表示装置の制御方法及びプログラム Download PDFInfo
- Publication number
- JP2021028798A JP2021028798A JP2019147963A JP2019147963A JP2021028798A JP 2021028798 A JP2021028798 A JP 2021028798A JP 2019147963 A JP2019147963 A JP 2019147963A JP 2019147963 A JP2019147963 A JP 2019147963A JP 2021028798 A JP2021028798 A JP 2021028798A
- Authority
- JP
- Japan
- Prior art keywords
- observation
- observation data
- visualization
- display device
- information display
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】複数の種別の観察データが可視化され得る地図上で可視化されたデータの中から注目すべきデータを容易に特定するための技術を提供する。【解決手段】作物の観察によって得られた、前記観察の種類を表す観察種別、前記作物の状態を表す観察値及び前記観察が実施された位置を表す観察位置を含む観察データを地図上に可視化する情報表示装置であって、前記観察種別及び前記観察値に基づいて前記観察データの注目度を決定する注目度決定手段と、前記注目度に基づいて、前記観察データの可視化に用いる可視化パラメータを決定する可視化パラメータ決定手段と、前記観察位置と前記可視化パラメータとに基づいて、前記地図上に前記観察データを可視化する可視化手段とを備える。【選択図】 図1
Description
本発明は、情報表示装置、情報表示装置の制御方法及びプログラムに関し、特に、農作物の観察によって得られたデータの可視化を行う技術に関する。
農業分野では、一定の期間に渡って作物の観察を行い、得られた観察結果を地図上に可視化することで、作物の栽培に関する意思決定が行われている。
圃場内で病害虫の症状を呈する作物を発見した場合、その作物が存在する座標と関連付けて病気が発生していることを表すデータを入力する。このようにして収集したデータを地図上に可視化し、病気を表す観察結果が集中している領域に対して農薬を散布するなどの対応計画を策定している。しかし、病気を表す観察結果が圃場内の複数の領域に存在している場合、どの領域を優先すればよいか判断することは難しい。
特許文献1では、紫外線の強さを表すUVインデックスを測定し、測定位置にデータを表示している。このとき、データの色はUVインデックスが高くなるにしたがって赤に近くなるよう設定されている。また、従来から、気象データの可視化方法として、地図上で降水量が多い(数値が大きい)地域を青く、少ない(数値が小さい)地域を赤く示すことが行われる。気温の場合は、高い(数値が大きい)地域を赤く、低い(数値が小さい)を青く示すことが多い。これらの描画色は、赤は日照りや暑さと関連が強く、青は水との関連が強いという人の印象を利用して決定される。
従来の技術では、気温や降水量といった観測項目の種別ごとにデータの描画色の決定方法が異なるため、複数の種別のデータを同時または切り替えて表示可能な環境では、一見するだけでは特に注意が必要なデータを特定することが難しい。従って、地図上に可視化されたデータの中から注目すべきデータを容易に特定することは難しいという課題がある。
本発明は、上記の課題に鑑みてなされたものであり、複数の種別の観察データが可視化され得る地図上で可視化されたデータの中から注目すべきデータを容易に特定することを可能とする技術を提供することを目的とする。
上記の目的を達成する本発明に係る情報表示装置は、
作物の観察によって得られた、前記観察の種類を表す観察種別、前記作物の状態を表す観察値及び前記観察が実施された位置を表す観察位置を含む観察データを地図上に可視化する情報表示装置であって、
前記観察種別及び前記観察値に基づいて前記観察データの注目度を決定する注目度決定手段と、
前記注目度に基づいて、前記観察データの可視化に用いる可視化パラメータを決定する可視化パラメータ決定手段と、
前記観察位置と前記可視化パラメータとに基づいて、前記地図上に前記観察データを可視化する可視化手段と、
を備えることを特徴とする。
作物の観察によって得られた、前記観察の種類を表す観察種別、前記作物の状態を表す観察値及び前記観察が実施された位置を表す観察位置を含む観察データを地図上に可視化する情報表示装置であって、
前記観察種別及び前記観察値に基づいて前記観察データの注目度を決定する注目度決定手段と、
前記注目度に基づいて、前記観察データの可視化に用いる可視化パラメータを決定する可視化パラメータ決定手段と、
前記観察位置と前記可視化パラメータとに基づいて、前記地図上に前記観察データを可視化する可視化手段と、
を備えることを特徴とする。
本発明によれば、複数の種別の観察データが可視化され得る地図上で可視化されたデータの中から注目すべきデータを容易に特定することができる。
以下、添付図面を参照して実施形態を詳しく説明する。尚、以下の実施形態は特許請求の範囲に係る発明を限定するものでない。実施形態には複数の特徴が記載されているが、これらの複数の特徴の全てが発明に必須のものとは限らず、また、複数の特徴は任意に組み合わせられてもよい。さらに、添付図面においては、同一若しくは同様の構成に同一の参照番号を付し、重複した説明は省略する。
本実施形態では、作物(例えばブドウ)の観察を通して取得した観察データを地図上に表示する業務を例に挙げて説明する。ここで観察データとは、例えば、観察を実施した座標を表す観察位置、観察の種類を表す観察種別、作物の状態を表す観察値を含むデータである。ただし、観察データはこの例に限定されず、種々の変形が可能であってもよい。例えば、観察日時などをさらに含んでもよい。
(第一の実施形態)
<情報表示装置のハードウェア構成>
図1は、本実施形態に係る情報表示装置100のハードウェア構成図である。図1に示すように、情報表示装置100は、CPU101と、ROM102と、RAM103と、HDD104と、表示部105と、操作部106と、通信部107とを有している。CPU101は、中央演算装置(Central Processing Unit)であり、各種処理のための演算や論理判断等を行い、システムバス108に接続された各構成要素を制御する。ROM(Read-Only Memory)102は、プログラムメモリであって、後述する各種処理手順を含むCPU101による制御のためのプログラムを格納する。RAM(Random Access Memory)103は、CPU101の主メモリ、ワークエリア等の一時記憶領域として用いられる。尚、情報表示装置100に接続された外部記憶装置等からRAM103にプログラムをロードすることで、プログラムメモリを実現しても構わない。
<情報表示装置のハードウェア構成>
図1は、本実施形態に係る情報表示装置100のハードウェア構成図である。図1に示すように、情報表示装置100は、CPU101と、ROM102と、RAM103と、HDD104と、表示部105と、操作部106と、通信部107とを有している。CPU101は、中央演算装置(Central Processing Unit)であり、各種処理のための演算や論理判断等を行い、システムバス108に接続された各構成要素を制御する。ROM(Read-Only Memory)102は、プログラムメモリであって、後述する各種処理手順を含むCPU101による制御のためのプログラムを格納する。RAM(Random Access Memory)103は、CPU101の主メモリ、ワークエリア等の一時記憶領域として用いられる。尚、情報表示装置100に接続された外部記憶装置等からRAM103にプログラムをロードすることで、プログラムメモリを実現しても構わない。
HDD104は、本実施形態に係る電子データやプログラムを記憶しておくためのハードディスクである。同様の役割を果たすものとして外部記憶装置を用いてもよい。ここで、外部記憶装置は、例えば、メディア(記録媒体)と、当該メディアへのアクセスを実現するための外部記憶ドライブとで実現することができる。このようなメディアとしては、例えば、フレキシブルディスク(FD)、CD−ROM、DVD、USBメモリ、MOディスク(Magneto-Optical disk)、フラッシュメモリ等が知られている。また、外部記憶装置は、ネットワークで接続されたサーバ装置等であってもよい。
表示部105は、例えばCRT(Cathode Ray Tube)ディスプレイや、液晶ディスプレイ等であって、表示画面に画像を出力するデバイスである。なお、表示部105は、情報表示装置100と有線あるいは無線で接続された外部デバイスであってもよい。操作部106は、ユーザによる各種操作を受け付ける。なお、操作部106は、情報表示装置100と有線あるいは無線で接続された外部デバイス(例えば、キーボードやマウスなど)であってもよい。また、表示部106をタッチパネルで構成し、表示部106を介して各種操作の入力を可能にすることで、表示部105に操作部106の機能を持たせてもよい。通信部107は、公知の通信技術により、他の情報処理装置や通信機器、外部記憶装置等との間で、有線又は無線による双方向の通信を行う。
<情報表示装置の機能構成>
図2は、本実施形態に係る情報表示装置100の機能構成を示すブロック図の一例である。これらの各機能部は、CPU101が、ROM102に格納されたプログラムをRAM103に展開し、後述する各フローチャートに従った処理を実行することで実現される。そして、各処理の実行結果をRAM103に保持する。また、例えば、CPU101を用いたソフトウェア処理の代替としてハードウェアを構成する場合には、ここで説明する各機能部の処理に対応させた演算部や回路を構成すればよい。このことは後述する各実施形態の各機能部においても同様である。
図2は、本実施形態に係る情報表示装置100の機能構成を示すブロック図の一例である。これらの各機能部は、CPU101が、ROM102に格納されたプログラムをRAM103に展開し、後述する各フローチャートに従った処理を実行することで実現される。そして、各処理の実行結果をRAM103に保持する。また、例えば、CPU101を用いたソフトウェア処理の代替としてハードウェアを構成する場合には、ここで説明する各機能部の処理に対応させた演算部や回路を構成すればよい。このことは後述する各実施形態の各機能部においても同様である。
情報表示装置101は、観察データ管理部201と、注目度決定部202と、可視化パラメータ決定部203と、可視化部204とを備えている。
観察データ管理部201は、HDD104や、通信部107を介して接続された外部記録装置等に観察データを保持して管理する。注目度決定部202は、観察データ管理部201から観察データを取得し、取得した観察データに含まれる観察種別及び観察値に基づいて観察データの注目度を算出する。ここで注目度とは、特に注意して確認すべき観察データであるかどうかを表す指標である。具体的には、病害虫の被害の程度が深刻であったり、標準的な成熟具合から外れていたり、周囲と比較して生育が遅れていたりする場合などに注目度は高くなる。
可視化パラメータ決定部203は、注目度決定部202により算出された観察データの注目度から可視化パラメータを決定する。ここで可視化パラメータとは、表示部105の所定の表示領域に表示された地図上に、観察データを可視化するためのパラメータである。例えば、観察データは小さな円(以下では、マーカと記す)として可視化される。このとき、マーカの描画色を可視化パラメータとすることができる。なお、可視化パラメータは、マーカのサイズを表す値であってもよい。また、例えば、ある図形から別の図形へマーカの形を変形することで、注目度の変化を表してもよい。このとき、図形の変形具合を表す値を可視化パラメータとすることができる。
可視化部204は、観察データの観察位置と可視化パラメータとに基づいて、表示部105の所定の表示領域に表示された地図上に観察データを描画する。
<観察データテーブル>
図3は、観察データ管理部201が、保持している観察データを管理するために用いる観察データテーブル300を例示した図である。
図3は、観察データ管理部201が、保持している観察データを管理するために用いる観察データテーブル300を例示した図である。
図3において、観察データテーブル300のID301には、観察データテーブル300に格納された観察データを一意に識別するためのIDが記述される。観察日302には、作物に対する観察が実施された日付が記述される。観察位置303には、作物に対する観察が実施された場所の位置情報(座標情報)が記述される。
観察種別304には、作物に対する観察の種類が記述される。ここで観察種別304には、病害虫の種類を表す「うどん粉病」、「ブドウネアブラムシ」などの値が格納されうる。また、作物(例えばブドウ)の成熟度を表す指標である「糖度」、「酸度」などの値、収量予測のためにカウントや計量を行う「つぼみ」、「房」などの値が格納されうる。本実施形態では少なくとも複数の観察種別が扱われる。観察値305には、作物の観察時に得られた作物の状態を表す値が記述される。
<観察値範囲テーブル>
図4は、注目度決定部202が観察データの注目度を決定する際に参照する、観察種別ごとに観察値の範囲を管理するために用いる観察値範囲テーブル400を例示した図である。
図4は、注目度決定部202が観察データの注目度を決定する際に参照する、観察種別ごとに観察値の範囲を管理するために用いる観察値範囲テーブル400を例示した図である。
図4において、観察値範囲テーブル400のID401には、観察値範囲テーブル400に格納された観察値の範囲を一意に識別するためのIDが記述される。観察種別402には、観察種別が記述される。上限値403には、観察値の上限が記述される。下限値404には、観察値の下限が記述される。なお、上限値403および下限値404には、対応する値が存在しない場合がある。すなわち、上限値だけが設定されていたり、下限値だけが設定されていたりしてもよい。
<可視化パラメータテーブル>
図5は、可視化パラメータ決定部203が注目度から可視化パラメータを決定する際に参照する可視化パラメータテーブル500を例示した図である。
図5は、可視化パラメータ決定部203が注目度から可視化パラメータを決定する際に参照する可視化パラメータテーブル500を例示した図である。
注目度区間501には、注目度の各区間が記述される。可視化パラメータ502には、注目度区間501に対応する可視化パラメータが記述される。図示の例では、注目度Xが0の場合には可視化パラメータは赤であり、注目度Xが0.25>X>0の場合には可視化パラメータが橙である。また、注目度Xが0.50>X≧0.25の場合には可視化パラメータが黄であり、注目度Xが0.75>X≧0.5の場合には可視化パラメータが黄緑であり、注目度XがX≧0.75の場合には可視化パラメータが緑である。
<処理>
図6は、本実施形態における情報表示装置100が実施する処理全体の流れを説明するフローチャートである。以下、フローチャートに示す処理は、図1のCPU101が本実施形態にかかるプログラムを実行することにより実現されるものとする。S601において、CPU101は、観察データ管理部201からすべての観察データを取得し、各観察データについてS602〜S604の処理を繰り返す。
図6は、本実施形態における情報表示装置100が実施する処理全体の流れを説明するフローチャートである。以下、フローチャートに示す処理は、図1のCPU101が本実施形態にかかるプログラムを実行することにより実現されるものとする。S601において、CPU101は、観察データ管理部201からすべての観察データを取得し、各観察データについてS602〜S604の処理を繰り返す。
S602において、注目度決定部202は、観察データの注目度を算出する。本工程の詳細は図8を参照して後述する。
S603において、可視化パラメータ決定部203は、S602で算出された観察データの注目度に基づいて可視化パラメータを決定する。本実施形態においては、観察データをマーカとして可視化するものとし、可視化パラメータはマーカの描画色とする。ここで可視化パラメータは、可視化パラメータテーブル500を参照して取得する。なお、ルックアップテーブル(可視化パラメータテーブル500)を用いて注目度から可視化パラメータを決定する代わりに、注目度を引数として可視化パラメータを返す関数を用いてもよい。
S604において、可視化部204は、表示部105の所定の表示領域に表示された地図上に、観察データをマーカとして描画する。マーカの描画位置は、観察データの観察位置とし、マーカの描画色はS603で決定された可視化パラメータを用いる。マーカの描画に必要な可視化パラメータ以外の情報(例えばマーカのサイズや形状)については、定数を参照してもよいし、ユーザが設定可能なようにしてもよい。
ここで、図7は、S604において観察データをマーカとして描画した際に、表示部105に表示される画面構成の一例を説明する図である。701は、圃場内の所定の領域を表す多角形である。702は、S604において地図上に可視化されたマーカである。図7においては、注目度が高いほどマーカの色が濃くなるように可視化パラメータが決定されているものとする。ユーザは地図上に表示されたマーカの中から、色の濃さに基づいて注目度の高いマーカを特定する。本実施形態の場合、可視化される観察データの観察項目によらず、マーカの描画色は統一される。ユーザは、GUI(Graphical User Interface)等の操作により、観察項目を切り替えて観察項目ごとに図7の画面を表示させたり、複数の観察項目の観察データを同時に可視化して図7の画面を表現したりすることができる。そして、いずれの場合にも同じ尺度で、注目すべきデータを容易に特定することができる。すなわち、従来に必要であったデータに対応する観察項目の確認や、スケール(描画色の凡例)を都度確認する行為を必要とせず速やかな判断が可能となる。
図8は、本実施形態における情報表示装置100が実施する注目度決定処理の流れを説明するフローチャートである。本フローチャートの処理はS602の処理の詳細手順である。
S801において、注目度決定部202は、観察データから観察種別を取得する。S802において、注目度決定部202は、S801において取得した観察種別に基づいて処理を分岐させる。本実施形態においては、特に観察種別が「うどん粉病」、「糖度」、「つぼみ」である場合について説明する。観察種別が「うどん粉病」である場合、S803へ進む。観察種別が「糖度」である場合、S805へ進む。観察種別が「つぼみ」である場合、S807へ進む。
S803〜S804は、観察種別が「うどん粉病」である場合に実行される処理の一例である。「うどん粉病」は病害虫の一種であり、病害虫の観察においては、被害の程度を観察値として記録する。ここでは、被害の程度が高いほど注意して確認すべきであるという考えのもと、観察値が所定の上限値に近いほど注目度が高くなるように注目度を決定する。
S803において、注目度決定部202は、観察種別をキーとして観察値範囲テーブル400から上限値403および下限値404を取得する。図4の例では、うどん粉病の上限値は0.6、下限値は無しである。S804において、注目度決定部202は、観察データから観察値を取得し、式(1)を用いて注目度を決定する。ここで上限値403または下限値404に対応する値が存在しない場合、0として扱う。また、上限値403および下限値404が同じ値である場合は存在しないものとする。
S805〜S806は、観察種別が「糖度」である場合に実行される処理の一例である。「糖度」は成熟度を表す指標の一種であり、成熟度を表す指標は標準的な値の範囲が知られている。ここでは、成熟度を表す指標が標準的な値の範囲から遠ざかるほど、注意して確認すべきであるという考えのもと、観察値が所定の範囲の中央値から遠ざかるほど注目度が高くなるように注目度を決定する。
S805において、注目度決定部202は、観察種別をキーとして観察値範囲テーブル400から上限値403および下限値404を取得する。S806において、注目度決定部202は、観察データから観察値を取得し、式(2)を用いて注目度を求める。ここでμは、上限値403と下限値404の中央値である。また、上限値403または下限値404に対応する値が存在しない場合、0として扱う。また、上限値403および下限値404が同じ値である場合は存在しないものとする。
S807〜S808は、観察種別が「つぼみ」である場合に実行される処理の一例である。「つぼみ」は収量予測のためにカウントや計量を行う観察項目の一種であり、収量予測に用いる作物の属性値を観察値として記録する。ここでは、周りの作物と比べ、収量予測に用いる作物の属性値のずれが大きいほど注意して確認すべきであると考える。この例では、観察種別が「つぼみ」である観察データの観察値が、観察種別が「つぼみ」である全観察データの平均観察値から遠ざかるほど注目度が高くなるように注目度を決定する。
S807において、注目度決定部202は、観察データ管理部201から観察種別が「つぼみ」である観察データを取得する。そして、取得した観察データの観察値について、平均と標準偏差を求める。
S808において、注目度決定部202は、観察データから観察値を取得し、式(3)を用いて注目度を求める。ここで式(3)中のzは、式(4)を用いて求める。
以上説明したように、本実施形態では、観察種別に基づいて観察値から注目度を求め、注目度に基づいて観察データを可視化する。これにより、複数の異なる種別の観察項目について得られた観察データを、同時にまたは切り替えて地図上に可視化した場合においても、特に注目すべき観察データを容易に特定することができる。
[変形例1−1]
なお、上述した各処理部のうち、注目度決定部202については、その代わりとして、機械学習された学習済みモデルを用いて処理してもよい。その場合には、例えば、その処理部への入力データと出力データとの組み合わせを学習データとして複数個準備し、それらから機械学習によって知識を取得する。そして、取得した知識に基づいて入力データに対する出力データを結果として出力する学習済みモデルを生成する。学習済みモデルは、例えば、ニューラルネットワークモデルで構成可能である。そして、その学習済みモデルは、処理部と同等の処理をするためのプログラムとして、CPUあるいはGPUなどと協働で動作することにより、処理を行う。なお、学習済みモデルは、必要に応じて一定の処理後に更新してもよい。
なお、上述した各処理部のうち、注目度決定部202については、その代わりとして、機械学習された学習済みモデルを用いて処理してもよい。その場合には、例えば、その処理部への入力データと出力データとの組み合わせを学習データとして複数個準備し、それらから機械学習によって知識を取得する。そして、取得した知識に基づいて入力データに対する出力データを結果として出力する学習済みモデルを生成する。学習済みモデルは、例えば、ニューラルネットワークモデルで構成可能である。そして、その学習済みモデルは、処理部と同等の処理をするためのプログラムとして、CPUあるいはGPUなどと協働で動作することにより、処理を行う。なお、学習済みモデルは、必要に応じて一定の処理後に更新してもよい。
[変形例1−2]
なお、本実施形態においては、観察データが1つの観察位置に対して、観察種別及び観察値とのペア(以下では、観察情報と記す)を1つ含む場合について述べたが、観察データは複数の観察情報を持っていてもよい。その場合、図8のS801(観察データから観察種別を取得するステップ)において、複数の観察情報から代表となる観察情報を選択するようにすればよい。ここで複数の観察情報から代表となる観察情報を選択するには、あらかじめ観察種別ごとに優先度を設定しておき、優先度に従って観察情報を選択すればよい。また、観察種別の優先度は、すべての観察データが持つ観察情報について観察種別ごとに出現数をカウントし、その出現数(出現頻度)に基づいて決定してもよい。例えば出現数が多いほど優先度を高くしてもよい。そして、選択された代表となる観察情報(観察種別及び観察値)に基づいて観察データの注目度を決定すればよい。
なお、本実施形態においては、観察データが1つの観察位置に対して、観察種別及び観察値とのペア(以下では、観察情報と記す)を1つ含む場合について述べたが、観察データは複数の観察情報を持っていてもよい。その場合、図8のS801(観察データから観察種別を取得するステップ)において、複数の観察情報から代表となる観察情報を選択するようにすればよい。ここで複数の観察情報から代表となる観察情報を選択するには、あらかじめ観察種別ごとに優先度を設定しておき、優先度に従って観察情報を選択すればよい。また、観察種別の優先度は、すべての観察データが持つ観察情報について観察種別ごとに出現数をカウントし、その出現数(出現頻度)に基づいて決定してもよい。例えば出現数が多いほど優先度を高くしてもよい。そして、選択された代表となる観察情報(観察種別及び観察値)に基づいて観察データの注目度を決定すればよい。
[変形例1−3]
なお、本実施形態においては、単一の観察データを可視化する方法について説明したが、可視化対象は、互いに地理的に近接する複数の観察データを含むグループであってもよい。その場合、S601では、単一の観察データおよび観察データのグループを対象としてS602〜S604の処理を繰り返すことになる。観察データのグループについて、S602〜S604の処理を実行する場合、それらの処理に先立って、観察データのグループから代表となる代表観察データを選択する。そして、選択された観察データについてS602〜S604を実行すればよい。
なお、本実施形態においては、単一の観察データを可視化する方法について説明したが、可視化対象は、互いに地理的に近接する複数の観察データを含むグループであってもよい。その場合、S601では、単一の観察データおよび観察データのグループを対象としてS602〜S604の処理を繰り返すことになる。観察データのグループについて、S602〜S604の処理を実行する場合、それらの処理に先立って、観察データのグループから代表となる代表観察データを選択する。そして、選択された観察データについてS602〜S604を実行すればよい。
ここで、観察データのグループから代表となる観察データを選択するには、例えば、グループに含まれる観察データの中で最も観察日が古いものを選択すればよい。もしくは、最も観察日が新しいものを選択してもよい。また、グループに含まれる観察データの観察位置の重心を計算し、重心に最も近いものを選択してもよい。
(第二の実施形態)
第一の実施形態では、観察データが含む観察種別及び観察値に応じて注目度を決定し、注目度から可視化パラメータを求めた上で、観察データを地図上に可視化していた。これに対し、第二の実施形態では、注目度の時系列変化に着目し、前回実施された観察活動から現在までの間に起きた注目度の変化に基づいて観察データを可視化する例を説明する。
第一の実施形態では、観察データが含む観察種別及び観察値に応じて注目度を決定し、注目度から可視化パラメータを求めた上で、観察データを地図上に可視化していた。これに対し、第二の実施形態では、注目度の時系列変化に着目し、前回実施された観察活動から現在までの間に起きた注目度の変化に基づいて観察データを可視化する例を説明する。
本実施形態に係る情報表示装置のハードウェア構成は、第一の実施形態で説明した情報表示装置100のハードウェア構成と同様である。
<情報表示装置の機能構成>
図9は、本実施形態に係る情報表示装置900の機能構成を示すブロック図の一例である。情報表示装置900は、観察データ管理部201と、注目度決定部202と、可視化部204と、タスク管理部901と、注目度差分算出部902と、可視化パラメータ決定部903とを有している。ここで、観察データ管理部201、注目度決定部202、可視化部204は、図2の対応する符号と同様であるため説明を割愛する。
図9は、本実施形態に係る情報表示装置900の機能構成を示すブロック図の一例である。情報表示装置900は、観察データ管理部201と、注目度決定部202と、可視化部204と、タスク管理部901と、注目度差分算出部902と、可視化パラメータ決定部903とを有している。ここで、観察データ管理部201、注目度決定部202、可視化部204は、図2の対応する符号と同様であるため説明を割愛する。
タスク管理部901は、HDD104や、通信部107を介して接続された外部記録装置等にタスクを保持する。ここでタスクとは、特定の目的をもって一連の観察活動を実施する作業単位のことである。タスクの具体例については、図10を用いて後述する。
注目度差分算出部902は、観察データを2つ受け取り、注目度決定部202を用いて各観察データの注目度を決定し、注目度の差分を算出する。可視化パラメータ決定部903は、注目度差分算出部902によって算出された注目度差分に基づいて可視化パラメータを決定する。
<タスクテーブル及び観察データテーブル>
図10は、タスクテーブルおよび観察データテーブルを例示した図である。図10(a)は、タスク管理部901が、保持しているタスクを管理するのに用いるタスクテーブル1000を例示した図である。
図10は、タスクテーブルおよび観察データテーブルを例示した図である。図10(a)は、タスク管理部901が、保持しているタスクを管理するのに用いるタスクテーブル1000を例示した図である。
図10(a)において、タスクテーブル1000のID1001には、タスクテーブル1000に格納されたタスクを一意に識別するためのIDが記述される。日付1002には、タスクが実施された日付が記述される。タスク種別1003には、タスクの目的を表す文字列が記述される。
タスクテーブル1000には、4つのタスクが格納されている。ID1001が1であるタスクは、2019年2月1日にタスク種別1003が「うどん粉病調査」であるタスクを実施したことを表す。同様に、ID1001が2であるタスクは、2019年2月15日にタスク種別1003が「うどん粉病調査」であるタスクを実施したことを表す。また、ID1001が3であるタスクは、2019年4月6日にタスク種別1003が「糖度調査」であるタスクを実施したことを表す。同様に、ID1001が4であるタスクは、2019年4月13日にタスク種別1003が「糖度調査」であるタスクを実施したことを表す。
<観察データテーブル>
図10(b)は、観察データ管理部201が、保持している観察データを管理するのに用いる観察データテーブル1010を例示した図である。301〜305は、図3の対応する符号と同様であるため説明を割愛する。
図10(b)は、観察データ管理部201が、保持している観察データを管理するのに用いる観察データテーブル1010を例示した図である。301〜305は、図3の対応する符号と同様であるため説明を割愛する。
タスクID1011には、タスクテーブル1000に格納されたタスクを参照するための参照IDが記述される。図示の例では、ID301が1〜3の情報は、タスクID1011が1であり、うどん粉病調査が行われる。異なる観察位置(座標)で観察された観察値がそれぞれ格納されている。同様に、ID301が4〜6の情報は、タスクID1011が2であり、うどん粉秒調査が行われる。異なる観察位置(座標)で観察された観察値がそれぞれ格納されている。
<可視化パラメータテーブル>
図11は、可視化パラメータ決定部903が注目度差分から可視化パラメータを決定する際に参照する可視化パラメータテーブル1100を例示した図である。注目度差分区間1101には、注目度差分の各区間が記述される。可視化パラメータ1102には、注目度差分区間1101に対応する可視化パラメータが記述される。
図11は、可視化パラメータ決定部903が注目度差分から可視化パラメータを決定する際に参照する可視化パラメータテーブル1100を例示した図である。注目度差分区間1101には、注目度差分の各区間が記述される。可視化パラメータ1102には、注目度差分区間1101に対応する可視化パラメータが記述される。
図示の例では、注目度差分XがX>0.15の場合、可視化パラメータが赤であり、注目度差分Xが0.15≧X>0.10の場合、可視化パラメータが橙である。また、注目度差分Xが0.10≧X>0.05の場合、可視化パラメータが黄であり、注目度差分Xが0.05≧X>0の場合、可視化パラメータが黄緑であり、注目度差分Xが0≧Xの場合、可視化パラメータが緑である。
<処理>
図12は、本実施形態に係る情報表示装置900が実施する処理全体の流れを説明するフローチャートである。S604の処理は、図6の対応する符号と同様であるため説明を省略する。
図12は、本実施形態に係る情報表示装置900が実施する処理全体の流れを説明するフローチャートである。S604の処理は、図6の対応する符号と同様であるため説明を省略する。
S1201において、CPU101は、図13を用いて後述する表示画面を表示部105の所定の表示領域に表示し、操作部106を介してタスクの選択操作を受け付ける。
ここで、図13は、S1201においてタスクの選択を受け付ける際に表示部105に表示される画面構成の一例を説明する図である。タスク種別ドロップダウンリスト1301は、タスク種別を選択するドロップダウンリストである。タスク種別ドロップダウンリスト1301の選択肢は、図10(a)のタスクテーブル1000のタスク種別1003をすべて取得し、重複を削除することで得られる。
日付ドロップダウンリスト1302は、タスクの実施日付を選択するためのドロップダウンリストである。日付ドロップダウンリスト1302の選択肢は、タスク種別ドロップダウンリスト1301が選択された時点で決定される。タスクテーブル1000に格納されたタスクをタスク種別ドロップダウンリスト1301で選択されたタスク種別で絞り込み、絞り込まれたタスクの日付1002を日付ドロップダウンリスト1302の選択肢とする。
決定ボタン1303は、タスク種別ドロップダウンリスト1301と日付ドロップダウンリスト1302とで選択された項目に基づいて、後述するS1202の処理を実行することを決定するためのボタンである。
S1202において、CPU101は、S1201において入力されたタスク種別および日付に基づいて、タスク管理部901からタスクを取得する。S1203において、CPU101は、S1202において取得したタスクについて、前回実施されたタスク(以下では、前回タスクと記す)を取得する。具体的には、S1202において取得したタスクと同じタスク種別を持ち、かつ、S1202において取得したタスクの日付より前に実施されたタスクの中で最も日付が新しいものを取得すればよい。なお、図13の表示画面を再度表示することでタスクを選択してもよい。その際、タスク種別ドロップダウンリスト1301の選択肢には、S1202において取得したタスクのタスク種別のみ含めるようにする。また、日付ドロップダウンリスト1302の選択肢には、S1202において取得したタスクの日付よりも前の日付のみ含めるようにする。
S1204においては、CPU101は、S1202において取得したタスクと関連付けられた観察データを取得する。具体的には、S1202において取得したタスクのIDをキーとして、図10(b)に示した観察データテーブル1010を検索すればよい。S1205において、CPU101は、S1204において取得した観察データについて、S1206〜S1209、S604の処理を繰り返す。以下では、現在の繰り返しで参照されている観察データを現在観察データ(着目する観察データ)と記す。
S1206において、CPU101は、前回タスクと関連付けられた観察データの中から、現在観察データに対応する対応観察データ(以下、前回観察データと記す)を取得する。具体的には、前回タスクと関連づいた各観察データについて、現在観察データとの位置情報(座標)間の距離を計算し、その距離が所定の範囲に収まっている場合、その観察データを取得する。
なお、観察時(観察データ収集時)に、それ以前に実施された過去のタスクと関連付けられた対応する過去の観察データのIDを手動で入力することで観察データの関連付けを行ってもよい。この場合、観察データテーブル1010に前回観察データIDを追加する。前回タスクと関連付けられた観察データの中から現在観察データに対応する観察データを取得するには、現在観察データが持つ前回観察データIDをキーとして図10(b)に示した観察データテーブル1010を検索すればよい。
また、あらかじめ作物にIDを割り当て、観察時(観察データ収集時)に、観察データと作物IDの関連付けを行ってもよい。この場合、観察データテーブル1010に作物IDを追加する。前回タスクと関連付けられた観察データの中から現在観察データに対応する観察データを取得するには、現在観察データが持つ作物IDをキーとして観察データテーブル1010を検索すればよい。複数の観察データが検索された場合は、観察日が最も新しいものを選択してもよい。
S1207においては、CPU101は、S1206において前回観察データを取得できたかを判定する。取得することができた場合、S1208へ進む。そうでない場合、次の繰り返しに進む。
S1208においては、注目度決定部202は、現在観察データの注目度と前回観察データの注目度とをそれぞれ算出する。そして、注目度差分算出部902は、現在観察データの注目度および前回観察データの注目度に基づいて、注目度差分を算出する。具体的には、現在観察データの注目度から前回観察データの注目度を減じることにより算出する。注目度差分の符号が正の場合、注目度が増加していることを表し、負の場合、注目度が減少していることを表すことになる。
S1209において、可視化パラメータ決定部903は、S1208で算出された注目度差分から可視化パラメータを決定する。本実施形態においては、観察データをマーカとして可視化するものとし、可視化パラメータはマーカの描画色とする。ここで、可視化パラメータは、図11の可視化パラメータテーブル1100を参照して取得する。なお、ルックアップテーブル(可視化パラメータテーブル1100)を用いて注目度差分から可視化パラメータを決定する代わりに、注目度差分を引数として可視化パラメータを返す関数を用いてもよい。
以上説明したように、本実施形態では、ユーザにより選択されたタスクと関連付けられた着目する観察データと、それ以前に実施されたタスクと関連付けられた対応観察データとの間で注目度の差分を算出し、注目度差分に基づいて観察データを可視化する。これにより、タスク間で発生したイベントの影響を受けて注目度が大きく変化した観察データを容易に特定できる。
[変形例2−1]
なお、本実施形態においては、注目度差分に基づくマーカのみを可視化したが、ユーザ操作によって、第一の実施形態において説明した注目度に基づくマーカ表示に切り替えてもよい。この場合、表示部105の所定の表示領域に、注目度と注目度差分とのどちらに基づいて可視化パラメータを決定するかを選択するためのラジオボタンを表示し、操作部106を介してユーザの入力を受付ける。前者が選択された場合、図6で説明した処理を実行し、後者が選択された場合、図12で説明した処理を実行する。
なお、本実施形態においては、注目度差分に基づくマーカのみを可視化したが、ユーザ操作によって、第一の実施形態において説明した注目度に基づくマーカ表示に切り替えてもよい。この場合、表示部105の所定の表示領域に、注目度と注目度差分とのどちらに基づいて可視化パラメータを決定するかを選択するためのラジオボタンを表示し、操作部106を介してユーザの入力を受付ける。前者が選択された場合、図6で説明した処理を実行し、後者が選択された場合、図12で説明した処理を実行する。
このように、注目度に基づいて可視化パラメータを決定するか、注目度の差分に基づいて可視化パラメータを決定するかの選択を受付けることで、ユーザの意図に沿った可視化を実現することが可能となる。
[変形例2−2]
なお、本実施形態においては、注目度差分に基づく可視化パラメータを参照してマーカを描画しているが、注目度に基づく可視化パラメータも併せて参照し、マーカを描画してもよい。この場合、注目度と注目度差分をそれぞれ別の可視化パラメータに割り当てる。例えば、注目度が高いほど描画色が赤に近くなり、注目度が低いほど描画色が青に近くなるように、注目度を色相に対応させる。また、注目度差分が大きいほど描画色の彩度が高くなり、注目度差分が小さいほど描画色の彩度が低くなるように、注目度差分を彩度に対応させる。
なお、本実施形態においては、注目度差分に基づく可視化パラメータを参照してマーカを描画しているが、注目度に基づく可視化パラメータも併せて参照し、マーカを描画してもよい。この場合、注目度と注目度差分をそれぞれ別の可視化パラメータに割り当てる。例えば、注目度が高いほど描画色が赤に近くなり、注目度が低いほど描画色が青に近くなるように、注目度を色相に対応させる。また、注目度差分が大きいほど描画色の彩度が高くなり、注目度差分が小さいほど描画色の彩度が低くなるように、注目度差分を彩度に対応させる。
このようにすることで、注目度が高く、前回から注目度が上昇している場合(注目度差分が大きい場合)、マーカは鮮やかな赤で描画される。注目度が低く、前回から注目度が下降している場合(注目度差分が小さい場合)、マーカはくすんだ青で描画されることになる。したがって、どのマーカの注目度が高く、前回から注目度が上昇しているのかを一見して認識することが可能となる。
(その他の実施形態)
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
発明は上記実施形態に制限されるものではなく、発明の精神及び範囲から離脱することなく、様々な変更及び変形が可能である。従って、発明の範囲を公にするために請求項を添付する。
101:情報表示装置、201:観察データ管理部、202:注目度決定部、203:可視化パラメータ決定部、204:可視化部
Claims (14)
- 作物の観察によって得られた、前記観察の種類を表す観察種別、前記作物の状態を表す観察値及び前記観察が実施された位置を表す観察位置を含む観察データを地図上に可視化する情報表示装置であって、
前記観察種別及び前記観察値に基づいて前記観察データの注目度を決定する注目度決定手段と、
前記注目度に基づいて、前記観察データの可視化に用いる可視化パラメータを決定する可視化パラメータ決定手段と、
前記観察位置と前記可視化パラメータとに基づいて、前記地図上に前記観察データを可視化する可視化手段と、
を備えることを特徴とする情報表示装置。 - 前記注目度決定手段は、機械学習によって生成された学習済みモデルに基づいて前記注目度を決定することを特徴とする請求項1に記載の情報表示装置。
- 前記観察データは、1つの観察位置に対して、観察種別及び観察値の複数のペアを含み、
前記複数のペアから代表となる観察種別及び観察値を選択する選択手段をさらに備え、
前記注目度決定手段は、前記選択手段により選択された観察種別及び観察値に基づいて、前記観察データの前記注目度を決定することを特徴とする請求項1又は2に記載の情報表示装置。 - 前記選択手段は、予め定められた観察種別の優先度に基づいて、前記代表となる観察種別及び観察値を選択することを特徴とする請求項3に記載の情報表示装置。
- 複数の観察データを含むグループから代表となる代表観察データを選択する選択手段をさらに備え、
前記注目度決定手段は、前記代表観察データの観察種別及び観察値に基づいて、当該代表観察データの注目度を決定することを特徴とする請求項1又は2に記載の情報表示装置。 - 前記可視化パラメータ決定手段は、前記注目度に基づいて、前記代表観察データの可視化に用いる可視化パラメータを決定し、
前記可視化手段は、前記代表観察データの前記観察位置と前記可視化パラメータとに基づいて、前記地図上に前記代表観察データを可視化することを特徴とする請求項5に記載の情報表示装置。 - 前記選択手段は、前記グループに含まれる前記観察データの観察日、又は、前記グループに含まれる前記観察データに含まれる観察位置に基づいて、前記代表観察データを選択することを特徴とする請求項5又は6に記載の情報表示装置。
- 着目する観察データに対応する過去の対応観察データを取得する取得手段と、
前記観察データの注目度と前記対応観察データの注目度とに基づいて注目度の差分を算出する算出手段と、をさらに備え、
前記可視化パラメータ決定手段は、前記注目度の差分に基づいて、前記観察データの可視化に用いる可視化パラメータを決定することを特徴とする請求項1乃至7の何れか1項に記載の情報表示装置。 - 前記可視化パラメータ決定手段が、前記注目度に基づいて可視化パラメータを決定するか、前記注目度の差分に基づいて可視化パラメータを決定するかの選択を受け付ける受付手段をさらに備えることを特徴とする請求項8に記載の情報表示装置。
- 前記可視化パラメータ決定手段は、前記注目度に基づいて第1の可視化パラメータを決定するとともに、前記注目度の差分に基づいて第2の可視化パラメータを決定し、
前記可視化手段は、前記観察位置と前記第1の可視化パラメータと前記第2の可視化パラメータとに基づいて、前記観察データを可視化することを特徴とする請求項8に記載の情報表示装置。 - 前記第1の可視化パラメータは色相であり、前記第2の可視化パラメータは彩度であることを特徴とする請求項10に記載の情報表示装置。
- 前記可視化パラメータは、前記観察データを示すマーカの描画色、マーカのサイズ、又はマーカの形状の変形具合であることを特徴とする請求項1乃至10の何れか1項に記載の情報表示装置。
- 作物の観察によって得られた、前記観察の種類を表す観察種別、前記作物の状態を表す観察値及び前記観察が実施された位置を表す観察位置を含む観察データを地図上に可視化する情報表示装置の制御方法であって、
前記観察種別及び前記観察値に基づいて前記観察データの注目度を決定する注目度決定工程と、
前記注目度に基づいて、前記観察データの可視化に用いる可視化パラメータを決定する可視化パラメータ決定工程と、
前記観察位置と前記可視化パラメータとに基づいて、前記地図上に前記観察データを可視化する可視化工程と、
を有することを特徴とする情報表示装置の制御方法。 - コンピュータを、請求項1乃至12の何れか1項に記載の情報表示装置として機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019147963A JP2021028798A (ja) | 2019-08-09 | 2019-08-09 | 情報表示装置、情報表示装置の制御方法及びプログラム |
US16/944,226 US11335047B2 (en) | 2019-08-09 | 2020-07-31 | Information display apparatus, method for controlling information display apparatus, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019147963A JP2021028798A (ja) | 2019-08-09 | 2019-08-09 | 情報表示装置、情報表示装置の制御方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021028798A true JP2021028798A (ja) | 2021-02-25 |
Family
ID=74501742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019147963A Pending JP2021028798A (ja) | 2019-08-09 | 2019-08-09 | 情報表示装置、情報表示装置の制御方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11335047B2 (ja) |
JP (1) | JP2021028798A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021028798A (ja) * | 2019-08-09 | 2021-02-25 | キヤノン株式会社 | 情報表示装置、情報表示装置の制御方法及びプログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6852403B2 (ja) | 2017-01-05 | 2021-03-31 | セイコーエプソン株式会社 | 紫外線計測システム |
CA3144077A1 (en) * | 2019-06-20 | 2020-12-24 | InnerPlant, Inc. | Methods for deploying biosentinels to agricultural fields and monitoring biotic and abiotic stresses in crops remotely |
JP2021028798A (ja) * | 2019-08-09 | 2021-02-25 | キヤノン株式会社 | 情報表示装置、情報表示装置の制御方法及びプログラム |
-
2019
- 2019-08-09 JP JP2019147963A patent/JP2021028798A/ja active Pending
-
2020
- 2020-07-31 US US16/944,226 patent/US11335047B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20210042977A1 (en) | 2021-02-11 |
US11335047B2 (en) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7375086B2 (ja) | 農業支援システム、農業支援装置及び農業支援方法 | |
KR102253523B1 (ko) | 영농 시스템 및 농작업기 | |
JP2018108431A (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN103548058B (zh) | 图像显示装置、图像显示系统及图像显示方法 | |
CA2895811A1 (en) | Agricultural input performance exploration system | |
EP3806101A1 (en) | Training data collecting device, training data collecting method and program, training system, trained model, and endoscope image processing device | |
CA2910808A1 (en) | Systems, devices, and methods for determining an operational health score | |
JP7081536B2 (ja) | 作物の倒伏リスク診断に用いる生育パラメータの測定推奨スポット提示方法、倒伏リスク診断方法、および情報提供装置 | |
US11594020B2 (en) | Crown identification device, identification method, program, and recording medium | |
US20140009600A1 (en) | Mobile device, computer product, and information providing method | |
US20220405863A1 (en) | Information processing device, information processing method, and program | |
CN115033638A (zh) | 一种面向数字化仓储的货品周转模式可视化方法 | |
JP2021028798A (ja) | 情報表示装置、情報表示装置の制御方法及びプログラム | |
Möller et al. | PhenoWin–An R Shiny application for visualization and extraction of phenological windows in Germany | |
US20200372251A1 (en) | Device for collecting breeding data in farm field, device for analyzing feature in breeding, method for collecting breeding data in farm field, program, and recording medium | |
JP2016170814A (ja) | 営農システム及び農作業機 | |
JP6164475B2 (ja) | 生物種生息適性推定方法及びその方法を用いた生物種生息適性推定システム | |
US20180075630A1 (en) | Predictor visualization system, predictor visualization method, and predictor visualization program | |
CN103472978B (zh) | 一种基于四分位图展示数据的可视化方法及系统 | |
CN1997998A (zh) | 交互式计算机辅助诊断 | |
JP5047041B2 (ja) | 圃場管理システム及びプログラム | |
JP6293206B2 (ja) | 営農システム及び農作業機 | |
WO2020039859A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US11481525B2 (en) | Information processing apparatus, control method for information processing apparatus, and storage medium | |
JP6324175B2 (ja) | 地図情報表示システム及び方法、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20210103 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210113 |