JP2023502608A - 自律屋内農業のための方法及び装置 - Google Patents

Abstract

自律農業システムは、少なくとも１つの生育モジュールで生育する植物の１つ以上の植物特性を特徴付ける植物特性データを獲得するように構成されたコンピューティング装置を含む。コンピューティング装置は、農業エンジンを用いて植物特性データに基づいて植物の少なくとも１つの生育欠乏を判定し、少なくとも１つの生育モジュールに作動可能に結合された農業コントローラに少なくとも１つの農業行為を送信するようにさらに構成される。少なくとも１つの農業行為は、植物の生育条件を向上させるための改善措置を含む。

Description

(関連出願の相互参照)
本出願は、２０１９年１１月１３日に出願された米国仮出願番号６２／９３４，９４２の利益を主張する。前記出願の開示全体は、参照として本明細書に組み込まれる。

本開示は、一般に、屋内農業システムに関し、より詳細には自律屋内農業システムの方法及び装置に関する。

世界の食料生産システムは、今後数十年内に重要な課題を解決する必要がある。農業活動が環境に与える影響を減らしながら、増加する世界の人口に食料を供給する方法を見出すことが非常に重要である。温室及び屋内農業を含む環境制御型農業（ＣＥＡ）は、一部の作物に対する従来の生産に現実的な代案を提供する。屋内垂直農業は、季節に関係なく、より早く、より制御された生産を可能にする。また、屋内垂直農業は、害虫、汚染、重金属、及び病原菌などのその他の環境変動の影響を受けることがない。屋内垂直農業はまた、栄養の損失がなく、必要な土地を減らし、廃棄物管理が向上し、生産損失が減少し、輸送費用が減少し、清潔な水の使用量を減少することによって、環境への影響を減少させることができる。従って、屋内垂直農業は重要な課題への対処の一助となることができる。

しかし、屋内垂直農業の現在の方法及びシステムは、実施するには比較的高価であり、また作物を生育するための部屋またはコンテナ内の可用空間を効率的に利用できない。例えば、屋内農業システムを実施するには、密閉された部屋またはコンテナが提供されなければならず、その後、制御可能な環境で作物または植物を生育するように構成されなければならない。照明、温度、湿度、及び気流などの環境パラメータは、上述の屋内農業の利点を達成するために部屋またはコンテナ内で制御可能である。しかし、このような環境制御には比較的高価なセンサ及び制御システムが必要である。さらに、植物を維持するための棚及び／またはラックは、屋内またはコンテナ内に配置しなければならず、比較的大きな部屋またはコンテナの場合は、各々の棚及び／またはラックに接近するために人間の操作者が密閉された部屋またはコンテナ内部に歩いて入ることを可能にするように、空間が部屋またはコンテナ内に割り当てられる。従って、部屋またはコンテナ内の多くの空間は植物を生育するために割り当てられず、代わりに部屋またはコンテナ内で人の接近及び移動を可能にするために割り当てられる。これは、植物／作物を生育するために密閉された部屋またはコンテナ内の高価な空間を非効率的に活用するものである。

さらに、屋内垂直農業の現在の方法及びシステムは、自律作動することができない。現在の方法及びシステムは、生育する植物の状態を評価し、この植物の状態に基づいて生育する植物が必要なものを最もよく提供するように生育区域内の環境を調整することができない。現在の方法及びシステムは、生育区域内の生育植物のための条件を最適化するために、生育区域内の環境を修正及び調整するのに以前の生育周期から学習することができない。屋内垂直農業の現在の方法及びシステムは、以前の生育周期から生育区域内で生育する植物の状態及び健康に対応して生育区域内の環境を自動的に調整するために学習することができない。従って、現在の屋内農業の方法及びシステムは全く満足できるものではない。

このセクションは、本開示の一般的な要約を提供し、その全体の範囲またはその特徴の全てに対する包括的な開示ではない。

本開示による一部の実施形態において、自律農業システムは、少なくとも１つの生育モジュールで生育する植物の１つ以上の植物特性を特徴付ける植物特性データを獲得し、農業エンジンを用いて、前記植物特性データに基づいて植物の少なくとも１つの生育欠乏を判定するように構成されたコンピューティング装置を含むことができる。また、コンピューティング装置は、少なくとも１つの生育モジュールに動作可能に結合された農業コントローラに少なくとも１つの農業行為を送信するように構成できるし、ここで、少なくとも１つの農業行為は、植物の生育条件を向上させるための改善措置を含む。

一態様において、農業エンジンは、訓練された機械学習モデルを含むことができる。
他の態様において、植物特性データは、少なくとも１つの生育モジュールに位置する１つ以上のセンサによって収集できる。

他の態様において、コンピューティング装置は、少なくとも１つの生育モジュール内部の植物の生育条件を特徴付ける植物環境データを獲得するように構成でき、少なくとも１つの生育欠乏は、植物環境データに基づいて判定されることができる。

他の態様において、農業エンジンは、植物特性履歴データ及び環境履歴データを用いて訓練された機械学習モデルを含むことができる。

他の態様において、農業コントローラは、空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムの少なくとも１つに動作可能に結合できる。

他の態様において、少なくとも１つの農業行為は、空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムの少なくとも１つに生育モジュールでの生育条件を変更させる命令を含むことができる。

他の態様において、植物特性データは、生育モジュールにおける視覚システムによって収集された画像データを含むことができ、ここで、画像データは、生育モジュールにおける植物の画像を含むことができる。

他の態様において、農業エンジンは、画像履歴データに基づいて、植物の少なくとも１つの欠乏を自動的に判定することができる。

他の態様において、コンピューティング装置は、農業エンジンの機械学習モデルを再訓練させ、コンピューティング装置が再訓練された機械学習モデルの性能が初期の機械学習モデルの性能を凌駕していると判定すると、初期の機械学習モデルを再訓練された機械学習モデルに置き換えるように構成することができる。

他の態様において、少なくとも１つの生育モジュールは、複数の生育コンテナを含み、複数の生育コンテナは、生育コンテナのマトリックスを定義するために少なくとも２つの列と少なくとも２つの行に配置される。また、コンピューティング装置は、複数の生育コンテナの各々で生育する植物の１つ以上の植物特性を特徴付ける植物特性データを獲得することができる。

本開示による一部の実施形態において、自律的な方法が提供される。自律農業の方法は、少なくとも１つの生育モジュールで生育する植物の１つ以上の植物特性を特徴付ける植物特性データを獲得するステップと、農業エンジンを用いて植物特性データに基づいて植物の少なくとも１つの生育欠乏を判定するステップを含むことができる。また、前記方法は、少なくとも１つの生育モジュールに動作可能に結合された農業コントローラに少なくとも１つの農業行為を送信するステップを含むことができ、ここで、少なくとも１つの農業行為は、植物の生育条件を向上させるための改善措置を含む。

本開示による一部の実施形態において、自律農業装置は、独立して制御可能な環境をそれぞれ有する複数の密閉された生育コンテナを含み得、ここで、複数の密閉された生育コンテナは、生育コンテナのマトリックスを定義するために少なくとも２つの列と少なくとも２つの行に配向されている。また、自律農業装置は、複数の密閉された生育コンテナの各々に位置する少なくとも１つの移動可能なカートを含むことができ、少なくとも１つの移動可能なカートのそれぞれは、１つ以上の植物を維持するように構成される。多関節ロボットは、生育コンテナのマトリックスの各々の列に接近するためにトラックに沿って第１方向に移動することができ、また、生育コンテナのマトリックスの各々の行に接近するためにライザーに沿って第２方向に移動することができるように、多関節ロボットはトラック及びライザー上に移動可能に位置することができる。

他の態様において、多関節ロボットは、生育コンテナのマトリックスにおける各々の生育コンテナから、少なくとも１つの移動可能なカートを抽出及び挿入することができる。

他の態様において、生育コンテナのマトリックスにおける各々の生育コンテナは、生育コンテナの底部に対して異なる位置で少なくとも１つの移動可能なカートを支持するように構成された少なくとも２つの段を含むことができる。

他の態様において、自律農業装置は、コンピューティング装置及び農業コントローラを含むこともできる。コンピューティング装置は、農業コントローラに接続することができ、また訓練された機械学習モデルを用いて１つ以上の植物の少なくとも１つの欠乏を判定するように構成できる。

他の態様において、コンピューティング装置は、各々の生育モジュールに位置する１つ以上のセンサから獲得された植物特性データに基づいて少なくとも１つの欠乏を判定することができる。

他の態様において、コンピューティング装置は、各々の生育モジュールに位置する１つ以上のセンサから獲得された環境データにさらに基づいて少なくとも１つの欠乏を判定することができる。

他の態様において、機械学習モデルは、各々の生育モジュールに位置するセンサから獲得された植物特性履歴データ及び環境履歴データを用いて訓練できる。

他の態様において、コンピューティング装置は、空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムのうちの１つが複数の生育モジュールのうちの１つで生育条件を変更するために、複数の生育モジュールのうちの１つに位置する空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムのうちの１つに農業行為を送信することができる。

適用可能性の追加領域は、本明細書に提供された記載から明らかになるであろう。この要約の記載及び具体的な例は、単に例示のためのものであり、本開示の範囲を限定しようとするものではない。

本発明の態様は、添付図面と共に読む際に、次の詳細な説明から最もよく理解される。様々な特徴は必ずしも原寸に比例するとは限らない。実際、様々な特徴の寸法及び幾何学的形状は、例示の明確性のために任意に大きくする、または小さくする場合がある。

一部の実施形態による、自律屋内農業施設の斜視図を示す。 一部の実施形態による、自律屋内農業施設の斜視図を示す。 一部の実施形態による、自律屋内農業施設の斜視図を示す。 一部の実施形態による、自律屋内農業施設の斜視図を示す。 一部の実施形態による、屋内農業モジュールの斜視図を示す。 一部の実施形態による、植物トレイの複数の垂直層を示すために一端が開放された屋内農業モジュールの例示的な斜視図を示し、各垂直層は複数の列の植物トレイを有し、モジュールの内部幅全体にわたって延びている。 一部の実施形態による、屋内農業モジュールの例示的な端面図を示す。 一部の実施形態による、屋内農業モジュールの例示的な端面図を示す。 一部の実施形態による、屋内農業モジュールの例示的な端面図を示す。 一部の実施形態による、自律屋内農業施設の斜視図を示す。 一部の実施形態による、自律屋内農業システムのシステムブロック図を示す。 一部の実施形態による、屋内農業施設におけるコントローラの例示的なブロック図を示す。 一部の実施形態による、自律屋内農業のための人工知能（ＡＩ）システムのブロック図を示す。 一部の実施形態による、図６Ａの自律農業システムの態様のブロック図を示す。 一部の実施形態による、植物、並びに欠乏の例示的な指標の例である。 一部の実施形態による、果実、並びに欠乏の例示的な指標の例である。 一部の実施形態による、別の植物、並びに欠乏の例示的な指標の例である。 一部の実施形態による、また別の植物、並びに欠乏の例示的な指標の例である。 一部の実施形態による、別の植物、並びに経時による進行を示す欠乏の例示的な指標の例である。 一部の実施形態による、自律農業の例示的な方法を示すフローチャートである。 一部の実施形態による、自律農業の他の例示的な方法を示すフローチャートである。 一部の実施形態による、機械学習モデルを再訓練させる例示的な方法を示すフローチャートである。

本発明の様々な例示的な実施形態は、添付の図面を参照して当業者が本発明を作って用いることができるように、以下に記載する。当業者に明らかなように、本開示を読んだ後、本発明の範囲を逸脱ことなく、本明細書に記載の実施例に対する様々な変更または修正を行うことができる。従って、本発明は、本明細書に記載するまたは示す例示的な実施形態及び用途に制限されるものではない。また、本明細書に開示された方法におけるステップの特定の順序または 階層は、単なる例示的な手法に過ぎない。設計の選好に基づいて、開示される方法またはプロセスのステップにおける特定の順序または階層は、本発明の範囲内にとどまって再配置することができる。従って、当業者は、本明細書に開示される方法及び技術がサンプル的な順序で、様々なステップまたは行為を提示し、明示的に別段の記載がない限り、本発明は提示された特定の序または階層に限定されないことを理解するであろう。

本発明の実施形態を添付の図面を参照しながら詳細に説明する。同一または類似の構成要素は、異なる図面に示されていても、同一または類似の参照符号で示されることがある。構成要素及び配置の具体的な例は、本開示を単純化するために以下に記載する。もちろん、これらは例示であり、限定しようとするものではない。例えば、要素が他の要素に「結合された」または「連結された」とされる場合、他の要素に直接結合または連結され得るか、または１つ以上の介在要素が存在し得るということを理解するであろう。

図１Ａ～図１Ｄは、一部の実施形態による自律屋内農業施設１００の斜視図を示す。例示の実施形態において、自律屋内農業施設１００は、５列に配置された１０の屋内農業モジュール１０２を含み、各列は２つの積層された屋内農業モジュール１０２を含む。例示の実施形態において、自律屋内農業施設１００は、屋内農業モジュール１０２の第１端部を介してカートを自動的に積載及び荷役するように設計された、少なくとも１つのトレイハンドリングシステムを含む。一部の他の実施形態において、トレイハンドリングシステムは、カートから個別の作物を自動的に植え、除去するためにさらに設計される。

例示の実施形態において、トレイハンドリングシステムは、多関節ロボット１０４、２つの線形移送システム１０６／１０８、トラック１１０、及びロボットコントローラ（図示せず）を含む。一部の実施形態において、トレイハンドリングシステムは、所定のカートを屋内農業モジュール１０２のシャーシから所定の位置（例えば保管ラック）に移送するように構成される。一部の実施形態において、新しい作物を屋内農業モジュール１０２に挿入する際、トレイハンドリングシステムは、所定のカートを保管ラックから屋内農業モジュール１０２のシャーシに移送するように構成される。

一部の実施形態において、屋内農業モジュール１０２は、屋内農業モジュール１０２内の作物に制御可能な環境を提供するために、以下のサブシステムである、空気循環システム、照明システム、灌漑システム、液体循環システム、視覚システム、コントローラ、及びローカルコンピュータの少なくとも１つを含む。屋内農業モジュール１０２における少なくとも１つのサブシステムそれぞれについては、以下で詳細に説明する。

一部の実施形態において、多関節ロボット１０４は、自律屋内農業施設１００における屋内農業モジュール１０２の外部に構成される。一部の実施形態において、多関節ロボット１０４は、対応する継手に結合された複数のアームセグメントを制御するための複数の継手を含む。一部の実施形態において、複数の継手それぞれは、複数の継手それぞれに回転運動を提供するために電気モータ（図示せず）に結合される。一部の実施形態において、多関節ロボット１０４は、多関節ロボット１０４が複数の屋内農業モジュール１０２でカートに接近して正確に積載及び荷役できるようにする複数の軸を有する。一部の実施形態において、多関節ロボット１０４は、移送中にカートを着脱可能に結合するためのフォーク型アタッチメントを含み、これについては、以下でさらに詳細に説明する。

一部の実施形態において、ロボットコントローラは、所定の規則または予め予定された作業に従ってトレイハンドリングシステムを管理及び作動させるように構成される。一部の実施形態において、所定の規則または予め予定された作業は、カート上のトレイ内の植物の生育状態及び生育ステップによって決定され、ここで、生育状態及び生育ステップは、視覚システムを介してリアルタイムで監視されるか、または以下で詳細に説明するように機械学習モデルによって予測される。一部の実施形態において、第２ロボット１１２は、トレイ内の植物を収穫してカートを再使用できるように、カートからトレイを移動させるよう、多関節ロボット１０４または保管ラック１１４／１１６に隣接して構成することができる。一部の実施形態において、ロボットコントローラは、所定のトレイを所定の位置に移動させ、また所定のトレイの移送過程で他のトレイの任意の位置変更を登録するために、ロボットの軌跡を決定するのに用いられる作動計画ユニットを含む。一部の実施形態において、ロボットコントローラは、屋内農業モジュール１０２及び／または遠隔制御ステーションにおいてコントローラから命令をさらに受信するクラウドコンピュータに結合される。例えば、屋内農業モジュール１０２からカートが荷役されたことが確認されると、屋内農業モジュール１０２のコントローラは灌漑日程を一時中止し、複数の液体分配管アセンブリを回転させ、屋内農業モジュール１０２の第１端部１３０でロールアップドア１２０を開けた後、多関節ロボット１０４を起動することができる。

図１Ａに示すように、農業施設１００は、複数の行及び複数の列に配置された多数の農業モジュール１０２を含むことができる。図示した例において、農業施設は１０の農業モジュール１０２を含み、５つの農業モジュールは第１行に１つのレベルで位置し、５つのさらなる農業モジュール１０２は第１行の上端部の第２行に位置する。このような配列において、農業モジュールは農業モジュールのマトリックスまたは生育コンテナ１０２のマトリックスを定義する。ロボット１０４は、ロボット１０４が農業モジュール１０２のマトリックスに対して任意の所望の位置に移動することができるよう、トラック１１０及びライザー１０８上に位置する。支持台１０６はライザー１０８に沿って垂直方向に移動でき、ライザー１０８はトラック１１０に沿って移動できる。このような方式で、ロボット１０４は、マトリックスの任意の所望の行及び列の農業モジュールの植物に接近するために、マトリックスにおける各農業モジュール１０２それぞれに移動することができ、及び／または多関節とすることができる。他の例において、マトリックスは異なる大きさを有することができ、また２行を超える行と５列を含むことができる。また他の例において、マトリックスは５列未満であることができる。

一部の実施形態において、複数の屋内農業モジュール１０２のそれぞれは、第２端部１４０から接近することができ、ここで、第２端部１４０は、メンテナンスを目的とするための接近ドアからなる。一部の実施形態において、積層された屋内農業モジュール１０２に接近するために、階段１２２が屋内農業モジュール１０２の第２端部１４０にさらに構成される。

図２は、一部の実施形態による屋内農業モジュールを提供するのに利用され得るコンテナまたはエンクロージャ２００の斜視図を示す。一部の実施形態において、コンテナ２００は、海を渡って商品を輸送するのに用いられる標準的な輸送コンテナであり、一般的に貨物タンカーに載せられた後、「１８輪車」トラックを介して積載され、陸地に輸送するのに用いられる。このような標準輸送コンテナは今日遍在しており、中古輸送コンテナは比較的安価に購入することができる。従って、比較的安価な「既製品」コンテナは、以下でより詳細に説明するように、本発明の様々な実施形態によって屋内農業モジュール２００に改造することができる。標準輸送コンテナ２００は、一般に鋼鉄で構成され、完全に密閉される。図２に示すように、典型的な輸送コンテナ２００は、屋根２０２、底部２０６、２つの側壁２０４、前壁２３０、及び後壁２４０を有する細長い矩形箱の形である。一部の実施形態において、二重壁（図示せず）は、コンテナ２００内で接近（例えば、積載、荷役、検査、処理など）できる作物または植物（以下、総称して「作物」という）に接近可能にするために前壁２３０に設けられる。様々な種類のドア（例えば、シングル、ダブル、車庫タイプのドア、ローリングタイプのドアなど）が所望の前壁２３０に新たに設置されるか、または標準輸送コンテナ２００の既存のドアを用いることができる。同様に、後壁２４０は、操作者がコンテナ２００の後方領域に位置する環境制御システム及び機器に接近できるように様々な類型のドアに改造することができる。

標準輸送コンテナ２００は、一般に、４０フィートの長さＬ、９フィート６インチの高さＨ、及び８フィートの幅Ｗを有する。本発明者らは、標準輸送コンテナ２００の寸法が、特に作物を最大容量で満たし、年中継続する農業のための環境制御が提供される場合に、屋内農業に費用効率的な接近を提供することを見出した。しかし、代案的な実施形態において、本発明は屋内農業モジュールを提供するために、標準輸送コンテナを改造することに限定されないことは理解される。同じまたは異なる寸法を有し、同じまたは異なる材料で製造された他の種類のエンクロージャまたはコンテナが、本発明の様々な代案的な実施形態によって本明細書に開示される本発明の原理に基づいて利用できる。

図３は、本発明の一部の実施形態によるコンテナ２００の内部区画部を示すために前壁２３０が開放されたまたは取り除かれた屋内農業モジュール３００の例示的な斜視図を示す。例示の実施形態において、説明を明確にするために、屋内農業モジュール３００では、以下で別に詳細に説明する空気循環システム、液体循環システム、及び照明システムを省略する。図３に示すように、屋内農業モジュール３００は内部区画部３０２を含む。一部の実施形態において、モジュール３００は、以下でより詳細に説明するように、屋内農業のために改造された標準冷蔵輸送コンテナである。例示の実施形態において、屋内農業モジュール３００はシャーシ３０４を含む。一部の実施形態において、シャーシ３０４は、複数の垂直フレームと複数の水平フレームとを含む。例示の実施形態において、シャーシ３０４は、４つの段、すなわち第１段３０６－１、第２段３０６－２、第３段３０６－３、及び第４段３０６－４を含む。シャーシ３０４の４つの段３０６のそれぞれは、第１壁３０８－１から第１方向（すなわち、ｘ方向）に内部区画部３０２の第２壁３０８－２まで延びる。一部の実施形態において、第１壁３０８－１及び第２壁３０８－２は、内部区画部３０２の長辺に沿った側壁である。

シャーシ３０４の４つの段３０６のそれぞれは、第１方向（すなわちｘ方向）に垂直な第２方向（すなわちｙ方向）に沿って延びる３組のガイドレール３１０を含む。一部の実施形態において、３組のガイドレール３１０は、段３０６における３組のガイドレールがコンテナ区画部３０２の全幅（すなわち、第１壁３０８－１と第２壁３０８－２との間の空間）を占めるように平行で互いに並んで構成される。

例示の実施形態において、１組のガイドレール３１０上で回転可能な大きさ及び間隔を有する車輪を備えた複数のカート３１２がシャーシ３０４上に設けられる。複数のカート３１２のそれぞれは、同じ１組のガイドレール３１０上にカート結合器（図示せず）を介して隣接するカート３１２に脱着可能に連結される。また、一部の実施形態において、カート結合器は、移送の際に、多関節ロボットに結合及び固定されるように構成される。屋内農業モジュール３００における複数のカート３１２は、それぞれ複数の植物が植えられたシードポット（図示せず）を含むトレイを運ぶように構成される。一部の実施形態において、シードポットは複数の穴を含み、穴の配置は複数の植物の生育条件によって決定される。一部の実施形態において、３組のガイドレール３１０のそれぞれは８つのカートを運ぶことができ、屋内農業モジュール３００は最大９６のカートを運ぶことができる。

照明アセンブリ及び水循環アセンブリは、図４Ａ～図４Ｃで以下でさらに詳細に説明するように、一部の実施形態によって、対応するカートにおけるトレイのそれぞれに光照明及び液体供給を提供するためにシャーシ３０４の複数の水平フレームに取り付けられる。一部の実施形態において、屋内農業モジュール３００は、完全に密閉された環境内で生育条件（例えば、湿度、温度、ＣＯ_２レベルなど）を維持するために、第１端部にロールアップドア（図示せず）を用いて完全に閉じられる。ロールアップドアは、例えば、カートが内部区画部３０２の内部または外部へ移送される際に、開けられる。図３に示す屋内農業モジュール３００は、単なる例示に過ぎず、本発明を限定しようとする意図ではないことに留意する。従って、図３の屋内農業モジュール３００におけるシャーシは、本発明の様々な実施形態によって任意の数の段３０６、任意の数のガイドレール３１０から構成でき、また任意の数のカート３１２を運ぶことができることが理解される。

図４Ａ～図４Ｃは、本発明の一部の実施形態による空気循環システム、水循環システム、照明システム、及び制御システムを備えた屋内農業モジュール４００の例示的な端面図を示す。図４Ａ～４Ｃに示す屋内農業モジュール４００は、単なる例示に過ぎず、本発明を限定しようとする意図ではないことに留意する。従って、さらなる機能ブロックが図４Ａ～４Ｃの屋内農業モジュール４００に提供または結合され得る、及び／または一部の他の機能ブロックが省略され得ることが理解される。

例示の実施形態において、屋内農業モジュール４００は、コンテナ区画部３０２に４つの段、すなわち第１段３０６－１、第２段３０６－２、第３段３０６－３、及び第４段３０６－４を有するシャーシ３０４を含む。一部の実施形態において、シャーシ３０４は複数の垂直フレームと複数の水平フレームと、を含む。シャーシ３０４の４つの段３０６のそれぞれは、第１壁３０８－１から第１方向（すなわち、ｘ方向）に屋内農業モジュール４００の第２壁３０８－２まで延びる。シャーシ３０４の４つの段３０６のそれぞれは、第１方向に垂直な第２方向に沿って延びる３組のガイドレール３１０を含む。３組のガイドレール３１０は、段３０６の３組のガイドレールが第１方向に内部区画部３０２の全幅を横切るように互いに並んで構成される。

屋内農業モジュールにおける複数のカート３１２のそれぞれは、複数の植物４０４が植えられたシードポット４０２を含むトレイを運ぶように構成される。一部の実施形態において、シードポット４０２は穴の配置（図示せず）を含み、穴の配置は複数の植物４０４の生育条件によって決定される。一部の実施形態において、３組のガイドレール３１０のそれぞれは８つのカートを運ぶことができ、屋内農業モジュール４００は９６のカートを運ぶことができる。屋内農業モジュール４００は、単なる例示に過ぎず、本発明を限定しようとする意図ではないことに留意する。従って、図４Ａ～図４Ｃの屋内農業モジュール４００におけるシャーシ３０４は、各構成に対して適度なに大きさを設定することができる任意の数の段３０６、任意の数のガイドレール３１０の組、及び任意の数のカート３１２から構成することができることが理解される。

例示の実施形態において、屋内農業モジュール４００における９６のカートのそれぞれには、照明アセンブリ４０６及び液体循環アセンブリ４０８が設けられる。例示の実施形態において、照明アセンブリ４０６及び液体循環アセンブリ４０８は、複数のカート３１２の各々の上方及び床４１０の上方の対応する水平フレームに構造的に支持される。例示の実施形態において、液体循環アセンブリ４０８は、液体供給導管、複数の液体戻り導管、複数の液体分配管アセンブリ、複数の排水導管、及び複数のステッパモータアセンブリを含む。このような構成の例は、２０２０年５月８日に出願された米国特許出願番号第１６／８７０，６７５にさらに詳細に記載されており、これは本明細書に十分に説明しているように参照として組み込まれる。一部の実施形態において、照明アセンブリ４０６は少なくとも１つの照明モジュールを含み、これは以下でさらに詳細に説明する。一部の実施形態において、複数の排水導管は排水収集導管４１２に共に結合され、外部排水コンテナにさらに連結される。

一部の実施形態において、屋内農業モジュール４００は、送風／空気調和ユニット４２４、少なくとも１つの空気除湿ユニット４２６、及び制御ユニット４２８を含む空気循環システムを含む。一部の実施形態において、送風ユニット４２４はつり天井に結合される。一部の実施形態において、送風／空気調和ユニット４２４は、植物の質量及びコンテナの体積に基づいて大きさが設定される。一部の実施形態において、送風／空気調和ユニット４２４は、屋内農業モジュールにおける生育区域内の雰囲気を調整するのに用いられ、照明アセンブリで生成された熱に基づいて大きさが設定される。一部の実施形態において、送風／空気調和ユニット４２４は、冷たく乾燥した空気を生成した後、再循環ファン内に引き込み、生育区域の上端に位置するつり天井４２０に分配する。一部の実施形態において、つり天井４２０は、空気の移動を容易にするために左側及び右側に沿って隙間を有する。冷たい空気がつり天井４２０に入ると、加圧されて正の変位となる。この変位は、空気の一部を側壁下部に分布させる。一部の実施形態において、電動ダンパーは、プレナムの後方から放出される残りの空気の体積を制御する。一部の実施形態において、制御プログラムにおける所定の設定点は、生育周期の異なる段階の間、植物の質量が増加するにつれて気流を調整する。この設計において、この空気循環システムは、再調整のために戻る際に、熱及び湿気を吸収するプッシュ－プル空気交換として作動する。

一部の実施形態において、気流は、生育周期の異なる段階の間増加するにつれて、植物の質量により気流を動的に調整することができるコントローラ４２８によって制御される。乾燥して冷たい空気が段の間の空間に入るにつれて、気流の湿度及び温度が増加する。一部の実施形態において、少なくとも１つの空気除湿ユニット４２６は、生育区域から戻る湿った空気を収容し、内部区画部３０２のつり天井４２４にわたって空気送風／空気調和ユニット４２４に乾燥した空気を提供する。除湿過程で凝縮した水は、濾過及びリサイクルのために収集貯蔵所（図示せず）に排水される。従って、本発明の様々な実施形態によれば、上述の且つ図４Ａ～図４Ｃに示された空気循環システムは、生育される作物の種類及びそれらの生育周期の状況に応じて、内部区画部３０２内の最適な生育条件を精密に制御し維持するために、温度、湿度、空気量などの環境パラメータの制御を容易にする。

図５は、一部の実施形態による自律屋内農業施設５００の斜視図を示す。例示の実施形態において、自律屋内農業施設１００は、複数の列に配置された２２の屋内農業モジュール１０２を含み、複数の列のいくつかは、２つの積層された屋内農業モジュール１０２を含む。例示の実施形態において、自律屋内農業施設５００は、１つのトレイハンドリングシステム５０２を含む。例示の実施形態において、トレイハンドリングシステム５０２は、上述のように、多関節ロボット、２つの線形移送システム、トラック、及びロボットコントローラ（図示せず）を含む。一部の実施形態において、トレイハンドリングシステム５０２は、所定のカートを屋内農業モジュール１０２のシャーシから所定の位置（例えば保管ラック）に移送するように構成される。一部の実施形態において、新しい作物を屋内農業モジュール１０２内に挿入する際、トレイハンドリングシステムは、所定のカートを保管ラックからトラックの両側上の屋内農業モジュール１０２のシャーシに移送するように構成される。一部の他の実施形態において、トレイハンドリングシステム５０２は、カートから個々の作物を自動的に植え、除去するためにさらに設計される。図５に示す実施形態は例示のためのものであり、本発明の範囲を限定しないことに留意されたい。自律屋内農業施設５００には、任意の数の屋内農業モジュール１０２があってもよく、任意の数のトレイハンドリングシステム５０２があってもよい。一部の他の実施形態において、トレイハンドリングシステム５０２は、トレイハンドリングシステム５０２の移動が有線、ガイドテープ、レーザー、ジャイロスコープ、及び視覚システムなどの技術の中の１つを介して操縦できる場合にはトラックを含まない。一部の実施形態において、トレイハンドリングシステム５０２は、無線で充電できるバッテリーによって駆動可能である。

図６Ａは、本発明の一部の実施形態による自律屋内農業システム６００のシステムブロック図を示す。自律屋内農業システム６００は、単なる例示に過ぎず、本発明を限定しようとする意図ではないことに留意する。従って、さらなる機能ブロックが図６Ａのシステム６００に提供または結合され得る、または一部の他の機能ブロックが省略されたり、本明細書で簡略に説明され得ることが理解される。また、システム６００の構成要素及びモジュールのそれぞれに提供された機能は、１つ以上のモジュールに結合、または分離できることに留意されたい。

一部の実施形態において、システム６００は、複数の屋内農業施設６０２、すなわち第１屋内農業施設６０２－１、第２屋内農業施設６０２－２、第３屋内農業施設６０２ －３、第４屋内農業施設６０２－４、及び第５屋内農業施設６０２－５を含む。一部の実施形態において、複数の屋内農業施設６０２のそれぞれは、トレイハンドリングシステム６０４と、少なくとも１つの屋内農業モジュール６０６とを含む。図６Ａの例示された実施形態において、第５屋内農業施設６０２－５は、４つの列に配置された８つの屋内農業モジュール６０６を含み、各列は２つの積層された屋内農業モジュール６０６を含む。代案的な実施形態において、自律屋内農業システムは、単一の制御環境区域を備えた単一の農業施設を有する非モジュール式システムで実施することができる。一部の実施形態において、複数の屋内農業施設６０２のそれぞれは、通信ネットワーク６３０（例えば、インターネット）を介してリモートコンピュータ６３２にさらに結合される。

一部の実施形態において、リモートコンピュータ６３２はモバイル装置である。代案的な実施形態において、リモートコンピュータ６３２は、各屋内農業モジュール６０６の各々のサブシステムによって提供されるデータ情報を分析するための環境パラメータ並びに他のデータ及び命令を格納するデータベースに結合され、その後、上述のシステム６００の作動を自動で監視及び制御するための追加命令を提供する少なくとも１つのサーバコンピュータを含む。

例示の実施形態において、トレイハンドリングシステム６０４は、屋内農業モジュール６０６の第１端部を介してカートを自動的に積載及び荷役するように設計される。例示の実施形態において、トレイハンドリングシステム６０４は、上述のように、多関節ロボット、線形移送システム、及びロボットコントローラを含む。一部の実施形態において、トレイハンドリングシステム６０４は、所定のカートを屋内農業モジュール６０６のシャーシから所定の位置（例えば、保管ラック）に移送するように構成される。一部の実施形態において、新しい作物を屋内農業モジュール６０６に挿入する際、トレイハンドリングシステム６０４は、所定のカートを保管ラックから屋内農業モジュール６０６のシャーシに移送するように構成される。

一部の実施形態において、屋内農業モジュール６０６は、以下のサブシステム、空気循環システム６１０、照明システム６１２、灌漑システム６１４、液体循環システム６１８、コントローラ６２０、及びローカルコンピュータ６２２の少なくとも１つを含む。一部の実施形態において、液体循環システム６１８は、屋内農業モジュール６０６の外部に構成される。一部の実施形態において、液体循環システム６１８は、２つの積層された屋内農業モジュール６０６によって共有されてもよく、屋内農業モジュール６０６のコントローラ６２０の１つによって制御されてもよい。

一部の実施形態において、空気循環システム６１０は、送風ユニット、空気調和ユニット、空気除湿ユニット、及びセンサを含む。一部の実施形態において、空気循環システム６１０は、気流調節のためのつり天井をさらに含む。一部の実施形態において、送風ユニット、空気調和ユニット、空気除湿ユニット、及びつり天井は、屋内農業モジュール６０６の生育区域におけるシャーシの異なる段にある複数のカート上の各々の複数の植物に対する湿度、ＣＯ_２レベル、ガス混合物、気流、及び空気温度の効果的な調節を提供するように構成される。

一部の実施形態において、灌漑システム６１４は、上述のように、複数の液体供給導管、複数の液体戻り導管、複数の排水導管、及び複数の液体分配管アセンブリを含む。一部の実施形態において、灌漑システム６１４は、複数の液体分配管アセンブリの位置を制御するための弁及びステッパモータをさらに含む。一部の実施形態において、灌漑システム６１４は、液体循環システム６１８に直接結合される。

さらなる実施形態において、液体循環システム６１８は、排水液貯蔵所、少なくとも１つのフィルタ、少なくとも１つの水貯蔵所、少なくとも１つの栄養素貯蔵所、ポンプ、複数のセンサ、及び複数の制御ユニットを含むことができる。一部の実施形態において、複数のセンサは、少なくとも１つの温度センサ、少なくとも１つのｐＨセンサ、少なくとも１つの電気伝導度（ＥＣ）センサ、及び少なくとも１つの溶存酸素（ＤＯ）センサを含む。一部の実施形態において、複数の制御ユニットは、温度制御ユニット、ｐＨ制御ユニット、溶存酸素制御ユニット、及び栄養素制御ユニットの少なくとも１つを含み、それぞれは、灌漑システム６１４を通って流動する液体の成分及び特性（例えば、温度、ｐＨなど）を制御するための複数の液体供給導管及び／または複数の液体戻り導管に作動可能に結合される。一部の実施形態において、液体循環システム６１８は、屋内農業モジュール６０６のトレイでの植物の生育を支援するために、灌漑液中の栄養素レベル、酸素レベル、ｐＨレベル、温度及び粒子レベルを調節する。

例示の実施形態において、照明システム６１２は複数の照明モジュールを含み、複数の照明モジュールのそれぞれは、植物の光合成反応のための光子を提供するために、次の光子源である、白熱光、蛍光光、ハロゲン光、高圧ナトリウム光、プラズマ光、及び発光ダイオード（ＬＥＤ）光の少なくとも１つを含む。一部の実施形態において、光子源は植物に対する所望の光スペクトルによって選択される。一部の実施形態において、照明システム６１２は、複数の照明モジュールに電力を供給するために少なくとも１つの電源をさらに含む。一部の実施形態において、少なくとも１つの電源は、屋内農業モジュール６０６で植物に所望の照明を提供するために、光強度、均一性、及び光スペクトルを調整して制御することができる。一部の実施形態において、照明システム６１２は、光強度、均一性、及び光スペクトルを測定するための複数の光学センサをさらに含むことができる。

一部の実施形態において、屋内農業モジュール６０６は、視覚システム６１６をさらに含む。一部の実施形態において、視覚システム６１６は、少なくとも１つのイメージセンサと、少なくとも１つの光源と、を含む。一部の実施形態において、視覚システム６１６は、屋内農業モジュール６０６の外部に構成される。代案的な実施形態において、視覚システム６１６は、また、以下で詳細に説明するように、植物の生育を監視するために屋内耕作モジュール６０６内に構成することができる。また、視覚システム６１６は移送機構を含むことができる。移送機構は、農業モジュール６０６で植物の状態及び生育状態を監視及び／または制御するのに用いられるデータ、画像、及び他の情報をキャプチャするために、農業モジュール６０６における所望の位置にイメージセンサ及び／または光源を移動させることができる、例えばロボットアーム、多関節部材、トラック、シリンダ、または他の移動可能な要素を含むことができる。

図６Ｂは、本発明の一部の実施形態による屋内農業施設におけるコントローラ６２０の例示的なブロック図を示す。コントローラ６２０は、単なる例示に過ぎず、本発明を限定しようとする意図ではないことに留意する。従って、さらなる機能ブロックが図６Ｂのコントローラ６２０に提供、または結合され得る、または一部の他の機能ブロックが省略されたり本明細書で簡略に説明され得ることが理解される。コントローラ６２０の各構成要素及びモジュールに提供される機能は、１つ以上のモジュールに結合、または分離できることに留意されたい。

例示の実施形態において、コントローラ６２０は、一部の実施形態により、プロセッサ６２２、メモリ６２４、入力／出力インターフェース６２６、通信インターフェース６２８、及びシステムバス６３４を含む。プロセッサ６２２は、屋内農業施設及びトレイハンドリングシステムで屋内農業モジュールの作動及び性能を制御するように作動する任意の処理回路を含み得る。様々な態様において、プロセッサ６２２は、汎用プロセッサ、チップマルチプロセッサ（ＣＭＰ）、専用プロセッサ、組み込みプロセッサ、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ、入力／出力（Ｉ／Ｏ）プロセッサ、媒体接近制御（ＭＡＣ）プロセッサ、無線ベースバンドプロセッサ、コプロセッサ、複合命令セットコンピュータ（ＣＩＳＣ）のようなマイクロプロセッサ、縮小命令セットコンピューティング（ＲＩＳＣ）マイクロプロセッサ、及び／または超長命令語（ＶＬＩＷ）マイクロプロセッサ、または他の処理デバイスとして実装され得る。また、プロセッサ６２２は、コントローラ、マイクロコントローラ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プログラム可能論理デバイス（ＰＬＤ）などによって実装され得る。

様々な態様において、プロセッサ６２２は、オペレーティングシステム（ＯＳ）及び様々なアプリケーションを実行するように配置され得る。ＯＳの例としては、例えば、Ａｐｐｌｅ ＯＳ、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（登録商標） ＯＳ、Ａｎｄｒｏｉｄ ＯＳなどの商品名で一般的に知られているオペレーティングシステム、及びその他の独自のまたはオープンソースのＯＳなどを含む。アプリケーションの例としては、電話アプリケーション、カメラ（例えば、デジタルカメラ、ビデオカメラ）アプリケーション、ブラウザアプリケーション、マルチメディアプレーヤーアプリケーション、ゲームアプリケーション、メッセージングアプリケーション（例えば、電子メール、ショートメッセージ、マルチメディア）、ビューアアプリケーションなどを含む。

一部の実施形態において、コンピュータで実行可能な命令を具現化した、少なくとも１つの非一時的なコンピュータ可読記憶媒体が備えられ、ここで、少なくとも１つのプロセッサによって実行されるとき、コンピュータで実行可能な命令は、少なくとも１つのプロセッサが、本明細書に記載の方法の実施形態を実行させる。前記コンピュータ可読記憶媒体は、メモリ６２４に具現化され得る。

一部の実施形態において、前記メモリ６２４は、揮発性／不揮発性メモリ及び取り外し可能／不可能なメモリの両方を含む、データを記憶することができる任意の機械可読またはコンピュータ可読媒体を含み得る。メモリ６２４は、少なくとも１つの不揮発性メモリユニットを含み得る。不揮発性メモリユニットは、１つ以上のソフトウェアプログラムを記憶することができる。ソフトウェアプログラムは、いくつかの例を挙げると、アプリケーション、ユーザデータ、デバイスデータ、及び／または構成データ、またはその組み合わせなどを含み得る。ソフトウェアプログラムは、トレイ処理システム５０２、６０６のロボットコントローラの様々な構成要素によって実行可能な命令を含み得る。

例えば、メモリは、リードオンリーメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、ダブルデータレートＤＲＡＭ（ＤＤＲ－ＲＡＭ）、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、フラッシュメモリ（例えば、ＮＯＲまたはＮＡＮＤフラッシュメモリ）、コンテンツアドレッサブルメモリ（ＣＡＭ）、ポリマーメモリ（例えば、強誘電体ポリマーメモリ）、相変化メモリ（例えば、オボニックメモリ）、強誘電体メモリ、シリコン酸化物窒化物酸化物シリコン（ＳＯＮＯＳ）メモリ、ディスクメモリ（例えば、フロッピーディスク、ハードドライブ、光ディスク、磁気ディスク）、カード（例えば、磁気カード、光カード）、または情報を記憶するのに好適なその他の任意のタイプの媒体を含み得る。

一実施形態において、メモリ６２４は、本明細書に記載のように、１つ以上のタイミングライブラリを生成する方法を実行するためのファイル形式の命令セットを含み得る。命令セットは、ソースコードまたは様々な適切なプログラミング言語を含んで、機械可読命令の任意の受け入れ可能な形態で記憶され得る。命令セットを記憶するのに使用し得るプログラミング言語の一部の例として、Ｊａｖａ（登録商標）、Ｃ、Ｃ ＋＋、Ｃ＃、Ｐｙｔｈｏｎ、Ｏｂｊｅｃｔｉｖｅ－Ｃ、Ｖｉｓｕａｌ Ｂａｓｉｃ、または.ＮＥＴプログラミングが含まれるが、これらに限定されない。一部の実施形態において、コンパイラまたはインタープリタは、命令セットを、プロセッサが実行するための機械実行可能コードに変換するように構成される。

一部の実施形態において、Ｉ／Ｏインターフェース６２６は、ユーザが屋内農業設備の屋内農業モジュールに入力し、ユーザに出力できるような、任意の好適な機構または構成要素を含み得る。例えば、Ｉ／Ｏインターフェース６２６は、ボタン、キーパッド、キーボード、クリックホイール、タッチスクリーン、または動きセンサを含む、任意の好適な入力機構を含み得るが、これに限定されるものではない。一部の実施形態において、Ｉ／Ｏインターフェース６２６は、静電容量式検知機構、またはマルチタッチ静電容量式検知機構（例えば、タッチスクリーン）を含み得る。

一部の実施形態において、Ｉ／Ｏインターフェース６２６は、ユーザに可視のディスプレイを備えるための視覚的周辺出力デバイスを含み得る。例えば、視覚的周辺出力デバイスは、屋内農業モジュールに組み込まれる液晶ディスプレイ（ＬＣＤ）画面などの画面を含み得る。別の例として、視覚的周辺出力デバイスは、屋内農業設備から離れた表面にコンテンツを表示する可動ディスプレイまたは投影システムを含み得る。一部の実施形態において、視覚的周辺出力デバイスは、デジタルメディアデータをアナログ信号に変換できる、コーデックとしても知られているコーダ／デコーダを含むことができる。例えば、視覚的周辺出力デバイスは、ビデオコーデック、オーディオコーデック、またはその他の任意の好適なタイプのコーデックを含み得る。

また、視覚的周辺出力デバイスは、ディスプレイドライバ、ディスプレイドライバを駆動するための回路、またはその両方を含み得る。視覚的周辺出力デバイスは、プロセッサの指示のもと、コンテンツを表示するよう動作し得る。例えば、視覚的周辺出力デバイスは、いくつか例を挙げると、メディア再生情報、屋内農業モジュールに実装されるアプリケーションのアプリケーション画面、進行中の通信操作に関する情報、着信した通信要求に関する情報、またはデバイス操作画面を再生できるようにしてもよい。

一部の実施形態において、通信インターフェース６２８は、複数の屋内農業設備の屋内農業モジュールを１つ以上のネットワーク及び／またはさらなるデバイスに連結できる、任意の好適なハードウェア、ソフトウェア、またはハードウェアとソフトウェアの組み合わせを含み得る。通信インターフェース６２８は、所望の通信プロトコル、サービス、または操作手順のセットを用いて、情報信号を制御するための任意の好適な技術で動作するように配置され得る。通信インターフェース６２８は、有線、無線に関わらず、対応する通信媒体と接続するための好適な物理的コネクタを含み得る。

一部の実施形態によれば、通信のシステム及び方法は、ネットワークを含む。様々な態様において、ネットワークは、ローカルエリアネットワーク（ＬＡＮ）だけでなく、インターネット、有線チャネル、無線チャネル、電話、コンピュータ、有線、ラジオ、光学、またはその他の電磁チャネルを含む通信デバイス、及び通信データと関連付し得る他のデバイス及び／または構成要素を含めて、それらの組み合わせを含むワイドエリアネットワーク（ＷＡＮ）を含み得るが、これらに限定されない。例えば、通信環境は、体内通信、様々なデバイス、ならびに無線通信、有線通信、及びその組み合わせなどの様々な通信モードが含まれる。

無線通信モードは、無線送信、データ、ならびにデバイスと関連する様々なプロトコル及びプロトコルの組み合わせを含む無線テクノロジーを少なくとも一部利用するポイント（例えばノード）間の任意の通信のモードを含む。ポイントは、例えば、無線ヘッドセットなどの無線デバイス、オーディオプレーヤー及びマルチメディアプレーヤーなどのオーディオ及びマルチメディアデバイスと機械、携帯電話及びコードレス電話を含む電話、プリンタ、回路生成システムなどのネットワーク接続機器、ならびに／またはその他任意の好適なデバイスまたはサードパーティデバイスなどのコンピュータ及びコンピュータ関連デバイスと構成要素を含む。

有線通信モードは、有線送信、データ、ならびにデバイスと関連する様々なプロトコル及びプロトコルの組み合わせを含む有線テクノロジーを利用するポイント間の任意の通信のモードを含む。ポイントは、例えば、オーディオ及びマルチメディアデバイスなどのデバイスとオーディオプレーヤー及びマルチメディアプレーヤーなどの機械、携帯電話及びコードレス電話を含む電話、及びプリンタ、ネットワーク接続機器、ならびに／またはその他任意の好適なデバイスまたはサードパーティデバイスなどのコンピュータ及びコンピュータ関連デバイスと構成要素を含む。様々な実施態様において、有線通信モジュールは、多数の有線プロトコルに従って通信を行ってもよい。有線プロトコルの例としては、ユニバーサルシリアルバス（ＵＳＢ）通信、ＲＳ－２３２、ＲＳ－４２２、ＲＳ－４２３、ＲＳ－４８５シリアルプロトコル、ファイアワイヤ、イーサネット（登録商標）、ファイバチャネル、ＭＩＤＩ、ＡＴＡ、シリアルＡＴＡ、ピーシーアイエクスプレス（ＰＣＩ Ｅｘｐｒｅｓｓ）、Ｔ－１（及びその変種）、業界標準アーキテクチャ（ＩＳＡ）パラレル通信、小型コンピュータ用周辺機器インターフェース（ＳＣＳＩ）通信、または周辺構成要素相互接続（ＰＣＩ）通信などを含み得る。

従って、様々な態様において、通信インターフェース６２８は、例えば、無線通信インターフェース、有線通信インターフェース、ネットワークインターフェース、送信インターフェース、受信インターフェース、メディアインターフェース、システムインターフェース、コンポーネントインターフェース、スイッチングインターフェース、チップインターフェース、コントローラなどの１つ以上のインターフェースを含み得る。無線デバイスによって、または無線システム内に実装されるとき、例えば通信インターフェースは、１つ以上のアンテナ、送信機、受信機、送受信機、アンプ、フィルタ、制御ロジックなどを含む無線インターフェースを含み得る。

様々な実施形態において、通信インターフェース６２８は、多数の無線プロトコルに従って音声及び／またはデータ通信機能を備え得る。無線プロトコルの例としては、電気電子技術者協会（ＩＥＥＥ）のＩＥＥＥ８０２．１１ａ／ｂ／ｇ／ｎ、ＩＥＥＥ ８０２．１６、ＩＥＥＥ ８０２．２０などのＩＥＥＥ８０２．ｘｘシリーズを含む、様々な無線ローカルエリアネットワーク（ＷＬＡＮ）プロトコルを含み得る。無線プロトコルの他の例としては、ＧＰＲＳによるＧＳＭ（登録商標）セルラー無線電話システムプロトコル、１ｘＲＴＴによるＣＤＭＡセルラー無線電話通信システム、ＥＤＧＥシステム、ＥＶ－ＤＯシステム、ＥＶ－ＤＶシステム、ＨＳＤＰＡシステムなどの様々な無線ワイドエリアネットワーク（ＷＷＡＮ）プロトコルを含み得る。無線プロトコルのさらなる例としては、赤外線プロトコル、エンハンスドデータレート（ＥＤＲ）を含むＢｌｕｅｔｏｏｔｈ（登録商標）仕様バージョンｖ１．０、ｖ１．１、ｖ１．２、ｖ２．０、ｖ２．０、及び１つ以上のＢｌｕｅｔｏｏｔｈプロファイルを含むプロトコルのＢｌｕｅｔｏｏｔｈ Ｓｐｅｃｉａｌ Ｉｎｔｅｒｅｓｔ Ｇｒｏｕｐ（ＳＩＧ）シリーズからのプロトコルなどの無線パーソナルエリアネットワーク（ＰＡＮ）プロトコルを含み得る。無線プロトコルの他の例としては、電磁誘導（ＥＭＩ）技術などの近距離通信技術及びプロトコルを含み得る。ＥＭＩ技術の例としては、パッシブまたはアクティブ無線自動識別（ＲＦＩＤ）プロトコル及びデバイスを含み得る。その他の好適なプロトコルは、ウルトラワイドバンド（ＵＷＢ）、デジタルオフィス（ＤＯ）、デジタルトップ、トラステッドプラットフォームモジュール（ＴＰＭ）、ＺｉｇＢｅｅなどを含み得る。

システムバス６３４は、必要に応じて、プロセッサ６２２、メモリ６２４、Ｉ／Ｏインターフェース６２６、及び通信インタフェース６２８を相互連結する。システムバス６３４は、メモリバスまたはメモリコントローラ、周辺バスまたは外部バス、及び／または、９ビットバス、インダストリスタンダードアーキテクチャ（ＩＳＡ）、マイクロチャネルーキテクチャ（ＭＣＡ）、拡張ＩＳＡ（ＥＩＳＡ）、インテリジェントドライブエレクトロニクス（ＩＤＥ）、ＶＥＳＡローカルバス（ＶＬＢ）、ＰＣメモリカード国際協会（ＰＣＭＣＩＡ）バス、小型コンピュータ用周辺機器インターフェース（ＳＣＳＩ）、もしくはその他の独自のバス、またはコンピュータデバイスアプリケーションに好適な任意のカスタムバスを含んだ任意の様々な利用可能なバスアーキテクチャを使用したローカルバスを含む、任意の数種類のバス構造体とすることができるが、これに限定されるものではない。

図７は、一部の実施形態による自律屋内農業システム１００の人工知能（ＡＩ）システム７００のブロック図を示す。例示の実施形態において、ＡＩシステム７００は、３つの層、すなわちデータ入力層７０２、データ処理層７０４、及びデータ分析層７０６を含む。一部の実施形態において、自律屋内農業システム１００におけるＡＩシステム７００は、作物状況の評価、植物特性の精密測定、最小コストで生産量を極大化するための生育条件の最適化、市場需要の予測、及び需要に応じた、生育条件の調整を含む機能の少なくとも1つを実施するように構成される。

一部の実施形態において、データ入力層７０２は、複数の農業施設６０２から異なる屋内農業モジュール１０２の異なるトレイでの異なる植物に対する生育状態及び健康状態を監視するために、サブシステムの様々なセンサから生データを収集する。植物の生育及び健康状態は、視覚システム６１６のイメージセンサを用いて監視できる。代案的な実施形態において、植物の生育及び健康状態は、土壌サンプル、植物組織サンプル、水及び空気サンプルを収集及び分析することによって監視される。また、データ入力層７０２は、空気循環システム６１０、照明システム６１２、視覚システム６１６、及び液体循環システム６１８からのデータを含む、生育区域内の環境条件に関する生データを収集することができる。

視覚システム６１６におけるイメージセンサは、全生育過程の間モジュール６０６で植物の画像をキャプチャするのに用いることができる。一部の実施形態において、視覚システム６１６におけるイメージセンサは、植物の発達ステップを識別し、例えば栄養欠損（すなわち疾患感知）のような生育環境に対する植物からの反応を監視するために、植物の特性を測定するのに用いられる。一部の実施形態において、イメージセンサは、多重スペクトル及び超分光イメージング、ラマン、熱ルミネッセンス、及び光音響を含む技術のうちの少なくとも１つに基づくことができる。一部の実施形態において、これらの画像検知技術の組み合わせは、葉の温度、葉の水分量、葉の厚さ／大きさ、葉の色、葉緑素量及び光合成効率などを含む植物特性を提供することができる。一部の実施形態において、少なくとも１つのイメージセンサは、植物の大きさに応じて用いることができる。一部の実施形態において、複数のイメージセンサは、植物の類型に応じて最適の生育条件を決定するために、大型植物または複数の二次元画像による植物の三次元の再構成に用いることができる。様々な実施形態によれば、植物の様々な視覚的特性（例えば、色、大きさ、形状、密度など）を用いて植物の健康状態または栄養欠損を判定することができる。マシンビジョン及びランニングシステムによって検出できるこのような植物特性の例については、以下で詳細に説明する。一部の実施形態において、視覚システムにおけるイメージセンサは、植物の生育のための光強度及びスペクトルを提供する照明システムの光源と共に用いることができる。一部の他の実施形態において、視覚システムのイメージセンサは、画像収集を実施するために視覚システムの個別の光源と共に作動する。

視覚システム６１６におけるイメージセンサ、並びに照明システム６１２、灌漑システム６１４、空気循環システム６１０、及び液体循環システム６１８における他のセンサは、農業モジュール６０６の植物及び環境の特性に関するデータ並びに情報をそれぞれ含むことができる、植物特性データ８１４及び環境データ８１６に用いることができる。植物特性データ８１４及び環境データ８１６は、植物の健康を判定し、植物の健康を改善し、植物の欠乏を識別し、及び／または農業モジュール６０６の効率性及び／または生産性を決定するために必要とし得る行為を決定するのに用いられることができる。

理解できるように、農業モジュール６０６に植え付けられたり生育中の植物は、農業モジュール６０６、及び効率的且つ収益性のある従来の農業の代案において、農業を行うのに好ましい量の作物を産出する健康な植物を生産するために対処する必要があり得る、経時による健康問題に直面し得る。農業モジュール６０６の様々なセンサは、情報を収集し、このような情報を植物特性データ８１４及び／または環境データ８１６として格納し、農業モジュール６０６で生育する植物の１つ以上の欠乏を判定することができる。１つ以上の植物に欠乏があるか否かを判定または識別することへの対応として、農業モジュール６０６におけるこのような修正措置を実現するために、改善措置が推奨され、コントローラ６２０に通信することができる。

農業モジュール６０６によって識別することができる１つの例示的な欠乏は、ホウ素欠乏である。ホウ素は、細胞壁の構造的完全性を維持し、糖を生長点に移動させ、花粉の生存や適切な種子形成だけでなく、マメ科植物においては窒素固定を引き起こす機能を行う栄養素である。ホウ素欠乏の指標は、植物の生育不振を含むことができ、また、新しい葉または他の新しい成長が変形したり縮んだりするのように見えるだけでなく、歪んだ外方分枝が生じ得る。ホウ素欠乏の別の指標は、厚くて壊れやすい分枝及び葉を含むことができる。また別の指標は、黄色の斑点として現れる白化現象を示す上部成長を含むことができる。ホウ素欠乏のある植物では、根の成長が制限されることがあり、根端が丸く見えたり「ネズミの尾」が有るように見えることがあり、根の毛の発達が制限されることがある。また、ホウ素欠乏は、開花の減少、コルクスポット、及びリンゴ果実表面の亀裂により示されることもある。これらの指標は、農業モジュール６０６における植物全体にわたってランダムにまたは不規則に現れることがあり、植物はホウ素欠乏を示す場合、軽度の損傷により影響を受けやすい。これらの指標は、農業モジュール６０６によって収集された植物特性データ８１４でキャプチャできる。

ホウ素欠乏が識別されると、農業モジュールはこの欠乏を修正するために１つ以上の改善措置を実施することができる。このような改善措置は、例えば、葉面へのホウ素散布を加えることによって、生育培地、土壌または水耕栽培用溶液にホウ素を添加することを含むことができる。また別の改善措置は、植物への多量の栄養素の均衡化を含むことができる。また別の改善措置は、土壌または他の生育培地のｐＨを修正することであり得る。また別の改善措置は、砂質の多孔質土壌または有機物が少ない生育培地で発生し得るホウ素の浸出を解決することであり得る。また別の改善措置は、鉄及び酸化アルミニウムの含有量が高い粘質土壌で発生し得るホウ素固定化を解決することであり得る。また別のものは、過度の灌漑を減らすこと、または干ばつ、若しくは乾燥した根域に水分を提供することであり得る。また別の改善措置は、所望の圧力区域から脱し得る蒸気圧差（ＶＰＤ）を修正すること、または低温生育培地の温度を昇温することであり得る。これらの改善措置は、例えば農業モジュール６０６におけるコントローラ６２０によって実施することができる。

農業モジュール６０６によって識別または判定できる他の例示的な欠乏は、カルシウム欠乏である。適切な量のカルシウムは、植物の細胞壁と膜の適切な構造的完全性を引き起こすことがあり、適切な細胞内メッセージングを引き起こすことがあり、また、植物内での窒素及び糖の流れを調節するのに役立ち得る。カルシウム欠乏の指標は、葉のカール、羊飼いの杖症状の葉、上向きまたは下向きの葉などの植物の新しい成長の歪みを含むことができる。別の指標は、壊死及び／または葉の縁が枯れた外観を含むことができる。しかし、カルシウム欠乏は一般に植物の成熟葉には影響を及ぼさない。別の指標は、植物の生育不振及び未発達の根系を含むことができ、植物はしおれやすい傾向がある。別の指標は、流れの中断及び果実作物における貧弱な実のなることを含む。トマト植物において、カルシウム欠乏は、尻腐れとして現れることがある。前記果類において、カルシウム欠乏は、上部の果肉まで拡張し得る茶色の壊死スポット（例えば、「コルクスポット」）として現れることがある。農業モジュールのセンサは、このような指標を識別することができる植物特性データ８１４を収集することが可能である。

農業モジュール６０６は、そのような欠乏が識別されると、カルシウム欠乏を処理及び／または修正することができる改善措置を実施することができる。実施することができる改善措置は、ｐＨを所望の範囲に維持するために生育培地または灌漑液体のｐＨを修正することを含むことができる。また、ｐＨの修正は、農業用石灰または硫黄を土壌または生育培地に適用することによって達成することもできる。別の改善措置は、土壌または生育培地の陽イオン交換容量（ＣＥＣ）を高めることであり得る。ＣＥＣは、土壌または生育培地における、粘土及び有機物の含有量を増加させることによって高めることができる。また別の改善措置は、植物の根域に可溶性カルシウムを添加することによってカルシウム欠乏を修正することであり得る。また別の改善措置は、所望の割合で栄養素を適用することであり得る。また別の改善措置は、淀んだ水が発生することを防ぐために、灌漑システムを修正することであり得る。また別の改善措置は、破損または障害を直すために灌漑システムを修理したり、または投与速度及び時間を変更することであり得る。また別の改善措置は、急速な植物の成長が原因で栄養素の必要量が増加する場合、カルシウムのレベルを高めることであり得る。これは、水耕栽培を用いる場合、または高い成長が起こることが予想される植物の定着の間、特に重要であり得る。また別の改善措置は、ｐＨの過度の変化を引き起したり、または根域で利用可能なカルシウムを制限することができる栄養の供給源の使用を中断することであり得る。また別の改善措置は、温度問題、蒸気圧差（ＶＰＤ）、空気循環のような環境制御に関する問題を修正することであり得る。また別の改善措置は、葉面へのカルシウム散布を適用することであり得る。これらの改善措置は、コントローラ６２０及び農業モジュール６０６の様々なシステムによって実施することができる。

農業モジュール６０６によって識別できるまた別の欠乏は、カリウム欠乏である。農業モジュール６０６のシステムは、カリウム欠乏を識別するのに用いることができる植物特性データ８１４及び／または環境データ８１６を収集することができる。カリウムは、細胞の膨圧を維持し、植物の細胞気孔を開閉するのに役立つことができる栄養素である。また、適切な量のカリウムは、適切な酵素活性化を引き起こすことができ、光合成の間接的な調節に繋がる。カリウム欠乏の指標は、カリウム欠乏の兆候を示す植物の古い葉またはより下の葉を含むことができる。指標は、葉の硫化または葉の縁の茶色の壊死を含むことができる。カリウム欠乏がある植物では、葉の縁が枯れたように見えることがある。また、指標は、遅い植物の生育及び未発達の根系も含むことができる。また、指標は茎と葉の柄が弱いこと、また果実の品質及び収穫量が少ないことも含むことができる。また、指標は、果実の減少したブリックスの割合を含み、果実の表面には粗く、色がくすんで見える場合があり、ムラの変色も見えることがある。さらに、指標は、水分不足のある植物の兆候も含む。

農業モジュール６０６は、カリウム欠乏を解決するための改善措置を実施することができる。改善措置は、制御システムの修正及び修理を含むことができる。また、処置は、植物の根域での十分な酸素投与を維持すること、及び粘土または有機物の含有量を増加させ、土壌または生育培地のＣＥＣを改善することを含むことができる。別の改善措置は、特にカルシウムとマグネシウムに関して、互いに対して適切な割合で栄養素を適用することであり得る。別の改善措置は、ｐＨを所望の範囲に維持するためにｐＨを修正することであり得る。植物に適用される水の温度は、所望の温度範囲内に修正できる。また、栄養素のレベルは、所定の範囲内でこのレベルを維持するように変更することができる。また別の改善措置は、温度問題、蒸気圧差（ＶＰＤ）、空気循環のような環境制御に関する問題を修正することであり得る。これらの改善措置は、コントローラ６２０及び農業モジュール６０６の様々なシステムによって実施することができる。

例えば、空気循環システム６１０、照明システム６１２、灌漑システム６１４、視覚システム６１６、及び液体循環システム６１８の様々なセンサは、コントローラ６２０及び／またはローカルコンピュータ６２２に結合することができる。これらのセンサから獲得されたデータは、収集されデータベースに格納することができる。図８に示すように、複数の農業施設６０２からのコンピューティング装置６２２は、データ入力層７０２に示された様々なセンサ及び他の情報提供者によって獲得されたデータを格納することができるデータベース８０２に結合することができる。コンピューティング装置６２２は、本明細書に記載の方法を実行することができる１つ以上のエンジンまたはモジュールを含むことができる。図８に示す例において、コンピューティング装置６２２は、データ抽出エンジン８０４、データ処理エンジン８０６、及び農業エンジン８０８を含むことができる。一部の例において、データ抽出エンジン８０４は、データ入力層７０２に関して記載された機能を提供することができ、データ処理エンジン８０６は、データ処理層７０４に関して記載された機能を提供することができる。さらに、農業エンジン８０８は、データ分析層７０６に関して記載された機能を提供することができる。データ抽出エンジン８０４は、データベース８０２及び１つ以上の情報ソース８１２に結合できる。データ抽出エンジン８０４は、農業エンジン８０８に含まれ得る１つ以上のモデルを訓練させるだけでなく、農業モジュール６０６で生育する植物で認識され得る欠乏を修正するために改善措置が必要な場合があれば、それが何かを決定するために必要とされるデータを獲得することができる。

農業エンジン８０８は、例えば、植物特性データ８１４を用いて訓練された１つ以上の訓練された機械学習モデル８２０を含むことができる。植物特性データ８１４は、農業モジュール６０６で生育している植物の様々な態様を特徴付けるために用いることができる履歴データ及び情報を含むことができる。また、植物特性データ８１４は、植物の様々な態様を特徴付けることができる現在のデータ及び情報を含むことができる。現在のデータ及び情報は、どんな改善措置が植物の生育性能を改善するために望まれるかを判定するために、農業エンジン８０８における学習モデル８２０によって用いることができる。また、現在のデータ及び情報は、農業モジュール６０６で生育する植物に１つ以上の欠乏が存在し得るか否かを判定するために、農業エンジン８０８の学習モデル８２０によって用いることもできる。このような判定が、農業エンジン８０８によって行われた後、情報はコントローラ６２０に送信され、次いでコントローラ６２０が適切な農業行為８２２を空気循環システム６１０、照明システム６１２、灌漑システム６１４、視覚システム６１６、及び／または液体循環システム６１８などの農業モジュール６０６の１つ以上のシステムに送信することによって、このような行為を実施することができる。

農業モジュール６０６によって識別することができるまた別の欠乏は、マグネシウム欠乏である。農業モジュール６０６のシステムは、マグネシウム欠乏を識別するのに用いることができる植物特性データ８１４及び／または環境データ８１６を収集することができる。好ましい量のマグネシウムは、多くの植物酵素の適切な機能化を引き起こすことができる。マグネシウム原子は、光からエネルギーを収穫し、また電子輸送を介して光子からのエネルギーを化学エネルギーに変換する役割を行う葉緑素構造において中心構成要素であるため、植物の光合成の過程に影響を及ぼし得る。

植物でのマグネシウム欠乏の指標は、以前の色と比較して下部または古い葉が薄くなることを含むことができる。マグネシウム欠乏植物の葉は、まだらに見えたり葉の垂れ下がりが現れることがある。さらなる指標は、赤色または紫色に見え得る壊死性葉組織を含むことができる。また、指標には、葉脈の間に壊死組織があったり葉の老化（或いは、落葉）が発生し得る葉脈間の黄白化が含まれ得る。

農業モジュール６０６は、マグネシウム欠乏を解決するための改善措置を実施することができる。このような改善措置には、植物の灌漑期間を変更することによって根域乾燥化を防止することを含むことができる。水耕システムにおいて、改善措置には、各灌漑期間の間生育培地からの液体の排水を含むことができる。また別の改善措置は、ｐＨが所定の範囲内にあるように根域のｐＨレベルを変更することであり得る。一例において、範囲は約５．５以上のｐＨである。別の例において、ｐＨ範囲は約６．５以下のｐＨである。また別の例において、ｐＨ範囲は約５．５～約６．５の範囲である。別の例において、別の範囲を用いることができる。

また別の改善措置は、マグネシウムイオン濃度のレベルを所定のレベルに維持することであり得る。一例において、マグネシウムイオン濃度の所定のレベルは約２５ｐｐｍである。別の例において、改善措置は、他の栄養素に対するマグネシウムの割合を所定の割合に維持することである。一例において、マグネシウムとカルシウムとの割合は３：１であり、マグネシウムとカリウムとの割合は約４：１であり、カルシウムとカリウムとの割合は約２：１である。また別の改善措置は、ＰＶＤを所定のレベルに維持することである。また別の改善措置は、光を所定のレベルに維持し、空気の動きを所定のレベルに維持し、さらに極限の温度を防止することによって、植物の木部が損傷することを防止することであり得る。また別の改善措置は、栄養の不均衡を防ぐために養液槽を排水、フラッシング、または再充填することであり得る。また別の改善措置は、エプソム塩の希釈した葉面溶液を植物に適用することであり得る。このような葉面溶液は、この溶液に非イオン性界面活性剤またはスプレッダ／固着剤を含むことができる。これらの改善措置は、コントローラ６２０及び農業モジュール６０６の様々なシステムによって実施することができる。

農業モジュール６０６によって識別することができるまた別の欠乏は、窒素欠乏である。農業モジュール６０６のシステムは、窒素欠乏を識別するのに用いることができる植物特性データ８１４及び／または環境データ８１６を収集することができる。窒素は、植物でタンパク質、核酸（ＤＮＡ及びＲＮＡ）及び葉緑素の適切な生産をもたらすことができる主要な多量の栄養素である。

植物は、農業モジュール６０６が窒素欠乏植物を識別できるようにする様々な指標を示すことができる。窒素欠乏の指標は、植物の色の変化を含むことができる。例えば、植物全体が淡緑色を示し得る。また別の指標は、植物の古い葉の硫化であり得る。また別の指標は、植物の新しい成長点が淡緑色または黄色になることであり得る。また別の指標は、植物の生育不振である。また別の指標は、落葉である。窒素欠乏のまた別の指標は、古い葉の壊死及び壊死スポットの欠如である。また別の指標は、植物組織で粗タンパク質レベルの減少であり得る。また別の指標は、葉の柄と葉脈の赤色化である。

農業モジュール６０６は、窒素欠乏を解決するための改善措置を実施することができる。改善措置は、植物の根に使用することができる窒素の添加を含むことができる。また別の改善措置は、土壌または生育培地のｐＨの均衡を修正することであり得る。また別の改善措置は、窒素と他の栄養素との間の不均衡を修正することであり得る。また別の改善措置は、植物種、生育ステップ及び基質条件に適した窒素肥料を適用することであり得る。また別の改善措置は、植物に葉面栄養素を適用することであり得る。また別の改善措置は、高炭素有機物が多量に存在する土壌または生育培地にさらなる窒素を添加することであり得る。また別の改善措置は、破損したり、非機能的であったり、または許容誤差を外れた構成要素を含む、監視、投与、及び灌漑システムを検査及び修理することであり得る。また別の改善措置は、このような状態を所定の範囲に調整するために、空気循環およびＶＰＤを調整することであり得る。これらの改善措置は、コントローラ６２０及び農業モジュール６０６の様々なシステムによって実施することができる。

農業モジュール６０６によって識別することができるまた他の欠乏は、リン欠乏である。農業モジュール６０６のシステムは、リン欠乏を識別するのに用いることができる植物特性データ８１４及び／または環境データ８１６を収集することができる。リンは、核酸、植物の生殖、光合成、及びエネルギーの移送の必須要素である植物の主要な多量栄養素である。

植物は、農業モジュールがリン欠乏を識別できるようにする様々な指標を示すことができる。リン欠乏の指標は、葉の紫色の変色を含むことができ、特に古い葉の下面で見られる。また別の指標は、茎と葉の柄の濃緑色または紫色の変色であり得る。また別の指標は、葉縁と葉先上にある変色が徐々に内側に進行することである。また別の指標は、葉先枯れの出現である。また別の指標は、葉縁の辺りに現れ得る壊死スポットである。また別の指標は落葉である。また別の指標は、流動と果実の減少である。また別の指標は、根と植物の生育不振である。

農業モジュール６０６は、リン欠乏を解決するための改善措置を実施することができる。このような改善措置は、可溶性の形態でリン肥料を適用することを含むことができる。また別の改善措置は、作物が定着する前にリン土壌改良剤を適用することであり得る。また別の改善措置は、土壌、生育培地、または養液のｐＨを調整及び／または修正することであり得る。また別の改善措置は、吸収率を増加させるためにアンモニア性窒素と共にリンを適用することであり得る。また別の改善措置は、リンの吸収率を増加させるためにカルシウム及び硫黄の量を調整または増加させることであり得る。また別の改善措置は、根域が所定の温度レベル未満である場合に養液の温度を高めることであり得る。また別の改善措置は、有機リン供給源を植物の根に適用することであり得る。また別の改善措置は、根域の通気を改善することであり得る。また別の改善措置は、亜リン酸塩の葉面施肥であり得る。これらの改善措置は、コントローラ６２０及び農業モジュール６０６の様々なシステムによって実施することができる。

農業モジュール６０６によって識別することができるまた別の欠乏は、硫黄欠乏である。農業モジュール６０６のシステムは、硫黄欠乏を識別するのに用いることができる植物特性データ８１４及び／または環境データ８１６を収集することができる。硫黄は、アミノ酸の形成、酵素及びビタミンの発現、種子の生産、葉緑素の形成、油の形成、揮発性化合物の形成、及び窒素の固定を補助することができる二次多量栄養素である。

植物は、農業モジュール６０６が硫黄欠乏植物を識別できるようにする様々な指標を示すことができる。硫黄欠乏の指標は、全体的に黄色の淡緑色の外観を含む。また別の指標は、黄変が古い葉から新しい葉に重症度化し得ることである。また別の指標は、葉脈の黄色白化現象である。また別の指標は、葉のストリップリングである。また別の指標は、植物の成長が遅くなったり不振になったりすることである。また別の指標は、壊死した葉先である。また別の指標は、マメ科植物での窒素固定の減少である。

農業モジュール６０６は、硫黄欠乏を解決するための改善措置を実施することができる。改善措置は、硫酸塩の形で所定の範囲内で硫黄入りの土壌、生育培地、灌漑用水、または養液を補充することを含むことができる。また別の改善措置は、所定のレベルの硫黄と窒素の割合で栄養素を測定し適用することであり得る。一例において、硫黄と窒素の比は約２０：１である。また別の改善措置は、所定のレベルの水の量を適用するために灌漑システムを監視、測定、及び修理することであり得る。また別の改善措置は、土壌または生育培地中の有機物の量を増加させることであり得る。また別の改善措置は、植物に適用される窒素肥料を測定し減少させることであり得る。また別の改善措置は、養液を所定の温度範囲の温度で適用することであり得る。また別の改善措置は、土壌、生育培地、または養液のｐＨレベルを修正することであり得る。また別の改善措置は、農業モジュール６０６におけるＶＰＤを調整することであり得る。これらの改善措置は、コントローラ６２０及び農業モジュール６０６の様々なシステムによって実施することができる。

再び図７を参照すると、一部の実施形態において、データ入力層７０２は、市場データ、生産歩留まり、及び食料品質を含む生データを獲得することができる。このようなデータは、データベース８０２、または他の情報サーバ若しくは他の情報源から獲得することができる。データ入力層７０２によって収集されたデータは、空間及び時間の分析に用いることができる。上述のように、前記の様々な実施形態によって、検出可能な植物特性の例が記載されている。例えば、データ入力層７０２によって収集されたデータが次のような植物条件、例えば植物の生育不振、新しい葉／生育が変形したり縮んだりする（Ｐｉｎｃｈｅｄ）ように見えること、歪んだ外方分枝、厚くて壊れやすく見える分枝及び葉、黄色への生え変わり、根先が丸く見えること、開花の減少、コルクスポットや組織表面への亀裂を示す場合、植物のホウ素欠乏の兆候であり得る。ホウ素欠乏が検出されると、自律屋内農業システムは、制御システムに次のような改善措置、すなわち、特定の作物に比べて高すぎる場合の、土壌、培地、または養液のｐＨを修正、特に蒸気圧差（ＶＰＤ）を探すすべての環境制御機器に対する自己診断の実行、養液温度の昇温、根に伝達される水の量を増加させるための灌漑システムの調整、土壌または培地に可溶性ホウ素を適用、または葉面へのホウ素の散布の適用のいずれかを実施するように命令することができる。その後、システムは植物の生育と健康状態を監視し続け、改善措置の効果を記録する。

図９～図１３に示すように、農業モジュール６０６の視覚システム６１６は、農業施設６０２で生育し得る植物の画像を収集することができるイメージセンサを含むことができる。この画像は、植物内に存在し得る１つ以上の欠乏を識別するために収集し得る。例えば、図９に示すように、植物の葉９００は、枯れまたは壊死９０２を示す縁を含み得る。このような状態は、例えばカルシウム欠乏の指標であり得る。別の例において、図１０に示すように、画像は、１つ以上のスポット１００２を含み得る果実１０００を示し得る。例えば、果実１０００のムラの変色はカリウム欠乏の指標であり得る。また別の例において、図１１に示すように、植物の葉１１００は、縁区域１１０２で第１状態を有し、内側区域１１０４に第２状態を有する縁を示し得る。縁区域１１０２及び内側区域１１０４の色または他の特性は、植物のまた別の欠乏の兆候であり得る。

ここで、図１２を参照して、葉１２００は、縁の状態とスポットのある状態を示すことができる。この例において、葉１２００は変色１２０２及びスポット１２０４がある縁を含む。これらの特性は、植物のまた別の欠乏を示すことができる。別の例において、図１３に示す農業モジュール６０６は、経時による植物の特性を監視することによって植物の欠乏を判定するように作動することができる。例えば、視覚システム６１６は、時間１で植物の葉１３００の第１画像、時間２で同じ植物の葉１３００の第２画像、時間３で植物の葉の第３画像、及び時間４で植物の葉の第４画像をキャプチャすることができる。これらの画像を比較することによって、農業モジュール６０６は、経時による植物特性を比較することによって植物の欠乏を検出及び／または識別し得る。図示のように、変色１３０２は、時間２よりも時間３でより大きく、時間４でさらに大きい。従って、変色は時間が経つにつれて増加することが分かる。また、葉１３００の縁１３０４は、時間が経つにつれて比較できる。図示のように、縁１３０４は壊死を示すことが分かる。このような進行は、欠乏を示すことができる。この例において、示された条件は窒素欠乏を示すことができる。

一部の実施形態において、視覚システム６１６は、生育過程の間、作物の様々な特性を反映するデータを検出及び収集するために多重スペクトルを利用することができる。一例として、ＲＧＢカメラを用いて任意の異常現象を処理及び検出するための画像データを収集することができる。また別の例において、ＬＩＤＡＲは、例えば、葉面積指数及び空間的不均一情報を用いて植物の成長を検出及び測定するのに用いることができる。また別の例において、熱イメージングは、植物の葉の周りの灌漑及び環境的不規則性（微気候）を検出するのに用いることができる。また別の例において、超分光イメージングは、栄養素の検出、表現型検査、水分量及び植物化学物質の含有量の測定に用いることができる。視覚システム６１６から収集されたデータは、処理層７０４で処理できる。

一部の実施形態において、データ処理層７０４は、生データを実行可能な形式でクリーンデータに変換するようにデータ前処理を行った後、データ分析層７０６に供給できるように構成される。一部の実施形態において、データ処理層７０４で行われたデータ前処理は、データのリスケーリング、データ２値化、及びデータの標準化を含む。一部の実施形態において、視覚システムのイメージセンサによって収集された画像へのデータ前処理は、画像をリサイジングするステップ、ノイズを除去するステップ、分割ステップ、及び平滑化ステップの少なくとも１つを含み得る。

一部の実施形態において、画像のフィルタリング、選択、測定、及び分析を向上させるために代案的なコンピュータ視覚接近法が用いられ得る。これらの接近方式は、深度マッピング、色のフィルタリング及び抽出、熱イメージング、赤外線スペクトル分化、及び特徴マッチングを含み得る。高解像度画像は、より高い忠実度分析及び精度のためにサブセクションに切り取ることができる。すべての中間画像及び関連データは、データ分析層７０６で人工知能（「ＡＩ」）モデルの今後の修正、調整及び再訓練のために恒久的に格納され得る。

一部の実施形態において、データ分析層７０６は、植物の健康及び生育状態を評価するのに用いることができる上述の植物の健康状態の指標に基づいて、データ入力層７０２で収集されたデータを分析するように構成される。システム７００が、植物が上述の状態のうちの１つを示すと判定すると、システム７００は、特定の検出された状態に対応する生育区域の特定の環境条件を調整することによって、改善措置を実施するように制御システムに命令するであろう。従って、ＡＩシステム７００は、例えば、任意の栄養欠乏を補償するために、及び／または植物コンテナモジュール内の植物に対する生育条件をさらに最適化するために、生育区域の条件を自動的に制御することができる。

ＡＩシステム７００は、収集されたデータを記録し、試みた改善措置の効率性を監視することができる。データ分析層７０６は、生育特性と健康特性とを比較して、改善措置の効果を評価する。判定された改善措置の効果に基づいて、ＡＩシステム７００は、効果的な改善措置は適用し、非効果的な改善措置は適用しないように、今後の改善ステップを決定するためのアルゴリズムを学習して変更する。

一部の実施形態において、ＡＩシステム７００は、観察された／検出された作物の状態及び適用可能な改善措置に関して、認可された／責任のある職員に通知する通知システムを含み得る。システムで説明されていないさらなる改善措置または植物／作物の健康状態若しくは状況は、法医学的アプリケーションに接続する人間の専門家によってＡＩシステム７００に組み込むことができる。時間と共に、ＡＩシステム７００は、人間の操作に内在する潜在的なエラーを回避するために、修正措置がシステムによって取られるより大きな自律性に接近し、達成しなければならない。一部の実施形態において、これらの措置に関する情報はログに記録され、操作者に伝達され得る。

一部の実施形態において、データ分析層７０６は、機械学習アルゴリズムを実行するように構成される。一部の実施形態において、画像が人間のオペレータによって分析及び分類され、データベースに格納される時、機械学習データセットは今後の画像を自動的に分析及び分類し、このような分析に基づいて判定（例えば、画像に基づいて、この植物が特定の栄養欠乏症があるということなど）を行うために、人工知能（ＡＩ）アルゴリズムによって使用できるデータベースに蓄積されるであろう。

一部の実施形態において、データ分析層７０６は、本主題の状況を最も正確に評価するために、漸進的複雑性の木構造で構成された機械学習モデルを利用することができる。別の実施形態において、データ分析層７０６によって利用される主要な機械学習アプローチは、ニューラルネットワーク、ディープラーニング、コンピュータ／マシンビジョン技術、及びより伝統的な機械学習技術（ＳＶＭ、ＫＮＮ、線形回帰、ロジスティック回帰）で構成され得る。コンピュータビジョン技術は、深度マッピング、色のフィルタリング及び抽出、熱イメージング、赤外線分化、及び特徴マッチングを含み得る。

一部の実施形態において、ＡＩモデルに存在する不正確性は、システムレベルのフィードバックループによって修正され得る。既存の関連する整形データを用いて、あいまいな作物状況を正確に分割し得る。不正確にラベリングされた、または不正確に予測された画像は、データ分析層７０６の効率性を持続的に改善するために、ラベリング、訓練、及びモデル構築過程（データ処理層７０４）の上位層を介してフィードバックできる。

ここで図１４を参照すると、自律農業１４００の例示的な方法が示されている。方法１４００、１５００、１６００は、自律農業施設１００、自律農業施設５００、または自律農業施設６００のような、本明細書に開示されたシステムまたは装置のうちの１つ以上によって実行できる。この方法１４００、１５００、１６００のステップは、例えばコンピューティング装置６２２によって実質的に実行することができる。他の例において、この方法１４００、１５００、１６００のステップは、農場施設６００から局所的または遠隔に位置するサーバ、コンピュータ、または他のコンピューティング装置のような異なるコンピューティング装置によって実行することができる。本明細書に記載の方法のステップを実行する例示的なコンピューティング装置は、コンピューティング装置６２２及びリモートコンピュータ６３２を含む。簡潔性のために、方法１４００、図１５の方法１５００、及び図１６の方法１６００について、コンピューティング装置６２２及び農業施設６００を参照して説明する。しかし、このステップは、また別の実施形態及びその変形によって実行することもできるだけでなく、遠隔に位置する共有サーバ、多数の異なるコンピューティングシステム、及びその変形によって実行できることを理解されたい。

方法１４００は、コンピューティング装置６２２が植物特性データ８１４を獲得することができるステップ１４０２から始まる。植物特性データ８１４は、生育コンテナまたは農業モジュール６０６で生育する植物の１つ以上の特性を特徴付けるデータであり得る。植物特性データ８１４は、空気循環システム６１０、照明システム６１２、灌漑システム６１４、視覚システム６１６、及び液体循環システム６１８のセンサによって収集できる。一例において、植物特性データ８１４は、視覚システム６１６のイメージセンサによって収集される画像を含むことができる。イメージセンサは、農業モジュール６０６で植物の画像を収集することができる。植物特性データ８１４を収集し、データベース８０２に格納することができる。コンピューティング装置６２２は、データ抽出エンジン８０４を用いて、データベース８０２から植物特性データ８１４にアプローチして検索することができる。データ抽出エンジン８０４は、適切な通信方法、アプリケーションプロトコルインターフェース（ＡＰＩ）などを用いるなどの任意の適切な方法で植物特性データ８１４を獲得することができる。

方法１４００は、コンピューティング装置６２２が環境データ８１６を獲得することができるステップ１４０４につながる。一例において、コンピューティング装置６２２は、植物特性データ８１４に関して上述のものと同様の方法で、データ抽出エンジン８０４を用いてデータベース８０２から環境データ８１６を獲得することができる。環境データ８１６は、生育モジュール（または生育コンテナ）６０６内部の生育条件を特徴付けるデータであり得る。環境データ８１６は、空気循環システム６１０、照明システム６１２、灌漑システム６１４、視覚システム６１６、及び液体循環システム６１８の様々なセンサから収集され、データベース８０２に格納できる。

方法１４００のステップ１４０６において、コンピューティング装置６２２は、植物特性データ８１４及び／または環境データ８１６に対してデータ処理を実行することができる。データ処理は、データ処理エンジン８０６によって実行できる。データ処理は、データ処理層７０４の機能に関して上述の植物特性データ８１４及び／または環境データ８１６を処理することができる。データ処理は、農業エンジン８０８に入力する植物特性データ８１４及び環境データ８１６を準備するために、他のデータ処理を集計、構成、構造化、標準化または実行することができる。理解されるように、農業エンジン８０８は、方法１４００の他のステップを実行するのに用いることができる１つ以上の機械学習モデルを含むことができる。

方法１４００のステップ１４０８において、コンピューティング装置６２２は、生育欠乏が存在するか否かを判定することができる。コンピューティング装置６２２は、植物特性データ８１４及び／または環境データ８１６を用いて生育欠乏を判定することができる。一例において、コンピューティング装置６２２は、このような目的のために訓練された機械学習モデル８２０を含むことができる。訓練された機械学習モデル８２０は、植物特性履歴データ８１４及び／または環境履歴データ８１６を用いて訓練できる。訓練された機械学習モデル８２０は、例えば栄養欠乏の指標を学習することができる。上述の各栄養欠乏は、訓練された機械学習モデルによって識別され得る指標について記載している。また、訓練された機械学習モデルは、植物特性データ８１４及び環境データ８１６における様々な異なるデータセット間の複雑な関係を識別して学習し、他に知られていない可能性のある欠乏の指標を学習することができる。この点において、農業エンジン８０８及び訓練された機械学習モデル８２０は、伝統的な農業方法論に比べて大幅に改善された。

生育欠乏は、植物の任意の欠乏若しくは状態、または生育モジュール６０６で植物の健康且つ有益な生育を阻害し得る生育モジュール６０６の欠乏若しくは条件であり得る。生育欠乏は、上述の栄養欠乏を含むことができる。別の生育欠乏として、植物の過剰または過少灌漑、不適切な空気循環レベル、不適切な排水、不適切な照明、不適切な栄養素の均衡などの他の有害な条件を含むことができる。

ステップ１４１０において、コンピューティング装置６２２は、生育欠乏が存在するか否かを判定する。コンピューティング装置６２２が生育欠乏が存在しないと判定すると、方法はステップ１４０２に戻り、コンピューティング装置はステップ１４０２からステップ１４１０を継続的にまたは周期的に行い続けることができる。コンピューティング装置６２２が生育欠乏が存在すると判定すると、方法はステップ１４１２に進む。

ステップ１４１２において、コンピューティング装置６２２は、生育欠乏に基づいて適切な農業行為を決定することができる。コンピューティング装置６２２によって決定される農業行為は、ステップ１４０８で判定される欠乏を修正または改善するのに必要とされ得る任意の適切な対応であり得る。農業行為は、植物に適用される栄養素混合物を変更するなどの単一の行為であり得る。また、農業行為は、生育モジュール６０６の生育条件に対する任意の数の変更を含むことができる行為の組み合わせであり得る。農業エンジン８０８及び／または機械学習モデル８２０は、コンピューティング装置６２２によって判定された欠乏を考慮して実施される最上のまたは適切な農業行為を時間と共に学習することができる。従って、より多くのデータが収集され、機械学習モデル８２０が、例えば以下に説明する方法１６００を用いて再訓練されるため、農業行為は時間と共に変更し得る。

ステップ１４１４において、コンピューティング装置は農業行為８２２を農業コントローラ６２０に送信することができる。農業行為８２２は、生育モジュール６０６で１つ以上の生育条件を変更せよという命令を含むことができる。例えば、コンピューティング装置６２２がホウ素欠乏が存在すると判定すると、コンピューティング装置６２２は、生育モジュール６０６の植物に分配される栄養素内のホウ素の量を増加させるようにコントローラ６２０に命令する農業行為８２２を農業コントローラ６２０に送信することができる。このような農業行為８２２の結果として、コントローラ６２０は、液体循環システム６１８のポンプが栄養素貯蔵所から増加した量のホウ素を分配させることができる。理解されるように、農業行為８２２は、空気循環システム６１０、照明システム６１２、灌漑システム６１４、視覚システム６１６、及び液体循環システム６１８の１つ以上を用いて、任意の適切な措置を行うための命令を含むことができる。

ステップ１４１６において、コンピューティング装置６２２は、生育過程が完了したか否かを判定することができる。一部の例において、コンピューティング装置６２２は、植物を生育した時間の量に基づいてこれを判定することができる。別の例において、コンピューティング装置６２２は、植物特性データ８１４を用いて、生育過程が完了したか否かを判定することができる。例えば、コンピューティング装置は、植物が所定の大きさに達したか、または所定の量の果実を生産したかを判定することができる。また別の例において、コンピューティング装置は、収穫コマンドを受信するまで方法１４００のステップを実行し続け得る。それにもかかわらず、コンピューティング装置６２２が生育過程が完了していないと判定すると、方法１４００はステップ１４０２に戻り、コンピューティング装置は前記方法を継続的にまたは周期的に実行することができる。コンピューティング装置６２２が生育過程が完了したと決定すると、方法１４００を終了する。

上述のように、方法１４００は、生育モジュール６０６での植物の生育過程の間に発生し得る欠乏を判定するために、訓練された機械学習モデル８２０を利用することができる。モデル８２０は、最適未満の収穫または最適未満の生産性からなり得る植物の状態を識別し、その後、農業システム６００によって実施される改善措置が植物の生育を改善することができる。農業施設６００が作動している時、空気循環システム６１０、照明システム６１２、灌漑システム６１４、視覚システム６１６、及び液体循環システム６１８におけるセンサは、植物特性データ８１４及び環境データ８１６を収集し続けることができる。また、このようなデータは、農業行為８２２及び関連の改善措置が生育モジュール６０６で実施された後に収集することもできる。

ここで、図１５を参照すると、自律農業１５００の別の例示的な方法が示されている。方法１５００は、方法１４００について記載されたステップ及び機能と実質的に同様の一部態様を含む。例えば、ステップ１５０２からステップ１５０６は、方法１４００のステップ１４０２からステップ１４０６に記載のものと同じ機能を含むことができる。

ステップ１５０８において、コンピューティング装置６２２は、生育モジュール６０６で生育する植物の植物生育品質を決定することができる。一例において、植物生育品質は、植物特性データ８１４を用いて決定することができる。植物生育品質は、上述のように欠乏に対応することができる。別の例において、植物生育品質は、生育モジュール６０６で生育する植物の健康を識別することができる。任意の適切な測定または特性を用いて植物の健康を区別し、また植物生育品質を指定するのに用いることができる。一例において、植物生育品質は、植物の健康の１つ以上の個別の特性を用いることによって、及び／またはクラスタリングを用いることによって示すことができる。このような例において、農業エンジン８０８は、優れた、満足する、または不足した植物の健康のようなカテゴリを用いて植物の健康を指定するために適切なクラスタリングまたはビニング技術を用いることができる。植物特性データ８１４は、特定の植物、特定のカート、または特定の生育モジュールにおいて、植物の健康が優れているか、満足するものか、または不足しているかを識別するのに用いることができる。

ステップ１５１０において、コンピューティング装置６２２は、決定された植物生育品質に基づいて農業行為を決定することができる。農業行為は、方法１４００に関して上述のような任意の適切な行為であり得る。例えば、農業行為は、農業モジュール６０６内部の生育条件を変更することであり得る。別の例において、農業行為は、何の行為も取らないか、または現在の生育レシピ及び現在の制御環境日程に従って続けてもよい。また別の例において、農業行為は、植物または生育状態に関する追加のデータまたは情報を獲得することであり得る。

ステップ１５１２において、コンピューティング装置６２２は、農業行為が農業モジュール６０６での生育条件の変更を必要とするかを判定することができる。コンピューティング装置６２２が変更が必要であると判定すると、方法はステップ１５１４に進む。コンピューティング装置６２２が生育条件の変更が必要ではないと判定すると、方法はステップ１５０２に戻る。このような方式で、方法１５００は、農業モジュール６０６での植物の植物生育品質の連続または期間監視を提供する。

ステップ１５１４において、コンピューティング装置６２２は、農業モジュール６０６での生育条件の変更を実施するために、農業コントローラ６２０に農業行為を送信することができる。理解されるように、農業行為は、上述のように、空気循環システム６１０、照明システム６１２、灌漑システム６１４、視覚システム６１６、及び液体循環システム６１８の１つ以上を用いて、任意の適切な行為を行うための命令を含むことができる。

ステップ１５１６において、コンピューティング装置６２２は、生育過程が完了したか否かを判定することができる。一部の例において、コンピューティング装置６２２は、植物を生育した時間の量に基づいてこれを判定することができる。別の例において、コンピューティング装置６２２は、植物特性データ８１４を用いて、生育過程が完了したか否かを判定することができる。例えば、コンピューティング装置は、植物が所定の大きさに達したか、または所定の量の果実を生産したかを決定することができる。また別の例において、コンピューティング装置は、収穫コマンドを受信するまで方法１５００のステップを実行し続け得る。それにもかかわらず、コンピューティング装置６２２が生育過程が完了していないと判定すると、方法１５００はステップ１５０２に戻り、コンピューティング装置は前記方法を継続的にまたは周期的に実行することができる。コンピューティング装置６２２が生育過程が完了したと決定すると、方法１５００を終了する。

ここで、図１６を参照すると、自律農業システムを改善するための方法１６００が示されている。方法１６００は、コンピューティング装置６２２が植物特性履歴データを獲得することができるステップ１６０２から始まる。植物特性履歴データは、上述の植物特性データ８１４と実質的に同様であり得る。また、植物特性履歴データは、農業システム６００で活発に使用中の機械学習モデル８２０を訓練するのに用いられる学習データセットの後に収集されたデータを含むことができる。植物特性履歴データは、植物特性データ８１４について上述のような任意の適切な方法を用いて獲得することができる。

ステップ１６０４において、コンピューティング装置６２２は、環境履歴データを獲得することができる。環境履歴データは、上述の環境データ８１６と実質的に同様であり得る。環境履歴データは、機械学習モデル８２０を最初に訓練させるのに用いられたデータセットの後に収集された環境データを含むことができる。

ステップ１６０６において、コンピューティング装置６２２は、植物特性履歴データ及び環境履歴データを用いて機械学習モデル８２０を再訓練させることができる。図示していないが、植物特性履歴データ及び環境履歴データは、データ処理層７０４に関して記載しているように、データ処理エンジン８０６によって処理できる。機械学習モデル８２０は、農業モジュール６０６の様々なセンサによってデータが収集され続けたので、使用可能な増加した量のデータを活用するために再訓練することができる。機械学習モデル８２０を再訓練によって、植物特性履歴データ及び環境履歴データから異なる、追加、または修正された関係を識別し得る再訓練された機械学習モデルとなり得る。適切なオープンソースまたは独自の機械学習ツールまたはライブラリを用いて、機械学習モデル８２０を再訓練させることができる。

ステップ１６１０において、コンピューティング装置６２２は、再訓練された機械学習モデルの性能が初期に訓練された機械学習モデルの性能を凌駕するか否かを判定することができる。モデルの性能を判定するために、任意の適切な性能マトリックスを用いることができる。例えば、従来のＡ－Ｂテスト方法論を用いてモデルを比較することができる。別の例において、再訓練されたモデルと初期モデルは、植物特性データと環境データの共通データセットを用いて比較した後、モデルが農業システム６００が実際作動中に直面していた公知の欠乏を正確に識別できるか否かを判定するために比較することができる。また別の例において、他の性能測定を用いることができる。

再訓練されたモデルが既存または初期モデルよりも良好に実行できていないとコンピューティング装置６２２が判定すると、初期モデルはステップ１６１６での作動を維持し、方法はステップ１６１４に進む。再訓練されたモデルが初期モデルよりも良好に実行しているとコンピューティング装置６２２が判定すると、方法はステップ１６１２に進む。

ステップ１６１２において、コンピューティング装置６２２は、初期モデルを再訓練されたモデルで代替することができる。この交換の後、農業システム６００は再訓練されたモデルで作動し続けることができる。

ステップ１６１４において、コンピューティング装置は、所定の期間が経過したか否かを判定することができる。理解されるように、農業システム６００のオペレータは、機械学習モデル８２０が農業システム６００の作動中に収集される増加した量の植物特性データ及び環境データを持続的に活用できるように許容することによって、システムの性能を持続的に改善することができる。従って、周期的に、方法１６００は、新たに利用可能なデータが機械学習モデル８２０の性能を向上させるか否かを決定するために実行することができる。よって、コンピューティング装置６２２は、このような所定の期間が経過したか否かを判定し得る。１週間、１ヶ月、２ヶ月、３ヶ月、６ヶ月、１２ヶ月、またはその他の期間のような、任意の適切な所定の期間を用いることができる。従って、所定の時間周期が経過しなかった場合、コンピューティング装置６２２はその時間周期の間待機する。所定の期間が経過した場合、方法は、農業システム６００の作動に改善が行われるか否かを決定するために、上述のステップを再び実行するようにステップ１６０２に戻る。別の例において、コンピューティング装置６２２は、十分な量の植物特性履歴データ及び／または十分な量の環境履歴データが機械学習モデル８２０の再訓練を許容することができると判定するまで方法１６００を再び実行するように待機することができる。

本開示の方法、システム及び装置は、従来の方法及びシステムと比べて改善されたものである。本明細書に記載の例は、その他に知られていない構造及び機能を含む。本発明の自律農業施設は、栽培者が、人間の介入がほぼあるいは全くなく大規模施設を運営できるようにする上、植物特性、生育傾向、植物生育に対する環境的影響だけでなく、大規模農業運営で欠乏が識別され、解決される際に、改善措置の影響に関する膨大な量のデータ及び情報を収集する能力を含むことができる。自律農業という脈絡における機械学習モデルの実施により、大規模屋内農業の運営に関する一貫性、生産率及び収益性を向上させることができる。このような脈絡における機械学習モデルの実施は、本明細書に記載の屋内生育環境及びその配置の固有の態様のために公知の方法に比べて大幅に改善された。さらに、記載された方法及び機能は、従来の農業方法によっては認識できないデータ間の関係を機械学習モデルが識別することができるため、従来の農業方法では実行することができない。本明細書に記載の方法及びシステムの実施は、従来の方法に比べて改善された作物生産量、改善された収益性及び改善された生産率を得ることができる。

本発明の様々な実施形態を上述したが、一例として提示したにすぎず、限定するものではないことを理解すべきである。同様に、当業者が本発明の例示的な特徴及び機能を理解できるように備えられる様々なダイヤグラムは、例示的なアーキテクチャまたは構成の一例を示すことがある。しかし、本発明が例示的なアーキテクチャまたは構成に限定されず、様々な代案のアーキテクチャ及び構成を用いて実装することができることを理解するであろう。また、当業者によって理解されるように、一部の実施形態の１つ以上の特徴は、本明細書に記載の他の実施形態の１つ以上の特徴と組み合わせることができる。よって、本発明の広さ及び範囲は、上述のいずれかの例示的な実施形態によっても制限されるべきではない。

なお、「第１」、「第２」などの呼称を用いた本明細書の要素への任意の言及は、一般的にそれらの要素の量または順序を制限するものではないことが理解される。むしろ、本明細書において、これらの呼称を、２つ以上の要素または要素のインスタンスを区別する便利な手段として使用することができる。よって、第１と第２の要素への言及は、２つの要素のみ用いることができる、または、何らかの方式でも第１の要素が第２の要素に先行しなければならないということを意味するものではない。

さらに、当業者であれば、情報及び信号が、様々な異なるテクノロジー及び技術を用いて表現できることを理解するであろう。例えば、上記説明で参照され得るデータ、命令、コマンド、情報、信号、ビット、及びシンボルを、電圧、電流、電磁波、磁界や粒子、光学場や粒子、またはそれらの任意の組み合わせによって表現することができる。

当業者であれば、本明細書に開示された態様に関連して説明される様々な例示としての論理ブロック、モジュール、プロセッサ、手段、回路、方法、及び機能が、電子ハードウェア（例えば、情報源符号化またはその他の技術を用いて設計することができるデジタル実装、アナログ実装、またはその２つの組み合わせ）、命令を組み込んだ様々な形式のプログラムまたは設計コード（本明細書では、便宜上、「ソフトウェア」または「ソフトウェアモジュール」と称することができる）、またはその両方の組み合わせによって実装可能であることをさらに理解するであろう。このようなハードウェアとソフトウェアの互換性を明確に示すため、様々な例示としての構成要素、ブロック、モジュール、回路、及びステップが、それらの機能性に関して一般的に上述されている。かかる機能性がハードウェア、ファームウェア、ソフトウェア、またはかかる技術の組み合わせとして実装するかどうかは、システム全体に課せられた特定の用途及び設計上の制約によって決定される。当業者は、特定の用途ごとに様々な方式で記載の機能性を実装することができるが、そのような実装の決定が本発明の範囲を逸脱すると解釈されるべきではない。

さらに、当業者であれば、本明細書に説明した様々な例示としての論理ブロック、モジュール、デバイス、構成要素、及び回路が、汎用プロセッサ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、その他のプログラマブルロジックデバイス、またはそれらの任意の組み合わせを含み得る集積回路（ＩＣ）内に実装される、または集積回路（ＩＣ）によって実行可能であることを理解するであろう。論理ブロック、モジュール、及び回路は、ネットワーク内またはデバイス内で様々な構成要素と通信するために、アンテナ及び／または送受信機をさらに含むことができる。汎用プロセッサは、マイクロプロセッサであり得るが、代案として、プロセッサは、従来のプロセッサ、コントローラ、またはステートマシンでもあり得る。また、プロセッサは、コンピューティングデバイスの組み合わせ、例えば、ＤＳＰとマイクロプロセッサの組み合わせ、複数のマイクロプロセッサ、ＤＳＰコアと組み合わせた１つ以上のマイクロプロセッサ、または本明細書に記載の機能を実行するためのその他の好適な構成として実装することができる。

ソフトウェアに実装される場合、機能は、コンピュータ可読媒体に１つ以上の命令またはコードとして記憶することができる。よって、本明細書で開示する方法またはアルゴリズムのステップは、コンピュータ可読媒体に記憶されたソフトウェアとして実装することができる。コンピュータ可読媒体は、コンピュータ記録媒体と、コンピュータプログラムまたはコードをある場所から別の場所に移送することができる任意の媒体を含む通信媒体との両方を含む。記録媒体は、コンピュータによってアクセス可能な任意の利用可能な媒体であり得る。一例として、かかるコンピュータ可読媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ－ＲＯＭ、または、その他の光学ディスク記憶装置、磁気ディスク記憶装置もしくはその他の磁気ディスク記憶装置、または、命令やデータ構造の形式で所望のプログラムコードを記憶するために使用でき、コンピュータによってアクセス可能なその他の媒体を含むことができるが、これらに限定されない。

本明細書で使用されている「エンジン」という用語は、本明細書に記載の関連する機能を実行するための、ソフトウェア、ファームウェア、ハードウェア、及びこれらの要素の任意の組み合わせを意味する。さらに、論議のために、様々なエンジンを個別のエンジンとして記載する。しかし、当業者に明らかなように、２つ以上のエンジンを組み合わせ、本発明の実施形態によって関連する機能を実行する単一のエンジンを形成してもよい。

さらに、メモリまたはその他の記憶装置、及び通信構成要素が、本発明の実施形態で利用され得る。明確さのために、上記の説明は、異なる機能ユニット及びプロセッサを参照して、本発明の実施形態を説明したことが理解されるであろう。しかし、異なる機能ユニット、処理ロジック要素、またはドメイン間での任意の好適な配分の機能性が、本発明を逸脱することなく使用し得ることは明らかであろう。例えば、別個の処理ロジック要素またはコントローラによって実行されると例示された機能性は、同一の処理ロジック要素またはコントローラによって実行してもよい。従って、特定の機能ユニットへの言及は、厳密な論理的または物理的構造または組織を示すのではなく、記載された機能性を備えるための好適な手段への言及にすぎないだけである。

本開示で用いられる「モデル」という用語は、ディープラーニングを用いて生成されたデータモデルを含む。ディープラーニングは、教師ありまたは教師なしの設定下でモデルを訓練させることを含み得る機械学習の類型である。ディープラーニングモデルは、様々なデータ群間の関係を学習させるために訓練され得る。ディープラーニングモデルは、多数の処理層を用いてデータでの抽象化をモデリングするように設計された一連のアルゴリズムを基づき得る。処理層は、非線形変換で構成されてもよい。ディープラーニングモデルは、例えば、ニューラルネットワーク、畳み込みニューラルネットワーク、及びディープニューラルネットワークを含み得る。このようなニューラルネットワークは、訓練可能なフィルタ、変換、投影、ハッシング、及びプーリングのレベルで構成され得る。ディープラーニングモデルは、大規模な関係認識作業に用いられ得る。モデルは、当業者に公知の様々なオープンソース及び独自の機械学習ツールを用いて生成することができる。

本発明に記載された実装形態に対する様々な変更は、当業者には容易に明らかであり、本明細書で定義される一般原理は、本発明の範囲を逸脱することなく他の実装形態に適用することができる。よって、本発明は、本明細書に示された実装形態に限定されることを意図しておらず、添付の請求範囲に引用されている通り、本明細書に開示された新規の特徴及び原理に整合する最も広い範囲が許容されるべきである。

他の態様において、コンピューティング装置は、空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムのうちの１つが複数の生育コンテナのうちの１つで生育条件を変更するために、複数の生育コンテナのうちの１つに位置する空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムのうちの１つに農業行為を送信することができる。

Claims (30)

1. 少なくとも１つの生育モジュールで生育する植物の１つ以上の植物特性を特徴付ける植物特性データを獲得し、
   農業エンジンを用いて、前記植物特性データに基づいて植物の少なくとも１つの生育欠乏を判定し、また
   少なくとも１つの生育モジュールに作動可能に結合された農業コントローラに少なくとも１つの農業行為を送信し、前記少なくとも１つの農業行為は、植物の生育条件を向上させるための改善措置を含むように構成されたコンピューティング装置を含む、自律農業システム。
2. 前記農業エンジンは、訓練された機械学習モデルを含む、請求項１に記載の自律農業システム。
3. 前記植物特性データは、前記少なくとも１つの生育モジュールに位置する１つ以上のセンサによって収集される、請求項１に記載の自律農業システム。
4. 前記コンピューティング装置は、前記少なくとも１つの生育モジュール内部の前記植物の生育条件を特徴付ける植物環境データを獲得するように構成され、前記少なくとも１つの生育欠乏は、前記植物環境データに基づいて判定される、請求項１に記載の自律農業システム。
5. 前記農業エンジンは、植物特性履歴データ及び環境履歴データを用いて訓練された機械学習モデルを含む、請求項４に記載の自律農業システム。
6. 前記農業コントローラは、空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムの少なくとも１つに作動可能に結合される、請求項１に記載の自律農業システム。
7. 前記少なくとも１つの農業行為は、前記空気循環システム、前記照明システム、前記灌漑システム、前記視覚システム、及び前記液体循環システムの少なくとも１つに生育モジュールでの生育条件を変更させる命令を含む、請求項６に記載の自律システム。
8. 前記植物特性データは、前記生育モジュールにおける視覚システムによって収集された画像データを含み、前記画像データは、前記生育モジュールにおける植物の画像を含む、請求項１に記載の自律農業システム。
9. 前記農業エンジンは、画像履歴データに基づいて、植物の少なくとも１つの欠乏を自動的に判定する、請求項８に記載の自律農業システム。
10. 前記コンピューティング装置は、前記農業エンジンの機械学習モデルを再訓練させ、前記コンピューティング装置が、再訓練された機械学習モデルの性能が初期の機械学習モデルの性能を凌駕していると判定すると、初期の機械学習モデルを再訓練された機械学習モデルに置き換えるように構成される、請求項１に記載の自律農業システム。
11. 前記少なくとも１つの生育モジュールは、複数の生育コンテナを含み、
    前記複数の生育コンテナは、生育コンテナのマトリックスを定義するために少なくとも２つの列と少なくとも２つの行に配置され、
    前記コンピューティング装置は、前記複数の生育コンテナの各々で生育する植物の１つ以上の植物特性を特徴付ける植物特性データを獲得するように構成される、請求項１に記載の自律農業システム。
12. 少なくとも１つの生育モジュールで生育する植物の１つ以上の植物特性を特徴付ける植物特性データを獲得するステップと、
    農業エンジンを用いて前記植物特性データに基づいて植物の少なくとも１つの生育欠乏を判定するステップと、
    前記少なくとも１つの生育モジュールに作動可能に結合された農業コントローラに少なくとも１つの農業行為を送信するステップであって、前記少なくとも１つの農業行為は、植物の生育条件を向上させるための改善措置を含むステップと、を含む、自律農業方法。
13. 前記農業エンジンは、訓練された機械学習モデルを含む、請求項１２に記載の方法。
14. 前記植物特性データは、前記少なくとも１つの生育モジュールに位置する１つ以上のセンサによって収集される、請求項１２に記載の方法。
15. 前記少なくとも１つの生育モジュール内部の植物の生育条件を特徴付ける植物環境データを獲得するステップと、前記植物環境データにさらに基づいて少なくとも１つの欠乏を判定するステップと、をさらに含む、請求項１２に記載の方法。
16. 前記農業エンジンは、植物特性履歴データ及び環境履歴データを用いて訓練された機械学習モデルを含む、請求項１２に記載の方法。
17. 前記農業コントローラは、空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムの少なくとも１つに作動可能に結合される、請求項１２に記載の方法。
18. 前記少なくとも１つの農業行為は、前記空気循環システム、前記照明システム、前記灌漑システム、前記視覚システム、及び前記液体循環システムの少なくとも１つに前記生育モジュールでの生育条件を変更させる命令を含む、請求項１７に記載の方法。
19. 前記植物特性データは、前記生育モジュールにおける視覚システムによって収集された画像データを含み、前記画像データは前記生育モジュールにおける植物の画像を含む、請求項１２に記載の方法。
20. 前記農業エンジンは、画像履歴データに基づいて前記植物の少なくとも１つの欠乏を自動的に判定する、請求項１９に記載の方法。
21. 前記農業エンジンの初期の機械学習モデルを再訓練させるステップと、前記コンピューティング装置が、再訓練された機械学習モデルの性能が前記初期の機械学習モデルの性能を凌駕していると判定すると、前記初期の機械学習モデルを前記再訓練された機械学習モデルに置き換えるステップと、をさらに含む、請求項１２に記載の方法。
22. 前記少なくとも１つの生育モジュールは、複数の生育コンテナを含み、
    前記複数の生育コンテナは、生育コンテナのマトリックスを定義するために少なくとも２つの列と少なくとも２つの行に配置され、
    前記方法は、前記複数の生育コンテナの各々で生育する植物の１つ以上の植物特性を特徴付ける植物特性データを獲得するステップと、をさらに含む、請求項１２に記載の方法。
23. 独立して制御可能な環境を各々含む複数の密閉された生育コンテナであって、生育コンテナのマトリックスを定義するために少なくとも２つの列と少なくとも２つの行に配向されている、複数の密閉された生育コンテナと、
    前記複数の密閉された生育コンテナの各々に位置する少なくとも１つの移動可能なカートであって、各々は、１つ以上の植物を維持するように構成された少なくとも１つの移動可能なカートと、
    トラック及びライザー上に移動可能に位置する多関節ロボットであって、前記生育コンテナマトリックスの各々の列に接近するためにトラックに沿って第１方向に移動し、また、前記生育コンテナマトリックスの各々の行に接近するためにライザーに沿って第２方向に移動するように構成された多関節ロボットを含む、自律農業装置。
24. 多関節ロボットは、前記生育コンテナのマトリックスにおける各々の生育コンテナから、前記少なくとも１つの移動可能なカートを抽出及び挿入するように構成される、請求項２３に記載の自律農業装置。
25. 前記生育コンテナのマトリックスにおける各々の生育コンテナは、前記生育コンテナの底部に対して異なる位置で前記少なくとも１つの移動可能なカートを支持するように構成された少なくとも２つの段を含む、請求項２３に記載の自律農業装置。
26. コンピューティング装置及び農業コントローラをさらに含み、前記コンピューティング装置は、農業コントローラに接続され、また訓練された機械学習モデルを用いて１つ以上の植物の少なくとも１つの欠乏を判定するように構成された、請求項２３に記載の自律農業装置。
27. 前記コンピューティング装置は、各々の前記生育コンテナに位置する１つ以上のセンサから獲得された植物特性データに基づいて前記少なくとも１つの欠乏を判定する、請求項２６に記載の自律農業装置。
28. 前記コンピューティング装置は、各々の前記生育コンテナに位置する１つ以上のセンサから獲得された環境データにさらに基づいて前記少なくとも１つの欠乏を判定する、請求項２７に記載の自律農業装置。
29. 機械学習モデルは、各々の前記生育コンテナに位置するセンサから獲得された植物特性履歴データ及び環境履歴データを用いて訓練される、請求項２８に記載の自律農業装置。
30. 前記コンピューティング装置は、空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムのうちの１つが前記複数の生育コンテナのうちの１つで生育条件を変更するために、前記複数の生育コンテナのうちの１つに位置する空気循環システム、照明システム、灌漑システム、視覚システム、及び液体循環システムのうちの１つに農業行為を送信するようさらに構成される、請求項２９に記載の自律農業装置。

Images