JP2022064532A - 除草装置、自動除草方法及び自動除草プログラム - Google Patents

Abstract

【課題】除草効率が高い除草装置、自動除草方法及び自動除草プログラムを提供する。【解決手段】除草装置１は、機体１１と、機体を走行させる車輪１２Ａ、１２Ｂと、作業領域の画像データを取得するデータ取得部と、画像データに基づいて、画像データで示される画像に写る植物を、作業領域内で栽培されている栽培植物と栽培植物以外の植物とのいずれかに分類可能な学習済みモデルを有し、データ取得部で取得された画像データに基づいて、画像内に映る植物を栽培植物と栽培植物以外の植物とのいずれかに分類する分類部と、機体１１に設けられた、植物を収容することが可能な収容部１４と、分類部の分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行う除草部と、雑草を集めて収容部に収容する収集部と、を備えている。【選択図】図１

Description

本開示は、除草装置、自動除草方法及び自動除草プログラムに関する。

従来、自走式の除草装置が用いられている。このような自走式の除草装置は、整備領域内の画一的な整備を行うことができるものの、花や農作物の近傍にある雑草を除去することが難しいため、花や農作物を傷つけないように花や農作物の周囲は手作業で除草を行っていた。

また、近年、農地等の植物栽培領域をカメラで撮影して植物の画像を取り込み、画像から栽培植物と雑草とを判断して除草剤を処理するツールを選択する雑草自動処理用のロボット（装置）が提案されている（例えば、特許文献１）。このような装置は、例えば、栽培植物と雑草との距離に基づいて選択されたツールを用いて、例えば除草剤を撒く等の雑草を除去する処理が行われている。

国際公開第２０１７／００２０９３号

しかしながら、従来の自走式の除草装置を使用する場合、作業者の身体的負担や作業時間がかかるという問題があった。また、カメラで撮影した植物の画像からツールを選択して雑草を処理する装置では、例えば除草後に雑草が栽培領域に残存し、雑草を集める作業が更に必要になるため、除草効率が低いという問題があった。

そこで、本開示は、除草効率が高い除草装置、自動除草方法及び自動除草プログラムを提供することを目的とする。

上述の課題を解決するために、本開示の一態様に係る除草装置は、機体と、機体を走行させる車輪と、作業領域の画像データを取得するデータ取得部と、画像データに基づいて、画像データで示される画像に写る植物を、作業領域内で栽培されている栽培植物と栽培植物以外の植物とのいずれかに分類可能な学習済みモデルを有し、データ取得部で取得された画像データに基づいて、画像内に映る植物を栽培植物と栽培植物以外の植物とのいずれかに分類する分類部と、機体に設けられた、植物を収容することが可能な収容部と、分類部の分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行う除草部と、雑草を集めて収容部に収容する収集部と、を備えることを特徴とする。

また、本開示の一態様に係る自動除草方法は、作業領域の画像データを取得し、画像データに基づいて、画像データで示される画像に写る植物を、作業領域内で栽培されている栽培植物と栽培植物以外の植物とのいずれかに分類可能な学習済みモデルに対して画像データを入力し、学習済みモデルからの出力結果として、画像内に映る植物を栽培植物と栽培植物以外の植物とのいずれかに分類した分類結果を取得し、分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行い、植物を収容することが可能な収容部に雑草を収容することを特徴とする。

さらに、本開示の一態様に係る自動除草プログラムは、作業領域の画像データを取得することと、画像データに基づいて、画像データで示される画像に写る植物を、作業領域内で栽培されている栽培植物と栽培植物以外の植物とのいずれかに分類可能な学習済みモデルに対して画像データを入力し、学習済みモデルからの出力結果として、画像内に映る植物を栽培植物と栽培植物以外の植物とのいずれかに分類した分類結果を取得することと、分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行うことと、植物を収容することが可能な収容部に雑草を収容することと、をコンピュータに実行させることを特徴とする。

本開示によれば、除草効率が高い除草装置、自動除草方法及び自動除草プログラムを提供することができる。

第一実施形態に係る除草装置の一構成例を示す概略図である。 第一実施形態に係る除草装置の除草アームの一構成例を示す概略図である。 第一実施形態に係る除草装置の機能構成の一例を示す概略的な機能ブロック図である。 第一実施形態に係る除草装置のハードウェア構成の一例を示す概略図である。 第一実施形態に係る自動除草方法を説明する概略図である。 第一実施形態に係る自動除草方法を説明する概略図である。 第一実施形態に係る自動除草方法を説明する概略図である。 第一実施形態に係る自動除草方法を説明する概略図である。 第一実施形態に係る自動除草方法を説明する概略図である。 第一実施形態に係る自動除草方法を説明する概略図である。 第一実施形態に係る自動除草方法を説明するフローチャートである。 第二実施形態に係る除草装置の一構成例を示す概略図である。 第二実施形態に係る除草装置の一構成例を示す概略図である。 第二実施形態に係る除草装置の機能構成の一例を示す概略的な機能ブロック図である。 第二実施形態に係る自動除草方法を説明するフローチャートである。 第二実施形態に係る自動除草方法を説明するフローチャートである。

以下、図面を参照して本開示の実施の形態を説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形や技術の適用を排除する意図はない。本開示は、その趣旨を逸脱しない範囲で種々変形（例えば各実施形態を組み合わせる等）して実施することができる。また、以下の図面の記載において、同一又は類似の部分には同一又は類似の符号を付して表している。

また、以下の除草装置は、汎用のコンピュータなどの情報処理装置であるハードウェアと、コンピュータプログラムであるソフトウェアとの協働によって実現される。コンピュータプログラムは、除草装置が備える一又は複数のプロセッサによって読み取り可能であり、ハードディスクにインストールされることによりプロセッサが除草装置の各部として機能する。

１．第一実施形態
以下、第一実施形態に係る除草装置１と、除草装置１で実行される自動除草方法及び自動除草プログラムについて、図１から図６を参照して説明する。
本実施形態に係る除草装置１は、学習済みモデルを用いて作業領域の植物を分類し、栽培植物以外の植物を雑草として自動で（すなわち、作業者に運転等の操作をされることなく）除草作業を行う装置である。

（１．１）除草装置の全体構成
図１に示すように、除草装置１は、機体１１、機体１１を走行させる車輪１２、撮像装置１３、雑草を収容する収容部１４及び除草アーム１５を備えている。
以下、除草装置１の各部について説明する。

機体１１は、除草装置１の本体フレームと、本体フレームの内部に配置された車輪駆動機構及び除草アーム駆動機構（図示せず）とを備えている。車輪駆動機構は、例えばエンジン等の駆動部、トランスミッションやドライブシャフトを含むドライブトレイン等を有している。除草アーム駆動機構は、除草作業を行うことができればどのような構成でもよい。

車輪１２は、機体１１を走行させるために取り付けられている。車輪１２は、機体１１の前方下部に取り付けられて機体１１の前部を支持する前輪１２Ａと、機体１１の後部を支持する後輪１２Ｂとを有している。車輪１２は、一般的な車両用の車輪と同様に、機体１１のドライブシャフトの両端に取り付けられている。

撮像装置１３は、撮像により２次元画像を撮像面（ＣＣＤアレイ面上）で検出する機能を持つ受光デバイスであり、例えばＣＣＤ等の撮像素子を有するカメラである。撮像装置１３は、例えば機体１１の前面に取り付けられ、除草装置１の前方（進行方向）の作業領域の画像を撮影し、作業領域の画像データを得る。除草装置１が車輪１２によって作業領域内を移動することで、撮像装置１３は作業領域の所望の領域において栽培植物又は栽培植物以外の植物（雑草）を撮影して画像データを得ることができる。

収容部１４は、機体１１の一部に設けられ、除草アーム１５によって抜かれた雑草を収容する。収容部１４は、雑草を収容することが可能であればどのような形状、材質で形成されていても良い。

除草アーム１５は、雑草を抜く又は切断する除草作業と、雑草を収容部１４に収容する収容作業とを行う機能を有する。すなわち、本実施形態で説明する除草アーム１５は、除草部及び収集部の双方の機能を兼ね備えている。
図２は、除草アーム１５の一構成例を示す概略図である。図２に示すように、除草アーム１５は、例えば、開閉可能な第１把持アーム１５１Ａ及び第２把持アーム１５１Ｂを有する把持アーム１５１と、第１把持アーム１５１Ａ及び第２把持アーム１５１Ｂの動作方向を変化させる把持アーム回転部１５２とを有している。なお、除草アーム１５は、３つ以上の把持アームを有していても良い。

除草アーム１５は、除草作業時に除草アーム１５が第１把持アーム０１５１Ａ及び第２把持アーム１５１Ｂを閉じて雑草を把持する把持動作と、第１把持アーム１５１Ａ及び第２把持アーム１５１Ｂに雑草を把持させたまま把持アーム回転部１５２を回転させて地面から雑草を引き抜く回転動作と、を行うように制御される。除草アーム１５は、後述する制御部３６によって制御される。除草アーム１５は、把持動作時に雑草を根ごと把持することにより、回転動作時に雑草を引き抜きやすくなるため好ましい。

（１．２）除草装置の機能構成
図３は、除草装置１の機能構成の一例を示す概略的な機能ブロック図である。図３に示す各機能ブロックは、後に図４で説明する演算装置２０のプロセッサ２１が必要なプログラムを実行し、除草装置１の各部の動作を制御することにより実現される。

本実施形態に係る除草装置１は、データ取得部３１、記憶部３２、機械学習部３３、除草エリア特定部３４、位置情報検出部３５、制御部３６、撮像装置１３及び除草アーム１５を有している。また、除草装置１は、外部装置である入力装置１６及び表示装置１７と接続されている。なお、入力装置１６及び表示装置１７は、除草装置１の一部として設けられていても良い。
以下、各機能ブロックについて説明する。

［データ取得部］
データ取得部３１は、撮像装置１３や、図示しない外部記憶装置やネットワークを介して、作業領域の画像データを取得する。この時、データ取得部３１は、取得した画像データを除草装置１の内部で扱うデータ形式への変更、所定のサイズへの変更、必要な部分画像のみを抜き出すトリミング、画像の回転といった前処理を行うようにしても良い。
また、データ取得部３１は、画像データが撮影された位置を示す位置情報を取得しても良い。作業領域全体の雑草の群生状況を確認した後に除草作業を行う場合、画像データと、画像データに対応する位置情報とに基づいて、作業領域の各部における雑草の群生状況を確認することができる。
データ取得部３１が取得した画像データは、記憶部３２に記憶される。

［記憶部］
記憶部３２は、例えば図４に示す補助記憶装置２４内に記憶領域として確保されている。
記憶部３２は、データ取得部３１が取得した作業領域の画像の画像データを記憶する。また、記憶部３２は、位置情検出部３５が検出した除草装置１の位置を示す位置情報を記憶する。ここで、記憶部３２は、作業領域の画像の撮像時における除草装置１の位置情報を、当該画像の画像データと関連付けて記憶する。さらに、記憶部３２は、除草エリア特定部３４で除草エリアであるとして特定された雑草が群生する区画を示す情報（位置情報）を記憶する。

また、記憶部３２は、機械学習部３３の記憶部としても機能する。この場合、記憶部３２は、データ取得部３１が取得して記憶部３２に記憶した画像データに対してラベル付与部３３１がラベルを付与（アノテーション）して形成された学習データを記憶する。また、記憶部３２は、機械学習部３３から出力された結果を記憶する。機械学習部３３から出力された結果は、農地等の作業領域の画像データに基づいて、画像内に映る植物を作業領域で栽培された栽培植物と栽培植物以外の植物とのいずれかに分類した分類結果である。記憶部３２は、作業領域の画像データと、分類結果とを対応付けて記憶する。

［機械学習部］
機械学習部３３は、例えば、記憶部３２と、ラベル付与部３３１と、学習データ抽出部３３２と、学習部３３３と、学習モデル記憶部３３４と、分類部３３５と、を備えている。機械学習部３３は、データ取得部３１が取得した作業領域の画像の画像データから、作業領域内で栽培されている栽培植物と、栽培植物以外の植物とを分類し、分類結果を出力し、記憶部３２に記憶する機能を有する。
以下、機械学習部３３の各部について説明する。

（ラベル付与部）
ラベル付与部３３１は、データ取得部３１が取得して記憶部３２に記憶した画像データに対してラベルを付与、すなわちアノテーションし、記憶部３２に記憶する機能を有している。より具体的には、ラベル付与部３３１は、ラベルとラベルが付与された画像データとを関連付けて学習データを形成し、学習データを記憶部３２に記憶する機能を有している。

ラベル付与部３３１が付与するラベルは、例えば、「栽培植物名（例えば、稲）」と「その他」の２つのラベルを用いることができる。これにより、「その他」のラベルが付与された植物は、栽培植物以外の植物であり、除草対象となる雑草となる。このとき、例えば稲を栽培する農地においてい草が成長していた場合、い草も「雑草」として分類される。
また、ラベルは、上述した２つに限られない。例えば、画像に映る栽培植物や他の植物それぞれの種類をラベルとして付与してもよい。この場合、分類部３３５では、「栽培植物名（例えば、稲）」以外のラベルが付与された植物をすべて「雑草」として分類するようにする。

ラベル付与部３３１におけるラベルの付与は、例えば、記憶部３２に記憶されている画像データを表示装置１７に表示させ、表示された画像を見た作業者が入力装置１６を操作して各学習データに対してラベルを付与することで行わる。ラベル付与部３３１は、画像データにラベルが付与されると、ラベルと学習データとを関連付けて記憶部３２に記憶する。

ラベル付与部３３１は、例えば画像データの判別を自動で行う数理的アルゴリズムに基づいて算出された判別値が、予め定められた所定の閾値以上であれば「栽培植物名（例えば、稲）」、所定の閾値未満であれば「その他」と自動的にラベルを付与するようにしてもよい。この場合、画像データとラベル付与結果とを表示装置１７に表示して、作業者に確認させるとともに、ラベル付与に間違いがある場合には作業者が修正できるようにしても良い。

（学習データ抽出部）
学習データ抽出部３３２は、記憶部３２に記憶された複数の学習データを抽出する機能を有している。このとき、学習データ抽出部３３２は、記憶部３２に記憶された学習データのうちの一部を学習用のデータ（訓練データ）として抽出し、残りの学習データを検証用のデータ（検証データ）と、最終評価用のデータ（テストデータ）としてもよい。また、訓練データは、さらに複数のグループに分割して複数のデータセットを作成し、それぞれのデータセットごとに学習・評価を行うことを可能にしてもよい。この場合、学習データ抽出部３３２は、訓練データの各データセットを学習結果に偏りが起きにくいように作成することが望ましく、例えば記憶部３２に記憶されている学習データの中からデータセットとしての学習データをランダムに抽出したり、系統抽出法等の統計的な標本抽出法を用いるようにしたりしても良い。

（学習部）
学習部３３３は、画像データが入力されると、分類結果（ラベル）を推定して出力する学習済みモデルを生成する（学習する）機能を有している。すなわち、本開示では、学習部３３３は、入力された画像データで示される画像に写る植物を、作業領域内で栽培されている栽培植物と栽培植物以外の植物とのいずれであるかを推定し、推定された分類結果（ラベル）を出力する。ここで、「入力された画像データ」とは、データ取得部３１が取得して記憶部３２に記憶した作業領域の画像データであり、かつ学習データではない画像データ（ラベルが付与されていない画像データ）をいう。

学習部３３３は、学習モデルに対して、学習データ抽出部３３２で抽出された学習データを用いた教師あり学習を行い、学習済みモデルを生成する。学習部３３３は、学習モデルとして例えばニューラルネットワーク等を用いることができる。学習部３３３は、学習データ抽出部３３２が抽出したデータセットに含まれるそれぞれの学習データ又は学習データで示される画像に含まれる植物の画像データ（部分画像データ）を入力データとして、学習データに付与されているラベルを出力データとした教師あり学習を行うように構成しても良い。また、学習部３３３は、ラベルが付与された画像データと、ラベルが付与されていない画像データとの双方を学習データとして用いる半教師あり学習を行い、学習済みモデルを生成してもよい。

この場合、学習モデルとしては入力層、中間層、出力層の三層を備えたニューラルネットワークを用いても良いが、より多層のニューラルネットワークを用いた、いわゆるディープラーニングの手法を用いてもよい。ディープラーニングの手法を用いることで、より効果的な学習及び推論を行うことができる。
また、学習部３３３はサポートベクターマシン、ランダムフォレスト、ロジスティック回帰、決定木又はｋ近傍法等の他の学習モデルを用いた機械学習を行うように構成してもよい。
学習部３３３が生成した学習済みモデルは、学習モデル記憶部３３４に記憶される。記憶された学習済みモデルは、分類部３３５において、画像データに基づく分類結果（ラベル）の推論に用いられる。

（学習モデル記憶部）
学習モデル記憶部３３４は、学習部３３３によって生成された学習済みモデルを記憶する。学習モデル記憶部３３４は、複数の作業領域にそれぞれ対応する複数の学習済みモデルを記憶していても良い。
また、学習モデル記憶部３３４は、学習データを用いた教師あり学習を行う前の学習モデル（すなわち初期モデル）を記憶していても良い。

（分類部）
分類部３３５は、撮像装置１３で撮影された作業領域の画像データに基づいて、学習部３３３で生成された学習済みモデルを用いた分類を行う機能を有している。分類部３３５は、学習済みモデルに対して作業領域の画像データを入力し、学習済みモデルの出力として分類結果（ラベルの推定結果）を得る。
分類部３３５は、分類結果を記憶部３２に出力する。

［位置情報検出部］
位置情報検出部３５は、機体１１に設けられ、機体１１の位置を検出する機能を有している。位置情報検出部３５は、例えばジャイロセンサ３５１、ＧＰＳ（Global Positioning System）３５２、モバイル通信基地局測位により除草装置１の位置情報を算出する位置情報算出部３５３の少なくとも一つを有している。
位置情報検出部３５は、検出した位置情報を記憶部３２に出力して記憶する。

［除草エリア特定部］
除草エリア特定部３４は、作業領域の画像データに基づいて、雑草のあるエリアを特定する機能を有している。除草エリア特定部３４は、画像データに基づいて、撮像領域における雑草の有無を判定する雑草存在判定部３４１と、雑草がどの程度生えているかを示す雑草占有率を算出する占有率算出部３４２とを有している。除草エリア特定部３４は、雑草存在判定部３４１で検出された雑草の存在するエリアを除草エリアと特定しても良い。また、除草エリア特定部３４は、占有率算出部３４２で算出された雑草占有率に基づいて、除草エリアを特定しても良い。

除草エリア特定部３４は、例えば雑草存在判定部３４１において撮像領域における雑草の有無を判定する一次スキャンにより除草エリアを特定することができる。また、除草エリア特定部３４は、一次スキャンの後、占有率算出部３４２において雑草占有率を算出する二次スキャンを行うことにより、除草エリアを特定してもよい。一次スキャンと二次スキャンとにより除草エリアを特定する場合は、除草作業の優先度の高い領域を決定することができる為好ましい。
以下、一次スキャン及び二次スキャンについて説明する。

［一次スキャン］
雑草存在判定部３４１は、データ取得部３１で取得された画像データと分類部３３５の分類結果（ラベルの推定結果）とに基づいて、作業領域のうち雑草が群生する区画を特定し、雑草が群生する区画を除草エリアとする。除草エリア特定部３４は、画像データに対応付けられた位置情報に基づいて、雑草が群生する区画の位置を特定し、雑草が群生する区画の位置情報を除草エリアの位置情報として記憶部３２に出力する。

ここで、雑草存在判定部３４１は、作業領域の画像データに基づいて作業領域の範囲を規定し、作業領域を複数の区画に区分けして、雑草が群生する区画を除草エリアとして特定してもよい。具体的には、雑草存在判定部３４１は、画像データにおいて例えばエッジ検出等により農地の外周の位置を検出して作業領域の範囲を規定し、農地の外周で囲まれる領域を複数の区画に区分けする。

雑草存在判定部３４１は、例えば農地を平面視した場合に農地の外周で囲まれる領域を、同一面積かつ矩形状の複数の区画に区分けすることが好ましい。各区画を同一面積とすることで、雑草の群生エリアを特定する際に、各区画が同条件で雑草の群生エリアであるか否かを判断されるためである。また、各区画を矩形状とすることにより、各区画を同一面積に区分けしやすくなるとともに、作業領域のすべてをいずれかの区画に区分けしやすくなるためである。
このとき、農地の端の領域における区画は、他の区画と同一面積かつ矩形状となっていなくても良い。

このように、農地を平面視で同一面積かつ矩形状の複数の区画に区分けするためには、作業領域の撮像時における除草装置１の位置や姿勢等の撮影条件に基づいて、画像内における撮像対象物の傾きを補正、すなわち画像に写る農地の形状を補正してから、小区画へ区分けすることが好ましい。撮影条件としては、例えば画像データの撮像高さ（例えば、撮像装置１３の地面からの取り付け高さ）や機体１１への取り付け角度、撮像時における除草装置１の傾き（地面の傾き）や除草装置１の撮像位置の地面高さ等が挙げられる。撮像位置によって変化する撮影条件は、例えば除草装置１内に設けられた位置情報検出部３５によって撮影時に検出され、記憶部１２に記憶された位置情報に基づいて取得できる。雑草存在判定部３４１は、作業領域の画像データと除草装置１とから除草エリアの位置情報を出力し、記憶部３２に記憶させる。

［二次スキャン］
占有率算出部３４２は、雑草存在判定部３４１によって特定された雑草が群生する区画を更に複数の小区画に区分けして、小区画毎に雑草の有無を判定する。占有率算出部３４２は、小区画の総数に対する雑草が存在する小区画の数の割合から、雑草が群生する区画における雑草の占有率を算出する。すなわち、占有率算出部３４２は、以下の式（１）から雑草が群生する区画における雑草の占有率を算出する。
雑草が群生する区画における雑草の占有率［％］＝（雑草が存在する小区画の数／小区画の総数）×１００ ・・・（１）

また、占有率算出部３４２は、雑草占有率を雑草存在判定部３４１によって特定された雑草が群生する区画の面積（区画全体の面積）に対する雑草が群生する区画内における雑草が群生する領域の面積（雑草領域のみの面積）の割合から算出してもよい。すなわち、占有率算出部３４２は、以下の式（２）から雑草が群生する区画における雑草の占有率を算出してもよい。
雑草が群生する区画における雑草の占有率［％］＝（雑草が存在する領域の面積／雑草が存在する区画の面積）×１００ ・・・（２）

占有率算出部３４２は、算出した雑草占有率と、予め設定された閾値とを比較し、雑草占有率が閾値以上の場合に、雑草が群生する区画を除草エリアと判定する。占有率算出部３４２は、除草エリアの位置情報を出力し、記憶部３２に記憶させる。

占有率算出部３４２は、複数の除草エリアに優先順位を付与しても良い。例えば、占有率算出部３４２は、閾値以上の雑草占有率を有する区画が複数ある場合には、雑草占有率が高い区画ほど除草作業の優先度が高いと判断しても良い。占有率算出部３４２は、除草エリアの位置情報と優先度とを関連付けて出力し、記憶部３２に記憶させても良い。
なお、このとき、雑草存在判定部３４１による除草エリアの位置情報の出力は行わなくても良い。

［制御部］
制御部３６は、作業領域の学習データ用画像データの収集、一次スキャン又は除草作業のために車輪１２を駆動して除草装置１を走行させるための制御を行う。制御部３６は、画像データの収集や一次スキャンのために除草装置１を作業領域全体にまんべんなく走行させる必要がある。また制御部３６は、除草作業のために、記憶部３２に記憶された除草エリアの位置情報を取得して、除草装置１を位置情報に応じた除草エリアに走行させる。除草エリアに優先度が関連付けられている場合、制御部３６は、優先度の高い除草エリアを順に移動して、各除草エリアにおいて除草作業を行う。

（１．３）除草装置のハードウェア構成
図４は、除草装置１の機能部のうち、雑草の判別及び雑草の群生エリアを特定するための機能部におけるハードウェア構成の一例を示す概略図である。すなわち、図４では、除草装置１において、機体１１を移動させるために車輪１２を駆動させ、雑草の除草処理を行う除草アーム１５を駆動させるための機能部におけるハードウェア構成は省略して表示している。

図４に示すように、除草装置１は、演算装置２０を備えている。演算装置２０は、プロセッサ２１、ＲＯＭ（Read Only Memory）２２、ＲＡＭ（Random access memory）２３及び補助記憶装置（メモリ）２４を備える情報処理装置である。演算装置２０には、例えば外部インタフェース（Ｉ／Ｆ）２５を介して撮像装置１３、入力装置１６及び表示装置１７が接続されている。演算装置２０には、例えば通信インタフェース（Ｉ／Ｆ）２６を介してコンピュータ１８が接続されている。ここで、撮像装置１３は、図１に示す除草装置１に取り付けられた撮像装置１３である。また、撮像装置１３、入力装置１６、表示装置１７及びコンピュータ１８は、演算装置２０と接続するためのユーザインタフェース（不図示）を備えている。ここで、演算装置２０の各部のハードウェア資源が所定のプログラムと協働することにより、除草装置１のデータ取得部３１、記憶部３２、機械学習部３３、除草エリア特定部３４、位置情報検出部３５及び制御部３６の各機能が構築される。

プロセッサ２１は、除草装置１を全体的に制御するプロセッサである。プロセッサ２１は、バス２７を介してＲＯＭ２２に格納されたプログラムを読み出し、プログラムに従って除草装置１を制御する。プロセッサ２１は、除草装置１が運転者によるハンドル操作等に依らずに予め定められた作業領域（農場）内で自走するように除草装置１を制御する。
ＲＯＭ２２は、自動除草方法を実行するプログラムを格納している。
ＲＡＭ２３は、計算データ、入力装置１６を介して作業者により入力された各種データ等が一時的に格納されている。

補助記憶装置２４は、例えば図示しないバッテリでバックアップされており、除草装置１の電源がオフされても記憶状態が保持される。補助記憶装置２４には、外部インタフェース２５を介して撮像装置１３から入力された画像データ、ラベルが付与された学習データ、機械学習部３３から出力された分類結果、除草エリア特定部３４から出力された除草エリア（学習データ、分類結果及び除草エリアについては後述する）が記憶される。また、補助記憶装置２４には、入力装置１６から作業者によって入力された入力データの他、外部インタフェース２５、通信インタフェース２６を介して入力された各種データが記憶される。

撮像装置１３は、外部インタフェース２５を介して画像データを演算装置２０に入力する。撮像装置１３による撮影の制御は、除草装置１の演算装置２０がプログラムを実行することにより行うようにしてもよいし、他の装置からの制御により行うようにしても良い。

入力装置１６は、キーボード、ポインティングデバイス又はマイク等の音声入力装置等であり、外部インタフェース２５を介して作業者の操作に基づく指令や入力データを演算装置２０に入力する。
表示装置１７は、例えば液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）や有機ＥＬディスプレイ（ＯＥＬＤ：Organic Electro-Luminescence Display）であり、外部インタフェース２５を介して演算装置２０から各種データを受信して表示する。表示装置１７は、例えば演算装置２０のメモリ上に読み込まれた各データ、プログラム等が実行された結果として得られたデータ、撮像装置１３が撮像して得られた作業領域の画像データ、機械学習部３３（詳細は後述する）から出力されたデータ等を表示する。

コンピュータ１８は、通信インタフェース２６を介してネットワーク２８経由で演算装置２０と接続されている。コンピュータ１８は、図示しない表示装置および入力装置を備え、ネットワーク２８経由で入力装置を介して作業者の操作に基づく指令や入力データを演算装置２０に入力したり、演算装置２０から各種データを受信して表示装置に表示させることができる。ネットワーク２８は、有線ネットワーク又は無線ネットワークのいずれであってもよい。ネットワーク２８が無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、モバイル通信ネットワーク等の無線ネットワークである場合、除草装置１は、作業領域外等の遠隔地にいる作業者からリアルタイムで指令を受け付けたり、遠隔地にいる作業者に対してプログラム等の実行状態や取得データの表示を行うことができる。

（１．４）自動除草方法
以下、本実施形態に係る自動除草方法について、図５及び図６を用いて説明する。図５は、本実施形態に係る自動除草方法を説明する概略図であり、図６は、本実施形態に係る自動除草方法を説明するフローチャートである。なお、除草装置１は、予め記憶されたプログラムに従って自動で走行し、作業領域の画像データに基づいて除草作業を行う。

本実施形態に係る自動除草方法は、少なくとも以下の方法により実行される。
（ａ）作業領域の画像データを取得する
（ｂ）画像データに基づいて、画像データで示される画像に写る植物を、作業領域内で栽培されている「栽培植物」と「栽培植物以外の植物」とのいずれかに分類可能な学習済みモデルに対して画像データを入力し、学習済みモデルからの出力結果として、画像内に映る植物を「栽培植物」と「栽培植物以外の植物」とのいずれかに分類した分類結果を取得する
（ｃ）分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行う
（ｄ）雑草を収容部に収容する

以下、自動除草方法をより詳細に説明する。
まず、図５Ａに示すように、除草装置１は、作業領域である農場全体を走行して複数の画像２１の画像データを取得する（ステップＳ１１）。撮像装置１３は、例えば数ｍおきに作業領域を撮影して、作業領域全体の画像データを取得し、データ取得部３１に入力する（図３参照）。撮像装置１３は、撮像装置１３の画角や解像度等の条件に応じて、撮像間隔を調整すれば良い。

除草装置１は、画像データに基づいて、画像データで示される画像２１に写る植物を、作業領域内で栽培されている栽培植物と、栽培植物以外の植物とのいずれかに分類可能な学習済みモデルを生成する（ステップＳ１２）。学習済みモデルは、機械学習部３３において、ラベルの付与による学習データの生成と、学習モデルに対してラベルが付与された学習データの入力に対して学習データに付与されているラベルを出力させる教師あり学習とにより生成される。除草装置１は、学習済みモデルを機械学習部３３の学習モデル記憶部３３４に記憶する。

図５Ｂに示すように、除草装置１は、撮像装置１３を介して作業領域の一次スキャンを行う（ステップＳ１３からステップＳ１５）。除草装置１は、データ取得部３１で取得した画像データを分類部３３５に入力して、直前に撮影した作業領域に生えている植物が「栽培植物」であるか「栽培植物以外の植物（すなわち雑草）」であるかの分類結果を取得する（ステップＳ１３）。また、除草装置１は、作業領域全体を順に走行して得た画像データに基づいて作業領域の範囲を規定し、作業領域を複数の区画に区分けする（ステップＳ１４）。これにより、除草装置１は、雑草が群生する区画を特定する（ステップＳ１５）。
ここで、図５Ｂでは、例えば作業領域を２０の区画Ａ１～Ａ２０に区分けした例を示している。図５Ｂでは、区分けされた区画Ａ１～Ａ２０のうち、雑草が群生する区画Ａ９、Ａ１８、Ａ１９のみ参照符号を付している。

図５Ｃに示すように、除草装置１は、撮像装置１３を介して作業領域の二次スキャンを行う（ステップＳ１６、ステップＳ１７）。除草装置１は、雑草が群生する区画を更に複数の小区画に区分けして（ステップＳ１６）、小区画毎に雑草の有無を判定し、所定の式に基づいて雑草が群生する小区画における雑草の占有率を算出する（ステップＳ１７）。
図５Ｃでは、例えば一次スキャンで雑草が群生していると判断された区画Ａ９、Ａ１８、Ａ１９のうち、区画Ａ１８を複数の小区画ａ１～ａ２５に区分けした例を示している。図５Ｃでは、雑草が群生する小区画ａ３，ａ４，ａ８，ａ９，ａ１２～ａ１４，ａ１７，ａ１８，ａ２３及びａ２４のみ参照符号を付している。

図５Ｄに示すように、除草装置１は、除草エリアを特定する（ステップＳ１８）。除草装置１は、ステップＳ１７において算出した雑草占有率と予め設定された閾値とを比較し、雑草占有率が閾値以上の場合に、雑草が群生する区画を除草エリアと判定し、除草エリアの位置情報を記憶部３２に記憶させる。
また、除草装置１は、閾値以上の雑草占有率を有する区画が複数ある場合には、雑草占有率が高い順に高い優先度を規定し、除草エリアの位置情報と優先度とを関連付けて記憶部３２に記憶させても良い。
図５Ｄに示すように、除草装置１は、雑草が群生している小区画のうち、予め設定された閾値以上の雑草占有率を有する小区画ａ３，ａ８，ａ１２～ａ１４，ａ１８及びａ２４を除草エリアと判定した例を示している。

図５Ｅ及び図５Ｆに示すように、除草装置１は、除草エリアと特定したエリア（小区画）において雑草の除草作業を行う（ステップＳ１９）。除草装置１は、除草アーム１５を動作させて栽培植物以外の植物であると判断された植物を雑草として地面から抜き、収容部１４に収容する。除草装置１は、例えば除草アーム１５の第１把持アーム１５１Ａ及び第２把持アーム１５１Ｂで雑草を根ごと把持する把持動作（図５Ｅ）と、第１把持アーム１５１Ａ及び第２把持アーム１５１Ｂに雑草を把持させたまま把持アーム回転部１５２を回転させて地面から雑草を引き抜く回転動作（図５Ｆ）とにより除草を行う。
以上により、除草装置１を自動で走行させて、除草作業を行うことができる。

なお、除草装置１が作業領域の二次スキャンを行わない構成の場合、除草装置１は、一次スキャンにより直前に撮影した作業領域に生えている植物の分類結果を取得し、「雑草」と判断された植物を除草アーム１５で除草する。

（１．５）画像認識プログラム
本実施形態に係る除草装置１により実行される自動除草プログラムについて説明する。除草装置１は、少なくとも以下の（ｅ）～（ｈ）の各動作をコンピュータに実行させるプログラムに従って、自動で除草作業を行う。以下のプログラムは、例えばハードディスクドライブ、メモリ等の記録媒体やＤＶＤディスク又はＢｌｕ－ｒａｙ（登録商標）等の光ディスクに非一時的に記録される。以下のプログラムは、インターネットを介して配布されても良い。さらに、以下のプログラムは、クラウドサーバに記録され、インターネットを介して実行されても良い。

（ｅ）作業領域の画像データを取得すること
（ｆ）画像データに基づいて、画像データで示される画像に写る植物を、作業領域内で栽培されている栽培植物と栽培植物以外の植物とのいずれかに分類可能な学習済みモデルに対して画像データを入力し、学習済みモデルからの出力結果として、画像内に映る植物を栽培植物と栽培植物以外の植物とのいずれかに分類した分類結果を取得すること
（ｇ）分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行うこと
（ｈ）雑草を収容部に収容すること

（１．６）変形例
上述した除草装置１では、雑草の除草作業及び収集作業に第１把持アーム１５１Ａ及び第２把持アーム１５１Ｂを有する把持アーム１５１と、把持アーム１５１を回転させる把持アーム回転部１５２とを備える除草アーム１５を用いていたが、このような構成に限られない。
例えば、除草アーム１５に変えて、円筒又は円柱状で、表面に雑草を絡め取る機構を有し、地面に対して回転する除草ロータを設けても良い。除草ロータは雑草が一面に群生する領域では効率的に雑草を除草可能な点で好ましいが、栽培植物と雑草が混在する領域では雑草を除草作業がしにくくなる。

また、上述した除草装置１では、雑草を抜く又は切断する除草作業を行う除草部と、雑草を収集して収容部１４に収容する収容作業とを行う収集部とが除草アーム１５のみで実現していたが、このような構成に限られない。
例えば、上述した除草ロータと、除草ロータとは別に設けられ、除草ロータによって抜かれた雑草を収集する収集部を有する構成であっても良い。

（１．７）第一実施形態の効果
第一実施形態に係る除草装置１及び除草装置１で実行される自動除草方法及び自動除草プログラムは、以下の効果を有する。
（１）除草装置１は、データ取得部３１で取得した作業領域の画像に写る植物を、学習済みモデルを用いて栽培植物と栽培植物以外の植物とのいずれかに分類し、分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として除草し、収容部１４に収容する。
これにより、除草後に雑草が栽培領域に残存することなく、雑草を集める作業が不要となるため、除草効率が向上する。

（２）除草装置１は、データ取得部で取得された画像データと分類部の分類結果とに基づいて、作業領域のうち雑草が群生する区画を特定し、雑草が群生する区画を除草エリアとする除草エリア特定部を備え、除草部は、除草エリアにおいて除草作業を行うように構成されている。
これにより、除草作業を行うエリアを区画ごとに把握するため、除草効率が向上する。

（３）除草装置１は、除草エリア特定部において、画像データに基づいて作業領域（例えば農地）の範囲を規定し、作業領域を複数の区画に区分けして、雑草が群生する区画を除草エリアとして特定する。
これにより、除草作業を行うエリアを区画ごとに把握するため、除草効率が向上する。

（４）除草装置１は、除草エリア特定部によって特定された雑草が群生する区画を更に複数の小区画に区分けして、小区画毎に雑草の有無を判定し、小区画の総数に対する雑草が存在する小区画の数から、雑草が群生する区画における雑草の占有率を算出する占有率算出部を備えている。
これにより、雑草の占有率に基づいて除草の優先度を規定する等の調整が可能となり、除草効率が向上する。

（５）除草装置１は、雑草が群生する区画の面積と、雑草が群生する区画内における雑草が群生する領域の面積とを算出し、区画の面積に対する領域の面積から、雑草が群生する区画における雑草の占有率を算出する占有率算出部を備えている。
これにより、雑草の占有率に基づいて除草の優先度を規定する等の調整が可能となり、除草効率が向上する。

（６）除草装置１は、雑草の占有率と予め設定された閾値とを比較し、雑草の占有率が閾値以上の場合に、雑草が群生する区画を除草エリアと判定する除草判定部を備えている。
これにより、雑草の占有率が低い区画は除外して、雑草の占有率が高い区画を優先して除草できるため、除草効率が向上する。

２．第二実施形態
以下、第二実施形態に係る除草装置２について、図７Ａ及び図７Ｂ、並びに図８を参照して説明する。
本実施形態に係る除草装置２は、除草装置１と同様に、学習済みモデルを用いて作業領域の植物を分類し、栽培植物以外の植物を雑草として自動で（すなわち、作業者に運転等の操作をされることなく）除草作業を行う装置である。
図７Ａ及び図７Ｂに示すように、除草装置２は、学習データとして用いる画像データの収集から群生エリアの特定を行う一次スキャンまでを行う群生エリア特定装置２Ａと、群生エリア特定装置２Ａの特定結果に基づいて、作業領域内の二次スキャンから除草作業までを行う除草装置２Ｂとにより構成されている。すなわち、除草装置２は、除草装置１の機能が、群生エリア特定装置２Ａ及び除草装置２Ｂによって実現されている点で第一実施形態に係る除草装置１と相違する。

（２．１）除草装置
図７Ａ及び図７Ｂに示すように、除草装置２は、上述したとおり、群生エリア特定装置２Ａと除草装置２Ｂとを備えている。
群生エリア特定装置２Ａは、雑草を収容する収容部と除草アーム１５を有していない点で、除草装置１と相違する。
除草装置２Ｂは、外観上は除草装置１と同様の構成を有している。

（２．２）除草装置の機能構成
図８は、群生エリア特定装置２Ａ及び除草装置２Ｂの機能構成の一例を示す概略的な機能ブロック図である。図８に示す各機能ブロックは、第一実施形態において図４を用いて説明した演算装置２０のプロセッサ２１が必要なプログラムを実行し、群生エリア特定装置２Ａ及び除草装置２Ｂの各部の動作を制御することにより実現される。

本実施形態に係る群生エリア特定装置２Ａは、データ取得部３１Ａ、記憶部３２Ａ、機械学習部３３Ａ、除草エリア特定部３４Ａ、位置情報検出部３５Ａ、撮像装置１３Ａを有している。また、除草装置１は、外部装置である入力装置１６Ａ及び表示装置１７Ａと接続されている。なお、入力装置１６Ａ及び表示装置１７Ａは、除草装置１の一部として設けられていても良い。また、入力装置１６Ａ及び表示装置１７Ａは、後述する除草装置２Ｂの入力装置１６Ｂ及び表示装置１７Ｂと共通で設けられていても良い。

群生エリア特定装置２Ａは、除草アーム１５及び制御部３６が設けられていない点及び除草エリア特定部３４が雑草の占有率を算出する機能部を有していない点で、除草装置１と相違する。また、群生エリア特定装置２Ａは、データ取得部３１Ａが図示しない通信インタフェースを介して除草装置２Ｂのデータ取得部３１Ｂと接続可能に形成されている点で、除草装置１と相違する。
また、これ以外の機能部は除草装置１と共通であり、記憶部３２Ａ、機械学習部３３Ａ、位置情報検出部３５Ａ、撮像装置１３Ａ、入力装置１６Ａ及び表示装置１７Ａは、除草装置１の記憶部３２、機械学習部３３、位置情報検出部３５、撮像装置１３、入力装置１６及び表示装置１７と同様の機能であるため、説明を省略する。

本実施形態に係る除草装置２Ｂは、データ取得部３１Ｂ、記憶部３２Ｂ、機械学習部３３Ｂ、除草エリア特定部３４Ｂ、位置情報検出部３５Ｂ、制御部３６Ｂ、除草アーム１５、撮像装置１３Ｂ及び通信インタフェースを有している。また、除草装置１は、外部装置である入力装置１６Ｂ及び表示装置１７Ｂと接続されている。なお、入力装置１６Ｂ及び表示装置１７Ｂは、除草装置１の一部として設けられていても良い。

除草装置２Ｂは、除草エリア特定部３４が雑草の存在を判定する機能部を有していない点及び機械学習部３３が学習済みモデルの生成に寄与する機能部（ラベル付与部３３１及び学習部３３３に相当）を有していない点で、除草装置１と相違する。また、除草装置２Ｂは、データ取得部３１Ｂが図示しない通信インタフェースを介して群生エリア特定装置２Ａのデータ取得部３１Ｂと接続可能に形成されている点で、除草装置１と相違する。
また、これ以外の機能部は除草装置１と共通であり、記憶部３２Ｂ、占有率算出部３４２Ｂ、位置情報検出部３５Ｂ、制御部３６Ｂ、除草アーム１５、撮像装置１３Ｂ、入力装置１６Ｂ及び表示装置１７Ｂは、除草装置１のデータ取得部３１、記憶部３２、占有率算出部３４２、位置情報検出部３５、制御部３６、除草アーム１５、撮像装置１３、入力装置１６及び表示装置１７と同様の機能であるため、説明を省略する。

群生エリア特定装置２Ａと除草装置２Ｂとは、図示しない通信インタフェース（図３の通信インタフェース２６）を介して、ネットワーク２８経由でデータの送受信を行う。ネットワーク２８は、有線ネットワーク又は無線ネットワークのいずれであってもよい。ネットワーク２８が無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、モバイル通信ネットワーク等の無線ネットワークである場合、群生エリア特定装置２Ａと除草装置２Ｂは、互いに離れて配置されている場合でもデータの送受信を行うことができるため好ましい。

除草装置２Ｂは、群生エリア特定装置２Ａで生成された学習済みモデルのコピーを受信して学習モデル記憶部３３４Ｂに記憶する。これにより、機械学習部３３Ｂは、群生エリア特定装置２Ａと同様に、画像データに基づいて、画像データで示される画像に写る植物を「栽培植物」と「栽培植物以外の植物（すなわち雑草）」とのいずれかに分類することができる。

また、除草装置２Ｂは、群生エリア特定装置２Ａで生成された一次スキャンのスキャン結果（雑草のあるエリア）を受信し、記憶部３２Ｂに記憶する。これにより、除草装置２Ｂは、記憶部３２Ｂに記憶された一次スキャンのスキャン結果を用いて占有率算出部３４２Ｂにて雑草の占有率を算出することができる。

群生エリア特定装置２Ａ及び除草装置２Ｂで構成された除草装置２では、群生エリア特定装置２Ａと除草装置２Ｂとがそれぞれ自走して作業を行うことができる。このため、群生エリア特定装置２Ａによる作業（学習データ用の画像データ収集から一次スキャンまで）と、除草装置２Ｂによる作業（二次スキャンから除草作業まで）とを並行して実行することができる。また、通信インタフェースを介してリアルタイムで群生エリア特定装置２Ａと除草装置２Ｂとの間でのデータの送受信を行うことができる。このため、群生エリア特定装置２Ａと除草装置２Ｂとを同期のために停止させることなく、自動で除草作業を行うことができ、除草効率がより向上する。

（２．３）自動除草方法
以下、本実施形態に係る自動除草方法について説明する。
本実施形態に係る自動除草方法は、第一実施形態に記載の通り、少なくとも以下の方法により実行される。
（ａ）作業領域の画像データを取得する
（ｂ）画像データに基づいて、画像データで示される画像に写る植物を、作業領域内で栽培されている「栽培植物」と「栽培植物以外の植物」とのいずれかに分類可能な学習済みモデルに対して画像データを入力し、学習済みモデルからの出力結果として、画像内に映る植物を「栽培植物」と「栽培植物以外の植物」とのいずれかに分類した分類結果を取得する
（ｃ）分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行う
（ｄ）雑草を収容部に収容する

以下、図９及び図１０を参照して、自動除草方法をより詳細に説明する。
図９に示すフローチャートは、群生エリア特定装置２Ａにおける動作を示す。群生エリア特定装置２Ａは、作業領域である農場全体を走行して複数枚の画像データを取得し（ステップＳ２１）、学習済みモデルを生成し（ステップＳ２２）、作業領域の一次スキャンを行う（ステップＳ２３からステップＳ２５）。これらの動作は、第一実施形態で説明したステップＳ１１からステップＳ１５の動作と同様である。
このあと、群生エリア特定装置２Ａは、除草装置２Ｂに対して学習済みモデル及び一次スキャンの結果（群生エリア）をコピーして送信する（ステップＳ２６）。
群生エリア特定装置２Ａは、作業エリア内にてこれらの動作を継続する。

図１０に示すフローチャートは、除草装置２Ｂにおける動作を示す。
除草装置２Ｂは、群生エリア特定装置２Ａから学習済みモデル及び一次スキャンの結果（群生エリア）を受信する（ステップＳ３１）。
続いて、除草装置２は、一次スキャンの結果に基づいて作業領域の二次スキャンを行い（ステップＳ３２及びステップＳ３３）、除草エリアを特定し（ステップＳ３４）、除草エリアと特定したエリアにおいて雑草の除草作業を行う（ステップＳ３５）。これらの動作は、第一実施形態で説明したステップＳ１６からステップＳ１９の動作と同様である。
以上により、除草装置２を自動で走行させて、除草作業を行うことができる。

なお、除草装置２が作業領域の二次スキャンを行わない構成の場合、除草装置２Ｂは、一次スキャンにより直前に撮影した作業領域に生えている植物の分類結果を取得し、「雑草」と判断された植物を除草アーム１５で除草する。

（２．４）画像認識プログラム
本実施形態に係る除草装置２により実行される自動除草プログラムについて説明する。除草装置２は、少なくとも第一実施形態に記載の（ｅ）～（ｈ）の各動作をコンピュータに実行させるプログラムに従って、自動で除草作業を行う。

（２．５）変形例
第二実施形態では、学習データとして用いる画像データの収集から群生エリアの特定を行う一次スキャンまでを行う群生エリア特定装置２Ａと、群生エリア特定装置２Ａの特定結果に基づいて、作業領域内の二次スキャンから除草作業までを行う除草装置２Ｂとにより構成された除草装置２について説明したが、このような構成に限られない。
例えば、学習データとして用いる画像データの収集と、学習済みモデルの生成のみを行い、機械学習に係る機能のみを有する装置を有していても良い。この場合、他の装置が一次スキャン、二次スキャン及び除草を行っても良いし、一次スキャンのみを行う装置と、二次スキャン及び除草を行う装置とを用いて除草作業を行っても良い。

（２．６）第二実施形態の効果
第二実施形態に係る除草装置２及び除草装置２で実行される自動除草方法及び自動除草プログラムは、第一実施形態に記載の効果に加えて、以下の効果を有する。
（７）除草装置２は、群生エリア特定装置２Ａと除草装置２Ｂとにより構成されている。
これにより、群生エリア特定装置２Ａによる作業（学習データ用の画像データ収集から一次スキャンまで）と、除草装置２Ｂによる作業（二次スキャンから除草作業まで）とを並行して実行することができ、除草効率がより向上する。また、通信インタフェースを介してリアルタイムで群生エリア特定装置２Ａと除草装置２Ｂとの間でのデータの送受信を行うことができるため、群生エリア特定装置２Ａと除草装置２Ｂとを同期のために停止させることなく、除草効率の向上を妨げない。

以上、本発明の実施形態について説明したが、本発明の技術的範囲は、上述した実施形態に記載の技術的範囲には限定されない。上述した実施形態に、多様な変更又は改良を加えることも可能であり、そのような変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

１，２,２Ｂ 除草装置
２Ａ 群生エリア特定装置
１１ 機体
１２ 車輪
１２Ａ 前輪
１２Ｂ 後輪
１３，１３Ａ，１３Ｂ 撮像装置
１４ 収容部
１５ 除草アーム
１６，１６Ａ，１６Ｂ 入力装置
１７，１７Ａ，１７Ｂ 表示装置
１８ コンピュータ
２０ 演算装置
２１ プロセッサ
２４ 補助記憶装置
２５ 外部インタフェース
２６ 通信インタフェース
２７ バス
２８ ネットワーク
３１，３１Ａ，３１Ｂ データ取得部
３２，３２Ａ，３２Ｂ 記憶部
３３，３３Ａ，３３Ｂ 機械学習部
３４，３４Ａ，３４Ｂ 除草エリア特定部
３５，３５Ａ，３５Ｂ 位置情報検出部
３６，３６Ｂ 制御部
１５１ 把持アーム
１５１Ａ 第１把持アーム
１５１Ｂ 第２把持アーム
１５２ 把持アーム回転部
３３１ ラベル付与部
３３２ 学習データ抽出部
３３３ 学習部
３３４，３３４Ｂ 学習モデル記憶部
３３５ 分類部
３４１ 雑草存在判定部
３４２，３４２Ｂ 占有率算出部
３５ 位置情報検出部
３５１ ジャイロセンサ
３５２ ＧＰＳ
３５３ 位置情報算出部
Ａ１～Ａ２０ 区画
ａ１～ａ２５ 小区画

Claims (10)

1. 機体と、
   機体を走行させる車輪と、
   作業領域の画像データを取得するデータ取得部と、
   前記画像データに基づいて、前記画像データで示される画像に写る植物を、前記作業領域内で栽培されている栽培植物と前記栽培植物以外の植物とのいずれかに分類可能な学習済みモデルを有し、前記データ取得部で取得された前記画像データに基づいて、前記画像内に映る植物を前記栽培植物と前記栽培植物以外の植物とのいずれかに分類する分類部と、
   前記機体に設けられた、植物を収容することが可能な収容部と、
   前記分類部の分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行う除草部と、
   前記雑草を集めて前記収容部に収容する収集部と、
   を備える除草装置。
2. 前記データ取得部で取得された前記画像データと前記分類部の前記分類結果とに基づいて、前記作業領域のうち前記雑草が群生する区画を特定し、前記雑草が群生する区画を除草エリアとする除草エリア特定部を備え、
   前記除草部は、前記除草エリアにおいて除草作業を行う
   請求項１に記載の除草装置。
3. 前記除草エリア特定部は、前記画像データに基づいて前記作業領域の範囲を規定し、前記作業領域を複数の区画に区分けして、前記雑草が群生する区画を除草エリアとして特定する
   請求項２に記載の除草装置。
4. 前記除草エリア特定部によって特定された前記雑草が群生する区画を更に複数の小区画に区分けして、前記小区画毎に前記雑草の有無を判定し、前記小区画の総数に対する前記雑草が存在する小区画の数から、前記雑草が群生する区画における前記雑草の占有率を算出する占有率算出部を備える
   請求項３に記載の除草装置。
5. 自装置の位置及び姿勢を取得可能な位置情報検出部を備え、
   前記占有率算出部は、前記画像データの撮像高さ及び前記位置情報検出部から取得した前記自装置の位置及び姿勢の少なくとも一つに基づいて、前記画像内における撮像対象物の傾きを補正し、補正された画像に基づいて複数の小区画への区分けを行う
   請求項４に記載の除草装置。
6. 前記画像を撮像して前記画像データを生成する撮像装置を備え、
   前記占有率算出部は、前記撮像装置の取り付け高さを前記画像データの前記撮像高さとして前記撮像対象物の傾きを補正する
   請求項５に記載の除草装置。
7. 前記雑草が群生する区画の面積と、前記雑草が群生する区画内における前記雑草が群生する領域の面積とを算出し、前記区画の面積に対する前記領域の面積から、前記雑草が群生する区画における前記雑草の占有率を算出する占有率算出部を備える
   請求項３に記載の除草装置。
8. 前記雑草の占有率と予め設定された閾値とを比較し、前記雑草の占有率が前記閾値以上の場合に、前記雑草が群生する区画を前記除草エリアと判定する除草判定部を備える
   請求項２から７のいずれか１項に記載の除草装置。
9. 作業領域の画像データを取得し、
   前記画像データに基づいて、前記画像データで示される画像に写る植物を、前記作業領域内で栽培されている栽培植物と前記栽培植物以外の植物とのいずれかに分類可能な学習済みモデルに対して前記画像データを入力し、前記学習済みモデルからの出力結果として、前記画像内に映る植物を前記栽培植物と前記栽培植物以外の植物とのいずれかに分類した分類結果を取得し、
   前記分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行い、
   前記植物を収容することが可能な収容部に前記雑草を収容する
   自動除草方法。
10. 作業領域の画像データを取得することと、
    前記画像データに基づいて、前記画像データで示される画像に写る植物を、前記作業領域内で栽培されている栽培植物と前記栽培植物以外の植物とのいずれかに分類可能な学習済みモデルに対して前記画像データを入力し、前記学習済みモデルからの出力結果として、前記画像内に映る植物を前記栽培植物と前記栽培植物以外の植物とのいずれかに分類した分類結果を取得することと、
    前記分類結果に基づいて、栽培植物以外の植物であると判断された植物を雑草として地面から抜く又は切断する除草作業を行うことと、
    前記植物を収容することが可能な収容部に前記雑草を収容することと、
    をコンピュータに実行させる自動除草プログラム。

Images