JP2022170320A - 大麦若葉収穫予測方法、大麦若葉収穫支援方法、大麦若葉収穫予測プログラム、大麦若葉収穫予測装置、及び大麦若葉収穫支援システム - Google Patents
大麦若葉収穫予測方法、大麦若葉収穫支援方法、大麦若葉収穫予測プログラム、大麦若葉収穫予測装置、及び大麦若葉収穫支援システム Download PDFInfo
- Publication number
- JP2022170320A JP2022170320A JP2021076380A JP2021076380A JP2022170320A JP 2022170320 A JP2022170320 A JP 2022170320A JP 2021076380 A JP2021076380 A JP 2021076380A JP 2021076380 A JP2021076380 A JP 2021076380A JP 2022170320 A JP2022170320 A JP 2022170320A
- Authority
- JP
- Japan
- Prior art keywords
- harvest
- field
- young barley
- young
- 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
Links
- 238000003306 harvesting Methods 0.000 title claims abstract description 410
- 235000007340 Hordeum vulgare Nutrition 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 60
- 241000209219 Hordeum Species 0.000 title abstract 12
- 239000002689 soil Substances 0.000 claims abstract description 43
- 240000005979 Hordeum vulgare Species 0.000 claims description 155
- 238000004364 calculation method Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 27
- 241001299819 Hordeum vulgare subsp. spontaneum Species 0.000 claims description 20
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 238000007726 management method Methods 0.000 description 86
- 230000008569 process Effects 0.000 description 25
- 238000012545 processing Methods 0.000 description 21
- 241000196324 Embryophyta Species 0.000 description 16
- 230000010365 information processing Effects 0.000 description 13
- 238000012937 correction Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 4
- 229910001583 allophane Inorganic materials 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000004720 fertilization Effects 0.000 description 3
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 238000009331 sowing Methods 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000035613 defoliation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 235000013325 dietary fiber Nutrition 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 235000013402 health food Nutrition 0.000 description 1
- 239000003864 humus Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
特許文献1を参照すると、従来の大麦若葉加工物の製造方法の技術が開示されている。
このため、大麦若葉を加工製造する工場の稼働率を高めるためには、広範囲に圃場を設けて大規模栽培を行い、適期に収穫された大麦若葉を安定供給する必要がある。
本発明の大麦若葉収穫予測方法は、複数の前記生育モデルは、前記圃場の地区毎に、過去の作付及び収穫の実績に基づいて設定されることを特徴とする。
本発明の大麦若葉収穫予測方法は、前記状態情報は、前記圃場に設けられたフィールドサーバー、又は気象サーバーから取得した温度情報を含むことを特徴とする。
本発明の大麦若葉収穫支援方法は、大麦若葉の収穫を支援する大麦若葉収穫支援方法であって、前記大麦若葉収穫予測方法により、前記大麦若葉の収穫時期を予測し、収穫管理装置により、予測された前記収穫時期に収穫可能な前記圃場、当該圃場の状態、及び収穫リスクを収穫判断用に提示することを特徴とする。
本発明の大麦若葉収穫支援方法は、巡回管理装置により、前記収穫判断用に提示され、収穫すると選択された前記圃場の巡回ルートを算出することを特徴とする。
本発明の大麦若葉収穫支援方法は、前記巡回管理装置により、算出された前記巡回ルートを巡回する収穫機器の位置情報を取得し、前記収穫機器の巡回を管理することを特徴とする。
本発明の大麦若葉収穫支援方法は、圃場管理装置により、作付された前記圃場を地図データ上に配置して閲覧させることを特徴とする。
本発明の大麦若葉収穫支援方法は、圃場管理装置により、それぞれの前記圃場の状態情報を閲覧させることを特徴とする。
本発明の大麦若葉収穫予測プログラムは、大麦若葉の収穫予測を行う収穫予測装置により実行される大麦若葉収穫予測プログラムであって、前記大麦若葉が作付された圃場の状態情報を取得させ、取得させた前記状態情報を、前記大麦若葉の作型、前記圃場の土壌タイプ、及び前記大麦若葉の生育時期と、前記圃場の積算温度との関係とをモデル化した生育モデルに入力し、前記圃場の前記大麦若葉の収穫時期を予測させることを特徴とする。
本発明の大麦若葉収穫予測装置は、大麦若葉の収穫予測を行う収穫予測装置であって、前記大麦若葉の作型、圃場の土壌タイプ、及び前記大麦若葉の生育時期と、前記圃場の積算温度との関係とをモデル化した複数の生育モデルを格納する記憶部と、前記大麦若葉が作付された前記圃場毎に、前記記憶部に格納された前記生育モデルに関連する状態情報を取得する状態取得部と、前記状態取得部により取得された前記状態情報に基づいて、前記記憶部に格納された前記生育モデルを選択し、選択された前記生育モデルに前記状態情報を入力して、前記圃場の前記大麦若葉の収穫時期を予測する収穫予測部とを備えることを特徴とする。
本発明の大麦若葉収穫支援システムは、大麦若葉の収穫を支援する大麦若葉収穫支援システムであって、前記大麦若葉の圃場を管理する圃場管理装置と、前記圃場管理装置により管理された前記圃場に作付けされた前記大麦若葉の収穫予測を行う収穫予測装置と、前記収穫予測装置により収穫判断された前記圃場の前記大麦若葉の収穫管理を行う収穫管理装置と、前記収穫管理装置による収穫管理に応じて前記大麦若葉を収穫する収穫機器の巡回を管理する巡回管理装置とを含むことを特徴とする。
本発明の大麦若葉収穫支援システムは、前記収穫予測装置は、前記大麦若葉の作型、前記圃場の土壌タイプ、及び前記大麦若葉の生育時期と、前記圃場の積算温度との関係とをモデル化した複数の生育モデルを格納する記憶部と、前記大麦若葉が作付された前記圃場毎に、前記記憶部に格納された前記生育モデルに関連する状態情報を取得する状態取得部と、前記状態取得部により取得された前記状態情報に基づいて、前記記憶部に格納された前記生育モデルを選択し、選択された前記生育モデルに前記状態情報を入力して、前記圃場の前記大麦若葉の収穫時期を予測する収穫予測部とを備えることを特徴とする。
本発明の大麦若葉収穫支援システムは、前記収穫管理装置は、予測された前記収穫時期に収穫可能な前記圃場、当該圃場の状態、及び収穫リスクを前記収穫判断用に提示する収穫判断提示部を備えることを特徴とする。
本発明の大麦若葉収穫支援システムは、前記巡回管理装置は、前記収穫判断用に提示され、収穫すると選択された前記圃場の巡回ルートを算出する巡回ルート算出部を備えることを特徴とする。
本発明の大麦若葉収穫支援システムは、前記巡回管理装置は、算出された前記巡回ルートを巡回する収穫機器の位置情報を取得し、前記収穫機器の巡回を管理する巡回管理部を備えることを特徴とする。
本発明の大麦若葉収穫支援システムは、前記圃場管理装置は、作付された前記圃場を地図データ上に配置して閲覧させる圃場閲覧部を備えることを特徴とする。
本発明の大麦若葉収穫支援システムは、前記圃場閲覧部は、それぞれの前記圃場の状態情報を閲覧させることを特徴とする。
〔収穫支援システムXの構成〕
図1を参照して、本発明の実施の形態に係る収穫支援システムXの概略構成について説明する。
本実施形態に係る収穫支援システムXは、大麦若葉の収穫を支援する各種の情報処理装置を含むシステムである。本実施形態においては、収穫支援システムXは、広範囲に設けられた一群の圃場について、圃場の状態を閲覧管理したり、収穫の適期を予想したり、その後の収穫の管理をしたりする。
本実施形態に係る収穫支援システムXは、収穫予測装置1、収穫管理装置2、巡回管理装置3、圃場管理装置4、収穫機器5、フィールドサーバー6、及び圃場地図サーバー7等の情報処理装置群を含んで構成される。
本実施形態においては、複数の収穫機器5がグループ単位で管理されてもよい。
加えて、フィールドサーバー6は、圃場毎又は地区毎等の単位で、複数設置されてもよい。
または、収穫機器5に搭載された装置は、車載コンピューター、GNSS(Global Navigation Satellite System)端末等であってもよい。
次に、図2により、収穫支援システムXの各装置の制御構成について説明する。
図2(a)によれば、収穫予測装置1は、制御部10、記憶部11、入力部12、表示部13、及びI/F部14を含む。各部は、制御部10に接続され、制御部10によって動作制御される。
制御部10は、記憶部11のROMやHDDに記憶されている制御プログラムを読み出して、この制御プログラムをRAMに展開させて実行することで、後述する各機能ブロックとして動作させられる。また、制御部10は、入力部12や図示しない外部の端末から入力された所定の指示情報に応じて、装置全体の制御を行う。
なお、制御部10は、GPU内蔵CPU、チップ・オン・モジュールパッケージ、SOC(System On a Chip)等のように、一体的に形成されていてもよい。
記憶部11のROMやHDDには装置全体の動作制御を行うための制御プログラムが記憶されている。これに加えて、記憶部11は、ユーザーのアカウント設定も記憶している。
制御部10は、状態取得部100及び収穫予測部110を含む。
記憶部11は、生育モデルデータ500、状態情報510、及び収穫予測プログラム520を格納する。
本実施形態において、各生育モデルは、圃場の地区毎に、過去の作付及び収穫の実績に基づいて設定される。ここで、生育モデルは、例えば、回帰式のような線形モデルであっても、人工ニューラルネットワーク(以下、「NN」という。)のモデルであっても、その他の統計、機械学習手法によるモデルであってもよい。
後述する実施例にて、この生育モデルが一次の回帰式で設定された例について述べる。
図2(b)によれば、収穫管理装置2は、収穫判断提示部200を含み、圃場DB540及び収穫圃場情報530を格納する。
図2(c)によれば、巡回管理装置3は、巡回ルート算出部300、及び巡回管理部310を含む。
図2(d)によれば、圃場管理装置4は、圃場閲覧部400を含み、地図運用データ550を格納する。
収穫管理装置2の情報処理手段は、記憶手段に格納された制御プログラムを実行することで、収穫判断提示部200として機能させることが可能である。
巡回管理装置3の情報処理手段は、記憶手段に格納された制御プログラムを実行することで、巡回ルート算出部300として機能させることが可能である。
圃場管理装置4の情報処理手段は、記憶手段に格納された制御プログラムを実行することで圃場閲覧部400として機能させることが可能である。
また、上述の各部は、本実施形態に係る大麦若葉収穫予測方法、及び大麦若葉収穫支援方法を実行するハードウェア資源となる。
なお、上述の機能構成の一部又は任意の組み合わせをICやプログラマブルロジックやFPGA(Field-Programmable Gate Array)等でハードウェア的、回路的に構成してもよい。
次に、図3~図8を参照して、本発明の実施の形態に係る収穫支援システムXによる大麦若葉収穫支援処理の説明を行う。
本実施形態に係る大麦若葉収穫支援処理では、大麦若葉の収穫時期を予測し、予測された適期に収穫可能な圃場、当該圃場の状態、及び収穫リスクを収穫判断用に提示し、収穫する圃場の巡回ルートを算出し、巡回ルートを巡回する収穫機器5の巡回を管理する。これにより、大麦若葉の効率的な栽培管理と、収穫された大麦若葉をジャストインタイム(Just In-Time)で工場に原材料として供給することが可能となる。
本実施形態の大麦若葉収穫支援処理は、各装置の主に制御部10が、記憶部11に記憶されたプログラムを、各部と協働し、ハードウェア資源を用いて実行する。
以下で、図3のフローチャートを参照して、大麦若葉収穫支援処理の詳細をステップ毎に説明する。
まず、圃場管理装置4の圃場閲覧部400及び収穫予測装置1の状態取得部100が、圃場閲覧処理を行う。
本実施形態においては、一次加工工場へ定量供給を行うために大麦若葉の大規模栽培を行った。
収穫予測装置1のビューワー画面にて、ビューワーの使用者のユーザーによる圃場管理装置4の画面を表示させるような指示を入力部12から取得した場合、圃場閲覧部400は、圃場マップを表示部13に表示させる。この圃場マップは、栽培(作付)を行い管理対象となる圃場を地図データ上に配置した画面である。圃場閲覧部400は、この圃場マップの表示の際に、圃場地図サーバー7から、ユーザーの指定した地域の地図データを取得してもよい。
この上で、圃場閲覧部400は、全ての圃場について、ユーザーに圃場情報を入力させる。この際、ユーザーは、ビューワーのGUI上で、入力部12により、この圃場情報を入力する。この圃場情報としては、圃場の位置だけでなく、作型、生育等、細部項目を記録することも可能である。
圃場閲覧部400は、この入力された圃場情報を取得し、地図運用データ550に登録する。
地図運用データ550に登録された圃場情報は、圃場管理装置4の圃場DB540にも適用される。
加えて、圃場の位置の情報は、圃場地図サーバー7にも適用されてもよい。
次に、収穫予測装置1の状態取得部100及び収穫予測部110が、収穫予測処理を行う。
この処理では、収穫予測装置1の状態取得部100により、各装置から状態情報510が取得される。その後、収穫予測部110により、大麦若葉の収穫予測として、収穫の適期が算出される。この結果が、圃場の位置、一日毎の収穫時期として出力される。
この処理の詳細については、後述する。
次に、収穫管理装置2の収穫判断提示部200が、収穫判断提示処理を行う。
収穫判断提示部200は、収穫の判断支援と指示の取得を行う。具体的には、収穫判断提示部200は、収穫判断する圃場情報の詳細を収穫判断用に提示する。このため、収穫判断提示部200は、収穫圃場情報530に基づいて、提示用の収穫判断指示シートを生成する。この収穫判断指示シートは、予測された収穫時期に収穫可能な圃場、当該圃場の状態、作付された大麦若葉の生育環境、及び収穫リスクを提示する情報が含まれるXMLやHTMLのような構造化文字データであってもよい。
収穫判断提示部200は、この収穫判断指示シートを、ビューワーの画面に表示させる。
この例では、収穫適期を迎えている圃場一覧として、圃場の作付け面積(収穫予測面積)、見込み反収、圃場収量、除外面積(中止面積)が表示されている。この上で、C1の欄に作付された大麦若葉の生育状況を圃場の状態を「0」~「5」のレベルで示している。具体的には、湿害のレベル、ph、施肥、雑草、落葉、出穂(草丈)、倒伏、葉色が示されている。この他にも、幼穂の有無、積算温度、その他の運用記録等を表示可能である。加えて、C2の欄に、収穫予測装置1により判断された収穫リスクの有無についても示されている。この収穫リスクは、収穫判断提示部200が、上述の生育状況から所定のヒューリスティクスのアルゴリズム、統計手法、決定木、NN等の機械学習手法で判断可能である。すなわち、リスクの有無を、圃場ごとに可視化して閲覧させることが可能となる。
収穫判断提示部200は、各圃場についての、この収穫の指示を指示情報として取得する。収穫判断提示部200は、この収穫の指示情報を、巡回管理装置3に、例えば、JSON(JavaScript Object Notation)形式で送信する。
次に、巡回管理装置3の巡回ルート算出部300が、各圃場について、収穫が指示されたか否かを判断する。巡回ルート算出部300は、各圃場について、収穫指判断指示シートに応じた入力欄等から収穫することが指示された場合に、Yesと判断する。図6の例では、巡回ルート算出部300は、C2の欄にて「収穫」が指示された場合に、Yesと判断する。巡回ルート算出部300は、収穫しないことが指示された場合には、Noと判断する。
Yesの場合、巡回ルート算出部300は、処理をステップS105に進める。
Noの場合、巡回ルート算出部300は、処理をステップS106に進める。
収穫することが指示された圃場の場合、巡回管理装置3の巡回ルート算出部300が、巡回ルート算出処理を行う。巡回ルート算出部300は、最適な圃場の巡回ルートを算出する。この巡回ルートは、収穫判断用に提示された圃場のうち、収穫すると選択された圃場の巡回の集荷位置の情報、道順(経路)、移動や到着の時間や時刻の情報等を含む。
この際、巡回ルート算出部300は、収穫の時間や移動時間等も考慮した巡回ルートを算出することが可能である。
さらに、巡回ルート算出部300は、GUIによりユーザーによる指示を取得し、巡回ルートの修正を行うことも可能である。
これにより、最適な収穫計画を算出し、圃場の収穫の順序をナビゲーションし、効率収穫に資することができる。
その後、巡回ルート算出部300は、処理をステップS107に進める。
収穫しないことが指示された圃場がある場合、収穫判断提示部200が、収穫断念要因分析処理を行う。
収穫判断提示部200は、例えば、圃場情報から見込み反収、圃場収量、除外面積(中止面積)等について、同じ地区、類似する面積の他の圃場との差異について提示し、歩留まり分析を行う。この上で、収穫判断提示部200は、例えば、上述のリスクの判断理由等の情報から、収穫を断念すると判断された要因を分析し、ユーザーに確認を求める。
この分析結果は、上述のヒューリスティクス、統計、機械学習手法等に反映させることが可能である。
その後、収穫判断提示部200は、大麦若葉収穫支援処理を終了させる。
ここで、巡回管理部310が、巡回管理処理を行う。
巡回管理部310は、算出された巡回ルートを巡回する収穫機器5の位置情報を取得し、収穫機器5の巡回を管理する。
図8の画面例605により説明すると、巡回管理部310は、例えば、リアルタイム(実時間)で、収穫トラックの動態管理を行う。すなわち、巡回管理部310は、巡回ルートが指定され、稼働開始した収穫トラック等の収穫機器5について、稼働状況を把握する。
具体的には、巡回管理部310は、大麦若葉を運搬する収穫トラックをGPS等のGNSSで追跡し、収穫された大麦若葉の輸送状況(位置)を確認する。本実施形態において、一日あたりの収穫圃場は、最大30~50箇所なので、巡回管理部310は、どの圃場が収穫されたのかについても確認可能である。
なお、巡回管理部310は、GUIにより、使用する収穫トラックや収穫するユーザーを適宜変更指示することも可能である。
以上により、本発明の実施の形態に係る大麦若葉収穫支援処理を終了する。
まず、状態取得部100が、状態情報取得処理を行う。
状態取得部100は、大麦若葉が作付された圃場毎に、状態情報510を取得する。
本実施形態においては、状態取得部100は、生育モデルデータ500に含まれる生育モデルの選択に必要な情報と、入力データとして必要な情報とを、状態情報510として取得する。
この上で、状態取得部100は、フィールドサーバー6から、圃場の環境情報として、圃場の大気の温度の値、土壌のpH及び含水率等のセンサーの情報を取得する。これらのセンサーの情報は、例えば、圃場の数十箇所について測定可能であってもよい。この場合、フィールドサーバー6に複数個のセンサーが設けられていてもよい。
加えて、状態取得部100は、フィールドサーバー6に接続されたフィールドカメラにより撮像された大麦若葉の画像データも取得する。
さらに、状態取得部100は、気象庁の気象サーバー、他の気象サービス企業の気象サーバー等から、圃場の日照レベルや降雨の状況を含む気象データも状態情報510として取得可能である。この気象データは、圃場の広さに対応するような範囲の小さな「メッシュ」気象データであってもよい。
次に、収穫予測部110が、生育モデル選択処理を行う。
収穫予測部110は、取得された状態情報510に基づいて、記憶部11に格納された生育モデルデータ500から、適切な生育モデルを選択する。
収穫予測部110は、圃場に作付された大麦若葉の作型、土壌タイプ、及び生育時期に応じた生育モデルを選択することが可能である。
次に、収穫予測部110が、収穫時期予測処理を行う。
収穫予測部110は、選択された生育モデルに状態情報510を入力して、圃場の大麦若葉の収穫時期を予測する。
次に、収穫予測部110は、選択された生育モデルに算出された積算温度を入力し、収穫時期(適期)の予測を出力させる。
収穫予測部110は、この適期の予測を、ビューワーの画面上に、圃場の環境情報や作物の生育状況とともに表示する。
この画面例606では、左側に、積算温度及び積算温度の予測、草丈やその他の生育状況等を表示したグラフ、右側に指定された日の生育状況を表示した画像が含まれている。左側のグラフの点線で囲った箇所Tが、予測された適期を示している。画面例606の右側の画像では、生育状況として、生育ステージ、茎高、茎数等が図示されている。
これにより、収穫の適期を把握し、ユーザーのスキル等に依存せず、物差しとなる客観的な指標を示すことが可能となる。
さらに、収穫予測部110は、実際の収穫後に、モデル修正処理を行ってもよい。
収穫予測部110は、収穫管理装置2の圃場DB540及び地図運用データ550も参照し、実際に積算された温度及び大麦若葉の草丈の記録データを用いて、生育モデルの一次式を修正する。収穫予測部110は、この修正を全て又はサンプリングした圃場のデータを用いて行って、生育モデルデータ500の生育モデルそのものを修正してもよい。または、収穫予測部110は、この修正を圃場毎に行って「補正係数」として、圃場毎に、圃場DB540及び地図運用データ550へ格納してもよい。または、生育モデルがNN等の場合、記録データからバックプロパゲーション等を行って生育モデルを学習させてもよい。
以上により、収穫予測処理を終了する。
従来から、大麦若葉を青汁等の原料に加工する一時加工工場の稼働率を高めるためには、広範囲に圃場を設けて大規模栽培を行い、適期に収穫された大麦若葉を安定供給する必要があった。このために、広範囲に圃場から収穫と配送を支援するシステムが必要とされていた。
結果として、遠距離からの輸送する際に渋滞等のリスクがある中で、工場の処理能力に適応したジャストインタイムでの納品を実現することができる。また、遠距離からの運搬であっても、収穫機器5の到着時刻が遅く又は早くなる予想等ができ、納品までに事前に把握することができる。よって、大麦若葉の効率加工、及び一次加工工場の安定稼働に資することができる。
加えて、運用記録等も閲覧できるため、ユーザーの圃場の管理の手間を抑えることができる。
なお、本発明の実施の形態においては、大麦若葉の作型、圃場の土壌タイプ、及び大麦若葉の生育時期と、圃場の積算温度との関係とをモデル化した複数の生育モデルを用いる例について記載した。
しかしながら、本発明に係る生育モデルの例として、これら作型、土壌タイプ、及び生育時期に加え、他の情報を含んだ予測モデルであってもよい。
このように構成することで、より予測精度を向上させることが期待できる。
しかしながら、複数個のフィールドサーバー6が一つの圃場に備えられていてもよい。この場合、各フィールドサーバー6が単一のセンサーを備えていても、複数のセンサーを備えていてもよい。この上で、フィールドサーバー6間では、情報を共有しないように構成してもよい。または、フィールドサーバー6間で単一又は複数のセンサーの情報が共有されるように構成してもよい。さらに、フィールドサーバー6と、その子局を持つような構成、親サーバーと子サーバーとを備えるような構成等であってもよい。
いずれの場合であっても、状態取得部100は、これらのセンサーの情報を、圃場単位でまとめて取得可能であってもよい。
しかしながら、状態取得部100は、フィールドカメラから直接、画像データを取得するように構成することも可能である。または、複数のフィールドサーバー6とフィールドカメラとが、ルーター等の他の機器を経由して通信するような構成であってもよい。さらに、複数のフィールドカメラからの画像データを圃場単位でまとめて取得するように構成されていてもよい。
このように構成することで、柔軟な構成に対応可能である。また、圃場の面積や地形的な特性に応じて、より正確な状態情報510を取得可能となる。
しかしながら、圃場管理装置4や他の装置にも表示部や入力部を備えて、他の装置の画面をビューワーで一元的に管理するように構成してもよい。
また、収穫予測装置1、収穫管理装置2、巡回管理装置3、及び圃場管理装置4は、一つの情報処理装置として構成されても、任意の組み合わせの情報処理装置として構成されても、仮想化等された状態で構成されてもよい。
このように構成することで、柔軟な装置構成に対応可能となる。
Y=AX-B …… 式(1)
このうち、A:傾き(生育速度)、B:切片、X:説明変数(積算温度)、Y:目的変数(草丈)である。
具体的には、生育モデルとしては、作型について秋(秋作)、冬(冬作)、春(春作)の時期、及び品種で分類した。土壌タイプとしては、黒ボク土、及び灰色低地土等の数種類に分類した。生育時期としては、播種期、初期、中期、幼穂形成、及び収穫適期(収穫適期直前)に分類するのが好適であった。これは、積算温度は日照レベルと相関があり、大麦においては、生育ステージにより日照による光合成の必要度合いと草丈の成長の速度が異なるためだと推測される。
これらの分類毎に、それぞれ一次式を作成すると、草丈を推定するための相関が十分、高くなった。
図11~図14に、この表1の結果例(1)~(4)の各グラフのデータを示す。図11は(1)、図12は(2)、図13は(3)、図14は(4)に、それぞれ対応する。各グラフでは、横軸は積算温度(°C)、縦軸は草丈(cm)を示す。
結果として、各生育モデルにおいて、誤差率は(1)は2.6%、(2)は9.7%、(3)は7.6%、(4)は9.7%と、いずれも10%以内に収まった。
さらに、各グラフにおいて、図9のステップS114のモデル修正処理を行った例を、「修正ライン」として、実線で示す。これらは、全て、信頼度がR2>0.9の強相関を示した。
本発明者らの検証によれば、このような生育モデルにより、収穫の適期を二週間以上前から予測することが可能であった。
2 収穫管理装置
3 巡回管理装置
4 圃場管理装置
5 収穫機器
6 フィールドサーバー
7 圃場地図サーバー
10 制御部
11 記憶部
12 入力部
13 表示部
14 I/F部
100 状態取得部
110 収穫予測部
200 収穫判断提示部
300 巡回ルート算出部
310 巡回管理部
400 圃場閲覧部
500 生育モデルデータ
510 状態情報
520 収穫予測プログラム
530 収穫圃場情報
540 圃場DB
550 地図運用データ
600、601、602、603、604、605、606 画面例
X 収穫支援システム
Claims (17)
- 大麦若葉の収穫予測を行う収穫予測装置により実行される大麦若葉収穫予測方法であって、
前記大麦若葉の作型、圃場の土壌タイプ、及び前記大麦若葉の生育時期と、前記圃場の積算温度との関係とをモデル化した複数の生育モデルを格納し、
前記大麦若葉が作付された前記圃場毎に、格納された前記生育モデルに関連する状態情報を取得し、
取得された前記状態情報に基づいて、格納された前記生育モデルを選択し、
選択された前記生育モデルに前記状態情報を入力して、前記圃場の前記大麦若葉の収穫時期を予測する
ことを特徴とする大麦若葉収穫予測方法。 - 複数の前記生育モデルは、
前記圃場の地区毎に、過去の作付及び収穫の実績に基づいて設定される
ことを特徴とする請求項1に記載の大麦若葉収穫予測方法。 - 前記状態情報は、
前記圃場に設けられたフィールドサーバー、又は気象サーバーから取得した温度情報を含む
ことを特徴とする請求項1又は2に記載の大麦若葉収穫予測方法。 - 大麦若葉の収穫を支援する大麦若葉収穫支援方法であって、
請求項1乃至3のいずれか1項に記載の大麦若葉収穫予測方法により、前記大麦若葉の収穫時期を予測し、
収穫管理装置により、予測された前記収穫時期に収穫可能な前記圃場、当該圃場の状態、及び収穫リスクを収穫判断用に提示する
ことを特徴とする大麦若葉収穫支援方法。 - 巡回管理装置により、前記収穫判断用に提示され、収穫すると選択された前記圃場の巡回ルートを算出する
ことを特徴とする請求項4に記載の大麦若葉収穫支援方法。 - 前記巡回管理装置により、算出された前記巡回ルートを巡回する収穫機器の位置情報を取得し、前記収穫機器の巡回を管理する
ことを特徴とする請求項5に記載の大麦若葉収穫支援方法。 - 圃場管理装置により、作付された前記圃場を地図データ上に配置して閲覧させる
ことを特徴とする請求項4乃至6のいずれか1項に記載の大麦若葉収穫支援方法。 - 圃場管理装置により、それぞれの前記圃場の状態情報を閲覧させる
ことを特徴とする請求項7に記載の大麦若葉収穫支援方法。 - 大麦若葉の収穫予測を行う収穫予測装置により実行される大麦若葉収穫予測プログラムであって、
前記大麦若葉が作付された圃場の状態情報を取得させ、
取得させた前記状態情報を、前記大麦若葉の作型、前記圃場の土壌タイプ、及び前記大麦若葉の生育時期と、前記圃場の積算温度との関係とをモデル化した生育モデルに入力し、前記圃場の前記大麦若葉の収穫時期を予測させる
ことを特徴とする大麦若葉収穫予測プログラム。 - 大麦若葉の収穫予測を行う収穫予測装置であって、
前記大麦若葉の作型、圃場の土壌タイプ、及び前記大麦若葉の生育時期と、前記圃場の積算温度との関係とをモデル化した複数の生育モデルを格納する記憶部と、
前記大麦若葉が作付された前記圃場毎に、前記記憶部に格納された前記生育モデルに関連する状態情報を取得する状態取得部と、
前記状態取得部により取得された前記状態情報に基づいて、前記記憶部に格納された前記生育モデルを選択し、選択された前記生育モデルに前記状態情報を入力して、前記圃場の前記大麦若葉の収穫時期を予測する収穫予測部とを備える
ことを特徴とする大麦若葉収穫予測装置。 - 大麦若葉の収穫を支援する大麦若葉収穫支援システムであって、
前記大麦若葉の圃場を管理する圃場管理装置と、
前記圃場管理装置により管理された前記圃場に作付けされた前記大麦若葉の収穫予測を行う収穫予測装置と、
前記収穫予測装置により収穫判断された前記圃場の前記大麦若葉の収穫管理を行う収穫管理装置と、
前記収穫管理装置による収穫管理に応じて前記大麦若葉を収穫する収穫機器の巡回を管理する巡回管理装置とを含む
ことを特徴とする大麦若葉収穫支援システム。 - 前記収穫予測装置は、
前記大麦若葉の作型、前記圃場の土壌タイプ、及び前記大麦若葉の生育時期と、前記圃場の積算温度との関係とをモデル化した複数の生育モデルを格納する記憶部と、
前記大麦若葉が作付された前記圃場毎に、前記記憶部に格納された前記生育モデルに関連する状態情報を取得する状態取得部と、
前記状態取得部により取得された前記状態情報に基づいて、前記記憶部に格納された前記生育モデルを選択し、選択された前記生育モデルに前記状態情報を入力して、前記圃場の前記大麦若葉の収穫時期を予測する収穫予測部とを備える
ことを特徴とする請求項11に記載の大麦若葉収穫支援システム。 - 前記収穫管理装置は、
予測された前記収穫時期に収穫可能な前記圃場、当該圃場の状態、及び収穫リスクを前記収穫判断用に提示する収穫判断提示部を備える
ことを特徴とする請求項12に記載の大麦若葉収穫支援システム。 - 前記巡回管理装置は、
前記収穫判断用に提示され、収穫すると選択された前記圃場の巡回ルートを算出する巡回ルート算出部を備える
ことを特徴とする請求項11乃至13のいずれか1項に記載の大麦若葉収穫支援システム。 - 前記巡回管理装置は、
算出された前記巡回ルートを巡回する収穫機器の位置情報を取得し、前記収穫機器の巡回を管理する巡回管理部を備える
ことを特徴とする請求項14に記載の大麦若葉収穫支援システム。 - 前記圃場管理装置は、
作付された前記圃場を地図データ上に配置して閲覧させる圃場閲覧部を備える
ことを特徴とする請求項11乃至15のいずれか1項に記載の大麦若葉収穫支援システム。 - 前記圃場閲覧部は、
それぞれの前記圃場の状態情報を閲覧させる
ことを特徴とする請求項16に記載の大麦若葉収穫支援システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021076380A JP2022170320A (ja) | 2021-04-28 | 2021-04-28 | 大麦若葉収穫予測方法、大麦若葉収穫支援方法、大麦若葉収穫予測プログラム、大麦若葉収穫予測装置、及び大麦若葉収穫支援システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021076380A JP2022170320A (ja) | 2021-04-28 | 2021-04-28 | 大麦若葉収穫予測方法、大麦若葉収穫支援方法、大麦若葉収穫予測プログラム、大麦若葉収穫予測装置、及び大麦若葉収穫支援システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022170320A true JP2022170320A (ja) | 2022-11-10 |
Family
ID=83944547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021076380A Pending JP2022170320A (ja) | 2021-04-28 | 2021-04-28 | 大麦若葉収穫予測方法、大麦若葉収穫支援方法、大麦若葉収穫予測プログラム、大麦若葉収穫予測装置、及び大麦若葉収穫支援システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022170320A (ja) |
-
2021
- 2021-04-28 JP JP2021076380A patent/JP2022170320A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11847708B2 (en) | Methods and systems for determining agricultural revenue | |
AU2021218100B2 (en) | Systems and methods for image capture and analysis of agricultural fields | |
US20210342955A1 (en) | Methods and systems for managing crop harvesting activities | |
US9111320B2 (en) | Automated location-based information recall | |
US10402835B2 (en) | Agricultural situational awareness tool | |
US10393722B2 (en) | Soil quality measurement device | |
US20160302351A1 (en) | Agronomic systems, methods and apparatuses | |
US20140095261A1 (en) | Methods, apparatus and systems for determining stand population, stand consistency and stand quality in an agricultural crop and alerting users | |
US20180014452A1 (en) | Agronomic systems, methods and apparatuses | |
US20160309646A1 (en) | Agronomic systems, methods and apparatuses | |
CN107111795A (zh) | 更新对农业规定任务的执行 | |
US20170042081A1 (en) | Systems, methods and apparatuses associated with soil sampling | |
JP2005085059A (ja) | 農作業決定支援用予測システム | |
US20200311915A1 (en) | Growth status prediction system and method and computer-readable program | |
Panpatte | Artificial intelligence in agriculture: An emerging era of research | |
CN114466587A (zh) | 用于作物地面导航的混合视觉系统 | |
CN113226009B (zh) | 针对大豆的预测性的种子脚本处理 | |
KR20180116639A (ko) | 다년생 작물 재배를 위한 맞춤형 정보 제공 시스템 및 방법 | |
US20120226517A1 (en) | System and Methods for Communicating Mediated Knowledge | |
US20130096832A1 (en) | Method and system for partitioning farming field | |
JP2022170320A (ja) | 大麦若葉収穫予測方法、大麦若葉収穫支援方法、大麦若葉収穫予測プログラム、大麦若葉収穫予測装置、及び大麦若葉収穫支援システム | |
CN115053246A (zh) | 信息处理装置 | |
WO2022202933A1 (ja) | 農業支援システム | |
Mittal et al. | IoT-based precision monitoring of horticultural crops—A case-study on cabbage and capsicum | |
JP2022159110A (ja) | 農業支援装置、プログラム、農業支援システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210528 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20211118 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20211118 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220125 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240327 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240327 |