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 PDFInfo
- 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
Links
- 235000013399 edible fruits Nutrition 0.000 title claims description 544
- 235000013311 vegetables Nutrition 0.000 title claims description 270
- 238000007726 management method Methods 0.000 title claims description 149
- 238000000034 method Methods 0.000 title claims description 48
- 230000007613 environmental effect Effects 0.000 claims description 244
- 238000011156 evaluation Methods 0.000 claims description 105
- 238000012545 processing Methods 0.000 claims description 53
- 238000004364 calculation method Methods 0.000 claims description 46
- 230000008859 change Effects 0.000 claims description 43
- 230000004660 morphological change Effects 0.000 claims description 36
- 230000004044 response Effects 0.000 claims description 12
- 230000004048 modification Effects 0.000 claims description 10
- 238000012986 modification Methods 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 230000002787 reinforcement Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 241000196324 Embryophyta Species 0.000 description 237
- 238000003306 harvesting Methods 0.000 description 66
- 238000010586 diagram Methods 0.000 description 28
- 238000004891 communication Methods 0.000 description 27
- 238000003860 storage Methods 0.000 description 25
- 238000001514 detection method Methods 0.000 description 14
- 235000015097 nutrients Nutrition 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000002689 soil Substances 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 239000003337 fertilizer Substances 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 238000009333 weeding Methods 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 239000000575 pesticide Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 244000241257 Cucumis melo Species 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 235000021012 strawberries Nutrition 0.000 description 1
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
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。
きるが、これらに限られない。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
<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。
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。
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。
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
。
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。
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。
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)。
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。
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。
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。
<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。
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。
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。
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。
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。
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)。
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。
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)。
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。
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。
<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。
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。
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。
<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。
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。
0が環境状態情報取得部620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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
<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)。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
- 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。 - 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。 - 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。
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)
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)
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)
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. |
-
2019
- 2019-10-04 JP JP2019184104A patent/JP7140086B2/ja active Active
-
2020
- 2020-09-29 CN CN202080006629.0A patent/CN113196320A/zh active Pending
- 2020-09-29 WO PCT/JP2020/036846 patent/WO2021065891A1/ja unknown
- 2020-09-29 EP EP20871156.4A patent/EP3876183A4/en active Pending
- 2020-09-29 US US17/298,729 patent/US20220225583A1/en active Pending
- 2020-09-29 EP EP22215017.9A patent/EP4177815A1/en active Pending
Patent Citations (2)
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 |