JP2022103139A - 作物の生育診断方法、及び作物の生育診断プログラム - Google Patents
作物の生育診断方法、及び作物の生育診断プログラム Download PDFInfo
- Publication number
- JP2022103139A JP2022103139A JP2021210471A JP2021210471A JP2022103139A JP 2022103139 A JP2022103139 A JP 2022103139A JP 2021210471 A JP2021210471 A JP 2021210471A JP 2021210471 A JP2021210471 A JP 2021210471A JP 2022103139 A JP2022103139 A JP 2022103139A
- Authority
- JP
- Japan
- Prior art keywords
- crop
- growth
- index value
- solar radiation
- biological
- 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
- 238000002405 diagnostic procedure Methods 0.000 title 1
- 230000005855 radiation Effects 0.000 claims abstract description 39
- 230000000694 effects Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 73
- 230000008569 process Effects 0.000 claims description 48
- 230000007613 environmental effect Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 22
- 101100454193 Arabidopsis thaliana AAA1 gene Proteins 0.000 abstract 2
- 239000002689 soil Substances 0.000 description 42
- 238000010586 diagram Methods 0.000 description 11
- 230000001629 suppression Effects 0.000 description 11
- 240000007124 Brassica oleracea Species 0.000 description 10
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 10
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 10
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 10
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 8
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 8
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 8
- 230000000452 restraining effect Effects 0.000 description 8
- 206010053759 Growth retardation Diseases 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 235000013311 vegetables Nutrition 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000012447 hatching Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 239000002512 suppressor factor Substances 0.000 description 2
- 206010020880 Hypertrophy Diseases 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 108700021154 Metallothionein 3 Proteins 0.000 description 1
- 102100028708 Metallothionein-3 Human genes 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 230000009036 growth inhibition Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
以下、ユーザ端末10の処理について、図4、図5のフローチャートに沿って、その他図面を適宜参照しつつ、詳細に説明する。なお、本実施形態では、圃場で生育しているブロッコリーの生育が順調であるか否か、順調でなければその要因が何であるのかを判定し、判定結果を出力する例について説明する。
Id=(lnA2-lnA1)/d …(1)
Dmx=a・Ax+b …(2)
Lan=c・An+d …(3)
An=A1+{(A2-A1)/d}×n …(4)
Lin=(1-e-k Lan)・Srn …(5)
Li1→2=ΣLin …(6)
LUE1→2=(Dm2-Dm1)/Li1→2 …(7)
生育は順調で日射量に見合った生育を示している。
ii)Id<ThIdかつLUE1→2≧ThLUEのとき、
生育は抑制されているが、その抑制要因は主に日射量不足である。
iii)Id<ThIdかつLUE1→2<ThLUEのとき、
生育は抑制されているが、日射量は十分あるため、他の抑制要因がある。
iv)Id≧ThIdかつLUE1→2<ThLUEのとき、
何らかの抑制要因により、日射量に見合った程の生育は得られておらず、生育は抑制されている。たとえば、生育は抑制されているものの、日射量の多さで生育が補償されている状態である。
抑制要因特定部40は、気温スコアScT=0(%)とする。
抑制要因特定部40は、次式(8)から、気温スコアStを求める。
ScT=16.7×T-100(%) …(8)
抑制要因特定部40は、気温スコアScT=100(%)とする。
抑制要因特定部40は、次式(9)から、気温スコアStを求める。
ScT=-8.3×T+333(%) …(9)
LUE1→2=LUEp×f(ScT×ScH×ScW) …(10)
LUE1→2=LUEp×f(1×1×0.6) …(10)’
以下、実施例について説明する。本実施例は、上述した実施形態の処理を行うことで、適切に生育診断を行うことができることを検証したものである。本実施例における生育診断の対象作物は、キャベツである。本発明者は、試験圃場(露地)において、慣行法に従い施肥、耕耘を行って、2021年3月31日にキャベツの苗を定植した。キャベツの供試品種は「おきな」である。
本実施例においては、同一のキャベツ個体について1回目の撮影を2021年4月13日に行い、2回目の撮影を2021年4月27日に行った(図4のS10,S12に対応)。この撮影により得られた画像が、図15(a)、図15(b)に示されている。撮影は、対象株の直上140cmの高さから行った。撮影の際には、投影葉面積を計算するための既知の大きさ(投影面積)の指標物(図15(a)、図15(b)ではボール)をキャベツ個体の近傍に置いた。
本発明者は、第1指標値Idを算出するため(図4のステップS16に対応)、図15(a)、図15(b)の撮影画像を画像解析ソフト(Image J:米国NIH (National Institute of Health)開発のサイエンス向け画像処理ソフト)を用いて二値化した(図15(c)、図15(d)参照)。そして、土壌と区別された葉の部分のピクセル数と指標物のピクセル数とを用いることで、葉の投影葉面積(A1、A2)を算出した。
Id=(In287.4-ln42.4)/14=0.136 …(1)’
本発明者は、第2指標値LUE1→2を算出するにあたり、乾物重Dm1、Dm2を上式(2)から求めた(図4のステップS20に対応)。なお、本実施例において、上式(2)の係数a、bは、a=1/147.3、b=0である。したがって、乾物重Dm1、Dm2は次式(2)’、(2)”のように求めることができた。
Dm1=(1/147.3)×A1=(1/147.3)×42.4=0.29(g/株) …(2)’
Dm2=(1/147.3)×A2=(1/147.3)×287.4=1.95(g/株) …(2)”
Lin=An×Srn …(11)
An=A1×EXP((lnA2-lnA1)/d×n) …(12)
LUE1→2=(1.95-0.29)/3.82=0.435(g/MJ) …(7)’
本発明者は、気温、土壌水分が抑制要因にはならない条件(光利用効率を減少させない範囲)で、日射量実測値を既存の生育モデルに入力して投影葉面積(Asim)を推定した。そして、本発明者は、推定した投影葉面積(Asim)を用いて、ThId、ThLUEを設定した。すなわち、ThId、ThLUEはId、LUEそれぞれのポテンシャル値であるといえる。具体的には、本発明者は、ThIdについては、上式(1)と同様の方法で、投影葉面積A1、Asimを用いて算出した。また、ThLUEは、上式(7)と同様の方法で、投影葉面積A1、Asimから求められる乾物重Dm1、Dmsimと、総受光量Li1→2と、を用いて算出した。なお、図17の投影葉面積A1、乾物重Dm1は、図16と同値を用いた。図17の例では、ThId=0.176(cm2/cm2/日)、ThLUE=0.560(g/MJ)となった。
本発明者は、上述した1回目の撮影画像と2回目の撮影画像から得られた第1指標値Id(=0.136)及び第2指標値LUE1→2(=0.435)を、ThId(=0.176)及びThLUE(=0.560)と比較した(図4のステップS26に対応)。その結果、Id<ThId、LUE1→2<ThLUEとなった。この比較結果は、図9のiiiに対応するため、「生育は抑制されている。日射量は十分であるため、他の抑制要因がある。」と判定(診断)できた。本発明者は、この判定結果を受け、以下のように抑制要因の特定処理(ステップS52~S56)を行った。
抑制要因の特定に際し、本発明者は、図18(a)、図18(b)に示すようなスコア化テーブルを準備した。図18(a)のスコア化テーブルは、期間平均気温とスコア(気温スコア)との関係を示すテーブルである。また、図18(b)のスコア化テーブルは、期間平均土壌水分とスコア(土壌水分スコア)との関係を示すテーブルである。なお、これらのスコア化テーブルは、2018年秋、2019年春及び秋に栽培試験を実施して得られた値を基に、光利用効率と気温、土壌水分との関係性を解析して、得たものである。
32 第1指標値算出部
36 第2指標値算出部
38 生育状態判定部
40 抑制要因特定部
42 出力部
70 カメラ
72 センサ
Claims (8)
- 同一地点の作物に対して実施した2回の生体調査の結果に基づいて、前記作物の生育速度を示す第1指標値を算出し、
前記2回の生体調査の結果と、前記生体調査の間の期間における日射に関する情報と、に基づいて、日射による生育への影響を示す第2指標値を算出し、
前記第1指標値と前記第2指標値とに基づいて、前記作物の生育が順調か否か及び前記作物の生育と日射との関係を判定し、
前記判定する処理の判定結果を出力する、
処理をコンピュータが実行することを特徴とする作物の生育診断方法。 - 前記判定する処理では、前記第1指標値と予め定めた第1閾値との大小関係と、前記第2指標値と予め定めた第2閾値との大小関係と、に基づいて、前記作物の生育が順調か否か及び前記作物の生育と日射との関係を判定する、ことを特徴とする請求項1に記載の作物の生育診断方法。
- 前記判定する処理では、
前記第2指標値が前記第2閾値よりも小さい場合に、前記2回の生体調査の間の期間における複数種類の環境要素に関する情報を取得し、
取得した前記複数種類の環境要素に関する情報に基づいて、前記作物の生育に対して影響を与えている環境要素の種類を特定する、
ことを特徴とする請求項2に記載の作物の生育診断方法。 - 前記生体調査では、前記作物を所定高さから撮影した画像から前記作物の葉に関する情報を取得する、ことを特徴とする請求項1~3のいずれか一項に記載の作物の生育診断方法。
- 前記生体調査では、前記作物の投影葉面積を取得し、
前記第1指標値は、前記2回の生体調査で得られた前記作物の投影葉面積を用いて算出した生育速度を示す値であり、
前記第2指標値は、前記2回の生体調査で得られた前記作物の投影葉面積を用いて算出した、前記2回の生体調査の間における前記作物の光利用効率である、ことを特徴とする請求項1~4のいずれか一項に記載の作物の生育診断方法。 - 前記出力する処理では、所定範囲内の複数の作物に関する前記判定する処理の結果を、前記複数の作物の位置と関連付けて表示する画面を生成し、出力する、ことを特徴とする請求項1~5のいずれか一項に記載の作物の生育診断方法。
- 前記出力する処理では、前記判定する処理の結果に基づいて、前記作物が生育する環境を制御する環境制御装置に対して制御指示を出力する、ことを特徴とする請求項1~6のいずれか一項に記載の作物の生育診断方法。
- 同一地点の作物に対して実施した2回の生体調査の結果に基づいて、前記作物の生育速度を示す第1指標値を算出し、
前記2回の生体調査の結果と、前記生体調査の間の期間における日射に関する情報と、に基づいて、日射による生育への影響を示す第2指標値を算出し、
前記第1指標値と前記第2指標値とに基づいて、前記作物の生育が順調か否か及び前記作物の生育と日射との関係を判定し、
前記判定する処理の判定結果を出力する、
処理をコンピュータに実行させることを特徴とする作物の生育診断プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020216440 | 2020-12-25 | ||
JP2020216440 | 2020-12-25 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022103139A true JP2022103139A (ja) | 2022-07-07 |
Family
ID=82272711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021210471A Pending JP2022103139A (ja) | 2020-12-25 | 2021-12-24 | 作物の生育診断方法、及び作物の生育診断プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022103139A (ja) |
-
2021
- 2021-12-24 JP JP2021210471A patent/JP2022103139A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Giselsson et al. | A public image database for benchmark of plant seedling classification algorithms | |
Qiongyan et al. | Detecting spikes of wheat plants using neural networks with Laws texture energy | |
Bernotas et al. | A photometric stereo-based 3D imaging system using computer vision and deep learning for tracking plant growth | |
WO2014203664A1 (ja) | 収量予測システムおよび収量予測装置 | |
Cai et al. | Quantifying the onset and progression of plant senescence by color image analysis for high throughput applications | |
Peratoner et al. | Methods to describe the botanical composition of vegetation in grassland research | |
Tarbell et al. | A computer vision system for characterizing corn growth and development | |
Lati et al. | Plant growth parameter estimation from sparse 3D reconstruction based on highly-textured feature points | |
Chopin et al. | Land-based crop phenotyping by image analysis: consistent canopy characterization from inconsistent field illumination | |
Uwimana et al. | Effect of seasonal drought on the agronomic performance of four banana genotypes (Musa spp.) in the East African Highlands | |
CN117077868A (zh) | 一种基于模型的粮食产量预测系统及方法 | |
Hearst | Remote sensing of soybean canopy cover, color, and visible indicators of moisture stress using imagery from unmanned aircraft systems | |
JP2022060277A (ja) | 農作物関連値導出装置および農作物関連値導出方法 | |
Zhu et al. | Exploring soybean flower and pod variation patterns during reproductive period based on fusion deep learning | |
CN116757332B (zh) | 叶菜产量预测方法、装置、设备及介质 | |
Patel et al. | Deep Learning-Based Plant Organ Segmentation and Phenotyping of Sorghum Plants Using LiDAR Point Cloud | |
Li et al. | Soybean leaf estimation based on RGB images and machine learning methods | |
JP7386503B2 (ja) | 収量推定プログラム、収量推定方法及び収量推定装置 | |
McNish et al. | Oat crown rust disease severity estimated at many time points using multispectral aerial photos | |
JP2022103139A (ja) | 作物の生育診断方法、及び作物の生育診断プログラム | |
Wheeler et al. | Predicting spring phenology in deciduous broadleaf forests: An open community forecast challenge | |
JP7445969B2 (ja) | 推定装置、推定方法、及びプログラム | |
Komeyama et al. | Body size estimation method for seasonally growing farmed yellowtail Seriola quinqueradiata in an aquaculture net cage using a stereo camera | |
Roth et al. | From Neglecting to Including Cultivar-Specific Per Se Temperature Responses: Extending the Concept of Thermal Time in Field Crops | |
US20210174276A1 (en) | Information processing apparatus, information processing method and non-transitory recording medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240627 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20240627 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20240627 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20240627 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240806 |