JP2022066907A

JP2022066907A - 情報処理装置、情報処理方法、制御プログラム及び記録媒体

Info

Publication number: JP2022066907A
Application number: JP2020175509A
Authority: JP
Inventors: 清一坂上; Seiichi Sakagami; 怜奈吉利; Rena Yoshitoshi
Original assignee: National Agriculture and Food Research Organization
Current assignee: National Agriculture and Food Research Organization
Priority date: 2020-10-19
Filing date: 2020-10-19
Publication date: 2022-05-02

Abstract

【課題】第１種の植物の圃場において、不要な第２種の植物の分布を、事前に必要なデータセットを不要とした上で、又は比較的減少させた上で抽出する。
【解決手段】本発明の一態様に係る情報処理装置（１０）は、第１種の植物が分布する圃場の空撮画像を取得する取得部（１４）と、前記空撮画像を参照して前記圃場のＤＳＭ（Digital Surface Model）を生成する生成部（１６）と、前記ＤＳＭにおける前記第１種の植物と第２種の植物との植物高の差異に応じて、前記圃場における前記第２種の植物の分布を抽出する抽出部（１８）と、前記第２種の植物の分布に関する情報を出力する出力部（２０）とを備える。
【選択図】図１

Description

本発明は、情報処理装置、情報処理方法、制御プログラム及び記録媒体に関する。

従来技術として、人工衛星に搭載されたレーダ装置から得られる画像等を用いて、圃場における作物の生育状況を解析する技術が知られている。特許文献１では、農作物の画像の特徴量を学習した学習モデルを用いて上空画像における農作物の画像を特定し、農作物の植生指標を算出する植生指標算出装置が開示されている。

国際公開ＷＯ２０１８－１７３５７７号公報

しかしながら、上述のような従来技術は、学習モデルやサポートベクトルマシンを用いるために、事前に多くの学習用データセットを必要とし、ユーザの負担が大きいという問題がある。

本発明の一態様は、上記の問題に鑑みてなされたものであり、採取対象となる第１種の植物の圃場において、不要な第２種の植物の分布を、事前に必要なデータセットを不要とした上で、又は比較的減少させた上で抽出することを目的とする。

上記の課題を解決するために、本発明の一態様に係る情報処理装置は、第１種の植物が分布する圃場の空撮画像を取得する取得部と、前記空撮画像を参照して前記圃場のＤＳＭ（Digital Surface Model）を生成する生成部と、前記ＤＳＭにおける前記第１種の植物と第２種の植物との植物高の差異に応じて、前記圃場における前記第２種の植物の分布を抽出する抽出部と、前記第２種の植物の分布に関する情報を出力する出力部とを備える。

上記の課題を解決するために、本発明の一態様に係る情報処理方法は、第１種の植物が分布する圃場の空撮画像を取得する取得ステップと、前記空撮画像を参照して前記圃場のＤＳＭ（Digital Surface Model）を生成する生成ステップと、前記ＤＳＭにおける前記第１種の植物と第２種の植物との植物高の差異に応じて、前記圃場における前記第２種の植物の分布を抽出する抽出ステップと、前記第２種の植物の分布に関する情報を出力する出力ステップとを含む。

本発明の一態様によれば、採取対象となる第１種の植物の圃場において、不要な第２種の植物の分布を、事前に必要なデータセットを不要とした上で、又は比較的減少させた上で抽出することができる。

本発明の実施形態に係る情報処理システムの機能ブロック図の一例である。本発明の実施形態に係る情報処理システムの処理の流れを示すフローチャートの一例である。本発明の実施形態に係る点群モデル、ＤＳＭ画像及びオルソモザイク画像の一例を示す図である。本発明の実施形態に係るＤＳＭ画像及びオルソモザイク画像の一例を示す図である。閾値の調整、及びＲＧＢチャンネルの選択をするための画面の一例を示す図である。オルソモザイク画像における草地でない範囲のマスクと不要部分の除去とを行う処理過程の一例を示す図である。オルソモザイク画像における草地でない範囲のマスクと不要部分の除去とを行う処理過程の一例を示す図である。オルソモザイク画像における不要部分の除去を行い、クサヨシの分布をマッピングする処理過程の一例を示す図である。チモシーグラスの圃場を示す画像にクサヨシの分布をマッピングする処理過程の一例を示す図である。クサヨシの分布を圃場のオルソモザイク画像にマッピングした一例を示す図である。ピクセル毎の正答率及びＣＳＩ並びに単位面積毎の一致率を示す表の一例である。

〔実施形態〕
以下、本発明の一実施形態について、詳細に説明する。本実施形態においては、採取対象となる第１種の植物が分布する圃場において不要な雑草である第２種の植物の分布を抽出可能な情報処理システムの一例について説明する。上記第２種の植物の分布は、例えば草地を全面更新するタイミングの判断等に用いることができる。

一例として、第１種の植物が、採取対象となるイネ科の牧草であり、第２種の植物がその他のイネ科の雑草であってもよい。以下、情報処理装置が、第１種の植物としてチモシーグラス（Phleum pratense）を処理対象とし、第２種の植物としてクサヨシ（Phalaris arundinacea）を処理対象とする場合を例に挙げて説明するが、これに限定されず、例えば第１種の植物は、オーチャードグラス（Dactylis glomerata）やペレニアルライグラス（Lolium perenne）等であってもよいし、第２種の植物は、第１種の植物とは地上からの高さである植物高（草高）の分布帯が異なる他の植物であってもよい。

〔１．情報処理システムの構成例〕
図１は、本実施形態に係る情報処理システム１の機能ブロック図である。図１に示すように、情報処理システム１は、情報処理装置１０及び飛行体３０を備えている。また、情報処理装置１０は、制御部１２、記憶部２２、入力部２４及び表示部２６を備えている。

制御部１２は、情報処理装置１０全体を統括する制御装置であって、取得部１４、生成部１６、抽出部１８および出力部２０としても機能する。

取得部１４は、飛行体３０が撮影した、チモシーグラスが分布する圃場の空撮画像を、入力部２４を介して取得する。また、入力部２４と飛行体３０とは、無線で接続されてもよいし、有線で接続されてもよい。

生成部１６は、取得部１４が取得した空撮画像を参照して、圃場の点群モデル、ＤＳＭ（Digital Surface Model、数値表層モデル）画像及びオルソモザイク画像を生成する。また、本開示においては、ＤＳＭ画像を単にＤＳＭと呼称することもある。点群モデルとは、各物体の位置を、３次元状に配置された点の粗密で示したモデルである。また、ＤＳＭとは、各物体の地上からの高さを凹凸で示したモデルである。また、オルソモザイク画像とは、正射変換によって、画像内の各物体を真上から見たように補正した画像である。詳細は後述するが、生成部１６は一例として、点群モデルからＤＳＭを作成し、クサヨシの分布がマッピングされたオルソモザイク画像をＤＳＭから生成する。また、生成部１６は、生成した点群モデルに応じて、圃場の各所についてチモシーグラスやクサヨシ等が生えている草地であるか否かを判定し、草地でない範囲の少なくとも一部をマスクしたＤＳＭを生成してもよい。

抽出部１８は、生成部１６が生成したＤＳＭにおけるチモシーグラスとクサヨシとの植物高の差異に応じて、圃場におけるクサヨシの分布を抽出する。具体的には、クサヨシが、チモシーグラスよりも地上から高く成長するので、高さの比較によってチモシーグラスの圃場におけるクサヨシを判別することができる。

出力部２０は、抽出部１８が抽出したクサヨシの分布に関する情報を出力する。ここで、クサヨシの分布に関する情報とは、対象となる圃場若しくは草地におけるクサヨシの分布を示す情報、又はクサヨシが分布する割合を示す情報を意味する。例えば出力部２０は、クサヨシの分布がマッピングされたオルソモザイク画像を、表示部２６に表示させる処理を行う。また、クサヨシの分布をオルソモザイク画像にマッピングする上記処理は、例えば生成部１６等が行う構成であってもよい。

記憶部２２は、各種情報を格納する記録装置であって、例えば取得部１４が取得した空撮画像、又は生成部１６が各モデル等を生成する場合に参照する情報等を格納する。

入力部２４は、情報処理装置１０に対する操作又は情報の入力を行うためのインターフェースである。例えば、入力部２４は、自身に入力された、飛行体３０の撮影画像を取得部１４に供給する。また、入力部２４の一部は、情報処理装置１０への操作を受け付けるキーボードやマウス等のデバイスとして実現され得る。

表示部２６は、制御部１２の制御に基づいて、テキスト又は動画像等を表示する表示パネルである。なお、表示部２６が、タッチパネルとして入力部２４の一部の機能を実現する構成であってもよい。

飛行体３０は、ドローンやＵＡＶ（Unmanned Aerial Vehicle）等として実現される無人の飛行体３０であって、圃場の空撮画像を撮影する。以下、飛行体３０は、ＲＧＢ画像を撮影する構成であるものとして説明するが、必ずしも上記構成に限定されない。また、飛行体３０は、事前に規定された経路を自律飛行することを要せず、リアルタイムにユーザが操作するものであってもよい。

また、チモシーグラスの圃場を飛行体３０で撮影する時期は、チモシーグラスとクサヨシとの地上からの高さの差が大きくなる時期が望ましく、例えばチモシーグラスの一番草が植生する６月付近が効果的である。別の観点から言えば、取得部１４は、チモシーグラスの一番草が分布する圃場の空撮画像を取得することが望ましいと言える。

〔２．情報処理システムの処理例〕
続いて、情報処理システム１による処理の一例について説明する。図２は、本例に係る処理の流れを示すフローチャートである。

ステップＳ１０１において、飛行体３０は、チモシーグラスが分布する圃場の空撮画像となるステレオ写真又は複数の写真を撮影する。

ステップＳ１０２において、取得部１４は、入力部２４を介して飛行体３０が撮影した空撮画像を取得する。

ステップＳ１０３において、生成部１６は、取得部１４が取得した空撮画像を参照して、圃場の点群モデルを生成する。また、生成部１６は、点群モデルの生成において、例えばStructure from Motion処理および多視点ステレオ処理等の従来技術を用いてもよい。図３の点群モデル５０は、本ステップＳ１０３において生成され得る点群モデルの一例を示している。また、点群モデル５０においては、領域５０ａ～５０ｃが圃場における主な草地を示している。

ステップＳ１０４において、生成部１６は、生成した点群モデルにおける各箇所について点群分類（Point Cloud Classification）を行い、少なくとも草地であるか否かを判定する。また、生成部１６は、草地以外の各箇所について、例えば森林、建物、道路又は畑等の分類を行ってもよい。別の観点から言えば、本開示における点群分類とは、点群モデル等を参照して、対象となる物体のそれぞれについて、何れの種類の地形であるかを推定して分類することを意味する。

点群モデル５１は、第１種の点群分類を行った結果を反映した点群モデルを示している。点群モデル５１においては、第１種の点群分類の結果、地面、高植生な箇所、建物、路面、車及びその他の人工物が細かく分類され、それぞれ異なる色で示されている。

また、点群モデル５２は、機械学習を用いない第２種の点群分類を行った結果を反映した点群モデルを示している。点群モデル５２においては、第２種の点群分類を行った結果、草地を含む地面とその他の箇所とがそれぞれ異なる色で示されている。第２種の点群分類を用いることによって、事前に必要なデータセットを不要とすることが可能となる。

ステップＳ１０５において、生成部１６は、点群モデルにおいて、草地でない範囲の少なくとも一部をマスクして除去し、以降の処理の対象外とする。このように、圃場の草地のみを処理対象とすることにより、面積や形状の複雑度等の基礎情報が算定可能となるため、圃場全体の収量や雑草侵入率を推定する場合に有用である。また、本ステップＳ１０５のマスク処理において除去しきれないノイズとなる不要部分を更に除去する場合の処理については、ステップＳ１０８において後述する。

ステップＳ１０６において、生成部１６は、マスクされた点群モデルから、ＤＳＭを生成する。即ち、ステップＳ１０４～Ｓ１０６の処理を換言すると、生成部１６は、ＤＳＭを生成するための圃場の点群モデルを生成した上で、圃場の各所について草地であるか否かを判定し、草地でない範囲の少なくとも一部をマスクしたＤＳＭを生成する、と言える。

図３のＤＳＭ５３は、点群モデル５１から生成されたＤＳＭであって、草地等の地面と分類された部分のみを残したＤＳＭを示している。ＤＳＭ５４は、点群モデル５１から生成されてＤＳＭであって、森林等の高植生部分と分類された箇所を除去したＤＳＭを示している。また、ＤＳＭ５５は、点群モデル５２から生成されたＤＳＭであって、高植生部分と分類された箇所を除去したＤＳＭを示している。

ステップＳ１０７において、生成部１６は、ＤＳＭからオルソモザイク画像を生成する。図３のオルソモザイク画像５６～５８は、ＤＳＭ５３～５５からそれぞれ生成されたオルソモザイク画像を示している。なお、後述する例のように、生成部１６は、ＤＳＭからオルソモザイク画像を生成したのちに、草地でない範囲の少なくとも一部をマスクする構成であってもよい。

ステップＳ１０８において、生成部１６は、生成したＤＳＭ及びオルソモザイク画像からノイズとなる不要部分を除去する処理を行う。まず生成部１６は、ＤＳＭとオルソモザイク画像とのサイズに誤差がある場合に補正によって双方のサイズを揃える処理を行う。図４のＤＳＭ６０は、サイズが補正されたＤＳＭを示している。続いて生成部１６は、ＤＳＭ６１に示すように、ＤＳＭ６０の明度を反転させた上で、一定の明度を第１閾値として白黒二値化する処理を行い、所定サイズ以上の連続的な領域を選択する。続いて生成部１６は、上記領域内を明度０の黒色とし、上記領域外を最大である明度２５５の白色とするマスク画像６２を生成する。続いて生成部１６は、マスク画像６２をオルソモザイク画像に適用する。これにより、画素毎に各画像の明度が足し合わされ、不要部分が除去され白色となったオルソモザイク画像６３が生成される。続いて生成部１６は、オルソモザイク画像６３から更に除去することが望ましい領域が存在する場合に、図４の画像６４～６７に対応する処理を実行する。

まず生成部１６は、オルソモザイク画像６３を対象として、ＲＧＢ（Red, Green, Blue）チャンネルのうち単一色域のみを選択する。何れの色域が選択されるかは、事前に規定されていてもよいし、後述するようにユーザが選択可能な構成であってもよい。オルソモザイク画像６４は、単一色域のみ選択されたオルソモザイク画像６３を示している。続いて生成部１６は、オルソモザイク画像６５に示すように、オルソモザイク画像６４の明度を反転させた上で、一定の明度を第２閾値として白黒二値化する処理を行い、所定サイズ以降の連続的な領域を選択する。続いて生成部１６は、オルソモザイク画像６５に基づいてマスク画像６２と同様にマスク画像６６を生成する。続いて生成部１６は、マスク画像６６をオルソモザイク画像６３に適用してオルソモザイク画像６７を得る。

図５は、上述した閾値の調整、及びＲＧＢチャンネルの選択をするための画面の一例を示している。図５においては、マスク画像を適用する前のオルソモザイク画像７０、図４のオルソモザイク画像６３、及びオルソモザイク画像６７が画面に表示されている。また、スライダー７２は、上述した第１閾値の調整に用いるスライダーである。スライダー７４は、上述した第２閾値の調整に用いるスライダーである。セレクトボックス７６は、上述したＲＧＢチャンネルのうち単一色域を選択するためのボックスである。図５に示す画面のスライダー７２等をユーザが操作することによって、生成部１６は、好適なオルソモザイク画像６７を生成することができる。

また、図６及び図７は、或る圃場のオルソモザイク画像を対象として、生成部１６が草地でない範囲のマスクと不要部分の除去とを行う処理過程の一例を示している。図６及び図７は、それぞれ異なる圃場に対応する。また、図６及び図７の各行は、それぞれ異なる時期に撮影された画像を示している。また、各図の左列と左から２列目とは、草地でない範囲をマスクする前のオルソモザイク画像とマスクした後のオルソモザイク画像とをそれぞれを示している。左から３列目及び右列は、第１閾値および第２閾値を調整してノイズとなる不要部分を除去したオルソモザイク画像を示している。なお、草地でない範囲をマスクする場合において、各地形に対応する複数のマスクが順番にオルソモザイク画像に適用されて、段階的に不要部分が除外される構成であってもよい。

また、図８は、或る別の圃場のオルソモザイク画像を対象として、生成部１６が不要部分の除去を行い、クサヨシの分布をマッピングする処理過程の一例を示している。図８において、オルソモザイク画像８５は、草地でない範囲をマスクする前のオルソモザイク画像を示している。オルソモザイク画像８６及び８７は、対象でない圃場部分等を段階的に除去したオルソモザイク画像を示している。図８のその他の画像については後述する。

ステップＳ１０９において、抽出部１８は、生成したＤＳＭにおけるチモシーグラスとクサヨシとの地上からの高さに応じて、圃場におけるクサヨシの分布を抽出する。図８の分布図８８は、上記クサヨシの分布に関する情報を示している。また、抽出部１８は、エッジ検出を行いクサヨシの分布を抽出するために、例えばＣａｎｎｙ法等の手法を用いてもよい。

ステップＳ１１０において、生成部１６は、ステップＳ１０８において不要部分を除去したオルソモザイク画像に、抽出したクサヨシの分布をマッピングする。図８のオルソモザイク画像８９は、分布図８８に対応するクサヨシの分布９０がマッピングされたオルソモザイク画像を示している。ここで、オルソモザイク画像８９に例示する圃場において、クサヨシの侵入率は、４．９％である。

ステップＳ１１１において、出力部２０は、クサヨシの分布に関する情報として、クサヨシの分布がマッピングされたオルソモザイク画像を、表示部２６に表示させる。なお、出力部２０は、図５に例示するような各ステップの処理に対応する画像を、当該ステップにおいて表示部２６に表示させる構成でもよい。

以上、第１種の植物（チモシーグラス）が分布する圃場の空撮画像を取得する取得ステップと、前記空撮画像を参照して前記圃場のＤＳＭを生成する生成ステップと、前記ＤＳＭにおける記第１種の植物と第２種の植物（クサヨシ）との植物高の差異に応じて、前記圃場における第２種の植物の分布を抽出する抽出ステップと、前記第２種の植物の分布に関する情報を出力する出力ステップとを含む情報処理方法の一例について説明した。

本例の構成によれば、情報処理装置１０が、地上からの高さに応じて第１種の植物と第２種の植物とを判別するので、物体の形状又は色彩等からそれぞれの草を判別するための学習モデルの作成及び学習を要しない。これにより、採取対象となる第１種の植物の圃場における第２種の植物の分布を、事前に必要なデータセットを不要とした上で、又は比較的減少させた上で抽出することができる。

また、ステップＳ１０６において生成部１６が生成するＤＳＭは、従来のように隣接ピクセルそれぞれに対応する地点の植物高自体を示すデータではなく、隣接ピクセルそれぞれに対応する地点間の植物高の微分値による傾斜を示すデータによって表現されるものであってもよい。従来の構成では、採取対象となる草の生育前と生育後とにおいて圃場を空撮してＤＳＭをそれぞれ生成し、植物高の差分を算出するため、２つのＤＳＭの位置データを正確に合致させることを要する。ずれが生じると算出値が不正確となるため、測位には高価な機材や労力が必要となる。一方で上記の構成によれば、測位をすることは望ましいが必須ではなく、草の生育後における一度の空撮によって第２種の植物の抽出が可能となる。

また、本例の構成によれば、従来の構成のように圃場の草地を方形区で切り取る作業を繰り返す必要が無く、不定形である圃場にも対応し、草地を自動で選択することができる。

なお、ステップＳ１０３において生成部１６は、点群モデルを生成するためのＤＳＭ及びオルソモザイク画像を、ステップＳ１０６及びＳ１０７において生成するものとは別に、事前に生成する構成でもよい。

また、例えば点群モデルからＤＳＭ及びオルソモザイク画像を生成する処理、又は各画像において不要部分を除去する処理等は、生成部１６が、事前に処理手順が記載されたバッチファイルを対象に適用することによって行う構成であってもよい。また、上記処理、点群モデルを生成する処理及び点群分類処理の少なくとも一部において、ＣＮＮ（Convolutional Neural Network）やＲＮＮ（Recurrent Neural Network）等を用いた機械学習手法が用いられる構成であってもよい。

また、上述したように、本例の構成は、チモシーグラスの圃場におけるクサヨシの分布を抽出する態様に限定されず、地上からの高さに或る程度の差がある他の植物同士の識別に適用することもできる。

〔ソフトウェアによる実現例〕
情報処理システム１の制御ブロック（特に取得部１４、生成部１６、抽出部１８および出力部２０）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

後者の場合、情報処理システム１は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

本発明の一実施例について以下に説明する。図９は、チモシーグラスの圃場を示す画像にクサヨシの分布をマッピングする処理過程の一例を示している。

上記実施形態において上述した情報処理装置１０に準ずる情報処理装置を用いて、図９のＤＳＭ９２におけるチモシーグラスとクサヨシとの地上からの高さに応じてクサヨシが分布する範囲９５の輪郭をＣａｎｎｙ法によって抽出した。この際、事前にＯｐｅｎＣＶ（登録商標）におけるfastNlMeansDenosing関数を適用してノイズを軽減したところ、ＤＳＭ９３に図示する結果となった。

また、上記範囲の輪郭が示すクサヨシの分布を上記圃場のオルソモザイク画像にマッピングしたところ、オルソモザイク画像９４に示す結果となった。また、チモシーグラスの上記圃場に対してクサヨシが占める面積比は４．９％となった。

本発明の第２の実施例について以下に説明する。図１０のオルソモザイク画像９６は、チモシーグラスの圃場における方形枠（１）～（４）において、実際に計測した正確なクサヨシの分布をオルソモザイク画像にマッピングした例を示している。またオルソモザイク画像９７は、上記圃場において、情報処理装置を用いて推定したクサヨシの分布をオルソモザイク画像にマッピングした例を示している。

また、図１１は、方形枠（１）～（４）及びそれらの平均のそれぞれにおけるピクセル毎の正答率及びＣＳＩ（Critical Success Index）並びに単位面積毎の一致率を示す表である。図１１の表について補足する。

チモシーグラスに対応するBoolean値を正（Positive）、クサヨシに対応するBoolean値を負と規定した場合に、情報処理装置による推定値が正であり且つ実際の計測値が正である場合をＴＰ（True Positive）、推定値が正であり且つ計測値が負である場合をＦＰ（False Positive）、推定値が負であり且つ計測値が正である場合をＦＮ（False Negative）、推定値が負であり且つ計測値が負である場合をＴＮ（True Negative）とする。

図１１の表において、正答率とは、対象がチモシーグラスであるかクサヨシであるかについて正答した割合を示す値であって、(TP+TN)*100/(TP+FN+FP+TN)という式によって算出される値である。また、ＣＳＩ及び一致率とは、稀な事象を的中させる性能を示す指標であって、TP*100/(TP+FN+FP)という式によって算出される値である。

図１１の表に示すように、方形枠（１）～（４）における平均値として、ピクセル毎の正答率は９４．５％、ＣＳＩは７０．６％、単位面積毎の一致率は７１．１％となった。

１情報処理システム
１０情報処理装置
１２制御部
１４取得部
１６生成部
１８抽出部
２０出力部
２２記憶部
２４入力部
２６表示部
３０飛行体

Claims

第１種の植物が分布する圃場の空撮画像を取得する取得部と、
前記空撮画像を参照して前記圃場のＤＳＭ（Digital Surface Model）を生成する生成部と、
前記ＤＳＭにおける前記第１種の植物と第２種の植物との植物高の差異に応じて、前記圃場における前記第２種の植物の分布を抽出する抽出部と、
前記第２種の植物の分布に関する情報を出力する出力部と
を備えること特徴とする情報処理装置。
前記第１種の植物としてチモシーグラスを処理対象とし、
前記第２種の植物としてクサヨシを処理対象とする
ことを特徴とする請求項１に記載の情報処理装置。
前記生成部は、前記圃場のＤＳＭ及びオルソモザイク画像を生成し、
前記出力部は、前記第２種の植物の分布がマッピングされた前記オルソモザイク画像を出力する
ことを特徴とする請求項１又は２に記載の情報処理装置。
前記生成部は、
前記圃場の点群モデルであって、前記ＤＳＭを生成するための点群モデルを生成した上で、前記圃場の各所について草地であるか否かを判定し、草地でない範囲の少なくとも一部をマスクした前記ＤＳＭを生成する
ことを特徴とする請求項１から３までの何れか１項に記載の情報処理装置。
前記取得部は、前記空撮画像として、無人の飛行体によって撮影されたＲＧＢ画像を取得することを特徴とする請求項１から４までの何れか１項に記載の情報処理装置。
前記取得部は、チモシーグラスの一番草が分布する圃場の空撮画像を取得することを特徴とする請求項２に記載の情報処理装置。
第１種の植物が分布する圃場の空撮画像を取得する取得ステップと、
前記空撮画像を参照して前記圃場のＤＳＭ（Digital Surface Model）を生成する生成ステップと、
前記ＤＳＭにおける前記第１種の植物と第２種の植物との植物高の差異に応じて、前記圃場における前記第２種の植物の分布を抽出する抽出ステップと、
前記第２種の植物の分布に関する情報を出力する出力ステップと
を含むこと特徴とする情報処理方法。
請求項１に記載の情報処理装置としてコンピュータを機能させるための制御プログラムであって、前記取得部、前記生成部、前記抽出部および前記出力部としてコンピュータを機能させるための制御プログラム。
請求項８に記載の制御プログラムを記録したコンピュータ読み取り可能な記録媒体。