JP6858891B2 - 情報処理装置および情報処理方法 - Google Patents

Description

本発明は、情報処理装置および情報処理方法に関する。

近年、施設園芸において、温室内の環境の可視化または温室内の環境制御のために、コンピュータを用いたシステムが開発されている。例えば、気温センサおよび湿度センサなどのセンサ、これらセンサにより得られる測定データに基づいて温室内の環境の分析または制御を行う情報処理装置、を有するシステムが存在する。

施設園芸における病害リスクとして、栽培物への結露が知られている。栽培物への結露により栽培物が濡れた状態が長期化すると、栽培物に付着した菌糸が伸張し、感染リスクが高まる。この点に関し、特許文献１には、気温センサおよび湿度センサにより得られた測定データを用いて結露に関する判定を行う制御装置が開示されている。

特開２０１７−１１２９１６号公報

上述した栽培物への結露は、特に、朝日の照射による急激な気温上昇により引き起こされる。しかし、温室に設けられた気温センサの測定結果における気温の上昇には、温室内の栽培物の周辺における実際の気温の上昇に対して遅れが生じる場合がある。その場合、気温センサおよび湿度センサのみを用いた結露状態の推定方法では、結露状態の推定精度が低下する。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、結露状態の推定精度を向上することが可能な、新規かつ改良された情報処理装置および情報処理方法を提供することにある。

上記課題を解決するために、本発明のある観点によれば、日射量センサにより測定された温室への日射量を示す日射量データ、および前記温室内の相対湿度を示す相対湿度データを取得するデータ取得部と、前記日射量データおよび前記相対湿度データに基づき、前記温室内の栽培物における結露状態を推定する推定部と、を備える、情報処理装置が提供される。

また、上記課題を解決するために、本発明の別の観点によれば、日射量センサにより測定された温室への日射量を示す日射量データ、および前記温室内の相対湿度を示す相対湿度データを取得することと、前記日射量データおよび前記相対湿度データに基づき、前記温室内の栽培物における結露状態を推定することと、を含む、情報処理方法が提供される。

以上説明した本発明によれば、結露状態の推定精度を向上することが可能である。

本発明の実施形態による温室管理システムを示す説明図である。 ユーザ装置の表示部に表示される画面の具体例を示す説明図である。 日射量および気温の関係を示す説明図である。 本発明の実施形態による管理サーバの構成を示す説明図である。 学習段階における管理サーバの動作を示すフローチャートである。 運用段階における管理サーバの動作を示すフローチャートである。 管理サーバのハードウェア構成を示したブロック図である。

以下に添付図面を参照しながら、本発明の実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

＜１．温室管理システムの概要＞
本発明の実施形態は、農作物が育成される温室の環境を管理する温室管理システムに関する。図１を参照し、本発明の実施形態による温室管理システムの概要を説明する。

図１は、本発明の実施形態による温室管理システムを示す説明図である。図１に示したように、本発明の実施形態による温室管理システムは、温室１０と、複数のセンサ２１〜２３と、通信装置２６と、気象情報サーバ３０と、管理サーバ４０と、ユーザ装置５０と、を備える。管理サーバ４０は、通信装置２６、気象情報サーバ３０およびユーザ装置５０とネットワーク１２を介して接続されている。

（温室１０）
温室１０は、農作物などを栽培するための空間を形成する。温室１０の建材としては、ガラスまたはビニールなどの透光性を有する建材が用いられる。このため、温室１０で栽培される農作物は、太陽光を浴びながら、適温環境にて成長することができる。温室１０は、暖房設備を有してもよいし、暖房設備を有さなくてもよい。温室１０で栽培される栽培物は農作物に限られず、温室１０で栽培される栽培物は農作物以外の植物であってもよい。

温室１０には、複数のセンサ２１〜２３が設けられる。具体的には、温室１０には、気温センサ２１、日射量センサ２２および湿度センサ２３が設けられる。気温センサ２１は温室内の気温を測定し、日射量センサ２２は温室への日射量を測定し、湿度センサ２３は温室内の相対湿度を測定する。図１においては日射量センサ２２が温室１０内に設けられているが、日射量センサ２２は温室１０の外側に設けられてもよい。また、温室１０には、二酸化炭素濃度センサ、風速センサおよび地温センサなどの他のセンサが設けられてもよい。

複数のセンサ２１〜２３は、測定により取得した気温データ、日射量データまたは相対湿度データなどの測定データを、無線で通信装置２６に送信する。例えば、複数のセンサ２１〜２３は、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ（登録商標） Ｌｏｗ Ｅｎｅｒｇｙ）またはＷｉ−Ｆｉを用いて測定データを通信装置２６に送信してもよい。または、複数のセンサ２１〜２３は通信装置２６に有線で接続されてもよく、この場合、複数のセンサ２１〜２３は測定データを有線で通信装置２６に送信する。

（通信装置２６）
通信装置２６は、複数のセンサ２１〜２３と管理サーバ４０との間で測定データを中継する。すなわち、通信装置２６は、複数のセンサ２１〜２３から測定データを受信し、受信した測定データを管理サーバ４０にネットワーク１２を介して送信する。なお、ネットワーク１２は、ネットワーク１２に接続されている装置から送信される情報の有線、または無線の伝送路である。例えば、ネットワーク１２は、セルラーネットワーク、インターネット、電話回線網、衛星通信網などの公衆回線網や、Ｅｔｈｅｒｎｅｔ（登録商標）を含む各種のＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などを含んでもよい。また、ネットワーク１２は、ＩＰ−ＶＰＮ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ−Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）などの専用回線網を含んでもよい。

（気象情報サーバ３０）
気象情報サーバ３０は、気象情報を管理サーバ４０に提供する。気象情報は、現在又は過去に実際に観測された気象観測情報、および、現在以降に観測されることが予測される気象予測情報を含む。気象情報は、地域ごとの気温、相対湿度、日射量または雨量を示す情報を含んでもよい。

（管理サーバ４０）
管理サーバ４０は、温室１０の管理のための多様な情報を収集する機能、収集した情報を分析する機能、収集した情報または情報の分析結果を配信する機能を有する情報処理装置である。具体的には、管理サーバ４０は、通信装置２６から測定データを収集し、気象情報サーバ３０から気象情報を収集する。管理サーバ４０は、収集した情報を分析して、将来の温室１０の内部環境を予測すること、さらに病害リスクを判定することが可能である。管理サーバ４０は、収集した情報、上述の予測結果および判定結果などを、農家のユーザが利用するユーザ装置５０にネットワーク１２を介して配信する。

（ユーザ装置５０）
ユーザ装置５０は、温室１０で農作物を栽培する農家のユーザが利用する装置である。ユーザ装置５０は、管理サーバ４０から配信される情報を表示する表示部を有する。図１においてはユーザ装置５０の一例としてスマートフォンを示しているが、ユーザ装置５０はスマートフォンに限定されない。ユーザ装置５０は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、携帯電話または専用装置などの情報処理装置であってもよい。

図２は、ユーザ装置５０の表示部に表示される画面の具体例を示す説明図である。図２に示した画面は、病害リスクを示す表示６２、気温および相対湿度の時間変化を示す表示６４を含む。表示６２においては、各時点における病害リスクの大きさが円の大きさおよび色で示される。図２に示した例では、病害リスクが高いほど大きく、かつ色が濃い円が表示される。ユーザは、表示６２を見ることで、薬剤の散布、暖房の調整および温室１０の換気など、病害リスクを減らすための作業を行うことが可能となる。なお、温室１０に設けられた機器が、管理サーバ４０からの指示に従って、暖房の調整、二酸化炭素発生量の調整などの環境制御および薬剤の散布などの処理を実行してもよい。

表示６４において、細線実線は気温の測定値、細線破線は気温の将来の予測値、太線実線は相対湿度の測定値、太線破線は相対湿度の将来の予測値を示す。ユーザは、当該表示６４に基づいて、温室１０の現在の環境、および将来の環境を把握できる。

図２には、病害リスク、気温および相対湿度を示す情報が表示される例を示したが、ユーザ装置５０は、管理サーバ４０との通信に基づき、日射量または二酸化炭素濃度などの他の環境要素を示す情報も表示することが可能である。また、ユーザ装置５０は、温室１０が複数設けられる場合には温室１０ごとの情報を表示することも可能であるし、温室１０内の場所ごとまたはセンサごとの情報を表示することも可能である。これにより、現在の環境または将来の環境が農作物の栽培のために不適である場合、ユーザは、暖房の調整、二酸化炭素発生量の調整などを行うことができる。

＜２．背景の整理＞
以上、本発明の実施形態による温室管理システムの概要を説明した。続いて、本発明の実施形態の技術的意義をより明らかにするために、本発明の実施形態の詳細な説明に先立ち、本発明の実施形態の背景を説明する。

温室において病害が発生する原因として、栽培物への結露が知られている。栽培物への結露により栽培物が濡れた状態が長期化すると、栽培物に付着した菌糸が伸張し、感染リスクが高まる。

当該結露は、特に、朝日の照射による急激な気温上昇、または窓を閉め切った状況下で湿気がこもることにより引き起こされる。ここで、図３を参照し、日射量と気温の関係を説明する。

図３は、日射量および気温の関係を示す説明図である。図３に示したように、日射量Ｒが上昇すると、日射量Ｒの上昇に遅れて温室内の実際の気温Ｔｒが上昇する。気温Ｔｒの上昇により、相対湿度が減少し、温室を形成する建材などの温度が上昇する。特に、換気窓を閉め切った温室においては、日射により植物の水蒸気が放出される蒸散が増加すること、および、土壌表面の水面の揮発により、湿度が１００％近くに保たれる。一方で、水分を多く含む栽培物の比熱は建材などの他の物体よりも比熱が高い。このため、栽培物は他の物体よりも温度が上昇しに難く、栽培物の温度は図３の温度Ｔｃに示したように気温Ｔｒの上昇にさらに遅れて上昇する。この場合、栽培物の近傍の気温が相対的に低くなるので、栽培物の近傍において相対湿度が１００％に達し、結露が栽培物に集中すると考えられる。

病害リスクを正確に判定するために、上述した日射による結露の発生を高精度に推定することが望まれる。この点に関し、気温センサにより測定された気温および湿度センサにより測定された相対湿度を用いて結露の発生を推定する方法が考えられる。しかし、温室に設けられた気温センサの測定結果における気温の上昇には、温室内の栽培物の周辺における実際の気温の上昇に対して遅れが生じる場合がある。例えば、温室内の気温は一定でなく、朝日による温度上昇が生じる範囲は温室内で徐々に広がっていく。また、気温センサの測定結果に実際の気温が反映されるまでの遅延も生じ得る。結果、図３に示した気温Ｔｍのように、気温センサによる測定結果である気温Ｔｍの上昇には実際の気温Ｔｒの上昇に対して遅れが生じ得る。従って、気温センサおよび湿度センサのみを用いた結露状態の推定方法では、推定結果への信頼性が不十分である。

また、濡れセンサを導入する方法も考えられるが、運用段階における濡れセンサの導入には、濡れセンサの購入費用、メンテナンスおよび測定データの利用方法、などの観点から問題がある。

本件発明者は、上記事情を一着眼点にして本発明の実施形態を創作するに至った。本発明の実施形態によれば、運用段階において濡れセンサを用いることなく、結露状態の推定精度を向上することが可能である。以下、このような本発明の実施形態の構成および動作を順次詳細に説明する。

＜３．管理サーバの構成＞
図４は、本発明の実施形態による管理サーバ４０の構成を示す説明図である。図４に示したように、本発明の実施形態による管理サーバ４０は、通信部４２０と、記憶部４３０と、学習部４４０と、分析部４５０と、を備える。

（通信部４２０）
通信部４２０は、他の装置との通信のためのインタフェースである。例えば、通信部４２０は、通信装置２６から日射量データ、気温データおよび相対湿度データなどの測定データを受信し、気象情報サーバ３０から気象情報を受信するデータ取得部として機能する。また、通信部４２０は、測定データなどを用いた予測結果および判定結果などをユーザ装置５０に送信する送信部としての機能も有する。

（記憶部４３０）
記憶部４３０は、通信装置２６から受信された測定データ、および気象情報サーバ３０から受信された気象情報を記憶する。記憶部４３０は、後述する学習部４４０により生成される濡れ量算出モデルも記憶する。

（学習部４４０）
学習部４４０は、日射量データ、気温データおよび相対湿度データなどの測定データを入力データとして用いて栽培物の濡れ量（結露状態）を出力するための、濡れ量算出モデルを機械学習により生成する。

具体的には、学習段階においては温室１０の栽培物に濡れセンサを装着し、管理サーバ４０は、日射量データ、気温データおよび相対湿度データに加え、濡れセンサにより測定された濡れ量データを取得する。そして、学習部４４０は、日射量データ、気温データおよび相対湿度データを入力データとして用い、濡れ量データを教師データとして用いて機械学習を行うことにより、濡れ量算出モデルを生成する。

結果、濡れ量算出モデルとして、気温および相対湿度に加え、絶対湿度、露点温度、気温と露点温度との差分、および飽差などの物理量、前時間におけるこれら物理量、前時間と現時間におけるこれら物理量の差分、前時間における濡れ量、などが考慮されたモデルが得られる。

さらに、機械学習においては、上述したように入力データとして日射量データも用いられる。図３を参照して説明したように、温室１０に設けられた気温センサ２１の測定結果における気温の上昇には、温室１０内の栽培物の周辺における実際の気温の上昇に対して遅れが生じる場合がある。一方、日射量は、温室１０内の栽培物の周辺における実際の気温の上昇に先立って上昇する。従って、現時間より前の日射量データも入力データとして機械学習を行うことで、実際の気温の推定精度が向上する効果が得られ、結果、運用段階でも入力データとして日射量データを用いることで濡れ量の推定精度が向上することが期待される。

なお、学習部４４０は、さらに、時間帯、栽培物の密度、温室１０の面積、気象情報、温室１０内の送風状況および温室１０の換気状況のうちの少なくとも１つを入力データとして追加的に用いて機械学習を行ってもよい。かかる構成により、濡れ量モデルによる濡れ量の推定精度を一層向上することが可能である。また、機械学習の手法として、線形モデル、カルマンフィルター、またはニューラルネットワーク（例えば、リカレントニューラルネットワークおよびディープラーニングなど）が用いられてもよい。また、ある温室１０についての機械学習により生成された濡れ量算出モデルは、当該温室１０の運用段階において使用されてもよいし、他の温室１０の運用段階において使用されてもよい。

（分析部４５０）
分析部４５０は、運用段階において、記憶部４３０に記憶された測定データなどを分析する機能を有する。具体的には、分析部４５０は、図４に示したように結露推定部４５２および病害リスク判定部４５４の機能を有する。

結露推定部４５２は、日射量データ、気温データおよび相対湿度データに基づき、温室１０内の栽培物における結露状態として、栽培物の濡れ量を推定する。具体的には、結露推定部４５２は、日射量データ、気温データおよび相対湿度データを入力データとして、記憶部４３０に記憶された濡れ量算出モデルに適用することにより、栽培物の濡れ量を推定する。

濡れ量算出モデルにおいては、直近の所定時間分の日射量データ、気温データおよび相対湿度データなどの測定データが用いられてもよい。かかる構成により、栽培物における濡れの蓄積を考慮して濡れ量を算出できる。また、所定時間（例えば、１時間および２時間など）より前の状況が現在の濡れ量に与える影響は少ないと考えられるので、上記のように所定時間前より古い測定データを用いないことにより、高精度の推定と処理負荷の軽減を実現することが可能である。

なお、濡れ量算出モデルが、栽培物の密度、温室１０の面積、気象情報、温室１０内の送風状況または温室１０の換気状況などを追加的な入力データとして用いる学習により生成された場合、運用段階においても、栽培物の密度、温室１０の面積、気象情報、温室１０内の送風状況または温室１０の換気状況などが追加的な入力データとして濡れ量算出モデルに適用されてもよい。

病害リスク判定部４５４は、結露推定部４５２により推定された栽培物の濡れ量に基づき、栽培物の病害リスクを判定する。例えば、病害リスク判定部４５４は、栽培物の濡れが、どの程度の量で、どの程度の時間に亘って継続しているかに基づき、栽培物の病害リスクを判定してもよい。病害リスク判定部４５４による判定結果は、通信部４２０によりユーザ装置５０に送信され、図２に示したようにユーザ装置５０において表示される。

＜４．管理サーバの動作＞
以上、本発明の実施形態による管理サーバ４０の構成を説明した。続いて、図５および図６を参照し、本発明の実施形態による管理サーバ４０の動作を整理する。

図５は、学習段階における管理サーバ４０の動作を示すフローチャートである。まず、管理サーバ４０の学習部４４０は、日射量データ、気温データおよび相対湿度データを入力データとして記憶部４３０から読み出す（Ｓ５０４）。さらに、学習部４４０は、濡れ量データを教師データとして記憶部４３０から読み出す（Ｓ５０８）。

そして、学習部４４０は、日射量データ、気温データおよび相対湿度データを入力データとして用い、濡れ量データを教師データとして用いて機械学習を行うことにより、濡れ量算出モデルを生成する（Ｓ５１２）。その後、記憶部４３０は、学習部４４０により生成された濡れ量算出モデルを記憶する（Ｓ５１６）。

図６は、運用段階における管理サーバ４０の動作を示すフローチャートである。図６に示したように、まず、管理サーバ４０の結露推定部４５２は、日射量データ、気温データおよび相対湿度データを記憶部４３０から入力データとして読み出す（Ｓ６０４）。続いて、結露推定部４５２は、濡れ量算出モデルを記憶部４３０から読み出す（Ｓ６０８）。

そして、結露推定部４５２は、日射量データ、気温データおよび相対湿度データを入力データとして濡れ量算出モデルに適用することにより、栽培物の濡れ量を推定する（Ｓ６１２）。

さらに、病害リスク判定部４５４は、結露推定部４５２により推定された栽培物の濡れ量に基づき、栽培物の病害リスクを判定する（Ｓ６１６）。その後、通信部４２０が、病害リスク判定部４５４による判定結果である病害リスク情報をユーザ装置５０に送信する（Ｓ６２０）。

＜５．作用効果＞
以上説明したように、本発明の実施形態による結露推定部４５２は、気温データおよび相対湿度データに加えて日射量データを用いて濡れ量を推定するので、運用段階において濡れ量センサを用いなくても、高精度に濡れ量を推定することが可能である。結果、病害リスク判定部４５４も高精度に病害リスクを判定することが可能となる。

＜６．変形例＞
以上、本発明の実施形態を説明した。以下では、本発明の実施形態の幾つかの変形例を説明する。なお、以下に説明する各変形例は、単独で本発明の実施形態に適用されてもよいし、組み合わせで本発明の実施形態に適用されてもよい。また、各変形例は、本発明の実施形態で説明した構成に代えて適用されてもよいし、本発明の実施形態で説明した構成に対して追加的に適用されてもよい。

（第１の変形例）
上記では、濡れ量算出モデルが機械学習により生成される例を説明したが、濡れ量算出モデルの生成方法は機械学習に限定されない。濡れ量算出モデルは、日射量データ、気温データ、相対湿度データおよび濡れ量データの統計分析などの他の方法により導かれたモデルであってもよい。

（第２の変形例）
上記では、日射量データ、気温データおよび相対湿度データを用いて濡れ量を推定する例を説明したが、濡れ量の推定のための入力データとして気温データは用いられなくてもよい。気温は日射量に依存するので、気温データが用いられなくても、日射量データを用いることにより濡れ量を推定することが可能である。

＜７．ハードウェア構成＞
上述した管理サーバ４０における機械学習および濡れ量の推定などの情報処理は、ソフトウェアと、以下に説明する管理サーバ４０のハードウェアとの協働により実現される。

図７は、管理サーバ４０のハードウェア構成を示したブロック図である。管理サーバ４０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）４０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）４０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）４０３と、ホストバス４０４と、を備える。また、管理サーバ４０は、ブリッジ４０５と、外部バス４０６と、インタフェース４０７と、入力装置４０８と、出力装置４１０と、メモリ４１１と、ドライブ４１２と、通信装置４１５とを備える。

ＣＰＵ４０１は、演算処理装置および制御装置として機能し、各種プログラムに従って管理サーバ４０内の動作全般を制御する。また、ＣＰＵ４０１は、マイクロプロセッサであってもよい。ＲＯＭ４０２は、ＣＰＵ４０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ４０３は、ＣＰＵ４０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバスなどから構成されるホストバス４０４により相互に接続されている。ＣＰＵ４０１、ＲＯＭ４０２およびＲＡＭ４０３とソフトウェアとの協働により、図４を参照して説明した学習部４４０および分析部４５０などの機能が実現され得る。

ホストバス４０４は、ブリッジ４０５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス４０６に接続されている。なお、必ずしもホストバス４０４、ブリッジ４０５および外部バス４０６を分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。

入力装置４０８は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチおよびレバーなどユーザが情報を入力するための入力手段と、ユーザによる入力に基づいて入力信号を生成し、ＣＰＵ４０１に出力する入力制御回路などから構成されている。管理サーバ４０のユーザは、該入力装置４０８を操作することにより、管理サーバ４０に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置４１０は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ装置、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）装置およびランプなどの表示装置を含む。さらに、出力装置４１０は、スピーカおよびヘッドホンなどの音声出力装置を含む。出力装置４１０は、例えば、再生されたコンテンツを出力する。具体的には、表示装置は再生された映像データ等の各種情報をテキストまたはイメージで表示する。一方、音声出力装置は、再生された音声データ等を音声に変換して出力する。

メモリ４１１は、データ格納用の装置であり、図４を参照して説明した記憶部４３０に対応する。メモリ４１１は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置などを含んでもよい。メモリ４１１は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）で構成される。このメモリ４１１は、ハードディスクを駆動し、ＣＰＵ４０１が実行するプログラムや各種データを格納する。

ドライブ４１２は、記憶媒体用リーダライタであり、管理サーバ４０に内蔵、あるいは外付けされる。ドライブ４１２は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記憶媒体に記録されている情報を読み出して、ＲＡＭ４０３に出力する。また、ドライブ４１２は、リムーバブル記憶媒体に情報を書き込むこともできる。

通信装置４１５は、例えば、ネットワーク１２に接続するための通信デバイス等で構成された通信インタフェースであり、図４を参照して説明した通信部４２０に対応する。また、通信装置４１５は、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）対応通信装置であっても、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）対応通信装置であっても、有線による通信を行うワイヤー通信装置であってもよい。

＜８．補足＞
以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。

例えば、本明細書の管理サーバ４０の処理における各ステップは、必ずしもフローチャートとして記載された順序に沿って時系列に処理する必要はない。例えば、管理サーバ４０の処理における各ステップは、フローチャートとして記載した順序と異なる順序で処理されても、並列的に処理されてもよい。

また、管理サーバ４０に内蔵されるＣＰＵ４０１、ＲＯＭ４０２およびＲＡＭ４０３などのハードウェアに、上述した管理サーバ４０の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、該コンピュータプログラムを記憶させた記憶媒体も提供される。

Claims (8)

1. 日射量センサにより測定された温室への日射量を示す日射量データ、および前記温室内の相対湿度を示す相対湿度データを取得するデータ取得部と、
   前記日射量データおよび前記相対湿度データに基づき、前記温室内の栽培物における結露状態を推定する推定部と、
   を備える、情報処理装置。
2. 前記データ取得部は、さらに、前記温室内の気温を示す気温データを取得し、
   前記推定部は、前記日射量データおよび前記相対湿度データに加え、前記気温データに基づいて前記結露状態を推定する、請求項１に記載の情報処理装置。
3. 前記推定部は、直近の所定時間分の前記日射量データおよび前記相対湿度データに基づいて前記結露状態を推定する、請求項１または２に記載の情報処理装置。
4. 前記情報処理装置は、
   前記日射量データおよび前記相対湿度データを入力データとして用い、前記栽培物における結露状態の測定データを教師データとして用いて機械学習を行う学習部をさらに備え、
   前記推定部は、前記学習部により得られたモデルに前記日射量データおよび前記相対湿度データを適用することにより前記結露状態を推定する、請求項１〜３のいずれか一項に記載の情報処理装置。
5. 前記推定部は、さらに、前記栽培物の密度、前記温室の面積、気象情報、前記温室内の送風状況および前記温室の換気状況のうちの少なくとも１つに基づいて前記結露状態を推定する、請求項１〜４のいずれか一項に記載の情報処理装置。
6. 前記情報処理装置は、前記推定部により推定された前記結露状態に基づき、前記栽培物の病害リスクを判定する病害リスク判定部をさらに備える、請求項１〜５のいずれか一項に記載の情報処理装置。
7. 前記情報処理装置は、前記病害リスク判定部による判定結果をユーザ装置に送信する送信部をさらに備える、請求項６に記載の情報処理装置。
8. 日射量センサにより測定された温室への日射量を示す日射量データ、および前記温室内の相対湿度を示す相対湿度データを取得することと、
   前記日射量データおよび前記相対湿度データに基づき、前記温室内の栽培物における結露状態を推定することと、
   を含む、情報処理方法。
   
   
   
   

Images