JP7113555B1 - 果樹栽培支援装置、推論装置、機械学習装置、果樹栽培支援方法、推論方法、及び、機械学習方法 - Google Patents
果樹栽培支援装置、推論装置、機械学習装置、果樹栽培支援方法、推論方法、及び、機械学習方法 Download PDFInfo
- Publication number
- JP7113555B1 JP7113555B1 JP2021140537A JP2021140537A JP7113555B1 JP 7113555 B1 JP7113555 B1 JP 7113555B1 JP 2021140537 A JP2021140537 A JP 2021140537A JP 2021140537 A JP2021140537 A JP 2021140537A JP 7113555 B1 JP7113555 B1 JP 7113555B1
- Authority
- JP
- Japan
- Prior art keywords
- fruit tree
- work
- fruit
- flowering
- information
- 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.)
- Active
Links
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 504
- 238000010801 machine learning Methods 0.000 title claims description 85
- 238000000034 method Methods 0.000 title claims description 36
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 claims abstract description 110
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000013138 pruning Methods 0.000 claims description 42
- 238000013500 data storage Methods 0.000 claims description 14
- 239000003375 plant hormone Substances 0.000 claims description 14
- 239000003337 fertilizer Substances 0.000 claims description 13
- 230000004720 fertilization Effects 0.000 claims description 6
- 238000003306 harvesting Methods 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 description 37
- 238000004891 communication Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 17
- 210000002569 neuron Anatomy 0.000 description 14
- 239000002420 orchard Substances 0.000 description 13
- 210000000225 synapse Anatomy 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 229930191978 Gibberellin Natural products 0.000 description 2
- 241001093501 Rutaceae Species 0.000 description 2
- 239000004062 cytokinin Substances 0.000 description 2
- UQHKFADEQIVWID-UHFFFAOYSA-N cytokinin Natural products C1=NC=2C(NCC=C(CO)C)=NC=NC=2N1C1CC(O)C(CO)O1 UQHKFADEQIVWID-UHFFFAOYSA-N 0.000 description 2
- 239000003448 gibberellin Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 229930192334 Auxin Natural products 0.000 description 1
- 241000207199 Citrus Species 0.000 description 1
- 235000011511 Diospyros Nutrition 0.000 description 1
- 244000055850 Diospyros virginiana Species 0.000 description 1
- 235000004789 Rosa xanthina Nutrition 0.000 description 1
- 241000220222 Rosaceae Species 0.000 description 1
- 239000002363 auxin Substances 0.000 description 1
- 235000020971 citrus fruits Nutrition 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- IXORZMNAPKEEDV-UHFFFAOYSA-N gibberellic acid GA3 Natural products OC(=O)C1C2(C3)CC(=C)C3(O)CCC2C2(C=CC3O)C1C3(C)C(=O)O2 IXORZMNAPKEEDV-UHFFFAOYSA-N 0.000 description 1
- IXORZMNAPKEEDV-OBDJNFEBSA-N gibberellin A3 Chemical class C([C@@]1(O)C(=C)C[C@@]2(C1)[C@H]1C(O)=O)C[C@H]2[C@]2(C=C[C@@H]3O)[C@H]1[C@]3(C)C(=O)O2 IXORZMNAPKEEDV-OBDJNFEBSA-N 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000010626 work up procedure Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
支援対象の果樹の開花時期における当該果樹の状態を含む果樹状態情報を取得する取得
部と、
学習対象の果樹の開花時期における当該果樹の状態を含む果樹状態情報と、当該果樹に
対して次年の前記開花時期までに行う作業内容を含む作業情報との相関関係を学習させた
学習モデルに対して、前記取得部により取得された前記支援対象の果樹に対する前記果樹
状態情報を入力することで、当該果樹に対する前記作業情報を生成する生成処理部と、を
備え、
前記果樹状態情報は、前記状態として、
前記開花時期における前記果樹が撮影された画像情報、
前記開花時期における前記果樹の花と芽の割合を示す割合情報を含む、及び、
前記開花時期における前記果樹内の内生植物ホルモンの含有量を示す含有量情報のうち少なくとも1つを含み、
前記作業情報は、前記作業内容として、
あら摘果作業における摘果量、及び、
前記あら摘果作業よりも後であって仕上げ摘果作業よりも前に行われる中間摘果作業における摘果量のうち少なくとも1つを含む。
そして、この新たな知見を学習モデルとして導入し、開花時期における果樹の状態という基準に基づいて、次年の開花時期までの作業内容が決められるので、毎年の収穫量の平準化を簡便に図ることができる。
図1は、第1の実施形態に係る果樹栽培支援システム1の一例を示す全体構成図である。図2は、果樹Tに対して行われる作業と、その作業時期を示す図である。果樹栽培支援システム1は、多数の果樹Tを栽培する果樹園にて作業する作業者を支援するために用いられるシステムである。
図3は、コンピュータ900の一例を示すハードウエア構成図である。果樹栽培支援システム1の各装置2~6は、汎用又は専用のコンピュータ900により構成される。
図4は、果樹データベース40の一例を示すデータ構成図である。果樹データベース40は、各果樹Tにそれぞれ付与された果樹識別情報(果樹ID)に基づいて、各果樹Tの状態や作業内容を管理するためのデータベースである。果樹データベース40は、例えば、基本情報テーブル400と、状態記録テーブル401と、作業記録テーブル402と、収穫記録テーブル403とから構成される。
、各レコードには、果樹ID、品種、植樹日、及び、植樹位置が登録される。植樹位置は、果樹園内に植えられた果樹Tの位置を示すものであり、例えば、果樹園の敷地を表す地図上に対して果樹Tの位置表示を可能とする情報である。
図6は、第1の実施形態に係る機械学習装置5の一例を示すブロック図である。機械学習装置5は、制御部50、通信部51、学習用データ記憶部52、及び、学習済みモデル記憶部53を備える。
作業者が、果樹状態情報やその果樹状態情報に対する作業内容を入力する操作を、作業者端末装置2を介して受け付けることで、学習用データ12を取得するようにしてもよい。
による管理者の入力操作を受け付けたりすることで、第1の学習用データ120を取得する。例えば、学習用データ取得部500は、例えば、開花時期における花と芽の割合の変化量が次年に対して特定の範囲内にある場合等を学習用データ検索条件として、果樹データベース40を検索する。このとき、果樹Tは、1年周期で開花時期が到来するため、1つの果樹Tに対して1年毎に学習用データ検索条件に該当する年であるか否かが判定される。
きくなるほど花の割合が高いものとして定義される。
ベレリン及びサイトカイニンの含有量に対応する2つ)のニューロンを有し、例えば、含有量が正規化された値が、各ニューロンにそれぞれ入力される。中間層1121は、例えば、複数の層から構成される。出力層1122は、出力データとしての作業情報が含む作業内容に対応する数のニューロンを有し、各作業内容の判定結果(推論結果)が、出力データとしてそれぞれ出力される。
図10は、機械学習装置5による機械学習方法の一例を示すフローチャートである。以下では、複数組の学習用データ12を用いて学習モデル11を生成するものとして説明するが、第1乃至第3の学習用データ120~122の各々を用いて第1乃至第3の学習モデル110~112をそれぞれ作成する場合に適用される。
得された1組の学習用データ12に含まれる作業情報(正解ラベル)と、ステップS130において出力層から推論結果として出力された作業情報(出力データ)とを比較し、各シナプスの重みを調整する処理(バックプロバケーション)を実施することで、機械学習を実施する。これにより、機械学習部501は、果樹状態情報と作業情報との相関関係を学習モデル11に学習させる。
図11は、第1の実施形態に係る果樹栽培支援装置6の一例を示すブロック図である。図12は、第1の実施形態に係る果樹栽培支援装置6の一例を示す機能説明図である。果樹栽培支援装置6は、制御部60、通信部61、及び、学習済みモデル記憶部62を備える。
しての成分分析計32により計測された支援対象の果樹Tの含有量情報を果樹状態取得装置3から受信したり、成分分析計32の計測結果が作業者により作業者端末装置2に対して入力された支援対象の果樹Tの含有量情報を作業者端末装置2から受信したり、果樹データベース40に登録されている支援対象の果樹Tの含有量情報を参照したりする。
図13は、果樹栽培支援装置6による果樹栽培支援方法の一例を示すフローチャートである。以下では、作業者が、作業者端末装置2のカメラ20で支援対象の果樹Tを撮影したときの果樹栽培支援装置6の動作を例にして説明する。
第2の実施形態は、果樹状態情報が、開花時期における果樹Tの状態だけでなく、剪定時期における果樹Tが撮影された画像情報をさらに含むものであり、作業情報は、作業内容として、剪定作業における剪定箇所を含むものである。以下では、第2の実施形態に係る機械学習装置5a及び果樹栽培支援装置6aについて、第1の実施形態と異なる部分を中心に説明する。
15は、第4の学習モデル113及び第4の学習用データ123の一例を示す図である。図16は、第5の学習モデル114及び第5の学習用データ124の一例を示す図である。図17は、第6の学習モデル115及び第6の学習用データ125の一例を示す図である。第4乃至第6の学習用データ123~125の各々は、第4乃至第6の学習モデル113~115の機械学習にそれぞれ用いられる。
いずれか)に入力することで、当該果樹Tに対する作業情報を生成する。作業情報は、作業内容として、剪定作業における剪定箇所を少なくとも含む。
第3の実施形態は、学習モデルが、状態解析用の学習モデルと、作業支援用の学習モデルとで構成されるものである。以下では、第3の実施形態に係る機械学習装置5b及び果樹栽培支援装置6bについて、第1の実施形態と異なる部分を中心に説明する。
置6bの一例を示す機能説明図である。
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思想に含まれるものである。
情報が、取得部600により取得されていればよい。
む)、階層型クラスタリング、非階層型クラスタリング、k近傍法、k平均法等のクラス
タリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等が挙げられる。
本発明は、上記実施形態に係る果樹栽培支援装置6(果樹栽培支援方法又は果樹栽培支援プログラム)の態様によるもののみならず、支援対象の果樹の栽培を支援するために用いられる推論装置(推論方法又は推論プログラム)の態様で提供することもできる。その場合、推論装置(推論方法又は推論プログラム)としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、支援対象の果樹の開花時期における当該果樹の状態を示す果樹状態情報を取得する取得処理(取得工程)と、取得処理にて支援対象の果樹に対する果樹状態情報を取得すると、当該果樹に対して次年の前記開花時期までに行う作業内容を示す作業情報を推論する推論処理(推論工程)とを含む。また、当該一連の処理とは、支援対象の果樹の開花時期における当該果樹が撮影された画像情報を取得する取得処理(取得工程)と、取得処理にて支援対象の果樹に対する画像情報を取得すると、開花時期における当該果樹の花と芽の割合を示す割合情報、又は、当該果樹内の内生植物ホルモンの含有量を示す含有量情報を推論する推論処理(推論工程)とを含むものでもよい。
4…データベース装置、5、5a、5b…機械学習装置、
6、6a、6b…果樹栽培支援装置、7…ネットワーク、
11、11a~11c…学習モデル、12、12a~12c…学習用データ、
20…カメラ、30…カメラ、31…ドローン、32…成分分析計、
40…果樹データベース、
50…制御部、51…通信部、52…学習用データ記憶部、
53…学習済みモデル記憶部、
60…制御部、61…通信部、62…学習済みモデル記憶部
400…基本情報テーブル、401…状態記録テーブル、
402…作業記録テーブル、403…収穫記録テーブル、
500…学習用データ取得部、501…機械学習部、
600…取得部、601…生成処理部、602…出力処理部、
900…コンピュータ
Claims (9)
- 支援対象の果樹の開花時期における当該果樹の状態を含む果樹状態情報を取得する取得部と、
学習対象の果樹の開花時期における当該果樹の状態を含む果樹状態情報と、当該果樹に対して次年の前記開花時期までに行う作業内容を含む作業情報との相関関係を学習させた学習モデルに対して、前記取得部により取得された前記支援対象の果樹に対する前記果樹状態情報を入力することで、当該果樹に対する前記作業情報を生成する生成処理部と、を備え、
前記果樹状態情報は、前記状態として、
前記開花時期における前記果樹が撮影された画像情報、
前記開花時期における前記果樹の花と芽の割合を示す割合情報を含む、及び、
前記開花時期における前記果樹内の内生植物ホルモンの含有量を示す含有量情報のうち少なくとも1つを含み、
前記作業情報は、前記作業内容として、
あら摘果作業における摘果量、及び、
前記あら摘果作業よりも後であって仕上げ摘果作業よりも前に行われる中間摘果作業における摘果量のうち少なくとも1つを含む、
果樹栽培支援装置。 - 前記作業情報は、前記作業内容として、
剪定作業における剪定量及び剪定時期を含む、
請求項1に記載の果樹栽培支援装置。 - 前記果樹状態情報は、
前記支援対象の果樹の剪定時期における当該果樹が撮影された画像情報をさらに含み、
前記作業情報は、前記作業内容として、
剪定作業における剪定箇所を含む、
請求項1又は請求項2に記載の果樹栽培支援装置。 - 前記作業情報は、前記作業内容として、
夏肥の施肥作業における肥料量、
秋肥の施肥作業における肥料量、及び、
春肥の施肥作業における肥料量のうち少なくとも1つを含む、
請求項1乃至3のいずれか一項に記載の果樹栽培支援装置。 - 支援対象の果樹の栽培を支援するために用いられる推論装置であって、
前記推論装置は、メモリと、プロセッサとを備え、
前記プロセッサは、
支援対象の果樹の開花時期における当該果樹の状態を示す果樹状態情報を取得する取得処理と、
前記取得処理にて前記支援対象の果樹に対する前記果樹状態情報を取得すると、当該果樹に対して次年の前記開花時期までに行う作業内容を示す作業情報を推論する推論処理と、を実行し、
前記果樹状態情報は、前記状態として、
前記開花時期における前記果樹が撮影された画像情報、
前記開花時期における前記果樹の花と芽の割合を示す割合情報を含む、及び、
前記開花時期における前記果樹内の内生植物ホルモンの含有量を示す含有量情報のうち少なくとも1つを含み、
前記作業情報は、前記作業内容として、
あら摘果作業における摘果量、及び、
前記あら摘果作業よりも後であって仕上げ摘果作業よりも前に行われる中間摘果作業における摘果量のうち少なくとも1つを含む、
推論装置。 - 学習対象の果樹の開花時期における当該果樹の状態を含む果樹状態情報と、当該果樹に対して次年の前記開花時期までに行う作業内容を含む作業情報とで構成される学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを学習モデルに入力することで、前記果樹状態情報と前記作業情報との相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、を備え、
前記果樹状態情報は、前記状態として、
前記開花時期における前記果樹が撮影された画像情報、
前記開花時期における前記果樹の花と芽の割合を示す割合情報を含む、及び、
前記開花時期における前記果樹内の内生植物ホルモンの含有量を示す含有量情報のうち少なくとも1つを含み、
前記作業情報は、前記作業内容として、
あら摘果作業における摘果量、及び、
前記あら摘果作業よりも後であって仕上げ摘果作業よりも前に行われる中間摘果作業における摘果量のうち少なくとも1つを含む、
機械学習装置。 - 支援対象の果樹の開花時期における当該果樹の状態を含む果樹状態情報を取得する取得工程と、
学習対象の果樹の開花時期における当該果樹の状態を含む果樹状態情報と、当該果樹に対して次年の前記開花時期までに行う作業内容を含む作業情報との相関関係を学習させた学習モデルに対して、前記取得工程により取得された前記支援対象の果樹に対する前記果樹状態情報を入力することで、当該果樹に対する前記作業情報を生成する生成処理工程と、を備え、
前記果樹状態情報は、前記状態として、
前記開花時期における前記果樹が撮影された画像情報、
前記開花時期における前記果樹の花と芽の割合を示す割合情報を含む、及び、
前記開花時期における前記果樹内の内生植物ホルモンの含有量を示す含有量情報のうち少なくとも1つを含み、
前記作業情報は、前記作業内容として、
あら摘果作業における摘果量、及び、
前記あら摘果作業よりも後であって仕上げ摘果作業よりも前に行われる中間摘果作業における摘果量のうち少なくとも1つを含む、
果樹栽培支援方法。 - メモリと、プロセッサとを含む推論装置において、支援対象の果樹の栽培を支援するために用いられる推論方法であって、
前記プロセッサは、
前記支援対象の果樹の開花時期における当該果樹の状態を示す果樹状態情報を取得する取得工程と、
前記取得工程にて前記支援対象の果樹に対する前記果樹状態情報を取得すると、当該果樹に対して次年の前記開花時期までに行う作業内容を示す作業情報を推論する推論工程と、を実行し、
前記果樹状態情報は、前記状態として、
前記開花時期における前記果樹が撮影された画像情報、
前記開花時期における前記果樹の花と芽の割合を示す割合情報を含む、及び、
前記開花時期における前記果樹内の内生植物ホルモンの含有量を示す含有量情報のうち少なくとも1つを含み、
前記作業情報は、前記作業内容として、
あら摘果作業における摘果量、及び、
前記あら摘果作業よりも後であって仕上げ摘果作業よりも前に行われる中間摘果作業における摘果量のうち少なくとも1つを含む、
推論方法。 - 学習対象の果樹の開花時期における当該果樹の状態を含む果樹状態情報と、当該果樹に対して次年の前記開花時期までに行う作業内容を含む作業情報とで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
複数組の前記学習用データを学習モデルに入力することで、前記果樹状態情報と前記作業情報との相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、を備え、
前記果樹状態情報は、前記状態として、
前記開花時期における前記果樹が撮影された画像情報、
前記開花時期における前記果樹の花と芽の割合を示す割合情報を含む、及び、
前記開花時期における前記果樹内の内生植物ホルモンの含有量を示す含有量情報のうち少なくとも1つを含み、
前記作業情報は、前記作業内容として、
あら摘果作業における摘果量、及び、
前記あら摘果作業よりも後であって仕上げ摘果作業よりも前に行われる中間摘果作業における摘果量のうち少なくとも1つを含む、
機械学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021140537A JP7113555B1 (ja) | 2021-08-30 | 2021-08-30 | 果樹栽培支援装置、推論装置、機械学習装置、果樹栽培支援方法、推論方法、及び、機械学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021140537A JP7113555B1 (ja) | 2021-08-30 | 2021-08-30 | 果樹栽培支援装置、推論装置、機械学習装置、果樹栽培支援方法、推論方法、及び、機械学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7113555B1 true JP7113555B1 (ja) | 2022-08-05 |
JP2023034345A JP2023034345A (ja) | 2023-03-13 |
Family
ID=82740460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021140537A Active JP7113555B1 (ja) | 2021-08-30 | 2021-08-30 | 果樹栽培支援装置、推論装置、機械学習装置、果樹栽培支援方法、推論方法、及び、機械学習方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7113555B1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017199539A1 (ja) | 2016-05-18 | 2017-11-23 | ソニー株式会社 | 情報処理装置、プログラム、及び情報処理方法 |
JP2020099215A (ja) | 2018-12-20 | 2020-07-02 | 三菱重工機械システム株式会社 | 植物管理システム |
JP2020156431A (ja) | 2019-03-27 | 2020-10-01 | キッセイコムテック株式会社 | 農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム |
JP2021058124A (ja) | 2019-10-04 | 2021-04-15 | オムロン株式会社 | 果菜類植物及び果樹栽培管理装置、学習装置、果菜類植物及び果樹栽培管理方法、学習モデル生成方法、果菜類植物及び果樹栽培管理プログラム及び学習モデル生成プログラム |
WO2021100430A1 (ja) | 2019-11-18 | 2021-05-27 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム |
-
2021
- 2021-08-30 JP JP2021140537A patent/JP7113555B1/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017199539A1 (ja) | 2016-05-18 | 2017-11-23 | ソニー株式会社 | 情報処理装置、プログラム、及び情報処理方法 |
JP2020099215A (ja) | 2018-12-20 | 2020-07-02 | 三菱重工機械システム株式会社 | 植物管理システム |
JP2020156431A (ja) | 2019-03-27 | 2020-10-01 | キッセイコムテック株式会社 | 農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム |
JP2021058124A (ja) | 2019-10-04 | 2021-04-15 | オムロン株式会社 | 果菜類植物及び果樹栽培管理装置、学習装置、果菜類植物及び果樹栽培管理方法、学習モデル生成方法、果菜類植物及び果樹栽培管理プログラム及び学習モデル生成プログラム |
WO2021100430A1 (ja) | 2019-11-18 | 2021-05-27 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2023034345A (ja) | 2023-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11935282B2 (en) | Server of crop growth stage determination system, growth stage determination method, and storage medium storing program | |
US20210192247A1 (en) | Systems and methods for electronically identifying plant species | |
CN109583301B (zh) | 一种农作物生长过程最优外部种植条件预测方法及装置 | |
JP2021516060A (ja) | 植物体耕作データ測定方法、作業経路計画方法及び装置、システム | |
Rasti et al. | Crop growth stage estimation prior to canopy closure using deep learning algorithms | |
JP6704148B1 (ja) | 農作物の収穫量予測プログラム及び農作物の品質予測プログラム | |
JPWO2013030964A1 (ja) | 撮影装置、作業支援プログラム、および情報提供プログラム | |
JP2018005467A (ja) | 農作業計画支援装置及び農作業計画支援方法 | |
EP3032473A1 (en) | Method and system for classifying plant disease through crowdsourcing using a mobile communication device | |
WO2016121432A1 (ja) | 技能承継支援装置、技能承継支援方法、及びコンピュータ読み取り可能な記録媒体 | |
CN113408374B (zh) | 基于人工智能的产量预估方法、装置、设备及存储介质 | |
JP7113555B1 (ja) | 果樹栽培支援装置、推論装置、機械学習装置、果樹栽培支援方法、推論方法、及び、機械学習方法 | |
CN110689191A (zh) | 农业保险赔偿额预测方法、装置、设备及可读存储介质 | |
JP7125078B2 (ja) | 学習支援装置、学習支援方法、及びプログラム | |
JP7452879B2 (ja) | 予測システム、予測方法、および予測プログラム | |
CN114651283A (zh) | 搜寻功能出苗 | |
WO2023042284A1 (ja) | 農作物育成支援装置、農作物育成支援方法、及び農作物育成支援プログラム | |
US11783577B2 (en) | Machine learning methods and systems for variety profile index crop characterization | |
WO2024128041A1 (ja) | 栽培支援装置、栽培支援方法及びプログラム | |
US20230359889A1 (en) | Machine learning methods and systems for characterizing corn growth efficiency | |
JP2022111050A (ja) | リンゴ栽培方法提案プログラム | |
JP2022118441A (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
CN116612325A (zh) | 一种基于改进ResNet模型的油茶叶片病害识别方法和系统 | |
CN118195122A (zh) | 作业辅助方法、作业辅助系统以及程序 | |
JP2018169444A (ja) | 学習評価支援装置、学習評価支援方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210831 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210831 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220114 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220418 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220420 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220713 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220719 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7113555 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |