JP2023090062A - 推定装置、推定方法および推定プログラム - Google Patents

Abstract

【課題】植生指標を、より広く活用することが可能な推定装置、推定方法および推定プログラムを提供する。【解決手段】情報処理装置２０は、複数の波長帯域で撮影された植物の画像に基づく前記植物の植生指標と、前記植物の葉および茎の少なくとも一方の生育状態を表す状態指標とを取得する取得部２１１と、前記植生指標および前記状態指標に基づいて、前記植物の生育量および前記植物の生育に有用な有用情報の少なくとも一方を推定する推定部とを備える。【選択図】図４

Description

本発明は、推定装置、推定方法および推定プログラムに関する。

農業では、高品質および安定多収穫な作物等の植物を育てるためには、追肥時期、追肥量および倒伏軽減措置等の適切な管理が必要となる。植物の生産者等は、植物の生育の度合いを確認しながら管理を行う。植物の生産者等は、たとえば、生育量を測定することにより生育の度合いを確認する。

一方、カメラを用いて圃場の撮影を行うことにより、ＮＤＶＩ（Ｎｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｖｅｇｅｔａｔｉｏｎ Ｉｎｄｅｘ）等の植生指標を求める方法が提案されている（たとえば、特許文献１参照）。

特開２０２１－５６２３６号公報

このような植生指標は、より広く活用されることが好ましい。

本発明は、上記のような事情に鑑みてなされたものであり、本発明の目的は、植生指標を、より広く活用することが可能な推定装置、推定方法および推定プログラムを提供することである。

本発明の上記目的は、下記によって達成される。

（１）複数の波長帯域で撮影された植物の画像に基づく前記植物の植生指標と、前記植物の葉および茎の少なくとも一方の生育状態を表す状態指標とを取得する取得部と、取得された前記植生指標および前記状態指標に基づいて、前記植物の生育量および前記植物の生育に有用な有用情報の少なくとも一方を推定する推定部とを備える推定装置。

（２）前記推定部は、前記生育量を推定する生育量推定部を含む上記（１）に記載の推定装置。

（３）前記生育量推定部は、記憶部に記憶された前記植生指標、前記状態指標および前記生育量の関係に基づいて、前記生育量を推定する上記（２）に記載の推定装置。

（４）前記生育量推定部は、学習済みの識別器を用いて、前記植生指標および前記状態指標を入力とし、前記生育量を推定する上記（２）または（３）に記載の推定装置。

（５）前記状態指標は、前記画像に基づいて算出される上記（１）～（４）のいずれかに記載の推定装置。

（６）前記状態指標は、前記植物の播種日または移植日に基づいて算出される上記（１）～（４）のいずれかに記載の推定装置。

（７）前記状態指標は、前記植物の播種日または移植日から所定の日までの日数、積算気温および積算日照時間の少なくともいずれか一つに基づいて算出される上記（６）に記載の推定装置。

（８）前記状態指標は、前記葉の大きさ、前記葉の数、前記葉の重なり具合、前記茎の大きさおよび前記植物の姿勢の少なくともいずれか一つを表す指標である上記（１）～（７）のいずれかに記載の推定装置。

（９）前記状態指標は、前記植物の植被率、葉面積、葉齢、草丈および受光態勢の少なくともいずれか一つを含む上記（１）～（８）のいずれかに記載の推定装置。

（１０）複数の前記波長帯域は可視光域および赤外光域を含む上記（１）～（９）のいずれかに記載の推定装置。

（１１）前記推定部は、前記有用情報を推定する有用情報推定部を含む上記（１）～（１０）のいずれかに記載の推定装置。

（１２）前記生育量に関する生育情報および前記有用情報の少なくとも一方を出力する出力部をさらに有する上記（１）～（１１）のいずれかに記載の推定装置。

（１３）複数の波長帯域で撮影された植物の画像に基づく前記植物の植生指標と、前記植物の葉および茎の少なくとも一方の生育状態を表す状態指標とを取得することと、前記植生指標および前記状態指標に基づいて、前記植物の生育量および前記植物の生育に有用な有用情報の少なくとも一方を推定することとを含む推定方法。

（１４）前記生育量および前記有用情報の少なくとも一方を推定することは、前記生育量を推定することを含む上記（１３）に記載の推定方法。

（１５）前記生育量を推定することでは、記憶部に記憶された前記植生指標、前記状態指標および前記生育量の関係に基づいて、前記生育量を推定する上記（１４）に記載の推定方法。

（１６）前記生育量を推定することでは、学習済みの識別器を用いて、前記植生指標および前記状態指標を入力とし、前記生育量を推定する上記（１４）に記載の推定方法。

（１７）前記状態指標は、前記画像に基づいて算出される上記（１３）～（１６）のいずれかに記載の推定方法。

（１８）前記状態指標は、前記植物の播種日または移植日に基づいて算出される上記（１３）～（１６）のいずれかに記載の推定方法。

（１９）前記状態指標は、前記植物の播種日または移植日からの日数、積算気温および積算日照時間の少なくともいずれか一つに基づいて算出される上記（１８）に記載の推定方法。

（２０）前記状態指標は、前記葉の大きさ、前記葉の数、前記葉の重なり具合、前記茎の大きさおよび前記植物の姿勢の少なくともいずれか一つを表す指標である上記（１３）～（１９）のいずれかに記載の推定方法。

（２１）前記状態指標は、前記植物の植被率、葉面積、葉齢、草丈および受光態勢の少なくともいずれか一つを含む上記（１３）～（２０）のいずれかに記載の推定方法。

（２２）複数の前記波長帯域は可視光域および赤外光域を含む上記（１３）～（２１）のいずれかに記載の推定方法。

（２３）前記生育量および前記有用情報の少なくとも一方を推定することは、前記有用情報を推定することを含む上記（１３）～（２２）のいずれかに記載の推定方法。

（２４）前記生育量に関する生育情報および前記有用情報の少なくとも一方を出力することをさらに含む上記（１３）～（２３）のいずれかに記載の推定方法。

（２５）上記（１３）～（２４）のいずれかに記載の推定方法をコンピューターに実行させる推定プログラム。

本発明に係る推定装置、推定方法および推定プログラムによれば、植生指標とともに、植物の葉および茎の少なくとも一方の生育状態を表す状態指標が取得され、これら植生指標および状態指標に基づいて、植物の生育量が推定される。換言すれば、状態指標を用いて、植生指標が生育量に換算される。これにより、植物の生産者等が植生指標の取り扱いに不慣れな場合であっても、植生指標を活用して植物の生育の度合いを容易に把握することができる。よって、植生指標を、より広く活用することが可能となる。

一実施形態に係る生育量推定システムの構成の一例を表すブロック図である。 図１に示した光測定装置の使用状態の一例を表す図である。 図１に示した情報処理装置の構成の一例を表すブロック図である。 図２に示した情報処理装置の機能構成の一例を表すブロック図である。 （Ａ）～（Ｄ）は図１に示した光測定装置により撮影された画像の一例を表す図である。 図３に示した生育量推定部に使用される関係式の一例を表す図である。 図１に示した情報処理装置が実行する処理の一例を表すフローチャートである。 （Ａ）（Ｂ）は、所定の圃場のＮＤＶＩと生育量との関係（２０２１年）を表す図である。 所定の圃場のＮＤＶＩと生育量との関係（２０１８年および２０１９年）を表す図である。 （Ａ）（Ｂ）は、図８（Ａ）（Ｂ）に示した図の縦軸を生育量および植被率の積に変換した図である。 （Ａ）（Ｂ）は、図８（Ａ）（Ｂ）に示した図の縦軸を生育量および葉齢の積に変換した図である。 （Ａ）（Ｂ）は、図８（Ａ）（Ｂ）に示した図の縦軸を生育量および草丈の積に変換した図である。 変形例に係る情報処理装置の機能構成の一例を表すブロック図である。 図１３に示した情報処理装置の機能構成の他の例を表すブロック図である。 図１３に示した情報処理装置が実行する処理の一例を表すフローチャートである。

以下、添付した図面を参照して本発明の推定装置、推定方法および推定プログラムの実施形態を説明する。なお、図中、同一の部材には同一の符号を用いた。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

［実施形態］
＜生育量推定システム１の全体構成＞
図１は、本発明の一実施形態に係る生育量推定システム１の構成の一例を表している。生育量推定システム１は、いわゆるリモートセンシングにより植物（たとえば、後述の図２の植物Ｐ）の生育量を推定する。この生育量推定システム１は、たとえば、光測定装置１０および情報処理装置２０を含んでいる。光測定装置１０および情報処理装置２０は、たとえば、ネットワークを介して接続されている。ここでは、情報処理装置２０が、本発明の推定装置の一具体例に対応する。

光測定装置１０は、たとえばマルチスペクトルカメラまたはハイパースペクトルカメラ等のカメラを含んでおり、情報処理装置２０の制御にしたがって、複数の波長帯域で圃場の植物を撮影し、画像を生成する。光測定装置１０は、たとえば、可視光測定部１０Ａおよび赤外光測定部１０Ｂを含んでおり、可視光（たとえば、波長４００ｎｍ～７００ｎｍ）の画像および赤外光（たとえば、波長８００ｎｍ～１ｍｍ）の画像を生成する。可視光測定部１０Ａは、たとえば、赤色波長域（６１０ｎｍ付近）、緑色波長域（５５０ｎｍ付近）および青色波長域（４７０ｎｍ付近）のいずれかの画像を生成する。赤外光測定部１０Ｂは、たとえば、近赤外波長域（８００ｎｍ～１３００ｎｍ）の画像を生成する。光測定装置１０により撮影された植物の画像データは、情報処理装置２０に送られる。

光測定装置１０は、たとえば、バンドパスフィルタ、結像光学系、イメージセンサーおよびデジタルシグナルプロセッサ（ＤＳＰ）等を含んでいる。バンドパスフィルタは、所定波長域（可視光域および赤外光域）の光を選択的に透過させる。結像光学系は、バンドパスフィルタを透過した光の光学像を所定の結像面上に結像する。イメージセンサーは、結像光学系の結像面と同じ位置に受光面を有しており、所定波長域の光学像を電気信号に変換する。デジタルシグナルプロセッサは、イメージセンサーから出力された電気信号に処理を施し、画像データを生成する。

図２は、光測定装置１０を用いた圃場の植物Ｐの撮影状況の一例を表している。光測定装置１０は、たとえば、ドローン等の無人航空機に搭載されて、上空から圃場の植物Ｐを撮影する。このように、上空から圃場の植物Ｐを撮影することにより、圃場全体を短時間で簡便に撮影することが可能となる。植物Ｐは、たとえば、水稲等の作物である。太陽光Ｌが植物Ｐの群葉に照射されると、植物Ｐの群葉による太陽光Ｌの反射（反射光Ｌｒ）、散乱（散乱光Ｌｓ）および透過（透過光Ｌｔ）等が生じる。光測定装置１０は、植物Ｐの群葉からの反射光Ｌｒおよび散乱光Ｌｓを受光するようにドローン等に搭載されている。光測定装置１０により、植物Ｐの群葉の状態に応じた多重反射および多重散乱等の変化を検知することができる。

情報処理装置２０は、たとえばＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）およびタブレット端末等のコンピューターである。この情報処理装置２０は、たとえば、光測定装置１０による植物Ｐの撮像を制御するとともに、光測定装置１０によって撮影された植物Ｐの画像データに基づいて植物Ｐの生育量を推定する。

図３は、情報処理装置２０の概略構成の一例を示すブロック図である。情報処理装置２０は、たとえば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２３、ストレージ２４、通信インターフェース２５および操作表示部２６を有している。各構成は、バス２７を介して相互に通信可能に接続されている。

ＣＰＵ２１は、ＲＯＭ２２およびストレージ２４に記録されているプログラムにしたがって、上記各構成の制御や各種の演算処理を行う。ＣＰＵ２１の具体的な機能については後述する。

ＲＯＭ２２は、各種プログラムや各種データを格納する。

ＲＡＭ２３は、作業領域として一時的にプログラムやデータを記憶する。

ストレージ２４は、オペレーティングシステムを含む各種プログラムや、各種データを格納する。ストレージ２４には、後述の植物Ｐの植生指標、状態指標および生育量の関係が記憶されていてもよく、あるいは、学習済みの識別器を用いて、植物Ｐの画像データから植物Ｐの生育量を推定するためのアプリケーションがインストールされていてもよい。また、ストレージ２４には、光測定装置１０により撮影された植物Ｐの画像に関する情報が記憶されてもよい。ストレージ２４には、識別器として用いられる学習済みモデルおよび、機械学習に用いられる教師データが記憶されてもよい。

通信インターフェース２５は、他の装置と通信するためのインターフェースである。通信インターフェース２５としては、有線または無線の各種規格による通信インターフェースが用いられる。通信インターフェース２５は、たとえば、光測定装置１０または外部の装置から植物Ｐの画像データを受信したり、撮影条件を光測定装置１０に送信したりする際に用いられる。

操作表示部２６は、たとえば、ＬＣＤ（液晶ディスプレイ）または有機ＥＬディスプレイ等の表示部とタッチセンサーとを含むタッチパネルにより構成されている。各種情報を表示する表示部と、ユーザーの各種操作を受け付ける操作部とを別に設けるようにしてもよい。このとき表示部は、上記ディスプレイの他、ビューワーソフトまたはプリンター等により構成されていてもよく、操作部は、タッチセンサーおよびマウス等のポインティングデバイスまたはキーボード等により構成されていてもよい。

＜情報処理装置２０の機能＞
図４は、情報処理装置２０の機能構成を示すブロック図である。情報処理装置２０は、ＣＰＵ２１がストレージ２４に記憶されたプログラムを読み込んで処理を実行することによって、取得部２１１、生育量推定部２１２、および出力部２１３として機能する。

取得部２１１は、所定時点の植物Ｐの植生指標および状態指標を取得する。植生指標は、植物Ｐによる光の反射の特徴を生かして衛星データなどを使って簡易な計算式で植生の状況を把握することを目的として考案された指標で、植物Ｐの量や活力を表す。この植生指標は、複数の波長帯域で撮影された植物Ｐの画像、具体的には、光測定装置１０により撮影された画像に基づいて算出されている。植生指標としては、たとえば、ＮＤＶＩまたはＧＮＤＶＩ等が挙げられる。ＮＤＶＩは、たとえば以下の式（１）、ＧＮＤＶＩは、たとえば以下の式（２）によって各々表される。

取得部２１１が取得する植生指標は、ＧＮＤＶＩであることが好ましい。緑色光は、赤色光に比べて植物Ｐの反射率が高いので、ノイズを抑えることができ、また、赤外光の反射率との差分（Ｒ_ＩＲ－Ｒ_{ＧＲＥＥＮ}）が飽和しにくい。したがって、ＧＮＤＶＩでは、ＮＤＶＩに比べて、より高い精度で植生の活性度を検知することができる。

取得部２１１は、ＮＤＶＩおよびＧＮＤＶＩ以外の植生指標を取得してもよく、たとえば、ｍＮＤＶＩ（ｍｏｄｉｆｉｅｄ ＮＤＶＩ）、ＳＲ（Ｓｉｍｐｌｅ Ｒａｔｉｏ）、ＳＧＲ（Ｓｐｅｃｉｆｉｃ Ｇｒｏｗｔｈ Ｒａｔｅ）、ＰＲＩ（Ｐｈｏｔｏｃｈｅｍｉｃａｌ Ｒｅｆｌｅｃｔａｎｃｅ Ｉｎｄｅｘ）、ＲＧＲ（Ｒｅｌａｔｉｖｅ Ｇｒｏｗｔｈ Ｒａｔｅ）、ＮＰＣＩ（Ｎｏｒｍａｌｉｚｅｄ Ｐｉｇｍｅｎｔ Ｃｈｌｏｒｏｐｈｙｌｌ Ｉｎｄｅｘ）、ＳＲＰＩ（Ｓｉｍｐｌｅ Ｒａｔｉｏ Ｐｉｇｍｅｎｔ Ｉｎｄｅｘ）、ＮＰＱＩ（Ｎｏｒｍａｌｉｚｅｄ Ｐｈａｅｏｐｈｙｔｉｎｉｚａｔｉｏｎ Ｉｎｄｅｘ）、ＳＩＰＩ（Ｓｔｒｕｃｔｕｒｅ－Ｉｎｓｅｎｓｉｔｉｖｅ Ｐｉｇｍｅｎｔ Ｉｎｄｅｘ）、ＰＩ１、ＰＩ２、ＰＩ３およびＰＩ４等であってもよい。

状態指標は、植物Ｐの葉および茎の少なくとも一方の生育状態を表す指標である。この状態指標は、たとえば、植物Ｐの葉の大きさ、葉の数、葉の重なり具合、茎の大きさおよび植物Ｐの姿勢の少なくともいずれか一つを表し、具体的には、植物Ｐの植被率、葉面積、葉齢、草丈および受光態勢の少なくともいずれか一つを含んでいる。植被率は、単位面積当たりにおいて植生が地表面を占める面積の割合である。葉面積は、１株当たりの葉の積算面積である。葉齢は、種もみから直接出た茎（主稈）に生える葉の数である。草丈は、植物の地上部の高さ、即ち、地際から先端までの高さである。受光態勢は、太陽光（たとえば、図２の太陽光Ｌ）を受光するための葉の立ち姿であり、たとえば、植物Ｐの画像に基づいて数値化されている。

状態指標は、光測定装置１０により撮影された画像に基づいて算出されていることが好ましく、たとえば、植物Ｐの植被率であることが好ましい。これにより、光測定装置１０により撮影された画像に基づいて、植生指標および状態指標の両方を算出することができる。また、画像を用いることにより、圃場全体での植物Ｐの植被率を容易に求めることができ、圃場全体の植物Ｐの生育量の分布を推定しやすくなる。

図５（Ａ）～（Ｄ）は、光測定装置１０により撮影された圃場の植物Ｐの群葉の画像の一例を表している。図５（Ａ）は植物Ｐの移植後３０日、図５（Ｂ）は植物Ｐの移植後３５日、図５（Ｃ）は植物Ｐの移植後３７日、図５（Ｄ）は植物Ｐの移植後４３日の画像を各々表している。これらの画像に基づいて、たとえば情報処理装置２０が移植後３０日、３５日、３７日および４３日各々のＮＤＶＩおよび植被率を算出する。たとえば、移植後３０日のＮＤＶＩは０．３０、植被率は０．４４であり、移植後３５日のＮＤＶＩは０．４４、植被率は０．８０であり、移植後３７日のＮＤＶＩは０．５５、植被率は０．８９であり、移植後４３日のＮＤＶＩは０．６６、植被率は０．９３である。取得部２１１は、たとえば、このような画像から算出されたＮＤＶＩおよび植被率の値を取得する。

取得部２１１は、状態指標として、光測定装置１０により撮影された画像に基づいて算出された植物Ｐの受光態勢を取得してもよい。

状態指標は、植物Ｐの播種日または移植日に基づいて算出されていてもよい。たとえば、植物Ｐの葉面積、葉齢および草丈は、植物Ｐの播種日または移植日から所定の日までの日数、積算気温および積算日照時間の少なくともいずれか一つに基づいて算出することができる。植物Ｐの葉面積、葉齢および草丈は、測定により算出してもよい。たとえば、植物Ｐの草丈は、ドローンにＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）等を搭載して測定してもよく、あるいは、オルソ画像から視差を用いて測定してもよい。オルソ画像は、たとえば、ドローンに搭載されたカメラにより撮影した植物Ｐの複数枚の画像から生成される。

生育量推定部２１２は、取得部２１１により取得された所定時点の植物Ｐの植生指標および状態指標に基づいて、植物Ｐの生育量を推定する。生育量は、植物Ｐの葉色（たとえば、後述のＳＰＡＤ値）、茎数および草丈に基づいて生育の度合いを表す指標である。植物Ｐの生産者等は、たとえば、この生育量に基づいて、植物Ｐの生育ステージを判断し、追肥時期、追肥量および倒伏軽減措置等の管理を行う。本実施形態では、この生育量推定部２１２が、所定時点の植物Ｐの植生指標および状態指標に基づいて、植物Ｐの生育量を推定する。詳細は後述するが、これにより、植生指標をより広く活用することが可能となる。

生育量推定部２１２は、たとえば、ストレージ２４に記憶された植生指標、状態指標および生育量の関係に基づいて、所定時点の植物Ｐの生育量を推定する。ストレージ２４には、たとえば、予め求められた植物Ｐの植生指標、状態指標および生育量の関係式が記憶されている。この関係式を求めるとき、植物Ｐの生育量は、たとえば、下記の式（３）を用いて決定されている。植物Ｐの植生指標、状態指標および生育量の関係式は、たとえば、過去の植物Ｐのデータを用いて求められている。植物Ｐの植生指標、状態指標および生育量の関係式は、過去数年分のデータを用いて求められていてもよい。植物Ｐの植生指標、状態指標および生育量の関係式は、所定期間毎に更新されてもよい。

図６は、植物Ｐの植生指標、状態指標および生育量の関係の一例を表している。図６の縦軸は生育量および状態指標の積（生育量×状態指標）を表し、横軸は植生指標を表している。植物Ｐの植生指標、状態指標および生育量の関係式は、たとえば、以下の式（４）のような一次関数で表される。

生育量推定部２１２は、たとえば、取得部２１１により取得された植生指標および状態指標と式（４）とを用いて所定時点の植物Ｐの生育量を推定する。植物Ｐの植生指標、状態指標および生育量の関係式は、一次の相関に限定されない。

生育量推定部２１２は、機械学習を利用して植物Ｐの生育量を推定してもよい。たとえば、生育量推定部２１２は、学習済みの識別器を用いて、取得部２１１により取得された植物Ｐの植生指標および状態指標を入力とし、植物Ｐの生育量を推定する。学習済みの識別器は、たとえば、ストレージ２４に記憶されている。この学習済みの識別器には、過去の画像から算出された植物Ｐの植生指標および状態指標と、生育量の測定値とが、教師データとして予め学習されている。

出力部２１３は、生育量推定部２１２により推定された所定時点の植物Ｐの生育量に関する生育情報を出力する。生育情報は、たとえば、生育量の値を示す情報、所定の生育量に対する過不足を示す情報、および所定の生育量に対する過不足量を示す情報等である。出力部２１３は、たとえば、この生育量の値を操作表示部２６に表示することにより、生育情報を出力する。出力部２１３は、「生育不良です」、「生育順調です」および「生育過多です」等の情報を操作表示部２６に表示してもよく、あるいは、音声により生育情報を出力してもよい。

＜情報処理装置２０の処理概要＞
情報処理装置２０において実行される処理、即ち、情報処理装置２０が実行する推定方法について、以下に詳述する。

図７は、情報処理装置２０において実行される推定処理の手順を示すフローチャートである。図７のフローチャートに示される情報処理装置２０の処理は、情報処理装置２０のストレージ２４にプログラムとして記憶されており、ＣＰＵ２１が各部を制御することにより実行される。

（ステップＳ１０１）
情報処理装置２０は、まず、所定時点の植物Ｐの植生指標および状態指標を取得する。情報処理装置２０は、たとえば、光測定装置１０により撮影された所定時点の圃場全体の植物Ｐの画像から算出されたＧＮＤＶＩおよび植被率を取得する。

（ステップＳ１０２）
情報処理装置２０は、ステップＳ１０１の処理において取得された植生指標および状態指標を、予めストレージ２４に記憶された植生指標、状態指標および生育量の関係式（たとえば、上記の式（４））に入力して、所定時点の植物Ｐの生育量を推定する。

（ステップＳ１０３）
情報処理装置２０は、ステップＳ１０２の処理において推定された所定時点の植物Ｐの生育量に関する生育情報を出力して処理を終了する。たとえば、情報処理装置２０は、ステップＳ１０２の処理において推定された所定時点の植物Ｐの生育量の値を操作表示部２６に表示することにより、生育情報を出力する。

＜情報処理装置２０および生育量推定システム１の作用効果＞
本実施形態の情報処理装置２０および生育量推定システム１では、光測定装置１０により撮影された画像に基づいて算出された植生指標とともに、状態指標を用いることにより、所定時点の植物Ｐの生育量が推定される。換言すれば、状態指標を用いて、植生指標が生育量に換算される。これにより、植物Ｐの生産者等が植生指標の取り扱いに不慣れな場合であっても、植生指標を活用して植物Ｐの生育の度合いを容易に把握することができる。以下、この作用効果について詳細に説明する。

ＮＤＶＩおよびＧＮＤＶＩ等の植生指標は、画像から算出できるため、非接触で、かつ、圃場の広い領域にわたって一度に計測することができる。このため、植物の生産者等は、植生指標から圃場全体の植生の活性度分布を容易に把握することが可能である。即ち、植生指標は、植生の活性度を表す有益な指標であると言える。

一方、植物の生産者等は、長く、植物の生育の度合いを表す指標として生育量を使用しており、植生指標の取り扱いには不慣れな生産者等が多い。生育量は、上述の式（３）から算出される。このとき、植物の葉色（ＳＰＡＤ値）は、接触式のセンサーを用いて測定されるので、測定に手間がかかり、また、圃場全体での生育量の分布を正確に把握することは困難である。ここで、植生指標を生育量に紐づけることができれば、植物の生産者等は上記のように有益な植生指標を利用しやすくなる。

図８（Ａ）（Ｂ）は、稲の移植後３０日～５８日のＮＤＶＩと生育量との関係を表している。図８（Ａ）（Ｂ）は、２０２１年のデータであり、横軸にＮＤＶＩ、縦軸に生育量が表されている。図８（Ａ）は、図８（Ｂ）のデータを移植後の日数（移植後３０日、３５日、３７日、４３日、５１日、５８日）別に表したものである。図８（Ａ）から、移植後の日数に応じて、換言すれば、生育ステージに応じてＮＤＶＩと生育量との関係がシフトしていることが分かる。詳細には、生育初期の段階では、ＮＤＶＩと生育量との関係が一定に維持されるが、幼穂形成期に入る１０日前頃からＮＤＶＩと生育量との関係が変化し始めている。また、品種によっても、植生指標と生育量との関係は異なる。

図９は、２０１８年および２０１９年の同時期の稲のＮＤＶＩと生育量との関係を表している。このように、同時期であっても、各年により植生指標と生育量との関係は異なっている。これは、同時期であっても、各年の気象条件等の違いから、稲の生育ステージが異なるためであると考えられる。

予め、植物の品種毎かつ生育ステージ毎に植生指標と生育量との関係を求めておくことにより、植生指標を生育量に換算することは可能であるが、これには膨大かつ煩雑な作業を要する。

これに対し、生育量推定システム１および情報処理装置２０では、植物の葉および茎の少なくとも一方の生育状態を表す状態指標を用いるようにしたので、容易に植生指標を生育量に換算することが可能となる。

図１０（Ａ）（Ｂ）は、図８（Ａ）（Ｂ）に示したデータを、状態指標を用いてプロットし直したものである。図１０（Ａ）（Ｂ）の横軸はＮＤＶＩ、縦軸は生育量および植被率の積を表している。このように、ＮＤＶＩ、植被率および生育量では、生育ステージ全体にわたる一定の関係が維持される。したがって、生育ステージの段階に関わらず、一つの関係式を用いて植生指標を生育量に換算することができる。

図１１（Ａ）（Ｂ）および図１２（Ａ）（Ｂ）は各々、図８（Ａ）（Ｂ）に示したデータを、葉齢、草丈を用いてプロットし直したものである。図１０（Ａ）（Ｂ）の横軸はＮＤＶＩ、縦軸は生育量および葉齢の積を表し、図１１（Ａ）（Ｂ）の横軸はＮＤＶＩ、縦軸は生育量および草丈の積を表している。このように、状態指標として葉齢および草丈を用いたときにも、生育ステージ全体にわたって、ＮＤＶＩおよび生育量と一定の関係が維持される。

以上説明したように、生育量推定システム１および情報処理装置２０では、植物Ｐの植生指標とともに、植物Ｐの状態指標が取得されるので、容易に植生指標を生育量に換算することができる。これにより、植物の生産者等が植生指標の取り扱いに不慣れな場合であっても、植生指標を活用して植物の生育の度合いを容易に把握することができる。よって、植生指標を、より広く活用ことが可能となる。

また、植生指標が生育量に紐づけられるので、植生指標が植物の生産者等に身近となり、農業に植生指標を普及させることが可能となる。これにより、たとえば、農業試験場などが作成する栽培指針に植生指標を取り込みやすくなる。したがって、農業分野でのリモートセンシングの活用が促進され、いわゆるスマート農業の実現を推進することができる。

以下、上記実施形態で説明した情報処理装置２０の変形例について説明する。なお、以下では、説明の重複を避けるため、上記実施形態で説明した情報処理装置２０の各構成と同様の構成については詳細な説明を省略する。

［変形例］
図１３は、変形例に係る情報処理装置２０のＣＰＵ２１の機能構成を表している。ＣＰＵ２１は、取得部２１１、生育量推定部２１２、および出力部２１３に加えて、有用情報推定部２１４として機能してもよい。

有用情報推定部２１４は、生育量推定部２１２によって推定された所定時点の植物Ｐの生育量に基づいて有用情報を推定する。有用情報は、植物Ｐの生育に有用な情報であり、たとえば、施肥量、施肥時期、倒伏軽減剤の使用量および使用時期等を示す情報である。有用情報推定部２１４は、たとえば、ストレージ２４に記憶された生育量と有用情報との関係に基づいて、植物Ｐの有用情報を推定する。

有用情報推定部２１４は、機械学習を利用して植物Ｐの有用情報を推定してもよい。たとえば、有用情報推定部２１４は、学習済みの識別器を用いて、生育量推定部２１２で推定された生育量を入力とし、植物Ｐの有用情報を推定する。学習済みの識別器は、たとえば、ストレージ２４に記憶されている。

出力部２１３は、上記生育情報および有用情報の少なくとも一方を出力する。有用情報は、化成肥料１０ｋｇあるいは追肥時期１ヶ月後等の具体的な数値を含む情報であってもよく、あるいは、追肥の有無および倒伏の危険度を示す情報であってもよい。出力部２１３は、たとえば、「追肥不要です」および「倒伏に注意してください」等の文章を操作表示部２６に表示することにより、有用情報を出力してもよい。出力部２１３は、音声を出力することにより、有用情報を出力してもよい。

図１４は、図１３に示したＣＰＵ２１の機能構成の他の例を表している。ＣＰＵ２１は、取得部２１１、有用情報推定部２１４および出力部２１３として機能し、生育量推定部（図１２の生育量推定部２１２）の機能を有していなくてもよい。このとき、有用情報推定部２１４は、取得部２１１により取得された植生指標および状態指標に基づいて有用情報を推定する。有用情報推定部２１４は、たとえば、ストレージ２４に記憶された植生指標、状態指標および有用情報の関係に基づいて、植物Ｐの有用情報を推定する。あるいは、有用情報推定部２１４は、取得部２１１により取得された植生指標および状態指標を入力とし、機械学習を用いて植物Ｐの有用情報を推定してもよい。

図１５は、この情報処理装置２０において実行される推定処理の手順を示すフローチャートである。

（ステップＳ２０１、Ｓ２０２）
情報処理装置２０は、まず、上述のステップＳ１０１、Ｓ１０２（図７）と同様にして、所定時点の植物Ｐの植生指標および状態指標を取得した後、植物Ｐの生育量を推定する。情報処理装置２０は、ステップＳ２０１の後、ステップＳ２０３の処理に進んでもよい。

（ステップＳ２０３、Ｓ２０４）
次いで、情報処理装置２０は、ステップＳ２０２の処理において推定された植物Ｐの生育量に基づいて、植物Ｐの有用情報を推定する。この後、情報処理装置２０は、ステップＳ２０３の処理において推定された植物Ｐの有用情報に関する有用情報を出力して処理を終了する。情報処理装置２０は、有用情報とともに、ステップＳ２０２で推定された生育量に関する生育情報を出力してもよい。

このようなＣＰＵ２１を有する情報処理装置２０も、上記実施形態で説明したのと同様に、植物Ｐの植生指標とともに、植物Ｐの状態指標が取得されるので、容易に植生指標を生育量に換算することができる。これにより、植物の生産者等が植生指標の取り扱いに不慣れな場合であっても、画像から算出された植生指標を活用して植物の生育度合いを容易に把握することができる。よって、植生指標を、より広く活用ことが可能となる。また、この情報処理装置２０では、有用情報が推定されるので、植物Ｐの生産者等はさらに植物の生育に有用な情報を得ることができる。

以上のように、実施形態および変形例において本発明の推定装置、推定方法および推定プログラムについて説明した。しかしながら、本発明は、その技術思想の範囲内において当業者が適宜に追加、変形、および省略することができることはいうまでもない。

たとえば、上記実施形態では、植物Ｐが稲である例を説明したが、植物Ｐは大豆、小豆または麦等であってもよい。

また、上記実施形態では、生育量推定システム１が、光測定装置１０および情報処理装置２０を含む例を説明したが、生育量推定システム１は、さらに、植生指標の補正を行う植生指標補正部等を有していてもよい。植生指標補正部は、たとえば、太陽光の強度および高度等に応じて、画像から算出された植生指標を補正する。

また、上記実施形態および変形例では、ストレージ２４に関係式または学習済みの識別器が記憶されている例を説明したが、関係式および学習済みの識別器は、外部の記憶装置等に記憶されていてもよい。

また、上記の実施形態におけるフローチャートの処理単位は、各処理の理解を容易にするために、主な処理内容に応じて分割したものである。処理ステップの分類の仕方によって、本願発明が制限されることはない。各処理は、さらに多くの処理ステップに分割することもできる。また、１つの処理ステップが、さらに多くの処理を実行してもよい。

上述した実施形態に係るシステムにおける各種処理を行う手段および方法は、専用のハードウェア回路、またはプログラムされたコンピューターのいずれによっても実現することが可能である。上記プログラムは、たとえば、フレキシブルディスクおよびＣＤ－ＲＯＭ等のコンピューター読み取り可能な記録媒体によって提供されてもよいし、インターネット等のネットワークを介してオンラインで提供されてもよい。この場合、コンピューター読み取り可能な記録媒体に記録されたプログラムは、通常、ハードディスク等の記憶部に転送され記憶される。また、上記プログラムは、単独のアプリケーションソフトとして提供されてもよいし、システムの一機能としてその装置のソフトウエアに組み込まれてもよい。

１ 生育量推定システム、
１０ 光測定装置、
１０Ａ 可視光測定部、
１０Ｂ 赤外光測定部、
２０ 情報処理装置、
２１ ＣＰＵ、
２１１ 取得部、
２１２ 生育量推定部、
２１３ 出力部、
２１４ 有用情報推定部、
２２ ＲＯＭ、
２３ ＲＡＭ、
２４ ストレージ、
２５ 通信インターフェース、
２６ 操作表示部。

Claims (25)

1. 複数の波長帯域で撮影された植物の画像に基づく前記植物の植生指標と、前記植物の葉および茎の少なくとも一方の生育状態を表す状態指標とを取得する取得部と、
   取得された前記植生指標および前記状態指標に基づいて、前記植物の生育量および前記植物の生育に有用な有用情報の少なくとも一方を推定する推定部と
   を備える推定装置。
2. 前記推定部は、前記生育量を推定する生育量推定部を含む請求項１に記載の推定装置。
3. 前記生育量推定部は、記憶部に記憶された前記植生指標、前記状態指標および前記生育量の関係に基づいて、前記生育量を推定する請求項２に記載の推定装置。
4. 前記生育量推定部は、学習済みの識別器を用いて、前記植生指標および前記状態指標を入力とし、前記生育量を推定する請求項２または３に記載の推定装置。
5. 前記状態指標は、前記画像に基づいて算出される請求項１～４のいずれかに記載の推定装置。
6. 前記状態指標は、前記植物の播種日または移植日に基づいて算出される請求項１～４のいずれかに記載の推定装置。
7. 前記状態指標は、前記植物の播種日または移植日から所定の日までの日数、積算気温および積算日照時間の少なくともいずれか一つに基づいて算出される請求項６に記載の推定装置。
8. 前記状態指標は、前記葉の大きさ、前記葉の数、前記葉の重なり具合、前記茎の大きさおよび前記植物の姿勢の少なくともいずれか一つを表す指標である請求項１～７のいずれかに記載の推定装置。
9. 前記状態指標は、前記植物の植被率、葉面積、葉齢、草丈および受光態勢の少なくともいずれか一つを含む請求項１～８のいずれかに記載の推定装置。
10. 複数の前記波長帯域は可視光域および赤外光域を含む請求項１～９のいずれかに記載の推定装置。
11. 前記推定部は、前記有用情報を推定する有用情報推定部を含む請求項１～１０のいずれかに記載の推定装置。
12. 前記生育量に関する生育情報および前記有用情報の少なくとも一方を出力する出力部をさらに有する請求項１～１１のいずれかに記載の推定装置。
13. 複数の波長帯域で撮影された植物の画像に基づく前記植物の植生指標と、前記植物の葉および茎の少なくとも一方の生育状態を表す状態指標とを取得することと、
    前記植生指標および前記状態指標に基づいて、前記植物の生育量および前記植物の生育に有用な有用情報の少なくとも一方を推定することと
    を含む推定方法。
14. 前記生育量および前記有用情報の少なくとも一方を推定することは、前記生育量を推定することを含む請求項１３に記載の推定方法。
15. 前記生育量を推定することでは、記憶部に記憶された前記植生指標、前記状態指標および前記生育量の関係に基づいて、前記生育量を推定する請求項１４に記載の推定方法。
16. 前記生育量を推定することでは、学習済みの識別器を用いて、前記植生指標および前記状態指標を入力とし、前記生育量を推定する請求項１４に記載の推定方法。
17. 前記状態指標は、前記画像に基づいて算出される請求項１３～１６のいずれかに記載の推定方法。
18. 前記状態指標は、前記植物の播種日または移植日に基づいて算出される請求項１３～１６のいずれかに記載の推定方法。
19. 前記状態指標は、前記植物の播種日または移植日からの日数、積算気温および積算日照時間の少なくともいずれか一つに基づいて算出される請求項１８に記載の推定方法。
20. 前記状態指標は、前記葉の大きさ、前記葉の数、前記葉の重なり具合、前記茎の大きさおよび前記植物の姿勢の少なくともいずれか一つを表す指標である請求項１３～１９のいずれかに記載の推定方法。
21. 前記状態指標は、前記植物の植被率、葉面積、葉齢、草丈および受光態勢の少なくともいずれか一つを含む請求項１３～２０のいずれかに記載の推定方法。
22. 複数の前記波長帯域は可視光域および赤外光域を含む請求項１３～２１のいずれかに記載の推定方法。
23. 前記生育量および前記有用情報の少なくとも一方を推定することは、前記有用情報を推定することを含む請求項１３～２２のいずれかに記載の推定方法。
24. 前記生育量に関する生育情報および前記有用情報の少なくとも一方を出力することをさらに含む請求項１３～２３のいずれかに記載の推定方法。
25. 請求項１３～２４のいずれかに記載の推定方法をコンピューターに実行させる推定プログラム。

Images