JP2022124198A - 情報処理装置、情報処理システム、情報処理方法、および、コンピュータプログラム - Google Patents

情報処理装置、情報処理システム、情報処理方法、および、コンピュータプログラム Download PDF

Info

Publication number
JP2022124198A
JP2022124198A JP2021021821A JP2021021821A JP2022124198A JP 2022124198 A JP2022124198 A JP 2022124198A JP 2021021821 A JP2021021821 A JP 2021021821A JP 2021021821 A JP2021021821 A JP 2021021821A JP 2022124198 A JP2022124198 A JP 2022124198A
Authority
JP
Japan
Prior art keywords
field
saturation
temperature
information processing
prediction
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
Application number
JP2021021821A
Other languages
English (en)
Inventor
栄輔 北
Eisuke Kita
桃子 藤田
Momoko Fujita
明里 山田
Akari YAMADA
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tokai National Higher Education and Research System NUC
Original Assignee
Tokai National Higher Education and Research System NUC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tokai National Higher Education and Research System NUC filed Critical Tokai National Higher Education and Research System NUC
Priority to JP2021021821A priority Critical patent/JP2022124198A/ja
Publication of JP2022124198A publication Critical patent/JP2022124198A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Cultivation Of Plants (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】将来時刻における圃場飽差を精度良く予測する。【解決手段】圃場の飽差を予測するための情報処理装置は、環境予測情報取得部と、モデル取得部と、飽差予測部とを備える。環境予測情報取得部は、将来時刻における、圃場の気温である圃場気温を含む環境指標の予測値を示す環境予測情報を取得する。モデル取得部は、飽差予測モデルを取得する。飽差予測モデルは、環境指標を説明変数とし、圃場の飽差である圃場飽差を目的変数とし、所定の学習手法を用いた機械学習を行うことにより生成されたモデルである。飽差予測部は、環境予測情報と飽差予測モデルとを用いて、将来時刻における圃場飽差を予測する。【選択図】図１

Description

本明細書に開示される技術は、圃場の飽差を予測するための情報処理装置等に関する。
近年、農業就業者が全体として減少している中、農業への新規参入者は増加しつつある。農業への新規参入者は技術的に未熟であることが多く、安定的な生産のために、技術的な補助（支援）がなされることが望まれる。従来、植物（農作物）の栽培に関する知識（例えば、各農作業の好ましい実施時期等）を表形式で記述することにより形式知化し、該知識が不十分な農作業者の支援を行う技術が知られている（例えば、特許文献１参照）。
特開２０１５－１７７７５８号公報
植物の栽培においては、圃場の飽差を適切に調整することが重要である。ここで、飽差とは、飽和水蒸気量から実際の水蒸気量を差し引いた数値である。圃場の飽差は、栽培される植物の蒸散量に影響し、光合成効率を左右する。例えば、圃場の飽差が急激に減少すると、植物の病害や裂果の発生率が上昇するおそれがあり、反対に、圃場の飽差が急激に増加すると、植物の気孔が閉じて枯れるおそれがある。そのため、栽培植物の収量や品質の向上のためには、圃場の飽差の急激な増減を回避することが望まれ、そのためには、将来時刻における圃場の飽差を精度良く予測することが求められる。従来の技術では、将来時刻における圃場の飽差を精度良く予測することができない、という課題がある。
本明細書では、上述した課題を解決することが可能な技術を開示する。
本明細書に開示される技術は、例えば、以下の形態として実現することが可能である。
（１）本明細書に開示される情報処理装置は、圃場の飽差を予測するための装置であって、環境予測情報取得部と、モデル取得部と、飽差予測部とを備える。環境予測情報取得部は、将来時刻における、前記圃場の気温である圃場気温を含む環境指標の予測値を示す環境予測情報を取得する。モデル取得部は、飽差予測モデルを取得する。飽差予測モデルは、前記環境指標を説明変数とし、前記圃場の飽差である圃場飽差を目的変数とし、所定の学習手法を用いた機械学習を行うことにより生成されたモデルである。飽差予測部は、前記環境予測情報と前記飽差予測モデルとを用いて、前記将来時刻における前記圃場飽差を予測する。本情報処理装置によれば、圃場気温を含む環境指標を説明変数とし、圃場の飽差である圃場飽差を目的変数とし、所定の学習手法を用いた機械学習を行うことにより生成された飽差予測モデルと、圃場気温を含む環境指標の予測値を示す環境予測情報とを用いて、将来時刻における圃場飽差を予測するため、将来時刻における圃場飽差を精度良く予測することができる。
（２）上記情報処理装置において、さらに、前記将来時刻における前記圃場飽差の予測値を示す飽差予測値情報を外部装置に向けて送信する予測情報送信部を備える構成としてもよい。本情報処理装置によれば、将来時刻における圃場飽差の予測値を、外部装置によって農作業者に知覚させることができ、農作業の効率化を実現することができる。
（３）上記情報処理装置において、さらに、前記将来時刻における前記圃場飽差の予測値が、予め設定された適切範囲内に含まれない場合に、前記将来時刻における前記圃場気温の予測値に基づき、複数の調整後圃場気温を設定する調整後圃場気温設定部と、各前記調整後圃場気温について、前記飽差予測モデルを用いて、前記将来時刻における調整後の前記圃場飽差である調整後圃場飽差を予測し、各前記調整後圃場飽差の予測値に基づき、前記将来時刻における前記圃場気温の目標値である目標圃場気温を設定する目標圃場気温設定部と、を備える構成としてもよい。本情報処理装置によれば、将来時刻における圃場飽差を適切範囲に近付けるための圃場気温の目標値である目標圃場気温を設定することができ、圃場飽差の調整の容易化を実現することができ、農作業の効率化を実現することができる。
（４）上記情報処理装置において、さらに、前記将来時刻における前記圃場気温を前記目標圃場気温に近付けるための気温調整指示を外部装置に向けて送信する気温調整指示部を備える構成としてもよい。本情報処理装置によれば、圃場飽差の自動調整（自動制御）を実現することができ、農作業のさらなる効率化を実現することができる。
（５）上記情報処理装置において、前記目標圃場気温設定部は、複数の前記調整後圃場気温のうち、各前記調整後圃場気温についての前記調整後圃場飽差の予測値の、前記適切範囲からのずれの絶対値が小さいものを優先的に、前記目標圃場気温として設定する構成としてもよい。本情報処理装置によれば、将来時刻における圃場飽差を適切範囲にできるだけ近付ける目標圃場気温を設定することができ、農作業の最適化を実現することができる。
（６）上記情報処理装置において、前記目標圃場気温設定部は、複数の前記調整後圃場気温のうち、前記将来時刻における前記圃場気温の予測値との差の絶対値が小さいものを優先的に、前記目標圃場気温として設定する構成としてもよい。本情報処理装置によれば、将来時刻における圃場気温の現状の予測値からの変動ができるだけ小さい目標圃場気温を設定することができ、農作業の最適化を実現することができる。
（７）上記情報処理装置において、前記調整後圃場気温設定部は、前記将来時刻における前記圃場気温の予測値を、予め設定されたピッチで増減させることにより、前記複数の調整後圃場気温を設定する構成としてもよい。本情報処理装置によれば、比較的簡単な処理で、目標圃場気温の候補である調整後圃場気温を設定することができ、農作業の最適化や効率化を実現することができる。
（８）上記情報処理装置において、前記調整後圃場気温設定部は、予め設定された温度範囲内で、前記複数の調整後圃場気温を設定する構成としてもよい。本情報処理装置によれば、目標圃場気温の候補である調整後圃場気温が現実的ではない値に設定されることを回避することができ、農作業の最適化を実現することができる。
（９）上記情報処理装置において、前記所定の学習手法は、決定木モデルを用いた学習手法である構成としてもよい。本情報処理装置によれば、将来時刻における圃場飽差の予測精度を効果的に向上させることができる。
（１０）上記情報処理装置において、前記所定の学習手法は、ランダムフォレストを用いた学習手法である構成としてもよい。本情報処理装置によれば、将来時刻における圃場飽差の予測精度をさらに効果的に向上させることができる。
（１１）上記情報処理装置において、前記環境指標は、さらに、外部気温と、外部日射と、日平均気温と、日較差と、日照時間と、湿度と、天候と、の少なくとも１つを含む構成としてもよい。本情報処理装置によれば、将来時刻における圃場飽差をさらに精度良く予測することができる。
（１２）上記情報処理装置において、前記圃場は、半開放型植物工場である構成としてもよい。本情報処理装置によれば、太陽光の利用を前提とするために完全には内部環境の制御が実現できない半開放型植物工場においても、将来時刻における圃場飽差を精度良く予測することができ、農作業の最適化や効率化を実現することができる。
（１３）本明細書に開示される情報処理システムは、上記情報処理装置と、前記情報処理装置との間で通信ネットワークを介して通信可能な端末装置と、を備え、前記情報処理装置は、さらに、前記将来時刻における前記圃場飽差の予測値を示す飽差予測値情報を、前記通信ネットワークを介して前記端末装置に向けて送信する予測情報送信部を備え、前記端末装置は、前記通信ネットワークを介して受信した前記飽差予測値情報に基づき、前記将来時刻における前記圃場飽差の予測値を表示する表示部を備える。本情報処理システムによれば、将来時刻における圃場飽差の予測値を、端末装置の表示部によって農作業者に視認させることができ、農作業の効率化を実現することができる。
なお、本明細書に開示される技術は、種々の形態で実現することが可能であり、例えば、情報処理装置、情報処理システム、情報処理方法、それらの方法を実現するコンピュータプログラム、そのコンピュータプログラムを記録した一時的でない記録媒体等の形態で実現することができる。
本実施形態における圃場管理システム１０の概略構成を示す説明図 圃場管理サーバ１００の構成を概略的に示すブロック図 本実施形態における圃場管理処理の内容を示すフローチャート 飽差予測モデルＭＯの一例を概念的に示す説明図 本実施形態における圃場管理処理中に端末装置２００の表示部２１０に表示される画面の一例を示す説明図 本実施形態における圃場管理処理中に端末装置２００の表示部２１０に表示される画面の一例を示す説明図 各学習手法についての評価結果を示す説明図 Ｒａｎｄｏｍ Ｆｏｒｅｓｔを用いて作成された飽差予測モデルＭＯの精度を示す説明図
Ａ．実施形態：
Ａ－１．圃場管理システム１０の構成：
図１は、本実施形態における圃場管理システム１０の概略構成を示す説明図である。圃場管理システム１０は、圃場の管理を行うためのシステムであり、より具体的には、圃場内の飽差の予測や制御を行うことによって、植物栽培の効率化や最適化を図るシステムである。本実施形態において、圃場は、半開放型の植物工場ＰＦである。ここで、半開放型の植物工場ＰＦとは、例えばビニールハウスのように、太陽光を遮断しない材料によって囲われた圃場である。ただし、圃場管理システム１０は、他の種類の圃場（例えば、閉鎖型や開放型といった他のタイプの植物工場、露地栽培用の圃場等）にも適用可能である。なお、図１には、１つの植物工場ＰＦのみが示されているが、圃場管理システム１０は、複数の植物工場ＰＦのそれぞれの管理に適用可能である。以下では、圃場管理システム１０による、特定の１つの植物工場ＰＦの管理について説明する。また、圃場における栽培対象の植物は、葉物野菜（例えば、ほうれん草）や果樹（例えば、トマト）、花き類等、任意の種類の植物であってよい。圃場管理システム１０は、特許請求の範囲における情報処理システムの一例である。
圃場管理システム１０は、圃場管理サーバ１００と、農作業者Ｐ１が使用する端末装置２００と、植物工場ＰＦに設置されたセンサ３１０および空調機３２０と、気象データサーバ５００とを備える。圃場管理システム１０を構成する各装置は、通信ネットワークＮＥＴを介して互いに通信可能に接続されている。
植物工場ＰＦに設置されたセンサ３１０は、植物工場ＰＦの環境指標値を測定するための装置である。本実施形態では、センサ３１０は、植物工場ＰＦ内の気温および飽差や外部日射を、所定の時間間隔で（例えば、１分毎に）測定する。センサ３１０は、図示しない通信インターフェースを有しており、例えば測定の都度、環境指標の測定値を通信ネットワークＮＥＴを介して圃場管理サーバ１００に送信する。また、植物工場ＰＦに設置された空調機３２０は、植物工場ＰＦ内に冷気または暖気を供給することによって、植物工場ＰＦ内の気温を調整するための装置である。
端末装置２００は、例えば、スマートフォンやタブレット型端末である。端末装置２００は、例えば液晶ディスプレイ等により構成された表示部２１０を備える（図５および図６参照）。また、端末装置２００には、圃場管理のためのアプリケーションプログラムがインストールされている。詳しくは後述するが、端末装置２００の使用者（農作業者Ｐ１）は、該アプリケーションプログラムを用いることにより、表示部２１０に植物工場ＰＦ内の飽差を表示させることができる。
気象データサーバ５００は、環境指標値を示す気象データを提供するデータベースとして機能するサーバ装置である。気象データとしては、例えば、１ｋｍ四方メッシュの気象データが用いられる。また、気象データが示す環境指標値としては、例えば、外気温、日平均気温（最低日平均気温、最高日平均気温等）、日較差、日照時間、湿度、天候等が挙げられる。本実施形態に用いられる気象データは、過去の期間における実績値（実測値）と、将来の期間における予報値とを含んでいる。
圃場管理サーバ１００は、植物工場ＰＦを管理するためのサーバ装置である。図２は、圃場管理サーバ１００の構成を概略的に示すブロック図である。圃場管理サーバ１００は、制御部１１０と、記憶部１２０と、表示部１３０と、操作入力部１４０と、インターフェース部１５０とを備える。これらの各部は、バス１９０を介して互いに通信可能に接続されている。なお、圃場管理サーバ１００は、特許請求の範囲における情報処理装置の一例である。
圃場管理サーバ１００の表示部１３０は、例えば液晶ディスプレイ等により構成され、各種の画像や情報を表示する。また、操作入力部１４０は、例えばキーボードやマウス、ボタン、マイク等により構成され、管理者の操作や指示を受け付ける。なお、表示部１３０がタッチパネルを備えることにより、操作入力部１４０として機能するとしてもよい。また、インターフェース部１５０は、例えばＬＡＮインターフェースやＵＳＢインターフェース等により構成され、有線または無線により他の装置との通信を行う。
圃場管理サーバ１００の記憶部１２０は、例えばＲＯＭやＲＡＭ、ハードディスクドライブ（ＨＤＤ）等により構成され、各種のプログラムやデータを記憶したり、各種のプログラムを実行する際の作業領域やデータの一時的な記憶領域として利用されたりする。例えば、記憶部１２０には、後述する圃場管理処理を実行するためのコンピュータプログラムである圃場管理プログラムＣＰが格納されている。圃場管理プログラムＣＰは、例えば、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭ、ＵＳＢメモリ等のコンピュータ読み取り可能な記録媒体（不図示）に格納された状態で提供され、圃場管理サーバ１００にインストールすることにより記憶部１２０に格納される。
また、圃場管理サーバ１００の記憶部１２０には、後述する圃場管理処理において、環境履歴情報ＥＨを含む学習データＬＤと、飽差予測モデルＭＯと、環境予測情報ＥＩと、飽差予測値情報ＳＩとが格納される。これらのデータやモデルについては、後述の圃場管理処理の説明に合わせて説明する。
圃場管理サーバ１００の制御部１１０は、例えばＣＰＵ等により構成され、記憶部１２０から読み出したコンピュータプログラムを実行することにより、圃場管理サーバ１００の動作を制御する。例えば、制御部１１０は、記憶部１２０から圃場管理プログラムＣＰを読み出して実行することにより、後述の圃場管理処理を実行する圃場管理部１１１として機能する。圃場管理部１１１は、モデル取得部１１３と、環境予測情報取得部１１４と、飽差予測部１１５と、予測情報送信部１１６と、調整後圃場気温設定部１１７と、目標圃場気温設定部１１８と、気温調整指示部１１９とを含む。これら各部の機能については、後述の圃場管理処理の説明に合わせて説明する。
Ａ－２．圃場管理処理：
次に、本実施形態の圃場管理サーバ１００により実行される圃場管理処理について説明する。図３は、本実施形態における圃場管理処理の内容を示すフローチャートである。圃場管理処理は、植物工場ＰＦの管理を行う処理であり、より具体的には、将来時刻ｔ１における植物工場ＰＦ内の飽差を予測し、該飽差の予測値が所定の適切範囲Ｒ１に含まれない場合に、該飽差が適切範囲Ｒ１に近付くように、植物工場ＰＦ内の気温の調整を指示する処理である。圃場管理処理は、例えば、管理者が、圃場管理サーバ１００の操作入力部１４０を操作して開始指示を入力したことに応じて開始される。
圃場管理処理では、はじめに、圃場管理サーバ１００のモデル取得部１１３（図２）が、飽差予測モデルＭＯを取得する（Ｓ１１０）。図４は、飽差予測モデルＭＯの一例を概念的に示す説明図である。図４に示すように、飽差予測モデルＭＯは、植物工場ＰＦの環境指標を説明変数とし、植物工場ＰＦ内の飽差を目的変数とし、説明変数から目的変数を推定するためのモデルである。本実施形態では、説明変数として、植物工場ＰＦ内の気温、外部日射、外部気温、平年最低日平均気温、平年最高日平均気温、平年日較差、平年日照時間が用いられる。
モデル取得部１１３は、記憶部１２０に格納された学習データＬＤを用いた所定の機械学習を行うことにより、飽差予測モデルＭＯを取得（作成）する。図２に示すように、飽差予測モデルＭＯの取得に用いられる学習データＬＤは、環境履歴情報ＥＨを含んでいる。環境履歴情報ＥＨは、植物工場ＰＦにおける環境指標値（飽差予測モデルＭＯの説明変数および目的変数として用いられる指標値）の履歴を示す情報である。環境履歴情報ＥＨに含まれる環境指標値のうち、植物工場ＰＦ内の飽差、植物工場ＰＦ内の気温および外部日射としては、植物工場ＰＦに設置されたセンサ３１０による測定値が用いられ、それ以外の環境指標値としては、気象データサーバ５００から取得された実績値が用いられる。
モデル取得部１１３は、学習データＬＤに含まれる環境履歴情報ＥＨにより示される各環境指標値のうち、植物工場ＰＦ内の飽差以外を説明変数とし、植物工場ＰＦ内の飽差を目的変数とし、所定の機械学習を行うことによって飽差予測モデルＭＯを作成する。飽差予測モデルＭＯの作成には、例えば、重回帰分析、ｒｉｄｇｅ回帰、ｌａｓｓｏ回帰といった線形モデルや、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ（ランダムフォレスト）、ＸＧＢｏｏｓｔといった決定木モデルを含む、公知の機械学習のアルゴリムを利用可能である。なお、後述するように、飽差予測モデルＭＯの作成には、決定木モデルが用いられることが好ましく、決定木モデルの中でもＲａｎｄｏｍ Ｆｏｒｅｓｔが用いられることが特に好ましい。作成された飽差予測モデルＭＯは、圃場管理サーバ１００の記憶部１２０に格納される。
なお、本実施形態では、圃場管理サーバ１００のモデル取得部１１３が、学習データＬＤを用いた機械学習を行うことによって飽差予測モデルＭＯを取得する（作成する）ものとしているが、モデル取得部１１３が、他の装置により作成された飽差予測モデルＭＯを、通信ネットワークＮＥＴを介して取得するものとしてもよい。
次に、圃場管理サーバ１００の環境予測情報取得部１１４（図２）が、環境予測情報ＥＩを取得する（Ｓ１２０）。環境予測情報ＥＩは、植物工場ＰＦ内の飽差の予測時刻である将来時刻ｔ１における環境指標の予測値を示す情報である。上述したように、本実施形態では、飽差予測モデルＭＯの説明変数として、植物工場ＰＦ内の気温、外部日射、外部気温、平年最低日平均気温、平年最高日平均気温、平年日較差、平年日照時間が用いられる。これらのうち、外部日射および外部気温としては、気象データサーバ５００から取得された予報値が用いられ、平年最低日平均気温、平年最高日平均気温、平年日較差および平年日照時間としては、気象データサーバ５００から取得された実績値が用いられ、植物工場ＰＦ内の気温としては、それらの情報から公知の手法を用いて予測される予測値が用いられる。公知の手法としては、例えば、回帰分析法や、サポートベクター回帰（ＳＶＲ）やランダムフォレスト等の機械学習手法等であってもよい。
次に、圃場管理サーバ１００の飽差予測部１１５（図２）が、環境予測情報ＥＩと飽差予測モデルＭＯとを用いて、将来時刻ｔ１における植物工場ＰＦ内の飽差を予測する（Ｓ１３０）。すなわち、飽差予測部１１５は、環境予測情報ＥＩにより示される環境指標値（説明変数値）を飽差予測モデルＭＯに入力し、飽差予測モデルＭＯから出力される植物工場ＰＦ内の飽差の予測値を取得する。
なお、本実施形態では、将来時刻ｔ１における植物工場ＰＦ内の飽差の予測（Ｓ１３０）が完了すると、圃場管理サーバ１００の予測情報送信部１１６（図２）が、該予測値を示す飽差予測値情報ＳＩを、通信ネットワークＮＥＴを介して端末装置２００に向けて送信する。その結果、図５に示すように、端末装置２００の表示部２１０に、将来時刻ｔ１における植物工場ＰＦ内の飽差の予測値（図５の例では、２．７ｇ／ｍ３）が表示される。なお、図５の例では、端末装置２００の表示部２１０に、飽差の予測値の他に、植物工場名、農作物名、飽差の現在値（図５の例では、５．２ｇ／ｍ３）、過去－現在－将来にわたる飽差の推移を示すグラフが表示されている。農作業者Ｐ１は、端末装置２００の表示部２１０に示された情報を視認することにより、植物工場ＰＦに出向かなくても、植物工場ＰＦ内の飽差について、現在までの実績と今後の予測とを把握することができる。
次に、圃場管理サーバ１００の圃場管理部１１１（図２）は、将来時刻ｔ１における植物工場ＰＦ内の飽差の予測値が、予め設定された飽差の適切範囲Ｒ１内に含まれるか否かを判定する（Ｓ１４０）。植物工場ＰＦ内の飽差の適切範囲Ｒ１は、例えば、３．０～７．０ｇ／ｍ３である。植物工場ＰＦ内の飽差の適切範囲Ｒ１は、栽培品種に応じて変更されてもよい。将来時刻ｔ１における植物工場ＰＦ内の飽差の予測値が適切範囲Ｒ１内に含まれると判定された場合には（Ｓ１４０：ＹＥＳ）、圃場管理部１１１は、将来時刻ｔ１における植物工場ＰＦ内の飽差についての問題はないとして、圃場管理処理を終了する。なお、その後、将来時刻ｔ１になったとき、あるいは、その前後のタイミングで、Ｓ１２０以降の処理が繰り返し実行される。
一方、将来時刻ｔ１における植物工場ＰＦ内の飽差の予測値が適切範囲Ｒ１内に含まれないと判定された場合には（Ｓ１４０：ＮＯ）、将来時刻ｔ１における植物工場ＰＦ内の飽差について問題があるとして、圃場管理サーバ１００は、将来時刻ｔ１における植物工場ＰＦ内の飽差を適切範囲Ｒ１に近付けるために、以下に説明する処理を実行する。具体的には、圃場管理サーバ１００の調整後圃場気温設定部１１７（図２）が、将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）に基づき、複数の調整後圃場気温Ｔｘを設定する（Ｓ１５０）。複数の調整後圃場気温Ｔｘは、将来時刻ｔ１における植物工場ＰＦ内の気温の目標値の候補である。本実施形態では、調整後圃場気温設定部１１７は、将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）を、予め設定されたピッチ（本実施形態では、１℃刻み）で増減させることにより、複数の調整後圃場気温Ｔｘを設定する。ただし、増減量の絶対値の上限をｉ（例えば、ｉ＝１０）とし、かつ、有効温度範囲を規定する最低温度Ｔｍｉｎ（例えば、Ｔｍｉｎ＝１６℃）および最高温度Ｔｍａｘ（例えば、Ｔｍａｘ＝２８℃）を設定している。そのため、複数の調整後圃場気温Ｔｘの集合は、以下のように表される。
Ｔｘ＝（Ｔｏ－ｉ，Ｔｏ－ｉ＋１，Ｔｏ－ｉ＋２，・・・，Ｔｏ＋ｉ－１，Ｔｏ＋ｉ）
ただし、Ｔｍｉｎ≦Ｔｘ≦Ｔｍａｘ
次に、圃場管理サーバ１００の目標圃場気温設定部１１８（図２）は、各調整後圃場気温Ｔｘについて、飽差予測モデルＭＯを用いて、将来時刻ｔ１における調整後の植物工場ＰＦ内の飽差である調整後圃場飽差Ｓｘを予測する（Ｓ１６０）。調整後圃場飽差Ｓｘの予測は、Ｓ１３０の処理と同様に、環境予測情報ＥＩと飽差予測モデルＭＯとを用いて実行される。ただし、このときには、飽差予測モデルＭＯへの入力値（説明変数）のうち、植物工場ＰＦ内の気温については、環境予測情報ＥＩに示される気温Ｔｏに代えて、上述した調整後圃場気温Ｔｘが用いられる。調整後圃場飽差Ｓｘの予測は、調整後圃場気温Ｔｘの個数だけ繰り返し実行される。これにより、将来時刻ｔ１における植物工場ＰＦ内の気温が、現状の予測値である気温Ｔｏではなく、各調整後圃場気温Ｔｘになると仮定した場合における、植物工場ＰＦ内の飽差の予測値（調整後圃場飽差Ｓｘ）が得られる。
次に、圃場管理サーバ１００の目標圃場気温設定部１１８（図２）は、各調整後圃場気温Ｔｘについての調整後圃場飽差Ｓｘの予測値に基づき、将来時刻ｔ１における植物工場ＰＦ内の気温の目標値である目標圃場気温Ｔｔを設定する（Ｓ１７０）。本実施形態では、目標圃場気温設定部１１８は、複数の調整後圃場気温Ｔｘのリストを以下の優先順位に従ってソートし、ソート後のリストの先頭に位置する調整後圃場気温Ｔｘを目標圃場気温Ｔｔとして設定する。
（１）調整後圃場飽差Ｓｘの予測値の、飽差の適切範囲Ｒ１からのずれの絶対値の昇順
（２）将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）との差の絶対値の昇順
（３）調整後圃場気温Ｔｘの降順
例えば、各調整後圃場気温Ｔｘについて算出された調整後圃場飽差Ｓｘが、すべて、飽差の適切範囲Ｒ１に含まれない場合には、上記優先順位（１）に従って、予測された各調整後圃場飽差Ｓｘのうち、飽差の適切範囲Ｒ１からのずれの絶対値が最も小さいものに対応する調整後圃場気温Ｔｘが、目標圃場気温Ｔｔとして設定される。なお、この場合において、飽差の適切範囲Ｒ１からのずれの絶対値が最も小さいものが複数ある場合には、上記優先順位（２）および（３）に従って、それらの間でソートが行われる。また、各調整後圃場気温Ｔｘについて算出された調整後圃場飽差Ｓｘのうちの複数が、飽差の適切範囲Ｒ１に含まれる場合には、上記優先順位（２）に従って、それらに対応する複数の調整後圃場気温Ｔｘのうち、将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）との差の絶対値が最も小さいものが、目標圃場気温Ｔｔとして設定される。なお、この場合において、将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）との差の絶対値が最も小さいものが複数ある場合には、上記優先順位（３）に従って、それらの間でソートが行われる。このようにして目標圃場気温Ｔｔを設定することにより、複数の調整後圃場気温Ｔｘのうち、将来時刻ｔ１における植物工場ＰＦ内の飽差を適切範囲Ｒ１にできるだけ近付けることができ、将来時刻ｔ１における植物工場ＰＦ内の気温の現状の予測値（気温Ｔｏ）からの変動ができるだけ小さく、かつ、なるべく高い温度が、目標圃場気温Ｔｔとして設定される。
次に、圃場管理サーバ１００の圃場管理部１１１（図２）は、設定された目標圃場気温Ｔｔが、将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）と同一であるか否かを判定する（Ｓ１８０）。目標圃場気温Ｔｔが将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）と同一ではないと判定された場合（Ｓ１８０：ＮＯ）、圃場管理サーバ１００の気温調整指示部１１９は、将来時刻ｔ１における植物工場ＰＦ内の気温を目標圃場気温Ｔｔに近付けるための気温調整指示を、通信ネットワークＮＥＴを介して植物工場ＰＦの空調機３２０に向けて送信する（Ｓ１９０）。例えば、目標圃場気温Ｔｔが、将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）より高い場合には、気温調整指示部１１９は、空調機３２０に植物工場ＰＦ内の気温を上げさせる気温調整指示を発行する。反対に、目標圃場気温Ｔｔが、将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）より低い場合には、気温調整指示部１１９は、空調機３２０に植物工場ＰＦ内の気温を下げさせる気温調整指示を発行する。気温調整指示を受信した空調機３２０が指示に従い動作することにより、将来時刻ｔ１における植物工場ＰＦ内の気温を目標圃場気温Ｔｔに近付かせることができ、その結果、将来時刻ｔ１における植物工場ＰＦ内の飽差を、飽差の適切範囲Ｒ１に近付かせることができる。
なお、本実施形態では、気温調整指示の発行（Ｓ１９０）が完了すると、圃場管理サーバ１００の予測情報送信部１１６（図２）が、気温調整指示に従い空調機３２０が動作した場合（内部気温調整後）の飽差の予測値を示す飽差予測値情報ＳＩを、通信ネットワークＮＥＴを介して端末装置２００に向けて送信する。その結果、図６に示すように、端末装置２００の表示部２１０に、内部気温調整後の将来時刻ｔ１における植物工場ＰＦ内の飽差の予測値（図６の例では、３．５ｇ／ｍ３であり、飽差の適切範囲Ｒ１内の値である。）が表示される。なお、図６の例では、飽差の推移を示すグラフにおいて、内部気温調整前後の飽差の推移が示されており、農作業者Ｐ１は、端末装置２００の表示部２１０に示された情報を視認することにより、空調機３２０による内部気温調整によって将来時刻ｔ１における植物工場ＰＦ内の飽差が適切範囲Ｒ１内に収まることが予想されることを把握することができる。
なお、目標圃場気温Ｔｔが将来時刻ｔ１における植物工場ＰＦ内の気温の予測値（気温Ｔｏ）と同一であると判定された場合には（Ｓ１８０：ＹＥＳ）、Ｓ１９０の処理はスキップされる。以上をもって、圃場管理処理が終了する。なお、その後、将来時刻ｔ１になったとき、あるいは、その前後のタイミングで、Ｓ１２０以降の処理が繰り返し実行される。
Ａ－３．実施例：
種々の学習手法を用いて飽差予測モデルＭＯを作成し、その評価を行った。図７は、各学習手法についての評価結果を示す説明図である。評価にあたっては、２０１８年４月から同年１２月までの期間において、ある植物工場ＰＦを対象として、環境指標値を収集した。なお、環境指標値における「平年」は、１９８１年から２０１０年とした。収集された全２４４件のデータを無作為に分割し、７０％（１７１件）を学習用データとし、残り３０％（７３件）を検証用データとした。学習用データを用いて、各学習手法（重回帰分析、ｒｉｄｇｅ回帰、ｌａｓｓｏ回帰、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ、ＸＧＢｏｏｓｔ）による機械学習を行って飽差予測モデルＭＯを作成し、検証用データを用いて、作成された飽差予測モデルＭＯの評価を行った。評価項目としては、二乗平均平方誤差（ＲＭＳＥ）および相関係数（Ｒ）を用いた。なお、二乗平均平方誤差は、０以上の値を取り、０に近いほど精度が良いことを示す。また、相関係数は、－１以上、１以下の値を取り、１に近いほど精度が良いことを示す。
図７に示すように、決定木モデル（Ｒａｎｄｏｍ Ｆｏｒｅｓｔ、ＸＧＢｏｏｓｔ）を用いた場合には、線形モデル（重回帰分析、ｒｉｄｇｅ回帰、ｌａｓｓｏ回帰）を用いた場合と比較して、良好な評価結果が得られた。決定木モデルのうちのＲａｎｄｏｍ Ｆｏｒｅｓｔを用いた場合には、特に良好な評価結果が得られた。図８は、Ｒａｎｄｏｍ Ｆｏｒｅｓｔを用いて作成された飽差予測モデルＭＯの精度を示す説明図である。図８に示すように、Ｒａｎｄｏｍ Ｆｏｒｅｓｔを用いて作成された飽差予測モデルＭＯは、植物工場ＰＦ内の飽差の予測に関し、概ね良好な精度を示した。
Ａ－４．本実施形態の効果：
以上説明したように、本実施形態の圃場管理サーバ１００は、圃場（植物工場ＰＦ）の飽差を予測するための情報処理装置であり、環境予測情報取得部１１４と、モデル取得部１１３と、飽差予測部１１５とを備える。環境予測情報取得部１１４は、将来時刻ｔ１における、圃場の気温である圃場気温を含む環境指標の予測値を示す環境予測情報ＥＩを取得する。モデル取得部１１３は、飽差予測モデルＭＯを取得する。飽差予測モデルＭＯは、圃場気温を含む環境指標を説明変数とし、圃場の飽差である圃場飽差を目的変数とし、所定の学習手法を用いた機械学習を行うことにより生成されたモデルである。飽差予測部１１５は、環境予測情報ＥＩと飽差予測モデルＭＯとを用いて、将来時刻ｔ１における圃場飽差を予測する。
このように、本実施形態の圃場管理サーバ１００によれば、圃場気温を含む環境指標を説明変数とし、圃場の飽差である圃場飽差を目的変数とし、所定の学習手法を用いた機械学習を行うことにより生成された飽差予測モデルＭＯと、圃場気温を含む環境指標の予測値を示す環境予測情報ＥＩとを用いて、将来時刻ｔ１における圃場飽差を予測するため、将来時刻ｔ１における圃場飽差を精度良く予測することができる。
また、本実施形態の圃場管理サーバ１００は、さらに、将来時刻ｔ１における圃場飽差の予測値を示す飽差予測値情報ＳＩを、外部装置としての端末装置２００に向けて送信する予測情報送信部１１６を備える。そのため、本実施形態の圃場管理サーバ１００によれば、将来時刻ｔ１における圃場飽差の予測値を、端末装置２００によって農作業者Ｐ１に知覚させることができ、農作業の効率化を実現することができる。
また、本実施形態の圃場管理サーバ１００は、さらに、調整後圃場気温設定部１１７と、目標圃場気温設定部１１８とを備える。調整後圃場気温設定部１１７は、将来時刻ｔ１における圃場飽差の予測値が、予め設定された適切範囲Ｒ１内に含まれない場合に、将来時刻ｔ１における圃場気温の予測値（気温Ｔｏ）に基づき、複数の調整後圃場気温Ｔｘを設定する。目標圃場気温設定部１１８は、各調整後圃場気温Ｔｘについて、飽差予測モデルＭＯを用いて、将来時刻ｔ１における調整後の圃場飽差である調整後圃場飽差Ｓｘを予測し、各調整後圃場飽差Ｓｘの予測値に基づき、将来時刻ｔ１における圃場気温の目標値である目標圃場気温Ｔｔを設定する。そのため、本実施形態の圃場管理サーバ１００によれば、将来時刻ｔ１における圃場飽差を適切範囲Ｒ１に近付けるための圃場気温の目標値である目標圃場気温Ｔｔを設定することができ、圃場飽差の調整の容易化を実現することができ、農作業の効率化を実現することができる。
また、本実施形態の圃場管理サーバ１００は、さらに、将来時刻ｔ１における圃場気温を目標圃場気温Ｔｔに近付けるための気温調整指示を、外部装置としての空調機３２０に向けて送信する気温調整指示部１１９を備える。そのため、本実施形態の圃場管理サーバ１００によれば、圃場飽差の自動調整（自動制御）を実現することができ、農作業のさらなる効率化を実現することができる。
また、本実施形態の圃場管理サーバ１００では、目標圃場気温設定部１１８は、複数の調整後圃場気温Ｔｘのうち、各調整後圃場気温Ｔｘについての調整後圃場飽差Ｓｘの予測値の、適切範囲Ｒ１からのずれの絶対値が小さいものを優先的に、目標圃場気温Ｔｔとして設定する。そのため、本実施形態の圃場管理サーバ１００によれば、将来時刻ｔ１における圃場飽差を適切範囲Ｒ１にできるだけ近付ける目標圃場気温Ｔｔを設定することができ、農作業の最適化を実現することができる。
また、本実施形態の圃場管理サーバ１００では、目標圃場気温設定部１１８は、複数の調整後圃場気温Ｔｘのうち、将来時刻ｔ１における圃場気温の予測値（気温Ｔｏ）との差の絶対値が小さいものを優先的に、目標圃場気温Ｔｔとして設定する。そのため、本実施形態の圃場管理サーバ１００によれば、将来時刻ｔ１における圃場気温の現状の予測値（気温Ｔｏ）からの変動ができるだけ小さい目標圃場気温Ｔｔを設定することができ、農作業の最適化を実現することができる。
また、本実施形態の圃場管理サーバ１００では、調整後圃場気温設定部１１７は、将来時刻ｔ１における圃場気温の予測値（気温Ｔｏ）を、予め設定されたピッチで増減させることにより、複数の調整後圃場気温Ｔｘを設定する。そのため、本実施形態の圃場管理サーバ１００によれば、比較的簡単な処理で、目標圃場気温Ｔｔの候補である調整後圃場気温Ｔｘを設定することができ、農作業の最適化や効率化を実現することができる。
また、本実施形態の圃場管理サーバ１００では、調整後圃場気温設定部１１７は、予め設定された温度範囲内で、複数の調整後圃場気温Ｔｘを設定する。そのため、本実施形態の圃場管理サーバ１００によれば、目標圃場気温Ｔｔの候補である調整後圃場気温Ｔｘが現実的ではない値に設定されることを回避することができ、農作業の最適化を実現することができる。
なお、飽差予測モデルＭＯの取得に用いられる所定の学習手法は、決定木モデルを用いた学習手法であることが好ましい。このような構成を採用すると、将来時刻ｔ１における圃場飽差の予測精度を効果的に向上させることができる。また、飽差予測モデルＭＯの取得に用いられる所定の学習手法は、ランダムフォレストを用いた学習手法であることが好ましい。このような構成を採用すると、将来時刻ｔ１における圃場飽差の予測精度を極めて効果的に向上させることができる。
また、本実施形態の圃場管理サーバ１００では、環境指標は、さらに、外部気温と、外部日射と、日平均気温と、日較差と、日照時間と、湿度と、天候と、の少なくとも１つを含む。そのため、本実施形態の圃場管理サーバ１００によれば、将来時刻ｔ１における圃場飽差をさらに精度良く予測することができる。
また、本実施形態では、圃場は、半開放型植物工場である。本実施形態の圃場管理サーバ１００によれば、太陽光の利用を前提とするために完全には内部環境の制御が実現できない半開放型植物工場においても、将来時刻ｔ１における圃場飽差を精度良く予測することができ、農作業の最適化や効率化を実現することができる。
また、本実施形態の圃場管理システム１０は、圃場管理サーバ１００と、圃場管理サーバ１００との間で通信ネットワークＮＥＴを介して通信可能な端末装置２００とを備える。圃場管理サーバ１００は、さらに、将来時刻ｔ１における圃場飽差の予測値を示す飽差予測値情報ＳＩを、通信ネットワークＮＥＴを介して端末装置２００に向けて送信する予測情報送信部１１６を備える。端末装置２００は、通信ネットワークＮＥＴを介して受信した飽差予測値情報ＳＩに基づき、将来時刻ｔ１における圃場飽差の予測値を表示する表示部２１０を備える。本実施形態の圃場管理システム１０によれば、将来時刻ｔ１における圃場飽差の予測値を、端末装置２００の表示部２１０によって農作業者Ｐ１に視認させることができ、農作業の効率化を実現することができる。
Ｂ．変形例：
本明細書で開示される技術は、上述の実施形態に限られるものではなく、その要旨を逸脱しない範囲において種々の形態に変形することができ、例えば次のような変形も可能である。
上記実施形態における圃場管理システム１０の構成は、あくまで一例であり、種々変形可能である。例えば、上記実施形態において、圃場管理システム１０は気象データサーバ５００を備えていなくてもよい。また、上記実施形態では、植物工場ＰＦに、植物工場ＰＦ内に冷気または暖気を供給することによって植物工場ＰＦ内の気温を調整する空調機３２０が設けられているが、空調機３２０に代えて、または、空調機３２０と共に、植物工場ＰＦ内の気温を調整する他の装置（外部装置）が設けられていてもよい。このような他の装置としては、例えば、植物工場ＰＦ内の気流を調整することによって植物工場ＰＦ内の気温を調整するファンや、植物工場ＰＦ内への日射量を調整することによって植物工場ＰＦ内の気温を調整する遮蔽装置等が挙げられる。
また、上記実施形態における圃場管理サーバ１００の構成は、あくまで一例であり、種々変形可能である。例えば、上記実施形態では、圃場管理サーバ１００の記憶部１２０に環境履歴情報ＥＨを含む学習データＬＤや飽差予測モデルＭＯが格納されているが、学習データＬＤや飽差予測モデルＭＯが別のサーバに格納され、圃場管理サーバ１００が別のサーバに格納された学習データＬＤや飽差予測モデルＭＯを参照するものとしてもよい。
また、上記実施形態における圃場管理処理の内容は、あくまで一例であり、種々変形可能である。例えば、上記実施形態における、適切範囲Ｒ１や調整後圃場気温Ｔｘ、目標圃場気温Ｔｔの設定方法は、あくまで一例であり、種々変形可能である。また、上記実施形態では、将来時刻ｔ１における圃場飽差の予測（Ｓ１３０）の後、該予測値がＲ１内に含まれるか否かの判断（Ｓ１４０）以降の処理が実行されるが、Ｓ１４０以降の処理が実行されなくてもよい。
また、上記実施形態では、圃場として植物工場ＰＦを例に説明しているが、本発明は、他の種類の圃場（例えば、露地栽培用の圃場）にも同様に適用可能である。
また、上記各実施形態において、ハードウェアによって実現されている構成の一部をソフトウェアに置き換えるようにしてもよく、反対に、ソフトウェアによって実現されている構成の一部をハードウェアに置き換えるようにしてもよい。
１０：圃場管理システム １００：圃場管理サーバ １１０：制御部 １１１：圃場管理部 １１３：モデル取得部 １１４：環境予測情報取得部 １１５：飽差予測部 １１６：予測情報送信部 １１７：調整後圃場気温設定部 １１８：目標圃場気温設定部 １１９：気温調整指示部 １２０：記憶部 １３０：表示部 １４０：操作入力部 １５０：インターフェース部 １９０：バス ２００：端末装置 ２１０：表示部 ３１０：センサ ３２０：空調機 ５００：気象データサーバ ＣＰ：圃場管理プログラム ＥＨ：環境履歴情報 ＥＩ：環境予測情報 ＬＤ：学習データ ＭＯ：飽差予測モデル ＮＥＴ：通信ネットワーク Ｐ１：農作業者 ＰＦ：植物工場 Ｒ１：適切範囲 ＳＩ：飽差予測値情報 Ｓｘ：調整後圃場飽差 Ｔｔ：目標圃場気温 Ｔｘ：調整後圃場気温

Claims (15)

  1. 圃場の飽差を予測するための情報処理装置であって、
    将来時刻における、前記圃場の気温である圃場気温を含む環境指標の予測値を示す環境予測情報を取得する環境予測情報取得部と、
    飽差予測モデルを取得するモデル取得部であって、前記飽差予測モデルは、前記環境指標を説明変数とし、前記圃場の飽差である圃場飽差を目的変数とし、所定の学習手法を用いた機械学習を行うことにより生成されたモデルである、モデル取得部と、
    前記環境予測情報と前記飽差予測モデルとを用いて、前記将来時刻における前記圃場飽差を予測する飽差予測部と、
    を備える、情報処理装置。
  2. 請求項１に記載の情報処理装置であって、さらに、
    前記将来時刻における前記圃場飽差の予測値を示す飽差予測値情報を外部装置に向けて送信する予測情報送信部を備える、情報処理装置。
  3. 請求項１または請求項２に記載の情報処理装置であって、さらに、
    前記将来時刻における前記圃場飽差の予測値が、予め設定された適切範囲内に含まれない場合に、前記将来時刻における前記圃場気温の予測値に基づき、複数の調整後圃場気温を設定する調整後圃場気温設定部と、
    各前記調整後圃場気温について、前記飽差予測モデルを用いて、前記将来時刻における調整後の前記圃場飽差である調整後圃場飽差を予測し、各前記調整後圃場飽差の予測値に基づき、前記将来時刻における前記圃場気温の目標値である目標圃場気温を設定する目標圃場気温設定部と、
    を備える、情報処理装置。
  4. 請求項３に記載の情報処理装置であって、さらに、
    前記将来時刻における前記圃場気温を前記目標圃場気温に近付けるための気温調整指示を外部装置に向けて送信する気温調整指示部を備える、情報処理装置。
  5. 請求項３または請求項４に記載の情報処理装置であって、
    前記目標圃場気温設定部は、複数の前記調整後圃場気温のうち、各前記調整後圃場気温についての前記調整後圃場飽差の予測値の、前記適切範囲からのずれの絶対値が小さいものを優先的に、前記目標圃場気温として設定する、情報処理装置。
  6. 請求項３から請求項５までのいずれか一項に記載の情報処理装置であって、
    前記目標圃場気温設定部は、複数の前記調整後圃場気温のうち、前記将来時刻における前記圃場気温の予測値との差の絶対値が小さいものを優先的に、前記目標圃場気温として設定する、情報処理装置。
  7. 請求項３から請求項６までのいずれか一項に記載の情報処理装置であって、
    前記調整後圃場気温設定部は、前記将来時刻における前記圃場気温の予測値を、予め設定されたピッチで増減させることにより、前記複数の調整後圃場気温を設定する、情報処理装置。
  8. 請求項３から請求項７までのいずれか一項に記載の情報処理装置であって、
    前記調整後圃場気温設定部は、予め設定された温度範囲内で、前記複数の調整後圃場気温を設定する、情報処理装置。
  9. 請求項１から請求項８までのいずれか一項に記載の情報処理装置であって、
    前記所定の学習手法は、決定木モデルを用いた学習手法である、情報処理装置。
  10. 請求項９に記載の情報処理装置であって、
    前記所定の学習手法は、ランダムフォレストを用いた学習手法である、情報処理装置。
  11. 請求項１から請求項１０までのいずれか一項に記載の情報処理装置であって、
    前記環境指標は、さらに、外部気温と、外部日射と、日平均気温と、日較差と、日照時間と、湿度と、天候と、の少なくとも１つを含む、情報処理装置。
  12. 請求項１から請求項１１までのいずれか一項に記載の情報処理装置であって、
    前記圃場は、半開放型植物工場である、情報処理装置。
  13. 請求項１から請求項１２までのいずれか一項に記載の情報処理装置と、
    前記情報処理装置との間で通信ネットワークを介して通信可能な端末装置と、
    を備える情報処理システムであって、
    前記情報処理装置は、さらに、前記将来時刻における前記圃場飽差の予測値を示す飽差予測値情報を、前記通信ネットワークを介して前記端末装置に向けて送信する予測情報送信部を備え、
    前記端末装置は、前記通信ネットワークを介して受信した前記飽差予測値情報に基づき、前記将来時刻における前記圃場飽差の予測値を表示する表示部を備える、情報処理システム。
  14. 圃場の飽差を予測するための情報処理方法であって、
    将来時刻における、前記圃場の気温である圃場気温を含む環境指標の予測値を示す環境予測情報を取得する工程と、
    飽差予測モデルを取得する工程であって、前記飽差予測モデルは、前記環境指標を説明変数とし、前記圃場の飽差である圃場飽差を目的変数とし、所定の学習手法を用いた機械学習を行うことにより生成されたモデルである、飽差予測モデルを取得する工程と、
    前記環境予測情報と前記飽差予測モデルとを用いて、前記将来時刻における前記圃場飽差を予測する工程と、
    を備える、情報処理方法。
  15. 圃場の飽差を予測するためのコンピュータプログラムであって、
    コンピュータに、
    将来時刻における、前記圃場の気温である圃場気温を含む環境指標の予測値を示す環境予測情報を取得する処理と、
    飽差予測モデルを取得する処理であって、前記飽差予測モデルは、前記環境指標を説明変数とし、前記圃場の飽差である圃場飽差を目的変数とし、所定の学習手法を用いた機械学習を行うことにより生成されたモデルである、飽差予測モデルを取得する処理と、
    前記環境予測情報と前記飽差予測モデルとを用いて、前記将来時刻における前記圃場飽差を予測する処理と、
    を実行させる、コンピュータプログラム。
JP2021021821A 2021-02-15 2021-02-15 情報処理装置、情報処理システム、情報処理方法、および、コンピュータプログラム Pending JP2022124198A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021021821A JP2022124198A (ja) 2021-02-15 2021-02-15 情報処理装置、情報処理システム、情報処理方法、および、コンピュータプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021021821A JP2022124198A (ja) 2021-02-15 2021-02-15 情報処理装置、情報処理システム、情報処理方法、および、コンピュータプログラム

Publications (1)

Publication Number Publication Date
JP2022124198A true JP2022124198A (ja) 2022-08-25

Family

ID=82941344

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021021821A Pending JP2022124198A (ja) 2021-02-15 2021-02-15 情報処理装置、情報処理システム、情報処理方法、および、コンピュータプログラム

Country Status (1)

Country Link
JP (1) JP2022124198A (ja)

Similar Documents

Publication Publication Date Title
WO2018180239A1 (ja) 情報処理装置および情報処理方法
JP6261492B2 (ja) 情報処理装置及び情報処理方法及びプログラム
KR20180086738A (ko) 작물 재배 가이드 정보 제공 장치, 및 그 방법
US10571870B2 (en) Intelligent control method and system, and intelligent monitoring system
JP6839433B2 (ja) 萎れ具合予測システム及び萎れ具合予測方法
JP2017127281A (ja) 栽培環境管理装置、栽培環境管理方法および栽培環境管理プログラム
CN112418498A (zh) 用于智能温室的温度预测方法及系统
KR101823521B1 (ko) 작물 생육에 대한 최적 환경 정보를 이용한 온실 환경 제어 및 생산량 예측 장치 및 방법
JP2019083746A (ja) 作物生産管理装置
US20220225583A1 (en) Management device for cultivation of fruit vegetable plants and fruit trees, learning device, management method for cultivation of fruit vegetable plants and fruit trees, learning model generation method, management program for cultivation of fruit vegetable plants and fruit trees, and learning model generation program
WO2021002439A1 (ja) 植物の栽培管理システム及び、植物の栽培管理装置
CN117391482B (zh) 一种基于大数据监测的大棚温度智能预警方法及系统
JP2020156431A (ja) 農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム
CN117873238A (zh) 一种植物生长控制方法及其系统、计算机设备和存储介质
JP2022124198A (ja) 情報処理装置、情報処理システム、情報処理方法、および、コンピュータプログラム
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
JP6943725B2 (ja) 生長状態予測装置
JP2020048551A (ja) 生育環境制御プログラム、生育環境制御方法及び生育環境制御装置
WO2020255678A1 (ja) 情報処理装置及び方法
KR102471743B1 (ko) 스마트팜의 미래 생산량 예측 방법
JP7314825B2 (ja) 予測装置、予測システム、及び予測方法
JP7416394B2 (ja) 作付スケジュール算出装置、作付スケジュール算出プログラム、及び、作付スケジュール算出方法
JP2021126112A (ja) 施設内気温制御方法、施設内気温制御プログラム及び施設内気温制御装置
JP7506959B1 (ja) 予測方法及び予測プログラム、並びに環境制御情報出力方法及び環境制御情報出力プログラム
JP2021174062A (ja) 機械学習プログラム、機械学習方法および機械学習装置

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7426

Effective date: 20210222

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20210222

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240119