JP7140086B2 - 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 - Google Patents

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 Download PDF

Info

Publication number
JP7140086B2
JP7140086B2 JP2019184104A JP2019184104A JP7140086B2 JP 7140086 B2 JP7140086 B2 JP 7140086B2 JP 2019184104 A JP2019184104 A JP 2019184104A JP 2019184104 A JP2019184104 A JP 2019184104A JP 7140086 B2 JP7140086 B2 JP 7140086B2
Authority
JP
Japan
Prior art keywords
fruit
vegetable plant
learning
work
fruit tree
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
Application number
JP2019184104A
Other languages
English (en)
Other versions
JP2021058124A (ja
Inventor
心一 細見
昌 佐々木
敦史 橋本
宏之 宮浦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Omron Corp filed Critical Omron Corp
Priority to JP2019184104A priority Critical patent/JP7140086B2/ja
Priority to EP22215017.9A priority patent/EP4177815A1/en
Priority to US17/298,729 priority patent/US20220225583A1/en
Priority to CN202080006629.0A priority patent/CN113196320A/zh
Priority to EP20871156.4A priority patent/EP3876183A4/en
Priority to PCT/JP2020/036846 priority patent/WO2021065891A1/ja
Publication of JP2021058124A publication Critical patent/JP2021058124A/ja
Application granted granted Critical
Publication of JP7140086B2 publication Critical patent/JP7140086B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
    • A01G17/005—Cultivation methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G22/00—Cultivation of specific crops or plants not otherwise provided for
    • A01G22/05—Fruit crops, e.g. strawberries, tomatoes or cucumbers
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Environmental Sciences (AREA)
  • Botany (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Ecology (AREA)
  • Forests & Forestry (AREA)
  • Biomedical Technology (AREA)

Description

本発明は、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に関する。
従来、植物の栽培を管理する方法として、特許文献１には、将来の気象条件と、ユーザが作業計画テーブルに登録した作業計画と、圃場条件の算出式に基づいて、圃場条件を算出し、予測開始時日から予測対象日までの期間における圃場条件から予測モデルを用いて、予測対象日における予測対象作付の生育状況を算出する技術が提案されている。ここでは、このようにして得られた予測生育状況を評価する指標の取り得る範囲である予測生育範囲が、農作物の生育が成功であるか否かを判断する基準である管理可能範囲内に含まれているか否かにより、予想対象作付が、ユーザが望むような生育状況になるか否かを示している。
しかし、上述のような従来技術では、ユーザが登録した作業計画テーブルに基づいて栽培を行った場合に、ユーザが望むような生育状況となるか否かという結果が示されるが、ユーザが望むような生育状況にならない場合に、作業計画をどのように変更すればよいかを指示するものではなかった。
また、トマトやイチゴやメロン等の草本植物の果実も含む果菜類植物の栽培では、単に植物自体が大きく育てばよいというわけではなく、果実の収穫個数に加えて各果実に栄養がいきわたり味の良い果実にすることが求められるなど複雑なパラメータがあり、その栽培は難しい。このような果菜類植物をユーザが望むように生育するためにはさらに複雑な栽培が必要であるが、従来技術ではこのような複雑な栽培を対象としていない。そのため、作業計画通りに作業をしてもユーザが望むような生育状況にならない場合があった。
特許第５７５６３７４号公報
本発明は、上記のような問題に鑑みてなされたものであり、適切な作業指示が可能な技術を提供することを目的とする。
本発明は、
栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報と、
前記果菜類植物又は果樹の予め計画された栽培評価指標に関する計画栽培評価指標情報と、
栽培された前記果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物の環境状態と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、前記環境状態情報及び前記計画栽培評価指
標情報の入力に対して、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を決定し出力する演算部と、
前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を出力する出力部と、
を備えたことを特徴とする果菜類及び果樹植物栽培管理装置である。
本発明では、栽培された果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、環境状態情報及び計画栽培評価指標情報の入力に対して、形態変更作業を含む果菜類植物又は果樹に対する作業を決定し出力する。従って、本発明の果菜類及び果樹栽培管理装置によれば、形態変更作業を含む果菜類植物又は果樹の栽培に対する作業履歴を考慮した学習モデルにより、形態変更作業を含む作業が決定されて出力されるので、適切な作業指示が可能となる。
ここでは、環境状態情報とは、栽培対象である植物が置かれた環境の状態に関する情報である。環境状態情報としては、温度、湿度、照度等を含んでもよいがこれらに限られない。作業履歴情報とは、形態変更作業のように作業量を連続値で表せない作業を含む作業の履歴を含んだ情報である。形態変更作業とは、栽培される果菜類植物又は果樹の形態を変更し、若しくは該果菜類植物又は果樹の形態と要素又は組織とをともに変更する作業であり、摘芽、摘葉、摘花、摘芯、摘果、摘株、除草等の摘除や誘引を含む。栽培評価指標とは、果菜類植物又は果樹の栽培結果を評価するための指標であり、果菜類植物又は果樹を栽培した結果として得られた収穫量に関する情報である収穫量を含む。栽培評価指標としては、糖度、糖酸比、単果重、葉面積（leaf area）、茎の太さなどを用いることがで
きるが、これらに限られない。
また、本発明は、
栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報と、
前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する作業履歴情報と、
栽培された前記果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の前記形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴とを学習した学習モデルを用いて、前記環境状態情報及び前記作業履歴情報の入力に対して、前記果菜類植物又は果樹の予測栽培評価指標を出力する演算部と、
前記果菜類植物又は果樹の前記予測栽培評価指標を出力する出力部と、
を備えたことを特徴とする果菜類植物及び果樹栽培管理装置である。
本発明では、栽培された果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の形態変更作業を含む該果菜類植物又は果樹に対する作業履歴を学習した学習モデルを用いて、環境状態情報及び作業履歴情報の入力に対して、果菜類植物又は果樹の予測栽培評価指標を出力する。従って、本発明の果菜類植物及び果樹栽培管理装置によれば、形態変更作業を含む果菜類植物又は果樹の栽培に対する作業履歴を考慮した学習モデルにより、予測栽培評価指標が出力されるので、精度の高い栽培評価指標の予測が可能となる。
また、本発明は、
栽培対象である果菜類植物又は果樹の環境状態に関する学習用環境状態情報を取得する学習用環境状態情報取得部と、
前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む前記果菜類植物又は果樹に対する作業の履歴に関する学習用作業履歴情報を
取得する学習用作業履歴情報取得部と、
前記果菜類植物又は果樹の栽培評価指標に関する学習用栽培評価指標情報を取得する学習用栽培評価指標取得部と、
前記学習用環境状態情報、前記学習用作業履歴情報及び前記学習用栽培評価指標情報を少なくとも含む学習データを学習させて、前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態情報及び予め計画された栽培評価指標情報の入力に対して、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を決定し出力する学習モデルを生成する学習処理部と、
を備えたことを特徴とする学習装置である。
本発明では、学習用環境情報、学習用作業履歴情報及び学習用栽培評価指標情報を含む学習データを学習させて学習モデルを生成する。従って、本発明の学習装置によれば、形態変更作業を含む果菜類植物又は果樹の栽培に対する人の作業による介入を考慮した学習モデルを生成することができる。
ここでは、学習用環境状態情報とは、学習モデルを学習させるための学習データとして用いられる環境情報である。学習用作業履歴情報とは、学習モデルに学習させるための学習データとして用いられる作業履歴情報である。学習用栽培評価指標情報とは、学習モデルを学習させるための学習データとして用いられる栽培評価指標情報である。
また、本発明は、
コンピュータが、
栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報を取得するステップと、
前記果菜類植物又は果樹の予め計画された栽培評価指標に関する計画栽培評価指標情報を取得するステップと、
栽培された前記果菜類植物又は果樹の前記栽培評価指標と、該果菜類植物又は果樹を栽培する際の前記環境状態と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、取得された前記環境状態情報及び前記計画栽培評価指標情報に基づいて、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を決定するステップと、
を実行することを特徴とする果菜類植物及び果樹栽培管理方法である。
本発明では、栽培された果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業履歴を学習した学習モデルを用いて、環境状態情報及び計画栽培評価指標情報の入力に対して、形態変更作業を含む果菜類植物又は果樹に対する作業を決定する。従って、本発明の果菜類植物及び果樹栽培管理方法によれば、形態変更作業を含む果菜類植物又は果樹の栽培に対する作業履歴を考慮した学習モデルにより、形態変更作業を含む作業が決定されて出力されるので、適切な作業指示が可能となる。
ここでは、環境状態情報、計画栽培評価指標情報を取得する順番は上述のものに限られない。
また、本発明は、
コンピュータが、
栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報を取得するステップと、
前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に
対する作業の履歴に関する作業履歴情報を取得するステップと、
栽培された前記果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の前記形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、取得された前記環境状態情報及び前記作業履歴情報に基づいて、前記果菜類植物又は果樹の予測栽培評価指標を出力するステップと、
を実行することを特徴とする果菜類植物及び果樹栽培管理方法である。
本発明では、栽培された果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の形態変更作業を含む該果菜類植物又は果樹に対する作業履歴を学習した学習モデルを用いて、環境状態情報及び作業履歴情報の入力に対して、果菜類植物又は果樹の予測栽培評価指標を出力する。従って、本発明の果菜類植物及び果樹栽培管理方法によれば、形態変更作業を含む果菜類植物又は果樹の栽培に対する作業履歴を考慮した学習モデルにより、予測栽培評価指標が出力されるので、精度の高い栽培評価指標の予測が可能となる。
ここでは、環境状態情報、作業履歴情報を取得する順番は、上述のものに限られない。
また、本発明は、
コンピュータが、
果菜類植物又は果樹を栽培した際の栽培評価指標に関する学習用栽培評価指標情報を取得するステップと、
栽培された前記果菜類植物又は果樹の環境状態に関する学習用環境状態情報を取得するステップと、
栽培された前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する学習用作業履歴情報を取得するステップと、
前記学習用栽培評価指標情報、前記学習用環境状態情報及び前記学習用作業履歴情報を少なくとも含む学習データを学習させて、前記果菜類植物又は果樹の環境状態に関する環境状態情報及び該果菜類植物又は果樹の予め計画された栽培評価指標に関する情報である計画栽培評価指標に基づいて、前記形態変更作業を含む該果菜類植物又は果樹に対する作業を決定する学習モデルを生成するステップと、
を実行することを特徴とする学習モデル生成方法である。
本発明では、学習用栽培評価指標、学習用環境状態情報に加えて、学習用作業履歴情報を少なくとも含む学習データを学習させて、形態変更作業を含む果菜類植物又は果樹に対する作業を決定する学習モデルを生成している。従って、本発明の学習モデル生成方法によれば、形態変更作業を含む果菜類植物又は果樹の栽培に対する人の作業による介入を考慮した学習モデルを生成することができる。
ここでは、学習用栽培評価指標、学習用環境状態情報、学習用作業履歴情報を取得する順番は上述のものに限られない。
また、学習モデルを生成するステップが、前記環境状態情報を環境の状態とし、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を環境に対する行動とし、前記栽培評価指標を報酬とする強化学習により該学習モデルを生成するステップを含むようにしてもよい。
また、本発明は、
コンピュータに、
栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報を取得するステップと、
前記果菜類植物又は果樹の予め計画された栽培評価指標に関する計画栽培評価指標情報を取得するステップと、
栽培された前記果菜類植物又は果樹の前記栽培評価指標と、該果菜類植物又は果樹を栽培する際の前記環境状態と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、取得された前記環境状態情報及び前記計画栽培評価指標情報に基づいて、前記形態変更作業を含む該果菜類植物又は果樹に対する作業を決定するステップと、
を実行させることを特徴とする果菜類植物及び果樹栽培管理プログラムである。
本発明では、栽培された果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業履歴を学習した学習モデルを用いて、環境状態情報及び計画栽培評価指標情報の入力に対して、形態変更作業を含む果菜類植物又は果樹に対する作業を決定する。従って、本発明の果菜類植物及び果樹栽培管理プログラムによれば、形態変更作業を含む果菜類植物又は果樹の栽培に対する作業履歴を考慮した学習モデルにより、形態変更作業を含む作業が決定されて出力されるので、適切な作業指示が可能となる。
ここでは、環境状態情報、計画栽培評価指標情報を取得する順番は上述のものに限られない。
また、本発明は、
コンピュータに、
栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報を取得するステップと、
前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する作業履歴情報を取得するステップと、
栽培された前記果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の前記形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、取得された前記環境状態情報及び前記作業履歴情報に基づいて、前記果菜類植物又は果樹の予測栽培評価指標を出力するステップと、
を実行させることを特徴とする果菜類植物及び果樹栽培管理プログラムである。
本発明では、栽培された果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の形態変更作業を含む該果菜類植物又は果樹に対する作業履歴を学習した学習モデルを用いて、環境状態情報及び作業履歴情報の入力に対して、果菜類植物又は果樹の予測栽培評価指標を出力する。従って、本発明の果菜類植物及び果樹栽培管理プログラムによれば、形態変更作業を含む果菜類植物又は果樹の栽培に対する作業履歴を考慮した学習モデルにより、予測栽培評価指標が出力されるので、精度の高い栽培評価指標の予測が可能となる。
ここでは、環境状態情報、作業履歴情報を取得する順番は、上述のものに限られない。
また、本発明は、
コンピュータに、
果菜類植物又は果樹を栽培した際の栽培評価指標に関する学習用栽培評価指標情報を取得するステップと、
栽培された前記果菜類植物又は果樹の環境状態に関する学習用環境状態情報を取得するステップと、
栽培された前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する学習用作業履歴情報を取得するステップと、
前記学習用栽培評価指標情報、前記学習用環境状態情報及び前記学習用作業履歴情報を少なくとも含む学習データを学習させて、前記果菜類植物又は果樹の環境状態に関する環境状態情報及び該果菜類植物の予め計画された栽培評価指標に関する情報である計画栽培評価指標に基づいて、前記形態変更作業を含む該果菜類植物又は果樹に対する作業を決定する学習モデルを生成するステップと、
を実行させることを特徴とする学習モデル生成プログラムである。
本発明では、学習用栽培評価指標、学習用環境情状態報に加えて、学習用作業履歴情報を少なくとも含む学習データを学習させて、形態変更作業を含む果菜類植物又は果樹に対する作業を決定する学習モデルを生成している。従って、本発明の学習モデル生成プログラムによれば、形態変更作業を含む果菜類植物又は果樹の栽培に対する人の作業による介入を考慮した学習モデルを生成することができる。
ここでは、学習用栽培評価指標、学習用環境状態情報、学習用作業履歴情報を取得する順番は上述のものに限られない。
本発明によれば、適切な作業指示が可能な技術を提供することが可能となる。
本発明の実施例１における学習装置のハードウエア構成図である。 本発明の実施例１における学習装置の機能ブロック図である。 本発明の実施例１における学習モデル生成方法の処理手順を示すフローチャートである。 本発明の実施例１における学習器の構成例を示す図である。 本発明の実施例１における栽培管理システムの概略構成図である。 本発明の実施例１における栽培管理装置のハードウエア構成図である。 本発明の実施例１における栽培管理装置の機能ブロック図である。 本発明の実施例１における栽培管理方法の処理手順を示すフローチャートである。 本発明の実施例２における学習装置のハードウエア構成図である。 本発明の実施例２における学習モデル生成方法の処理手順を示すフローチャートである。 本発明の実施例２における栽培管理システムの概略構成図である。 本発明の実施例２における栽培管理装置の機能ブロック図である。 本発明の実施例２における栽培管理方法の処理手順を示すフローチャートである。 本発明の実施例３における栽培管理システムの概略構成図である。 本発明の実施例３における栽培管理装置の機能ブロック図である。 本発明の実施例３における栽培管理方法の処理手順を示すフローチャートである。
〔適用例〕
以下、本発明の適用例について、図面を参照しつつ説明する。
本発明が適用される栽培管理装置２００，３００を含む栽培管理システム１を図５に示す。また、栽培管理装置２００の機能ブロック図を図６に示す。ここでは、栽培管理装置２００が、果菜類植物又は果樹の作業の指示を出力する場合について説明するが、後述するように、栽培管理装置２００により収穫量を出力するようにすることもできる。
作業の指示を出力する学習器２５は、学習装置１００において生成される。学習装置１
００（図２参照）では、学習処理部２４において、学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報を学習データとして学習させて、環境状態情報及び計画収穫量を入力することにより、形態変更作業を含む作業の指示を出力する学習器２５を生成する。この学習器２５は、学習用環境状態情報及び学習用収穫量情報を入力データとし、形態変更作業を含む作業の履歴を教師データとして学習させているので、適切な作業指示が可能となる。
栽培管理装置２００では、このようにして生成された学習器２５に対して、栽培対象である果菜類植物又は果樹の環境状態情報と、計画収穫量情報を入力することにより、形態変更作業を含む作業の指示を出力する。上述のように、生成された学習器２５は、学習用環境状態情報及び学習用収穫量情報を入力データとし、形態変更作業を含む作業の履歴を教師データとして学習させているので、適切な作業指示が可能となる。
また、学習装置１００と栽培管理装置２００，３００とによって栽培管理システムを構成することにより、栽培管理装置２００，３００から学習データを収集し、学習器をさらに学習させて性能を向上させることができる。そして、更新された学習器を栽培管理装置２００，３００に提供することにより、より精度の高い栽培が可能となる。
〔実施例１〕
以下では、本発明の実施例１に係る学習装置及び栽培管理装置について、図面を用いて、より詳細に説明する。以下、果菜類植物及び果樹栽培管理装置、果菜類植物及び果樹栽培管理方法、果菜類植物及び果樹栽培管理プログラムを、それぞれ単に栽培管理装置、栽培管理方法、栽培管理プログラムという。
まず、栽培管理に用いるモデルを学習により生成する過程について説明する。
＜装置構成＞
図１は、本実施例に係る学習装置１００のハードウエア構成図である。
学習装置１００は、プロセッサ１１、主記憶部１２、補助記憶部１３、入力部１４、出力部１５、外部インタフェース１６、通信インタフェース１７、バス１８を含んで構成されるコンピュータ装置である。
プロセッサ１１は、ＣＰＵやＤＳＰ等である。
主記憶部１２はＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）等から構成される。
補助記憶部１３は、ＥＰＲＯＭ（Erasable Programmable ROM）、ハードディスクドラ
イブ（ＨＤＤ、Hard Disk Drive）、リムーバブルメディア等を含む。リムーバブルメデ
ィアは、例えば、ＵＳＢメモリやＳＤカード等のフラッシュメモリ、あるいは、ＣＤ－ＲＯＭやＤＶＤディスク、ブルーレイディスクのようなディスク記録媒体である。補助記憶部１３には、オペレーティングシステム（ＯＳ）、各種プログラム、各種テーブル等が格納され、そこに格納されたプログラムを主記憶部１２の作業領域にロードしてプロセッサ１１によって実行され、プログラムの実行を通じて各構成部等が制御されることによって、後述するような、所定の目的に果たす各機能部を実現することができる。ただし、一部または全部の機能部はＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧ
Ａ（Field Programmable Gate Array）のようなハードウエア回路によって実現されても
よい。ただし、学習装置１００は必ずしも単一の物理的構成によって実現される必要はなく、互いに連携する複数台のコンピュータによって構成されてもよい。以下では、主記憶部１２と、該主記憶部１２の作業領域にロードされた所定のプログラムを実行するプロセッサ１１を併せて制御部１０とも称する。
入力部１４は、キーボード、マウスやマイク等を含み、ユーザからの入力操作を受け付
ける。
出力部１５は、ディスプレイやスピーカ等を含み、ユーザに対して情報を提供する。
外部インタフェース（図ではＩ／Ｆと表記）１６は、種々の外部装置と接続するためのインタフェースである。
通信インタフェース１７は学習装置１００をネットワークに接続するためのインタフェースである。通信インタフェース１７は、ネットワークとの接続方式に応じて適宜の構成を採用することができる。
バス１８は、学習装置１００の各部を接続する信号の伝送路である。
図２は、学習装置１００の機能ブロック図である。
学習装置１００は、学習用環境状態情報取得部２１、学習用作業履歴情報取得部２２、学習用収穫量取得部２３、学習処理部２４、学習器２５を含む。
学習用環境状態情報取得部２１は、栽培対象である果菜類植物又は果樹が置かれた環境状態に関する情報である環境状態情報を取得する手段である。環境状態情報には、温度、湿度、照度等を含んでもよいがこれらに限られない。学習データとしての環境状態情報を学習用環境状態情報と称する。以下では、果菜類植物又は果樹を、単に「植物」とのみ表記する。
学習用作業履歴情報取得部２２は、栽培対象である植物に対する形態変更作業のように作業量を連続値で表せない作業を含む作業の履歴を定量化した作業履歴情報を取得する手段である。学習データとしての作業履歴情報を学習用業履歴情報と称する。
学習用収穫量取得部２３は、栽培対象である植物を栽培した結果として得られた収穫量に関する情報である収穫量情報を取得する手段である。学習データとしての収穫量情報を学習用収穫量情報と称する。学習用収穫量取得部２３は、本発明の学習用栽培評価指標取得部に対応する。ここでは、栽培評価指標の一例として収穫量について説明しているが、栽培評価指標は果菜類植物又は果樹の栽培結果を評価するための指標であり、糖度、糖酸比、単果重、葉面積（leaf area）、茎の太さなどを含んでもよく、これらに限られない
。
ここでは、入力部１４を介して、ユーザが入力した学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報を、制御部１０が取得するようにしてもよい。この場合には、入力部１４及び制御部１０が、学習用環境状態情報取得部２１、学習用作業履歴情報取得部２２、学習用収穫量取得部２３を構成する。このとき、ユーザが、学習用作業履歴情報を、入力部１４を介して直接入力するようにしてもよい。また、ユーザが入力部１４を介して入力した情報を、制御部１０が学習用作業履歴情報に変換して取得するようにしてもよい。ここでは、制御部１０が定量化手段として機能する。このようにすれば、ユーザは定量化された形式で作業の履歴を入力する必要がなく、ユーザの入力作業の負担が軽減される。例えば、ユーザが、出力部１５としてのディスプレイに表示されたプルダウンメニューから作業の種類を選択し、選択された作業の種類に応じて表示される作業量のプルダウンメニューから作業量を選択することにより、作業履歴を入力する。学習装置１００では、例えば、選択された作業の種類に対応する作業種類フラグ（例えば、作業が摘花であれば摘花フラグ）をオンに設定するともに、作業の種類に応じて定められた単位（ここでは個数）に基づいて定量化された数値（例えば３）を学習用作業履歴情報として取得する。植物の栽培における作業は、植物に対して直接又は土壌等の環境を通して間接的に作用を及ぼす行為であり、植物の形態を変更するという不可逆的な作用を及ぼすものもあれば、植物の形態には変更を加えず繰り返し行えるものもある。このような作業には、概略、摘除、土作り、栽培管理、散布が含まれる。摘除には、摘芽、摘葉、摘花、摘芯、摘果、摘株、除草が含まれる。土作りには、土壌消毒、畝立て、耕起、元肥が含まれる。栽培管理には、播種、定植、支柱立て、誘引が含まれる。このような作業のうち、植物の形態を変更する作業を形態変更作業と称する。形態変更作業には、植物の要素又は組織と植物の
形態の両者を変更する上述の摘除と、植物の形態のみを変更する誘引が含まれる。散布には、施肥、灌水、農薬散布、天敵散布が含まれる。摘芽、摘花、摘芯、摘果は個数により定量化できる。摘葉は枚数により、摘株は株数、除草は本数により定量化することができる。土壌消毒、耕起、元肥は回数等により定量化することができる。畝立ては、間隔や深さにより定量化することができる。播種、定植は個数により定量化することができる。支柱立て、誘引は、本数等により定量化することができる。施肥、灌水、農薬散布、天敵散布は、散布量等により定量化することができる。
また、環境状態情報である温度、湿度、照度のように、温度センサ、湿度センサ、照度センサ等の検知手段によって検知し得る情報については、制御部１０が、外部インタフェース１６を通じて、これらのセンサを制御して学習用環境状態情報を取得するようにしてもよい。この場合には、センサに接続される外部インタフェース１６及び制御部１０が、学習用環境状態情報取得部２１を構成する。学習用作業履歴情報、学習用収穫量情報についても、ユーザの入力を介さず、外部装置から取得するようにしてもよい。
また、環境状態情報である外気の温度や湿度のようにネットワークを介して外部サーバから取得し得る情報については、制御部１０が、通信インタフェース１７を通じて、インターネット等のネットワークを介して外部サーバから取得するようにしてもよい。この場合には、通信インタフェース１７及び制御部１０が学習用環境状態情報取得部２１を構成する。
学習用環境状態情報取得部２１、学習用作業履歴情報取得部２２、学習用収穫量取得部２３を介して取得された学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報は、補助記憶部１３の所定領域である学習データ記憶部１３１に記憶される。
ここで、学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報は、栽培対象である植物について、時系列で関連付けられている。すなわち、ある植物に対する、特定の日時の環境状態に関する環境状態情報、特定の日時に行った作業の履歴に関する作業履歴情報、特定の日時における収穫量情報として時系列で互いに関連付けられている。また、これらの情報は、栽培対象である植物の株ごとに取得されるようにしてもよいし、所定の区画や所定のハウスにおいて栽培される複数の株ごとに一括して取得されるようにしてもよい。それぞれの場合に対応して、個々の株や、複数の株を識別する情報により、学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報は関連付けられる。
学習処理部２４は、学習データ記憶部１３１に記憶された学習用環境状態情報及び学習用収穫量情報を入力すると、作業を出力するように、学習器の機械学習を行う。学習処理部２４は、制御部１０が、補助記憶部１３の所定領域に記憶された学習モデル生成プログラムを読み出して実行することにより実現される。ここで、学習器は、学習用環境状態情報及び学習用収穫量情報を学習データ、学習用作業履歴情報を教師データとして、目標とする収穫量を達成するために必要な作業を予測するモデルであり、例えば、モデルをニューラルネットワークにより計算するプログラムであるが、これに限られない。
学習処理部２４における学習器の機械学習が、多数の学習データに対して繰り返されることにより、学習済みの学習器２５が得られる。このようにして得られた学習済みの学習器２５は、補助記憶部１３の所定領域である学習結果データ記憶部１３２に記憶される。ここでは、学習器２５が、本発明の学習モデルに対応する。
＜学習モデル生成方法＞
図３は、学習モデル生成方法の処理手順を示すフローチャートである。この学習モデル生成方法は、学習装置１００において学習モデル生成プログラムとして実行される。
まず、制御部１０が、学習用環境状態情報を取得する（ステップＳ１０１）。
次に、制御部１０が、学習用作業履歴情報を取得する（ステップＳ１０２）。
次に、制御部１０が、学習用収穫量情報を取得する（ステップＳ１０３）。
そして、学習処理部２４が、取得した学習用環境状態情報及び学習用収穫量情報を入力データ、学習用作業履歴情報を教師データとして、上述の学習器の学習処理を行う（ステップＳ１０４）。
ここで、学習器２５が、ニューラルネットワークによって構成される場合を例に説明する。図４（Ａ）に示すように、入力から順に、入力層Ｌｉ、中間層Ｌｈ、出力層Ｌｏを備える。中間層Ｌｈの数は１層に限られなくてもよく、中間層Ｌｈを２層以上備えるようにしてもよい。
入力層Ｌｉは複数のノードを備えている。入力層のノードには、学習用環境状態情報として、特定の植物の特定の日時又は時間帯における湿度、温度、照度等の情報がそれぞれ入力される。また、入力層のノードには、特定の植物の特定の日時又は時間帯における収穫量がそれぞれ入力される。
中間層Ｌｈのノードの数は、適宜設定することができる。出力層Ｌｏのノードの数は、出力するデータに応じて設定する。
隣接する層のノード同士は適宜結合され、各結合には重みが設定されている。出力層のノードには、形態変更作業を含む作業が含まれており、教師データである学習用作業履歴情報との差を示す損失関数が小さくなるように、重みを調整しつつ形態変更作業を含む作業の算出を繰り返す。
多数の学習データに対してステップＳ１０１～Ｓ１０４の処理を繰り返すことにより、学習済みの学習器２５が学習処理部２４から出力され、制御部１０が、学習済みの学習器２５を取得し、学習結果データ記憶部１３２に記憶する（ステップＳ１０５）。
このようにすれば、形態変更作業を含む対象とする植物の栽培への人の作業による介入を考慮して、適切な作業指示が可能な学習器が生成される。
上述の学習モデル生成方法では、ニューラルネットワークによって構成される学習器２５について説明したが、学習モデル生成方法はこれに限られない。図４（Ｂ）に示すように、いわゆる強化学習によって学習器２５に学習させるようにしてもよい。図４（Ｂ）は強化学習の一般的な仕組みを示す模式図である。
本実施例では、環境Ｅｎは植物４１１，４２１が栽培されるハウス４１０，４２０等を含む環境に対応し、学習装置１００又は栽培管理装置２００，３００がエージェントＡｇに対応する。このとき、環境状態情報が環境Ｅｎの状態Ｓｔに対応し、形態変更作業を含む作業がエージェントＡｇの環境Ｅｎに対する行動Ａｎに対応し、収穫量情報が報酬Ｒｗに対応する。学習器２５にある状態Ｓｔに対する報酬Ｒｗが最大化するような行動Ａｎを学習させる。すなわち、ある環境状態に対して、収穫量が最大化するような形態変更作業を含む作業を学習させる。この強化学習において、図４（Ａ）に示すようなニューラルネットワークを用いてもよい。
このように、学習用環境状態情報、学習用作業履歴情報及び学習用収穫量情報を用いて強化学習させることにより、環境状態情報と収穫量情報を入力することにより、形態変更作業を含む作業を出力する学習器２５を生成することができる。
次に、学習により生成したモデルを用いた推論により栽培管理を行う過程について以下に説明する。
＜栽培管理システム＞
図５は、本実施例に係る学習装置１００と栽培管理装置２００，３００とを含む栽培管理システム１の概略構成を示す模式図である。
学習装置１００と栽培管理装置２００及び栽培管理装置３００はそれぞれネットワーク４を介して接続されている。栽培管理装置２００は、植物４１１が栽培されるハウス４１０のコントローラ４１２に接続されている。栽培管理装置３００も、同様に植物４２１が栽培されるハウス４２０のコントローラ４２２に接続されている。以下では、栽培管理装置２００について説明するが、栽培管理装置３００についても同様である。また、栽培管理装置２００は、一つのハウス４１０のコントローラ４１２に接続されている場合に限られず、複数のハウスのコントローラに接続されていてもよい。学習装置１００において生成された学習器２５は、ネットワーク４を通じて、栽培管理装置２００，３００に送信される。また、栽培管理装置２００，３００から、学習装置１００に対して、学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報がネットワーク４を通じて送信される。学習装置１００と栽培管理装置２００，３００とによって栽培管理システムを構成することにより、栽培管理装置２００，３００から学習データを収集し、学習器をさらに学習させて性能を向上させることができる。そして、更新された学習器を栽培管理装置２００，３００に提供することにより、より精度の高い栽培が可能となる。
ここでは、栽培対象である植物４１１の環境状態に関するハウス４１０の温度と湿度を計測する温湿度センサ４１３が設けられている。温湿度センサ４１３はコントローラ４１２に接続されており、温湿度センサ４１３によって計測された温度及び湿度は、コントローラ４１２を介して、栽培管理装置２００に送信され、環境状態情報ととして取得される。ハウス４２０にも同様に温湿度センサ４２３が設けられている。
＜栽培管理装置＞
図６は、栽培管理装置２００のハードウエア構成図である。
栽培管理装置２００は、プロセッサ２１１、主記憶部２１２、補助記憶部２１３、入力部２１４、出力部２１５、外部インタフェース２１６、通信インタフェース２１７、バス２１８を含んで構成されるコンピュータ装置である。
プロセッサ２１１、主記憶部２１２、補助記憶部２１３、入力部２１４、出力部２１５、外部インタフェース２１６、通信インタフェース２１７、バス２１８及び制御部２１０については、学習装置１００について説明したところと同様であるため、詳細な説明は省略する。
ここでは、補助記憶部２１３には、学習装置１００において生成された学習済みの学習器２５が記憶されている。
図７（Ａ）は、栽培管理装置２００の第１の機能ブロック図である。
栽培管理装置２００は、少なくとも環境状態情報取得部２２０、計画収穫量取得部２２１及び演算部２２３を含む。
環境状態情報取得部２２０は、栽培対象である植物が置かれた環境に関する情報である環境状態情報を取得する手段である。ここでは、ユーザが入力部２１４を介して入力した環境状態情報を、制御部２１０が取得するようにしてもよい。この場合には、入力部２１４及び制御部２１０が、環境状態情報取得部２２０を構成する。また、環境状態情報であるハウス４１０内の温度、湿度、照度のように、ハウスに設置された温度センサ、湿度センサ、照度センサ等の環境検知手段によって検知し得る情報については、制御部２１０が、外部インタフェース２１６を通じて接続されたハウス４１０のコントローラ４１２から、ハウス４１０に設置された温湿度センサ４１３等の環境検知手段によって検知された環境状態情報を取得するようにしてもよい。この場合には、図４の例では、温湿度センサ４１３及びコントローラ４１２に接続される外部インタフェース２１６及び制御部２１０が環境状態情報取得部２２０を構成する。また、環境状態情報である外気の温度や湿度のようにネットワークを介して外部サーバから取得し得る情報については、制御部２１０が、通信インタフェース２１７を通じて、インターネット等のネットワークを介して外部サーバから取得するようにしてもよい。この場合には、通信インタフェース２１７及び制御部２１０が環境状態情報取得部２２０を構成する。
計画収穫量取得部２２１は、ユーザが栽培計画において予定している収穫量に関する情報である計画収穫量情報を取得する手段である。ここでは、ユーザが入力部２１４を介して入力した計画収穫量情報を、制御部２１０が取得するようにしてもよい。この場合には、入力部２１４及び制御部２１０が、計画収穫量取得部２２１を構成する。また、ユーザがネットワーク４を介して接続されるスマートフォン等の携帯端末から入力した環境状態情報や計画収穫量情報を、通信インタフェース２１７を介して制御部２１０が取得するようにしてもよい。この場合には、通信ＩＦ２１７及び制御部２１０が環境状態情報取得部２２０、計画収穫量取得部２２１を構成する。また、ユーザが予め入力部２１４を介して入力した計画収穫量情報を、補助記憶部２１３の所定領域に記憶しておき、制御部２１０がこれを読み出して取得するようにしてもよい。
栽培管理装置２００の演算部２２３は、環境状態情報取得部２２０によって取得された環境状態情報と、計画収穫量取得部２２１によって取得された計画収穫量情報とが入力されると、上述の学習済みの学習器２５を用いて環境状態情報によって特定される環境状態のもとで、計画収穫量を実現するために必要な形態変更作業を含む作業に関する情報を作業指示情報２２４として出力部２１５に出力することができる。作業指示情報２２４は、例えば、出力部２１５としてのディスプレイに表示されたり、出力部２１５としてのプリンタからドキュメントとしてプリントアウトされたりする。外部インタフェース２１６や通信インタフェース２１７を介して、外部の装置に送信するようにしてもよい。例えば、通信インタフェース２１７を介してネットワークに接続される作業者のスマートフォン等の携帯端末に、作業の内容（個数等を含む）を送信するようにしてもよい。ここで、演算部２２３は、演算プログラムを実行する制御部２１０によって構成される。
図７（Ｂ）は、栽培管理装置２００の第２の機能ブロック図である。
栽培管理装置２００は、少なくとも環境状態情報取得部２２０、作業履歴情報取得部２２２及び演算部２２３を含む。図７（Ａ）に示す第１のブロック図と同様の構成については同様の符号を用いて詳細な説明を省略する。
作業履歴情報取得部２２２は、栽培対象である植物に対して人が行った作業の履歴を定量化した作業履歴情報を取得する手段である。ここでは、ユーザが入力部２１４を介して入力した作業履歴情報を、制御部２１０が取得するようにしてもよい。この場合には、入力部２１４及び制御部２１０が、作業履歴情報取得部２２２を構成する。また、ユーザが入力部２１４を介して入力した情報を、制御部２１０が作業履歴情報に変換して取得するするようにしてもよい。ここでは、制御部２１０が定量化手段として機能する。このようにすれば、ユーザは定量化された作業履歴情報の形式で作業の履歴を入力する必要がなく、ユーザの入力作業の負担が軽減される。例えば、ユーザが、出力部２１５としてのディスプレイに表示されたプルダウンメニューから作業の種類を選択し、選択された作業の種類に応じて表示される作業量のプルダウンメニューから作業量を選択することにより、作業履歴を入力する。栽培管理装置２００では、学習装置１００と同様に、例えば、選択された作業の種類に対応する作業種類フラグ（例えば、作業が摘花であれば摘花フラグ）をオンに設定するともに、作業の種類に応じて定められた単位（ここでは個数）に基づいて定量化された数値（例えば３）を作業履歴情報として取得する。ユーザが入力した作業履歴情報が補助記憶部２１３の所定領域に逐次記憶されており、演算部２２３が収穫量の予測を行う際に、制御部２１０が当該領域から読み出して取得するようにしてもよい。また、制御部２１０が、外部インタフェース２１６又は通信インタフェース２１７を通じて、外部の装置から取得するようにしてもよい。この場合には、外部インタフェース２１６又は通信インタフェース２１７及び制御部２１０が作業履歴情報取得部２２２を構成する。
栽培管理装置２００の演算部２２３は、環境状態情報取得部２２０によって取得された
環境状態情報と、作業履歴情報取得部２２２によって取得された作業履歴情報とが入力されると、上述の学習済みの学習器２５を用いて、環境状態情報によって特定される環境状態及びそれまでの作業履歴のもとで、予測される収穫量を予測収穫量情報２２５として出力部２１５に出力することができる。予測収穫量情報２２５は、例えば、出力部２１５としてのディスプレイに表示されたり、出力部２１５としてのプリンタからドキュメントとしてプリントアウトされたりする。外部インタフェース２１６や通信インタフェース２１７を介して、外部の装置に送信するようにしてもよい。例えば、通信インタフェース２１７を介してネットワークに接続される管理者のスマートフォン等の携帯端末に、予測収穫量情報２２５を送信するようにしてもよい。ここで、演算部２２３は、演算プログラムを実行する制御部２１０によって構成される。
環境状態情報によって特定される環境状態及びそれまでの作業履歴のもとで、予測される収穫量を予測収穫量情報２２５として出力する学習器２５は、図１及び図２に示す学習装置１００及び図３に示す学習モデル生成方法と同様の構成及び方法によって生成することができる。ただし、予測される収穫量を出力する学習器２５は、学習用環境状態情報及び学習用作業履歴情報を学習データとし、学習用収穫量情報を教師データとして生成される学習モデルである。
＜栽培管理方法＞
図８（Ａ）は、栽培管理方法の処理手順を示すフローチャートである。この栽培管理方法は、栽培管理装置２００において栽培管理プログラムとして実行される。
まず、環境状態情報取得部２２０が、環境状態情報を取得する（ステップＳ２０１）。
次に、計画収穫量取得部２２１が、計画収穫量情報を取得する（ステップＳ２０２）。
そして、演算部２２３が環境状態情報及び計画収穫量情報を学習済み学習器２５に入力し、演算処理を行う（ステップＳ２０３）。
先に、学習装置１００によって生成された学習済みの学習器である栽培モデルをｆ（ｘ１，ｘ２）とする。ここで、ｘ１は環境状態情報、ｘ２は計画収穫量情報を示す（ここでは、説明のために入力データを単純化して示している。）。
ここで、ステップＳ２０１で取得された環境状態情報（ｘ１）と、ステップＳ２０２で取得された計画収穫量情報（ｘ２）のもとでの形態変更作業を含む作業がｆ（ｘ１，ｘ２）によって算出できる。具体的には、ニューラルネットワークであれば、ｘ１、ｘ２を含む入力層を含む各層のノード間の各結合に設定された重みを計算することにより出力である作業ｆ（ｘ１、ｘ２）を算出することができる。また、統計的手法ならば、入力ｘ１、ｘ２を含む回帰式の重み係数を計算することにより、作業ｆ（ｘ１、ｘ２）を算出することができる。
このようにして必要な作業を指示する作業指示情報が演算処理により出力されるので、制御部２１０がこれを取得し（ステップＳ２０４）、例えば出力部２１５に出力する。
このようにすれば、対象とする植物の栽培への人の作業による介入を考慮した学習器を用いることにより、栽培作業の指示の精度が向上する。また、栽培作業に関する知識・経験の少ない作業者であっても、この作業指示に基づいて、栽培を行うことにより、計画収穫量を実現することが可能となる。
図８（Ｂ）は、他の栽培管理方法としての収穫量予測方法の処理手順を示すフローチャートである。図８（Ａ）に示す栽培管理方法と同様の処理については同様の符号を用いて説明を省略する。ここで、用いられる学習済みの学習器２５は、環境状態情報及び作業履歴情報を学習データとし、収穫量情報を教師データとして学習させたものであり、このような学習済み学習器２５により構成される収穫量予測モデルは、環境状態情報及び作業履歴情報を入力することにより、予測収穫量を出力する。
まず、環境状態情報取得部２２０が、環境状態情報を取得する（ステップＳ２０１）。
次に、作業履歴情報取得部２２２が、作業履歴情報を取得する（ステップＳ２０５）。
そして、演算部２２３が環境状態情報及び作業履歴情報を学習済み学習器２５に入力し、演算処理を行う（ステップＳ２０３）。ここでは、環境状態情報によって特定される環境状態及びそれまでの作業履歴のもとでの予測収穫量情報２２５が演算処理によって出力される。ここで、ステップＳ２０１で取得された環境状態情報（ｘ１）と、ステップＳ２０５で取得された作業履歴情報（ｘ３）のもとでの収穫量がｇ（ｘ１，ｘ３）によって算出できる。具体的には、ニューラルネットワークであれば、ｘ１、ｘ２を含む入力層を含む各層のノード間の各結合に設定された重みを計算することにより出力である収穫量ｇ（ｘ１、ｘ３）を算出することができる。また、統計的手法ならば、入力ｘ１、ｘ３を含む回帰式の重み係数を計算することにより、収穫量ｇ（ｘ１、ｘ３）を算出することができる。
このようにして予測収穫量情報が演算処理により出力されるので、制御部２１０がこれを取得し（ステップＳ２０６）、例えば出力部２１５に出力する。
このようにすれば、対象とする植物の栽培への人の作業による介入を考慮した学習器を用いることにより、収穫量予測の精度が向上する。
〔実施例２〕
以下では、実施例２に係る学習装置５００及び栽培管理装置６００，７００について、説明する。
まず、栽培管理に用いるモデルを学習により生成する過程について説明する。
＜装置構成＞
実施例２に係る学習装置５００のハードウエア構成は、図１に示す実施例１に係る学習装置１００のハードウエア構成と共通であるため、説明は省略する。
図９は、学習装置５００の機能ブロック図である。図１に示す学習装置１００と共通の構成については同様の符号を用いて説明を省略する。
学習装置５００は、学習用環境状態情報取得部５２１、学習用作業履歴情報取得部５２２、学習用収穫量取得部５２３に加えて、学習用生育状態情報取得部５２４を含む。
学習用生育状態情報取得部５２４は、栽培対象である植物自体の生育状態に関する情報である生育状態情報を取得する手段である。生育状態情報は、例えば、樹液流センサによって計測される樹液流量、吸収養分センサによって計測される吸収養分量等であり、植物自体から計測・検知できる生育状態に関する情報である。また、栽培対象である植物をカメラ等の撮像装置によって撮像した画像を画像解析手段によって解析することにより検知される樹勢も生育状態情報に含まれる。ここでは、樹液流センサ、吸収養分センサ、撮像装置及び画像解析手段が生育状態検知手段を構成する。また、学習データとしての生育状態情報を学習用生育状態情報と称する。
上述のように、樹液流センサ、吸収養分センサ等の生育状態検知手段によって計測・検知し得る情報については、制御部１０が外部インタフェース１６を通じて、これらの生育状態検知手段を制御して生育状態情報を取得するようにしてもよい。この場合には、生育状態検知手段に接続される外部インタフェース１６及び制御部１０が、学習用生育状態情報取得部５２４を構成する。すでに計測・検知され外部装置に記憶された学習用生育状態情報を取得するようにしてもよい。この場合には、外部装置に接続された外部インタフェース１６又は通信インタフェース１７が学習用生育状態情報取得部５２４を構成する。また、ユーザが入力部１４を介して入力した学習用生育状態情報を、所定のプログラムを実行するプロセッサ１１が取得するようにしてもよい。この場合には、入力部１４及び制御部１０が学習用生育状態情報取得部５２４を構成する。
このように、実施例２に係る学習データは、学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報に加えて、学習用生育状態情報を含む。これらの学習データは、補助記憶部１３の所定領域である学習データ記憶部１３１に記憶される。
ここで、学習用生育状態情報も、学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報とともに、栽培対象である植物について、時系列で関連付けられている。また、これらの情報は、栽培対象である植物の株ごとに取得されるようにしてもよいし、所定の区画や所定のハウスにおいて栽培される複数の株ごとに一括して取得されるようにしてもよい。それぞれの場合に対応して、個々の株や、複数の株を識別する情報により、学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報、学習用生育状態情報は関連付けられる。
学習処理部５２５は、学習データ記憶部１３１に記憶された学習用環境状態情報、学習用生育状態情報及び学習用収穫量情報を入力すると、作業情報に対応する出力値を出力するように、学習器の機械学習を行う。学習処理部５２５は、制御部１０が、補助記憶部１３の所定領域に記憶された学習モデル生成プログラムを実行することにより実現される。ここで、学習器は、例えば、学習用環境状態情報、学習用生育状態情報、学習用収穫量情報を学習データ、学習用作業履歴情報を教師データとして、目標とする収穫量を達成するために必要な作業を予測するモデルであり、例えば、モデルをニューラルネットワークによりにより計算するプログラムであるが、これに限られない。例えば、学習用環境状態情報（ｘ１）、学習用収穫量情報（ｘ２）、学習用生育状態情報（ｘ４）のもとでの形態変更作業を含む作業ｈ（ｘ１、ｘ２、ｘ４）によって算出できる。具体的には、ニューラルネットワークであれば、ｘ１、ｘ２、ｘ４を含む入力層を含む各層のノード間の各結合の重みを、出力である作業ｈ（ｘ１、ｘ２、ｘ４）と学習用作業履歴情報（ｘ３）との誤差関数を最小化するように調整することによりモデルｈ（ｘ１、ｘ２、ｘ４）を得ることができる。また、統計的手法ならば、入力ｘ１、ｘ２、ｘ４を含む回帰式の重み係数を、最小二乗法等により計算することにより、モデルｈ（ｘ１、ｘ２、ｘ４）を得ることができる。
学習処理部５２５における学習器の機械学習が、多数の学習データに対して繰り返されることにより、学習済み学習器５２６が得られる。このようにして得られた学習済みの学習器５２６は、補助記憶部１３の所定領域である学習結果データ記憶部１３２に記憶される。
＜学習モデル生成方法＞
図１０は、学習モデル生成方法の処理手順を示すフローチャートである。この学習モデル生成方法は、学習装置５００において学習モデル生成プログラムとして実行される。
まず、学習用環境状態情報取得部５２１が、学習用環境状態情報を取得する（ステップＳ４０１）。
次に、学習用生育状態情報取得部５２４が、学習用生育状態情報を取得する（ステップＳ４０２）。
次に、学習用作業履歴情報取得部５２２が、学習用作業履歴情報を取得する（ステップＳ４０３）。
次に、学習用収穫量取得部５２３が、学習用収穫量情報を取得する（ステップＳ４０４）。
そして、取得した学習用環境状態情報、学習用生育状態情報、学習用収穫量情報を入力データ、学習用作業履歴情報を教師データとして、学習処理部５２５が上述の学習器の学習処理を行う（ステップＳ４０５）。学習器の学習処理は実施例１と同様であるため、詳細な説明は省略する。
多数の学習データに対してステップＳ４０１～Ｓ４０５の処理を繰り返すことにより、学習済みの学習器５２６が学習処理部５２５から出力され、制御部１０が学習済みの学習
器５２６を取得し、学習結果データ記憶部１３２に記憶する（ステップＳ４０６）。
このようにすれば、対象とする植物の栽培への人の作業による介入を考慮して、適切な作業指示が可能な学習器が生成される。
次に、学習により生成したモデルを用いた推論により栽培管理を行う過程について説明する。
＜栽培管理システム＞
図１１は、実施例２に係る学習装置５００と栽培管理装置６００，７００とを含む栽培管理システム２の概略構成を示す模式図である。
学習装置５００と栽培管理装置６００及び栽培管理装置７００はそれぞれネットワークを介して接続されている。栽培管理装置６００は、植物が栽培されるハウス４１０のコントローラ４１２に接続されている。栽培管理装置７００も同様に植物が栽培されるハウス４２０のコントローラ４２２に接続されている。以下では、栽培管理装置６００について説明するが、栽培管理装置７００についても同様である。また、栽培管理装置６００は、一つのハウス４１０のコントローラ４１２に接続されている場合に限られず、複数のハウスのコントローラに接続されてもよい。学習装置５００において生成された学習器５２６は、ネットワーク４を通じて、栽培管理装置６００，７００に送信される。また、栽培管理装置６００，７００から、学習装置５００に対して、学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報、学習用生育状態情報がネットワーク４を通じて送信される。学習装置５００と栽培管理装置６００，７００とによって栽培管理システムを構成することにより、栽培管理装置６００，７００から学習データを収集し、学習器をさらに学習させて性能を向上させることができる。そして、更新された学習器を栽培管理装置６００，７００に提供することにより、より精度の高い栽培が可能となる。
ここでは、栽培対象である植物４１１の樹液流量を計測する生育状態検知手段としての樹液流センサ４１４が設けられている。樹液流センサ４１４はコントローラ４１２に接続されており、樹液流センサ４１４によって計測された樹液流量はコントローラ４１２を介して栽培管理装置６００に送信され、生育状態情報として取得される。ハウス４２０の植物４２１にも樹液流センサ４２４が設けられ、コントローラ４２２に接続されている。
実施例２に係る栽培管理装置６００のハードウエア構成は、図５に示す実施例１に係る栽培管理装置２００と共通であるため、同様の符号を用いて詳細な説明は省略する。
図１２（Ａ）は、実施例２に係る栽培管理装置６００の第１の機能ブロック図である。
栽培管理装置６００は、少なくとも環境状態情報取得部６２０、生育状態情報取得部６２１、計画収穫量取得部６２２及び演算部６２４を含む。
環境状態情報取得部６２０は、栽培対象である植物が置かれた環境に関する情報である環境状態情報を取得する手段である。ここでは、ユーザが入力部２１４を介して入力した環境状態情報を、制御部２１０が取得するようにしてもよい。この場合には、入力部２１４及び制御部２１０が、環境状態情報取得部６２０を構成する。また、環境状態情報であるハウス内の温度、湿度、照度のように、ハウスに設置された温度センサ、湿度センサ、照度センサ等の環境検知手段によって検知し得る情報については、制御部２１０が、外部インタフェース２１６を通じて接続されたハウス４１０のコントローラ４１２から、ハウス４１０に設置された温度センサ、湿度センサ、照度センサ等の環境検知手段によって検知された環境状態情報を取得するようにしてもよい。この場合には、図１１の例では、温湿度センサ４１３及びコントローラ４１２に接続される外部インタフェース２１６が環境状態情報取得部６２０を構成する。また、環境状態情報である外気の温度や湿度のようにネットワークを介して外部サーバから取得し得る情報については、制御部２１０が、通信インタフェース２１７を通じて、インターネット等のネットワークを介して外部サーバから取得するようにしてもよい。この場合には、通信インタフェース２１７及び制御部２１
０が環境状態情報取得部６２０を構成する。
生育状態情報取得部６２１は、栽培対象である植物自体の生育状態に関する情報である生育状態情報を取得する手段である。生育状態情報は、例えば、樹液流センサによって計測される樹液流量、吸収養分センサによって計測される吸収養分量等であり、植物自体から計測・検知できる生育状態に関する情報である。また、栽培対象である植物をカメラ等の撮像装置によって撮像した画像を画像解析手段によって解析することにより検知される樹勢も生育状態情報に含まれる。ここでは、樹液流センサ、吸収養分センサ、撮像装置及び画像解析手段が生育状態検知手段を構成する。
上述のように、樹液流センサ、吸収養分センサ等の生育状態検知手段によって計測・検知し得る情報については、制御部２１０が外部インタフェース２１６を通じて、これらの生育状態検知手段を制御して生育状態情報を取得するようにしてもよい。この場合には、生育状態検知手段に接続される外部インタフェース２１６が、生育状態情報取得部６２１を構成する。すでに計測・検知された外部装置に記憶された生育状態情報を取得するようにしてもよい。この場合には、外部装置に接続された外部インタフェース２１６又は通信インタフェース２１７が生育状態情報取得部６２１を構成する。ユーザが入力部２１４を介して入力した生育状態情報を、制御部２１０が取得するようにしてもよい。この場合には、入力部２１４及び制御部２１０が生育状態情報取得部６２１を構成する。
作業履歴情報取得部６２３は、栽培対象である植物に対して人が行った作業の履歴を定量化した作業履歴情報を取得する手段である。こでは、ユーザが入力部２１４を介して入力した作業履歴情報を、制御部２１０が取得するようにしてもよい。この場合には、入力部２１４及び制御部２１０が、作業履歴情報取得部６２３を構成する。また、ユーザが入力部２１４を介して入力した情報を、制御部２１０が作業履歴情報に変換して取得するするようにしてもよい。ここでは、制御部２１０が定量化手段として機能する。このようにすれば、ユーザは定量化された作業履歴情報の形式で作業の履歴を入力する必要がなく、ユーザの入力作業の負担が軽減される。例えば、ユーザが、出力部２１５としてのディスプレイに表示されたプルダウンメニューから作業の種類を選択し、選択された作業の種類に応じて表示される作業量のプルダウンメニューから作業量を選択することにより、作業履歴を入力する。栽培管理装置６００では、学習装置５００と同様に、例えば、選択された作業の種類に対応する作業種類フラグ（例えば、作業が摘花であれば摘花フラグ）をオンに設定するともに、作業の種類に応じて定められた単位（ここでは個数）に基づいて定量化された数値（例えば３）を学習用作業履歴情報として取得する。ユーザが入力した作業履歴情報が補助記憶部２１３の所定領域に逐次記憶されており、演算部６２４が収穫量の予測を行う際に、制御部２１０が当該領域から読み出して取得するようにしてもよい。また、制御部２１０が、外部インタフェース２１６又は通信インタフェース２１７を通じて、外部の装置から取得するようにしてもよい。この場合には、外部インタフェース２１６又は通信インタフェース２１７及び制御部２１０が作業履歴情報取得部６２３を構成する。
計画収穫量取得部６２２は、ユーザが栽培計画において予定している収穫量に関する情報である計画収穫量情報を取得する手段である。ここでは、ユーザが入力部２１４を介して入力した計画収穫量情報を、制御部２１０が取得するようにしてもよい。この場合には、入力部２１４及び制御部２１０が、計画収穫量取得部６２２を構成する。また、ユーザが予め入力部２１４を介して入力した計画収穫量情報を、補助記憶部２１３の所定領域に記憶しておき、制御部２１０がこれを読み出すようにしてもよい。
栽培管理装置６００の演算部６２４は、環境状態情報取得部６２０によって取得された環境状態情報と、生育状態情報取得部６２１によって取得された生育状態情報と、計画収穫量取得部６２２によって取得された計画収穫量情報とを、上述の学習器５２６に入力す
ることにより、環境状態情報によって特定される環境状態及び生育状態情報によって特定される生育状態のもとで、計画収穫量を実現するために必要な形態変更作業を含む作業に関する作業指示情報６２５を出力部２１５に出力することができる。作業指示情報６２５は、例えば、出力部２１５としてのディスプレイに表示されたり、出力部２１５としてのプリンタからドキュメントとしてプリントアウトされたりする。外部インタフェース２１６や通信インタフェース２１７を介して、外部の装置に送信するようにしてもよい。ここで、演算部６２４は、演算プログラムを実行する制御部２１０によって構成される。
図１２（Ｂ）は、実施例２に係る栽培管理装置６００の第２の機能ブロック図である。
栽培管理装置６００は、少なくとも環境状態情報取得部６２０、生育状態情報取得部６２１、作業履歴情報取得部６２３及び演算部６２４を含む。図１２（Ａ）に示す第１の機能ブロック図と同様の構成については同様の符号を用いて詳細な説明を省略する。
作業履歴情報取得部６２３は、栽培対象である植物に対して人が行った作業の履歴を定量化した作業履歴情報を取得する手段である。こでは、ユーザが入力部２１４を介して入力した作業履歴情報を、制御部２１０が取得するようにしてもよい。この場合には、入力部２１４及び制御部２１０が、作業履歴情報取得部６２３を構成する。また、ユーザが入力部２１４を介して入力した情報を、制御部２１０が作業履歴情報に変換して取得するようにしてもよい。ここでは、制御部２１０が定量化手段として機能する。このようにすれば、ユーザは定量化された作業履歴情報の形式で作業の履歴を入力する必要がなく、ユーザの入力作業の負担が軽減される。例えば、ユーザが、出力部２１５としてのディスプレイに表示されたプルダウンメニューから作業の種類を選択し、選択された作業の種類に応じて表示される作業量のプルダウンメニューから作業量を選択することにより、作業履歴を入力する。栽培管理装置６００では、学習装置５００と同様に、例えば、選択された作業の種類に対応する作業種類フラグ（例えば、作業が摘花であれば摘花フラグ）をオンに設定するともに、作業の種類に応じて定められた単位（ここでは個数）に基づいて定量化された数値（例えば３）を学習用作業履歴情報として取得する。ユーザが入力した作業履歴情報が補助記憶部２１３の所定領域に逐次記憶されており、演算部６２４が収穫量の予測を行う際に、制御部２１０が当該領域から読み出して取得するようにしてもよい。また、制御部２１０が、外部インタフェース２１６又は通信インタフェース２１７を通じて、外部の装置から取得するようにしてもよい。この場合には、外部インタフェース２１６又は通信インタフェース２１７及び制御部２１０が作業履歴情報取得部６２３を構成する。
栽培管理装置６００の演算部６２４は、環境状態情報取得部６２０によって取得された環境状態情報と、生育状態情報取得部６２１によって取得された生育状態情報と、作業履歴情報取得部６２３によって取得された作業履歴情報とを、上述の学習器５２６に入力することにより、環境状態情報によって特定される環境状態及び生育状態情報によって特定される生育状態及びそれまでの作業履歴のもとでの予測収穫量情報６２６を出力部２１５に出力することができる。予測収穫量情報６２６は、例えば、出力部２１５としてのディスプレイに表示されたり、出力部２１５としてのプリンタからドキュメントとしてプリントアウトされたりする。外部インタフェース２１６や通信インタフェース２１７を介して、外部の装置に送信するようにしてもよい。ここで、演算部６２４は、演算プログラムを実行する制御部２１０によって構成される。
＜栽培管理方法＞
図１３（Ａ）は、栽培管理方法の処理手順を示すフローチャートである。の栽培管理方法は、栽培管理装置６００において栽培管理プログラムとして実行される。
まず、環境状態情報取得部６２０が、環境状態情報を取得する（ステップＳ４０１）。
次に、生育状態情報取得部６２１が、生育状態情報を取得する（ステップＳ４０２）。
次に、計画収穫量取得部６２２が、計画収穫量情報を取得する（ステップＳ４０３）。
そして、演算部６２４が、環境状態情報、生育状態情報及び計画収穫量情報を学習済み学習器５２６に入力し、演算処理を行う（ステップＳ４０４）。
そして、演算部６２４が、入力された環境状態情報及び生育状態情報により特定される環境状態及び生育状態のもとで、計画収穫量を実現するために必要な形態変更作業を含む作業を指示する作業指示情報６２５が演算処理により出力されるので、制御部２１０がこれを取得し、例えば出力部２１５に出力する（ステップＳ４０５）。作業指示情報６２５の演算処理は実施例１と同様であるため、詳細な説明は省略する。
このようにすれば、対象とする植物の栽培への人の作業による介入を考慮した学習器を用いることにより、栽培作業の指示の精度が向上する。また、栽培作業に関する知識・経験の少ない作業者であっても、この作業指示に基づいて、栽培を行うことにより、計画収穫量を実現することが可能となる。
図１３（Ｂ）は、他の栽培管理方法としての収穫量予測方法の処理手順を示すフローチャートである。図１３（Ａ）に示す栽培管理方法と同様の処理については同様の符号を用いて説明を省略する。
まず、環境状態情報取得部６２０が、環境状態情報を取得する（ステップＳ４０１）。
次に、生育状態情報取得部６２１が、生育状態情報を取得する（ステップＳ４０２）。
次に、作業履歴情報取得部６２３が、作業履歴情報を取得する（ステップＳ４０６）。
そして、演算部６２４が、環境状態情報、生育状態情報及び作業履歴情報を学習済み学習器５２６に入力し、演算処理を行う（ステップＳ４０４）。
そして、演算部６２４が、入力された環境状態情報及び生育状態情報により特定される環境状態及び生育状態並びにそれまでの作業履歴のもとでの予測収穫量情報６２６が演算処理により出力されるので、制御部２１０がこれを取得し、例えば出力部２１５に出力する（ステップＳ４０７）。
このようにすれば、対象とする植物の栽培への人の作業による介入を考慮した学習器を用いることにより、収穫量予測の精度が向上する。
〔実施例３〕
以下では、実施例３に係る学習装置８００及び栽培管理装置９００，１０００について、説明する。
実施例３に係る学習装置８００のハードウエア構成、機能ブロック及び学習モデル生成方法は、実施例２と共通であるので、栽培管理に用いるモデルを学習により生成する過程については同様の符号を用いて詳細な説明は省略する。以下に、学習により生成したモデルを用いた推論により栽培管理を行う過程について以下に説明する。
＜栽培管理システム＞
図１４は、実施例３に係る学習装置８００と栽培管理装置９００，１０００とを含む栽培管理システム３の概略構成を示す模式図である。
学習装置８００と栽培管理装置９００及び栽培管理装置１０００はそれぞれネットワーク４を介して接続されている。栽培管理装置９００は、植物４１１が栽培されるハウス４１０のコントローラ４１２に接続されている。栽培管理装置１０００も同様に植物４２１が栽培されるハウス４２０のコントローラ４２２に接続されている。以下では、栽培管理装置９００について説明するが、栽培管理装置１０００についても同様である。また、栽培管理装置９００は、一つのハウス４１０のコントローラ４１２に接続されている場合に限られず、複数のハウスのコントローラに接続されてもよい。学習装置８００において生成された学習器５２６は、ネットワーク４を通じて、栽培管理装置９００，１０００に送信される。また、栽培管理装置９００，１０００から、学習装置８００に対して、学習用環境状態情報、学習用作業履歴情報、学習用収穫量情報がネットワーク４を通じて送信される。学習装置８００と栽培管理装置９００，１０００とによって栽培管理システムを構
成することにより、栽培管理装置９００，１０００から学習データを収集し、学習器をさらに学習させて性能を向上させることができる。そして、更新された学習器を栽培管理装置９００，１０００に提供することにより、より精度の高い栽培が可能となる。
ここでは、開度を調整することにより、栽培対象である植物への日射量を制御する環境状態制御手段として遮光カーテン４１５が設けられている。この遮光カーテン４１５はコントローラ４１２に接続されており、栽培管理装置９００から送信される状態制御指示情報に基づいて開度が制御される。これによって、植物に対する日射量が制御される。ハウス４２０にも遮光カーテン４２５が設けられており、コントローラ４２２に接続されている。
実施例３に係る栽培管理装置９００のハードウエア構成は図６に示す実施例１に係る栽培管理装置２００と共通であるため、同様の符号を用いて詳細な説明は省略する。
図１５（Ａ）は、栽培管理装置９００の第１の機能ブロック図である。
栽培管理装置９００は、少なくとも環境状態情報取得部９２０、生育状態情報取得部９２１計画収穫量取得部９２２、演算部９２４及び状態制御指示部９２５を含む。
演算部９２４は、環境状態情報取得部９２０によって取得された環境状態情報、生育状態情報取得部９２１によって取得された生育状態情報及び計画収穫量取得部９２２によって取得された計画収穫量を、学習済み学習器５２６に入力し、作業指示情報９２６を出力部２１５に出力するとともに、状態制御指示情報９２７を状態制御指示部９２５に出力する。
状態制御指示部９２５は、制御部２１０が、この状態制御指示情報９２７を取得して、外部インタフェース２１６を通じて接続されたコントローラ４１２に対し、ハウス４１０の環境状態や生育状態を制御する状態制御手段（例えば、遮光カーテン４１５）の制御を指示するための情報を送信するものである。
ここで、状態制御手段は、栽培対象である植物が置かれた環境状態である温度や湿度を制御する加温湿器や、日射量を制御する遮光カーテンや、二酸化炭素量を制御する二酸化炭素発生器のように環境状態を制御する環境状態制御手段を含む。また、状態制御手段は、植物の吸収養分量に影響を与える土中の養分を制御する施肥器や、樹液流量に影響を与える土中の水分を制御する灌水器のように生育状態を制御する生育状態制御手段も含む。
図１６（Ａ）は、栽培管理方法の処理手順を示すフローチャートである。この栽培管理方法は、栽培管理装置９００において栽培管理プログラムとして実行される。
まず、環境状態情報取得部９２０が、環境状態情報を取得する（ステップＳ５０１）。
次に、生育状態情報取得部９２１が、生育状態情報を取得する（ステップＳ５０２）。
次に、計画収穫量取得部９２２が、計画収穫量情報を取得する（ステップＳ５０３）。
そして、演算部９２４が、環境状態情報、生育状態情報及び計画収穫量情報を学習済み学習器５２６に入力し、演算処理を行う（ステップＳ５０４）。
そして、演算部９２４がステップＳ５０５の演算処理により、入力された環境状態情報及び生育状態情報により特定される環境状態及び生育状態のもとで、計画収穫量を実現するために必要な形態変更作業を含む作業を指示する作業指示情報９２６（ステップＳ５０５）及び状態制御指示情報９２７（ステップＳ５０６）が出力される。必要な作業指示情報や状態制御指示情報の演算処理は実施例１と同様であるため、詳細な説明は省略する。制御部２１０は作業指示情報９２６を取得し、例えば出力部２１５に出力し、また、状態制御指示情報９２７を取得し、例えば状態制御指示部９２５に出力する。
このようにすれば、対象とする植物の栽培への人の作業による介入を考慮した学習器を用いることにより、栽培作業の指示の精度が向上するとともに環境状態や生育状態の制御の指示の精度が向上する。また、栽培作業に関する知識・経験の少ない作業者であっても
、この作業指示に基づいて、栽培を行うことにより、計画収穫量を実現することが可能となる。
図１５（Ｂ）は、栽培管理装置９００の第２の機能ブロック図である。
栽培管理装置９００は、少なくとも環境状態情報取得部９２０、生育状態情報取得部９２１、作業履歴情報取得部９２３及び演算部９２４を含む。図１５（Ａ）に示す第１のブロック図と同様の構成については同様の符号を用いて説明を省略する。
図１６（Ｂ）は、他の栽培管理方法としての収穫量予測方法の処理手順を示すフローチャートである。図１６（Ａ）に示す栽培管理方法と同様の処理については同様の符号を用いて説明を省略する。
まず、環境状態情報取得部９２０が、環境状態情報を取得する（ステップＳ５０１）。
次に、生育状態情報取得部９２１が、生育状態情報を取得する（ステップＳ５０２）。
次に、作業履歴情報取得部９２３が、作業履歴を取得する（ステップＳ５０７）。
そして、演算部９２４が、環境状態情報、生育状態情報及び作業履歴情報を学習済み学習器５２６に入力し、演算処理を行う（ステップＳ５０４）。
そして、演算部９２４がステップＳ７０４の演算処理により、入力された環境状態情報及び生育状態情報により特定される環境状態及び生育状態並びにそれまでの作業履歴のもとでの予測収穫量が出力される。制御部２１０は予定収穫量情報９２８を取得し、例えば出力部２１５に出力する。
このようにすれば、対象とする植物の栽培への人の作業による介入を考慮した学習器を用いることにより、収穫量予測の精度が向上する。
なお、以下には本発明の構成要件と実施例の構成とを対比可能とするために、本発明の構成要件を図面の符号付きで記載しておく。
＜発明１＞
栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報と、
前記果菜類植物又は果樹の予め計画された栽培評価指標に関する情報である計画収栽培評価指標と、
栽培された前記果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴とを学習した学習モデル（２５）を用いて、前記環境状態情報及び前記計画栽培評価指標情報の入力に対して、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を決定し出力する演算部（２２３）と、
前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を出力する出力部と、
を備えたことを特徴とする果菜類植物及び果樹栽培管理装置（２００）。
＜発明２＞
栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報と、
前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する作業履歴情報と、
栽培された前記果菜類植物又は果樹の栽培評価指標と、該果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該果菜類植物又は果樹を栽培する際の前記形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴とを学習した学習モデル（２５）を用いて、前記環境状態情報及び前記作業履歴情報の入力に対して、前記果菜類植物又は果樹の予測栽培評価指標を出力する演算部（２２３）と、
前記果菜類植物又は果樹の前記予測栽培評価指標を出力する出力部（２１５）と、
を備えたことを特徴とする果菜類植物及び果樹栽培管理装置（２００）。
＜発明３＞
栽培対象である果菜類植物又は果樹の環境状態に関する学習用環境状態情報を取得する学習用環境状態情報取得部（２１）と、
前記果菜類植物又は果樹を栽培する際の該果菜類植物の形態を変更する形態変更作業を含む前記果菜類植物に又は果樹対する作業の履歴に関する学習用作業履歴情報を取得する学習用作業履歴情報取得部（２２）と、
前記果菜類植物又は果樹の栽培評価指標に関する学習用栽培評価指標情報を取得する学習用栽培評価指標取得部（２３）と、
前記学習用環境状態情報、前記学習用作業履歴情報及び前記学習用栽培評価指標情報を少なくとも含む学習データを学習させて、前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態情報及び予め計画された栽培評価指標情報の入力に対して、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を決定し出力する学習モデル（２５）を生成する学習処理部（２４）と、
を備えたことを特徴とする学習装置（１００）。
１００ 学習装置
２１ 学習用環境状態情報取得部
２２ 学習用作業履歴情報取得部
２３ 学習用収穫量取得部
２４ 学習処理部
２５ 学習器
５００ 学習装置
５２１ 学習用環境状態情報取得部
５２２ 学習用作業履歴情報取得部
５２３ 学習用収穫量取得部
５２４ 学習用生育状態情報取得部
５２５ 学習処理部
５２６ 学習器
２００ 栽培管理装置
２２０ 環境状態情報取得部
２２１ 計画収穫量取得部
２２３ 演算部
２２４ 作業指示情報
６００ 栽培管理装置
６２０ 環境状態情報取得部
６２１ 生育状態情報取得部
６２２ 計画収穫量取得部
６２４ 演算部
６２５ 作業指示情報

Claims (10)

  1. 栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報と、
    前記果菜類植物又は果樹の予め計画された栽培評価指標に関する情報である計画栽培評価指標情報と、
    栽培された前記果菜類植物又は果樹の栽培評価指標と、該栽培された前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該栽培された前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴とを学習した学習モデルを用いて、前記環境状態情報及び前記計画栽培評価指標情報の入力に対して、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を決定し出力部に出力する演算部と、
    前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を出力する出力部と、
    を備えたことを特徴とする果菜類植物及び果樹栽培管理装置。
  2. 栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報と、
    前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する作業履歴情報と、
    栽培された前記果菜類植物又は果樹の栽培評価指標と、該栽培された前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該栽培された前記果菜類植物又は果樹を栽培する際の前記形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴とを学習した学習モデルを用いて、前記環境状態情報及び前記作業履歴情報の入力に対して、前記果菜類植物又は果樹の予測栽培評価指標を出力部に出力する演算部と、
    前記果菜類植物又は果樹の前記予測栽培評価指標を出力する出力部と、
    を備えたことを特徴とする果菜類植物及び果樹栽培管理装置。
  3. 栽培対象である果菜類植物又は果樹の環境状態に関する学習用環境状態情報を取得する学習用環境状態情報取得部と、
    前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む前記果菜類植物又は果樹に対する作業の履歴に関する学習用作業履歴情報を
    取得する学習用作業履歴情報取得部と、
    前記果菜類植物又は果樹の栽培評価指標に関する学習用栽培評価指標情報を取得する学習用栽培評価指標取得部と、
    前記学習用環境状態情報、前記学習用作業履歴情報及び前記学習用栽培評価指標情報を少なくとも含む学習データを学習させて、前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態情報及び予め計画された栽培評価指標情報の入力に対して、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を決定し出力する学習モデルを生成する学習処理部と、
    を備えたことを特徴とする学習装置。
  4. コンピュータが、
    栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報を取得するステップと、
    前記果菜類植物又は果樹の予め計画された栽培評価指標に関する情報である計画栽培評価指標情報を取得するステップと、
    栽培された前記果菜類植物又は果樹の前記栽培評価指標と、該栽培された前記果菜類植物又は果樹を栽培する際の前記環境状態と、該栽培された前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、取得された前記環境状態情報及び前記計画栽培評価指標情報に基づいて、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を決定するステップと、
    を実行することを特徴とする果菜類植物及び果樹栽培管理方法。
  5. コンピュータが、
    栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報を取得するステップと、
    前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する作業履歴情報を取得するステップと、
    栽培された前記果菜類植物又は果樹の栽培評価指標と、該栽培された前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該栽培された前記果菜類植物又は果樹を栽培する際の前記形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、取得された前記環境状態情報及び前記作業履歴情報に基づいて、前記果菜類植物又は果樹の予測栽培評価指標を出力するステップと、
    を実行することを特徴とする果菜類植物及び果樹栽培管理方法。
  6. コンピュータが、
    果菜類植物又は果樹を栽培した際の栽培評価指標に関する学習用栽培評価指標情報を取得するステップと、
    栽培された前記果菜類植物又は果樹の環境状態に関する学習用環境状態情報を取得するステップと、
    栽培された前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する学習用作業履歴情報を取得するステップと、
    前記学習用栽培評価指標情報、前記学習用環境状態情報及び前記学習用作業履歴情報を少なくとも含む学習データを学習させて、前記果菜類植物又は果樹の環境状態に関する環境状態情報及び該果菜類植物又は果樹の予め計画された栽培評価指標に関する情報である計画栽培評価指標情報に基づいて、前記形態変更作業を含む該果菜類植物又は果樹に対する作業を決定する学習モデルを生成するステップと、
    を実行することを特徴とする学習モデル生成方法。
  7. 前記学習モデルを生成するステップは、前記環境状態情報を環境の状態とし、前記形態変更作業を含む前記果菜類植物又は果樹に対する作業を環境に対する行動とし、前記栽培評価指標を報酬とする強化学習により該学習モデルを生成するステップを含むことを特徴とする請求項６に記載の学習モデル生成方法。
  8. コンピュータに、
    栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報を取得するステップと、
    前記果菜類植物又は果樹の予め計画された栽培評価指標に関する計画栽培評価指標情報を取得するステップと、
    栽培された前記果菜類植物又は果樹の前記栽培評価指標と、該栽培された前記果菜類植物又は果樹を栽培する際の前記環境状態と、該栽培された前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、取得された前記環境状態情報及び前記計画栽培評価指標情報に基づいて、前記形態変更作業を含む該果菜類植物又は果樹に対する作業を決定するステップと、
    を実行させることを特徴とする果菜類植物及び果樹栽培管理プログラム。
  9. コンピュータに、
    栽培対象である果菜類植物又は果樹の環境状態に関する環境状態情報を取得するステップと、
    前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する作業履歴情報を取得するステップと、
    栽培された前記果菜類植物又は果樹の栽培評価指標と、該栽培された前記果菜類植物又は果樹を栽培する際の該果菜類植物又は果樹の環境状態と、該栽培された前記果菜類植物又は果樹を栽培する際の前記形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴である作業履歴を学習した学習モデルを用いて、取得された前記環境状態情報及び前記作業履歴情報に基づいて、前記果菜類植物又は果樹の予測栽培評価指標を出力するステップと、
    を実行させることを特徴とする果菜類植物及び果樹栽培管理プログラム。
  10. コンピュータに、
    果菜類植物又は果樹を栽培した際の栽培評価指標に関する学習用栽培評価指標情報を取得するステップと、
    栽培された前記果菜類植物又は果樹の環境状態に関する学習用環境状態情報を取得するステップと、
    栽培された前記果菜類植物又は果樹の形態を変更する形態変更作業を含む該果菜類植物又は果樹に対する作業の履歴に関する学習用作業履歴情報を取得するステップと、
    前記学習用栽培評価指標情報、前記学習用環境状態情報、前記学習用作業履歴情報を少なくとも含む学習データを学習させて、前記果菜類植物又は果樹の環境状態に関する環境状態情報及び該果菜類植物の予め計画された栽培評価指標に関する情報である計画栽培評価指標に基づいて、前記形態変更作業を含む該果菜類植物又は果樹に対する作業を決定する学習モデルを生成するステップと、
    を実行させることを特徴とする学習モデル生成プログラム。
JP2019184104A 2019-10-04 2019-10-04 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 Active JP7140086B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP2019184104A JP7140086B2 (ja) 2019-10-04 2019-10-04 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
EP22215017.9A EP4177815A1 (en) 2019-10-04 2020-09-29 Management device for cultivation of fruit vegetable plants and fruit trees, management method for cultivation of fruit vegetable plants and fruit trees, and management program for cultivation of fruit vegetable plants and fruit trees
US17/298,729 US20220225583A1 (en) 2019-10-04 2020-09-29 Management device for cultivation of fruit vegetable plants and fruit trees, learning device, management method for cultivation of fruit vegetable plants and fruit trees, learning model generation method, management program for cultivation of fruit vegetable plants and fruit trees, and learning model generation program
CN202080006629.0A CN113196320A (zh) 2019-10-04 2020-09-29 果菜类植物和果树栽培管理装置、学习装置、果菜类植物和果树栽培管理方法、学习模型生成方法、果菜类植物和果树栽培管理程序以及学习模型生成程序
EP20871156.4A EP3876183A4 (en) 2019-10-04 2020-09-29 CULTIVATION AND MANAGEMENT DEVICE FOR FRUIT AND VEGETABLE PLANTS AND FRUIT TREES, LEARNING DEVICE, CULTIVATION AND MANAGEMENT METHOD FOR FRUIT AND VEGETABLE PLANTS AND FRUIT TREES, LEARNING MODEL GENERATION METHOD, CULTIVATION PROGRAM AND FOR FRUIT AND VEGETABLE PLANTS AND FRUIT TREES, AND LEARNING MODEL GENERATION PROGRAM
PCT/JP2020/036846 WO2021065891A1 (ja) 2019-10-04 2020-09-29 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019184104A JP7140086B2 (ja) 2019-10-04 2019-10-04 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

Publications (2)

Publication Number Publication Date
JP2021058124A JP2021058124A (ja) 2021-04-15
JP7140086B2 true JP7140086B2 (ja) 2022-09-21

Family

ID=75338309

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019184104A Active JP7140086B2 (ja) 2019-10-04 2019-10-04 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

Country Status (5)

Country Link
US (1) US20220225583A1 (ja)
EP (2) EP3876183A4 (ja)
JP (1) JP7140086B2 (ja)
CN (1) CN113196320A (ja)
WO (1) WO2021065891A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7113555B1 (ja) 2021-08-30 2022-08-05 亮志 西ヶ谷 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
IT202200005237A1 (it) * 2022-03-17 2023-09-17 Valente S R L Un metodo di coltivazione

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016101117A (ja) 2014-11-28 2016-06-02 三菱電機株式会社 情報処理装置及び情報処理方法及びプログラム
WO2019107179A1 (ja) 2017-12-01 2019-06-06 ソニー株式会社 情報処理装置、情報処理方法、および植生管理システム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4058544B2 (ja) * 1998-04-20 2008-03-12 農工大ティー・エル・オー株式会社 作業決定支援装置および方法、並びに記録媒体
JPH11313594A (ja) * 1998-04-30 1999-11-16 Omron Corp 農作業決定支援装置および方法、並びに記録媒体
CN101162384A (zh) * 2006-10-12 2008-04-16 魏珉 人工智能植物生长环境调控专家决策系统
JP5756374B2 (ja) 2011-08-31 2015-07-29 株式会社日立ソリューションズ東日本 生育管理方法
US9792557B2 (en) * 2015-01-14 2017-10-17 Accenture Global Services Limited Precision agriculture system
US9638678B2 (en) * 2015-01-30 2017-05-02 AgriSight, Inc. System and method for crop health monitoring
US20170332544A1 (en) * 2015-10-05 2017-11-23 iUNU, LLC Data driven indoor farming optimization
DK3537867T3 (da) * 2016-11-08 2023-11-06 Dogtooth Tech Limited Robotfrugtplukkesystem
US10839503B2 (en) * 2017-01-26 2020-11-17 ClariFruit System and method for evaluating fruits and vegetables
US10408748B2 (en) * 2017-01-26 2019-09-10 ClariFruit System and method for evaluating fruits and vegetables
US20180271015A1 (en) * 2017-03-21 2018-09-27 Blue River Technology Inc. Combine Harvester Including Machine Feedback Control
CA3078904A1 (en) * 2017-10-13 2019-04-18 Atp Labs Ltd. System and method for managing and operating an agricultural-origin-product manufacturing supply chain
US11815449B2 (en) * 2018-03-05 2023-11-14 Csbp Limited Agricultural condition determination
US11601587B2 (en) * 2018-09-09 2023-03-07 Viewnetic Ltd. System and method for monitoring plants in plant growing areas
EP3935557A1 (fr) * 2019-03-07 2022-01-12 3D2Cut Sa Système et méthode d'assistance à la taille de végétaux
FR3098083B1 (fr) * 2019-07-01 2022-12-23 Farm3 Système et procédé de culture.

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016101117A (ja) 2014-11-28 2016-06-02 三菱電機株式会社 情報処理装置及び情報処理方法及びプログラム
WO2019107179A1 (ja) 2017-12-01 2019-06-06 ソニー株式会社 情報処理装置、情報処理方法、および植生管理システム

Also Published As

Publication number Publication date
EP4177815A1 (en) 2023-05-10
JP2021058124A (ja) 2021-04-15
EP3876183A4 (en) 2023-01-18
EP3876183A1 (en) 2021-09-08
US20220225583A1 (en) 2022-07-21
CN113196320A (zh) 2021-07-30
WO2021065891A1 (ja) 2021-04-08

Similar Documents

Publication Publication Date Title
JP6551943B2 (ja) 生育管理装置、生育管理方法、及び、プログラム
KR20180086738A (ko) 작물 재배 가이드 정보 제공 장치, 및 그 방법
JP2021056573A (ja) 作物成長予測プログラム、作物成長予測方法および作物成長予測装置
EP2769320A1 (en) Programmable plant system
JP2019030253A (ja) 栽培支援装置、栽培支援方法、コンピュータプログラム及び記録媒体
JP7140086B2 (ja) 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
Medina-Ruíz et al. Mathematical modeling on tomato plants: A review
CN114662742A (zh) 大田灌溉施肥制度动态决策方法及装置
WO2021002439A1 (ja) 植物の栽培管理システム及び、植物の栽培管理装置
KR20210063218A (ko) 시설 운영 이력을 저장할 수 있는 스마트팜 운영 시스템
JP2021057071A (ja) 農作物の栽培方法提案プログラム及びシステム
Souza et al. Longer crop cycle lengths could offset the negative effects of climate change on Brazilian maize
JP2018007630A (ja) 栽培支援装置
JP2022136058A (ja) 農作物の生産成績を予測する予測モデルの生成方法、生成装置、及び生成プログラム
EP4099259A1 (en) Cultivation support system, cultivation support device, cultivation support method, and program
WO2021248773A1 (zh) 作物动态监控方法、装置、设备和系统
JP7386503B2 (ja) 収量推定プログラム、収量推定方法及び収量推定装置
JP7024733B2 (ja) 情報処理装置、情報処理方法、及び、情報処理プログラム
JP7220881B1 (ja) 灌水制御システム
TWI821719B (zh) 預測水稻用水需求的系統及方法
EP4292413A1 (en) Dynamic generation of experimental treatment plans
De Koning et al. Real-time comparison of measured and simulated crop transpiration in greenhouse process control
Davidson et al. Rate of shoot development (phyllochron) is dependent of carbon availability, shoot type, and rank in peach trees
JP7405177B2 (ja) 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法
Qiu et al. A new strategy in observer modeling for greenhouse cucumber seedling growth

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210409

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220524

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220722

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: 20220809

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220822

R150 Certificate of patent or registration of utility model

Ref document number: 7140086

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150