JP7189585B1 - 情報処理システムおよび分光計測器 - Google Patents

Abstract

【課題】将来の植物の状態および／または収穫に関する情報を取得するために必要な波長を、測定条件を考慮して決定する技術を提供する。【解決手段】情報処理システムは、記憶装置と、インタフェース装置と、演算回路とを備えている。記憶装置は、光源からの光に関するスペクトルデータおよび光の測定時の測定条件データと、植物の生長に関連する植物状態データおよび／または 収穫結果データとを予め対応付けたデータベースを格納する。インタフェース装置は、植物について、ユーザによる測定時に適用されるユーザ測定条件であって、測定時の角度に関するデータ 、および予測したい植物状態および／または収穫結果に関するデータを含むユーザ測定条件の入力を受け付ける。演算回路は、ユーザ測定条件に基づいてデータベースを参照することにより、ユーザ測定条件の下で測定すべき、光源からの光に含まれる少なくとも２つの波長を決定する。【選択図】図１３

Description

本開示は、情報処理システムおよび分光計測器に関する。

特許文献１は、測定対象に光を当てて測定対象を撮像し、測定対象そのものの種類や特徴等の情報を求める技術を開示する。より具体的には、特許文献１の情報システムは、特定すべき測定対象を含む物品の分光情報を示すデータベースを有している。データベースはさらに、測定対象を特定することができる特定の波長領域、または特定波長に関する情報も含んでいる。情報システムは、測定対象からの反射光を受け、特定の波長領域の光を撮像して分光情報（分光画像）を取得する。情報システムは、得られた分光画像とデータベースとを用いて撮像された測定対象の特定を行い、測定対象の種類や特徴、撮像領域における存在の有無等の情報を求める。

特開２０２０－１２２６８１号公報

特許文献１の技術では、測定対象を特定することができる特定波長を求めておき、その特定波長の光を検出することで測定対象を特定する。特定波長は測定対象ごとに予め決定されており、撮影条件にかかわらず固定されている。また、特許文献１の技術は、現在の測定対象の特徴等を求めることは可能であるが、その測定対象が将来どのような特徴を備えるのかを判断することはできない。

本開示の目的の一つは、将来の植物の状態および／または収穫に関する情報を取得するために必要な波長を、測定条件を考慮して決定することである。また本開示の他の目的は、そのようにして決定した波長から、その植物の将来の状態および／または収穫に関する情報を予測することである。

本開示の一態様にかかる情報処理システムは、記憶装置と、インタフェース装置と、演算回路とを備える。記憶装置は光源からの光に関するスペクトルデータおよび光の測定時の測定条件データと、植物の生長に関連する植物状態データおよび／または 収穫結果データとを予め対応付けたデータベースを格納する。インタフェース装置は、植物について、ユーザによる測定時に適用されるユーザ測定条件であって、測定時の角度に関するデータ 、および予測したい植物状態および／または収穫結果に関するデータを含むユーザ測定条件の入力を受け付ける。演算回路は、ユーザ測定条件に基づいてデータベースを参照することにより、ユーザ測定条件の下で測定すべき、光源からの光に含まれる少なくとも２つの波長を決定する。

本開示の一態様にかかる情報処理システムにおいて、演算回路は、複数の波長から、互いに異なる２つの波長の組を選択し、複数の場所の各々における前記２つの波長の組の指標値を算出し、複数の場所の各々における植物状態および／または収穫結果を取得し、指標値と植物状態および／または収穫結果との相関の程度を示す相関係数を算出し、相関係数が０．７以上 を示す２つの波長の組を、少なくとも２つの波長として決定する。

本開示の一態様にかかる分光計測器は、上述した情報処理システムによって決定された少なくとも２つの波長の光をそれぞれ通過させる光学フィルタと、光学フィルタを透過した、少なくとも２つの波長の光を検出するイメージセンサとを備えている。

本開示の他の一態様にかかる情報処理システムは、記憶装置と、インタフェース装置と、演算回路とを備える。記憶装置は、光源からの光に関するスペクトルデータおよび光の測定時の測定条件データと、植物の生長に関連する植物状態データおよび／または 収穫結果データとを予め対応付けたデータベースを格納する。インタフェース装置は、上述の分光計測器を用いた植物の撮影時の撮影条件であって、撮影時の少なくとも２つの波長の光の強度、植物からの反射光の強度、光源と分光計測器との方位角差、分光計測器の仰角、および、光源の仰角のデータを含む撮影条件の入力を受け付ける。演算回路は、撮影条件、および、少なくとも２つの波長の各値に基づいてデータベースを参照することにより、植物の将来の状態および／または収穫結果を予測する。

本開示のある態様によれば、植物の将来の状態および／または収穫に関する情報を取得するために必要な波長を、測定条件を考慮して決定することが可能である。
また本開示の他の態様によれば、そのようにして決定した波長から、その植物の将来の植物の状態および／または収穫に関する情報を予測することが可能である。

例示的な実施の形態にかかる分光計測器１の使用例の概略図 例示的な実施の形態によるデータベースＤＢ１のデータ構造の一例を示す図 分光計測器１による光源１２に対する対象物１１からの反射スペクトルの測定の説明図 健康時及び水不足時のカイワレ大根の波長－分光反射率特性を表すグラフ 対象物１１であるカイワレ大根に対する光源１２の取り得る角度（θ２）と、反射光を測定する分光計測器１であるＬＣＴＦカメラの取り得る角度（θ１）の例を示す図 カイワレ大根についての角度に応じた分光反射率の違いを示す三次元グラフ 豆苗についての角度に応じた分光反射率の違いを示す三次元グラフ 分光計測器１と対象物１１である稲との角度を示す図 伏角が５°の場合における、分光計測器１によって取得される稲の画像を示す図 伏角が１５°の場合における、分光計測器１によって取得される稲の画像を示す図 伏角が２８°の場合における、分光計測器１によって取得される稲の画像を示す図 伏角が３７°の場合における、分光計測器１によって取得される稲の画像を示す図 伏角が４８°の場合における、分光計測器１によって取得される稲の画像を示す図 伏角に応じて分光反射率が変化することを示すグラフ 測定時期に応じて分光反射率が異なることを示すグラフ 例示的な実施の形態にかかる情報処理システム１００の構成図 情報処理システム１００を利用した波長の選出処理に利用されるハードウェア構成図 稲の将来の収穫量に強い相関を持つ複数の波長を選出するための、情報処理システム１００の処理の手順を示すフローチャート 図１３のステップＳ１２の処理の詳細を示すフローチャート 正規化分光指数ＮＤＳＩ（ｉ，ｊ）と収穫量との相関係数のヒートマップを示す図 情報処理システム１００を利用した、将来の植物に関する推定処理に利用されるハードウェア構成図 稲の将来の収穫量を予測するための、情報処理システム１００の処理の手順を示すフローチャート 複数の品種について、ある年の７月の正規化分光指数ＮＤＳＩと、９月の収穫量との関係を示す図 正規化分光指数ＮＤＳＩと、大豆の収穫量との関係を示す図 オイルパームの栽培地域上空から撮影した画像を示す図 病害虫の発生の程度について将来の予測結果を示す図 てん菜の褐斑病の進行の様子を示す空撮写真の一例を示す図 病害虫の発生の程度について将来の予測結果を示す図 撮影方法に関する変形例を説明するための図

以下、適宜図面を参照しながら、実施の形態を詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。なお、発明者（ら）は、当業者が本開示を十分に理解するために添付図面および以下の説明を提供するのであって、これらによって特許請求の範囲に記載の主題を限定することを意図するものではない。

上下左右等の位置関係は、特に断らない限り、図面に示す位置関係に基づくものとする。以下の実施の形態において説明する各図は、模式的な図であり、各図中の各構成要素の大きさ及び厚さそれぞれの比が、必ずしも実際の寸法比を反映しているとは限らない。また、各要素の寸法比率は図面に図示された比率に限られるものではない。

［１．実施の形態］
［１．１ 構成］
［１．１．１ 全体構成］
図１は、本実施の形態にかかる分光計測器１の使用例の概略図である。分光計測器１は、光源１２に対する対象物１１の反射スペクトルの測定を行う。

本実施の形態において、対象物１１は、稲である。対象物１１は、稲以外の農作物であってよい。対象物１１は、農作物以外の植物であってもよい。対象物１１は、個体ではなく、群体であってよい。例えば、対象物１１は、一本の木ではなく、測定範囲内に存在する複数本の木、または森林であってよい。また、対象物１１は、牧草であってもよい。

本実施の形態において、光源１２は、太陽である。光源１２は、太陽に限定されず、ハロゲンランプ、ＬＥＤランプ、紫外線ランプ、赤外線ランプ等の種々の光源から選択され得る。光源１２は、対象物１１から所望の波長範囲の反射スペクトルが得られるように選択されてよい。

分光計測器１による測定の結果は、情報処理システム１００での処理に利用される。分光計測器１は、情報処理システム１００での処理の対象になる情報を提供する。

情報処理システム１００は、対象物１１に関する種々の情報処理を実行する。図１の情報処理システム１００は、データベース装置１１０と、サーバ装置１２０とを含む。

データベース装置１１０は、１以上のコンピュータシステムにより構築され得る。データベース装置１１０は、データベースＤＢ１を格納する。データベースＤＢ１は、サーバ装置１２０で実行され得る情報処理に利用され得る。データベースＤＢ１は、サーバ装置１２０で利用する情報の集合であり、ここでは、データベースＤＢ１をライブラリＤＢ１という場合がある。

図２は、本実施の形態によるデータベースＤＢ１のデータ構造の一例を示している。
データベースＤＢ１は、対象物１１である植物に関する複数のレコード（エントリ）を含む。複数のレコードの各々は、スペクトルデータ、測定条件データ、植物状態データ、及び、収穫結果データを含む。

スペクトルデータは、対象物１１の反射スペクトルのデータ、及び、光源１２のスペクトルのデータを含む。対象物１１の反射スペクトルのデータは、所定の波長範囲において、所定の波長間隔の、光源１２からの光のうち対象物１１で反射された光の強度（反射強度：Ｏ（・））を示す。光源１２のスペクトルのデータは、所定の波長範囲において、所定の波長間隔の、光源１２からの光の強度（Ｓ（・））を示す。所定の波長範囲は、例えば約４２０ｎｍ～約８４０ｎｍであり、所定の波長間隔は、例えば約４ｎｍである。図２では、波長λ１～λ１００が、所定の波長範囲内に入り、かつ、所定の波長間隔ごとの波長を表している。波長λ（λ＝λ１，λ２，・・・，λ１００）について、対象物である植物の反射強度（Ｏ（λ））および光源としての太陽の光の強度Ｓ（λ）が取得され、記述されている。本実施の形態において、スペクトルデータは、画像に関するデータを含み得る。画像の例としては、対象物１１に関連する画像と光源１２に関連する画像とが挙げられる。図２では、１つのエントリに複数の波長が記述され、そのそれぞれについて、反射強度Ｏ（λ）およびＳ（λ）が記述されている。これは、分光計測器１を用いて１回の測定で取得された波長がλ１からλ１００にわたる波長帯域であることを示している。

測定条件データは、スペクトルデータを得るための測定に関する条件を示す。分光計測器１で測定される光源１２に対する対象物１１の反射スペクトルは、光源１２と分光計測器１との位置関係の影響を受け得る。つまり、光源１２と分光計測器１との位置関係が異なれば、同じ対象物１１であっても、分光計測器１で測定される反射スペクトルは異なり得る。光源１２に対する対象物１１の反射スペクトルを正しく評価するためには、この反射スペクトルの測定時の光源１２と分光計測器１との位置関係の情報を用いることが好ましい。

図３は、分光計測器１による光源１２に対する対象物１１からの反射スペクトルの測定の説明図である。光源１２と分光計測器１との位置関係は、対象物１１に対する分光計測器１の角度、対象物１１に対する光源１２の角度、及び、光源１２と分光計測器１との方位角差により特定され得る。対象物１１に対する分光計測器１の角度は、例えば、垂直方向Ｖに対する分光計測器１の角度θ１［°］又は水平面に対する分光計測器１の角度（９０°－θ１）で表され得る。対象物１１に対する光源１２の角度は、例えば、垂直方向Ｖに対する光源１２の角度θ２［°］又は水平面に対する光源１２の角度（９０°－θ２）で表され得る。光源１２と分光計測器１との方位角差は、例えば、分光計測器１と対象物１１とを含んで水平面に直交する垂直面Ｐ１と、光源１２と対象物１１とを含んで水平面に直交する垂直面Ｐ２との間の角度Ａｚ［°］で表され得る。図３において、Ａｚは反時計周りに増加するとして定義されている。

本実施の形態において、測定条件データは、例えば、光源１２と分光計測器１との方位角差（Ａｚ）、対象物１１に対する分光計測器１の角度（θ１）、及び、対象物１１に対する光源１２の角度（θ２）を含む。

さらに、測定条件データは、測定時の光源１２の条件又は状態に関する。例えば、測定条件データは、光源１２の広がりの評価値を含む。光源１２の広がりの評価値は、対象物１１の周囲環境による光源１２からの光の散乱の度合いを示す。対象物１１の周囲環境による光源１２からの光の散乱の度合いは、大気の透明度、天候（例えば、雲の多さ）、大気中のエアロゾルの多さ等の影響を受ける。一例として、光源１２の広がりの評価値は、光源１２から対象物１１に直接的に届く光（直達光成分）の量に対する、対象物１１の周囲環境による散乱された光（散乱光成分）の割合で表され得る。光源１２から対象物１１にどのように光が当たるのかは、対象物１１の周囲環境の影響を受ける。例えば、晴天時と曇天時とで、光源１２からの光の対象物１１への当たり方は変化する。晴天時は、光源１２から対象物１１には一方向に光が当たると考えてよいが、曇天時には雲によって光源１２からの光が散乱され、光源１２から対象物１１には場合によっては全方向から光が当たると考えられる。晴天時と曇天時とで比較すれば、反射スペクトルには、晴天時のほうが、曇天時よりも、光源１２と分光計測器１との位置関係による影響が表れやすい。よって、光源１２に対する対象物１１の反射スペクトルを正しく評価するために、測定条件データは、光源１２の広がりの評価値を含むことが好ましい。光源１２の広がりの評価値によって、晴天時と曇天時の曇り加減の定量化又は判別が可能になる。なお、晴天時と曇天時の曇りの程度に応じて、反射スペクトルの取得の仕方を変えてもよい。例えば、反射光を取得する際の推奨角度を、晴天時には基準より狭くし、曇天時には基準より広くしてもよい。

図２に示すように、データベースＤＢ１には、同一の対象物１１（植物）に関して、少なくとも、例えば、光源１２（太陽）と分光計測器１との方位角差（Ａｚ）、対象物１１（植物）に対する分光計測器１の角度（仰角：θ１）、及び、対象物１１（植物）に対する光源１２（太陽）の角度（仰角：θ２）の組み合わせが異なる複数のレコードがあることが好ましい。例えば、Ａｚ、θ１及びθ２は、それぞれ、２０°毎、好ましくは１０°毎、より好ましくは５°毎に異なるように、複数のレコードが存在するとよい。

状態データは、対象物１１に関する状態を示す。本実施の形態において、対象物１１は稲であり、状態データは、時間で変化し得る稲に関する状態に関する。状態データの例としては、生育状態に関する評価値、病害虫に関する評価値、含有成分に関する評価値、及び土壌状態に関する評価値が挙げられる。状態データは、スペクトルデータを得るための測定の時期に検査等を実施することで得られ得る。

結果データは、対象物１１に関する結果を示す。対象物１１に関する結果は、例えば、対象物１１の状態の終着点に関連する。本実施の形態において、対象物１１は稲であり、結果データは、稲の生育状態の終着点である、収穫に関するデータを含み得る。結果データの例としては、収穫量、及び、収穫時期を含む。結果データは、スペクトルデータを得るための測定の時期ではなく、実際に稲が収穫された際に生成され得る。収穫量は、実際に稲を収穫して計測され、収穫時期は、実際に稲を収穫した日にちに基づいて決定され得る。

サーバ装置１２０（図１）は、１以上のコンピュータシステムにより構築され得る。サーバ装置１２０は、有線又は無線ネットワークを通じて、データベース装置１１０と通信可能に接続され得る。サーバ装置１２０は、後述のコンピュータ可読媒体４０が取り外し可能に接続されるストレージインターフェースを備える。

サーバ装置１２０は、データベースＤＢ１の管理、データベースＤＢ１とユーザ測定条件を利用した２以上の波長の決定、取得した２以上の波長の各データとデータベースＤＢ１とを利用した推論、データベースＤＢ１を利用した学習済みモデルの生成を実行し得る。

データベースＤＢ１の管理は、データベースＤＢ１のレコード（エントリ）の追加、削除、及び編集を含み得る。本実施の形態において、サーバ装置１２０は、分光計測器１から得られる情報を利用して、レコードの追加を行うことができる。

データベースＤＢ１とユーザ測定条件を利用した２以上の波長の決定とは、ユーザが栽培し、育成する植物を光学的に測定する際の、測定すべき２以上の波長を選定することである。選定された２以上の波長は、その波長を透過させる光学フィルタを決定するために利用される。そのような光学フィルタを装着した分光計測器または撮像装置を利用してその植物を撮影することにより、その植物において反射された光から、所望の波長のスペクトルデータが得られ、次に説明する推論が行われる。本処理の詳細は後述する。

データベースＤＢ１を利用した推論は、与えられたスペクトルデータの一部又は全部及び測定条件データの一部又は全部に基づいて、状態データの一部又は全部又は結果データの一部又は全部を求める処理である。データベースＤＢ１から、スペクトルデータと測定条件データとの組み合わせに対して、状態データ又は結果データが関連付けられている。そのため、データベースＤＢ１に存在しないスペクトルデータ及び測定条件データの組から、当該組に対応する状態データ又は結果データの予測が可能である。

データベースＤＢ１を利用した学習済みモデルの生成は、データベースＤＢ１を利用した推論を実行する学習済みモデルの生成を含み得る。サーバ装置１２０は、例えば、データベースＤＢ１から、スペクトルデータ及び測定条件データを説明変数、状態データ又は結果データを目的変数として、学習用データセットを生成する。サーバ装置１２０は、学習用データセットを用いて、学習済みパラメータを生成し、学習済みパラメータを推論プログラムに組み込むことで、学習済みモデルを生成し得る。

［１．１．２ 本発明者らの知見に基づくデータベース］
本発明者らは、種々の研究を行い、光源１１からの光を植物に当ててその反射光を観測することにより、対象物１１としての植物の生育状態を検出できることが分かった。ただし、その際には種々の条件に応じた場合分けが必要であるとの結論に達した。条件とは、植物の品種、光源１２から対象物１１である植物に光を当てる角度、植物からの反射光を分光計測器１で計測する角度、計測する時期等である。以下、具体的に説明する。

図４は、健康時及び水不足時のカイワレ大根の波長－分光反射率特性を表すグラフである。グラフの横軸は波長、縦軸は分光反射率を表している。分光反射率は、４６０ｎｍから７８０ｎｍの波長帯域についてそれぞれ求められている。実線Ａは健康なカイワレ大根の分光反射率特性を示しており、破線Ｂは水不足によるカイワレ大根の分光反射率特性を示している。「Ｂ」、「Ｇ」および「Ｒ」はそれぞれ青、緑および赤のおおよその波長域を示している。分光計測器１として、液晶波長可変フィルタ（ＬＣＴＦ）カメラを採用した。光源１２としてハロゲンランプを採用した。

健康時及び水不足時のカイワレ大根のスペクトルは、赤の波長域よりも長波長域である赤外域において顕著に相違していることが理解される。よって、カイワレ大根が現在健康かどうかは、赤外域の波長における分光反射率を利用すればよいことが理解される。

分光反射率は、（反射光の強度／光源からの光の強度）によって求められる。反射光の強度および光源からの光の強度は、光源の光をどのような角度でカイワレ大根に当てるか、および、反射光をどの位置で測定するか、に応じて変動する。

図５は、対象物１１であるカイワレ大根に対するハロゲン光源１２の取り得る角度（θ２）と、反射光を測定する分光計測器１であるＬＣＴＦカメラの取り得る角度（θ１）の例を示している。このうち、図４のグラフは、θ１＝１０°、θ２＝０°の測定条件下で測定された場合の例である。なお、これらの角度は、図３に示された角度θ１およびθ２を意味する。

本発明者らは、分光反射率が光源１２から光を照射する角度に依存する照射方位角依存性も検証した。

図６Ａは、カイワレ大根についての角度に応じた分光反射率の違いを示す三次元グラフである。また図６Ｂは、豆苗についての角度に応じた分光反射率の違いを示す三次元グラフである。三次元グラフは、４６０ｎｍから７８０ｎｍまでの波長を示す軸と、０°から３６０°までの角度を示す軸と、０から０．７までの分光反射率を示す軸とで張られている。図から、光源１２の角度を０°から３６０°まで変化させると、同じ波長であっても分光反射率が変化することが理解される。なお、分光計測器１の角度（θ１）は４５°に固定されている。なお、測定環境は屋内の実験室である。

また、図６Ａおよび図６Ｂを対比すると、カイワレ大根と豆苗との間では、光源１２の角度の違いによって分光状態も変化することが示されている。つまり、同じ測定条件であっても、植物の種類に応じて計測される分光反射率は異なると言える。

さらに、本発明者らは稲についても角度依存性を検証した。図３に示す模式図では、対象物１１は１本または複数本の稲であり、光源１２は太陽である。稲を栽培する同じ圃場（田圃）のある時刻においてθ２は固定値である。つまり対象物１１である稲と分光計測器１との角度が変化し得る。

図７は、分光計測器１と対象物１１である稲との角度を示している。図３の例では、対象物１１に対する分光計測器１の角度は、垂直方向Ｖに対する分光計測器１の角度θ１［°］として定義されていたが、図７では、水平面Ｈに対する分光計測器１の角度θ３（＝９０°－θ１）で表され得る。θ３は「伏角」とも呼ばれ得る。説明の便宜上、以下の図８Ａ～図８Ｅ、および図９については「伏角」を用いて説明するが、上述のとおり仰角としての角度θ１を用いてもよい。

図８Ａ～図８Ｅは、伏角が異なる場合における、分光計測器１によって取得される稲の画像の違いを表している。図８Ａは伏角５°で取得された画像を示し、図８Ｂは伏角１５°で取得された画像を示し、図８Ｃは伏角２８°で取得された画像を示し、図８Ｄは伏角３７°で取得された画像を示し、図８Ｅは伏角４８°で取得された画像を示す。なお、図８Ａ～８Ｅおよび図９の測定については、同じ圃場ではなく、２つの圃場において測定した結果である。

そして図９は、伏角に応じて分光反射率が変化することを示すグラフである。伏角２８°の場合は、波長に応じた分光反射率の変化を捉えにくい。一方、伏角５°、１５°、３７°および４８°は、波長６８０ｎｍ以上の波長帯域の分光反射率と波長６８０ｎｍ未満の分光反射率とが大きく相違している。

ところで、伏角が大きくなると、稲だけではなく水や土等の稲以外の被写体が分光計測器１の視野に入り得る。そのため、本来の稲のみを測定できるよう、伏角が小さいことが適切である。

これらを考慮し、本発明者らは、稲の分光反射率を取得する際は伏角１５°以下が適正であると判断した。このように、分光反射率が波長に応じて変化していることだけでなく、さらに他の測定条件も考慮して、適正な伏角を決定することができる。

図１０は、測定時期に応じて分光反射率が異なることを示すグラフである。細破線は、ある年の７月１０日の稲の測定結果に基づく分光反射率を示し、太破線は同８月１日、実線は８月１６日の分光反射率を示している。同一の稲であっても、測定した時期または季節によって分光反射率が異なることが確認された。

上述の検証結果を踏まえ、本発明者らは、図２に示すデータベースＤＢ１には、エントリ毎に、スペクトルデータ、測定条件データ、植物状態データ、および収穫結果データを持たせておくこと、および、それぞれのデータは下記の詳細を含むことが好ましいと判断した。

・スペクトルデータ：
光源からの光に含まれる複数の波長、各波長の強度、および植物において反射された各波長の光の反射強度。植物において反射された光は、植物表面で生じた鏡面反射による光の成分および植物内部に入射し、内部で散乱され、再度表面から出射した光の成分の両方を含む。
・測定条件データ：光を計測器で測定した時点における、計測器から見た光源の仰角、計測器の仰角、および計測器と光源との方位角差
・植物状態データ：植物の生育状態、植物に発生した病害虫の状態、植物の成分、および植物が生育した土壌の状態のうちの少なくとも１つ。
・収穫結果データ：植物の収穫量、および植物の収穫時期

なお、エントリ番号とは別に各エントリの日時、経度・緯度、標高等のデータを含めてもよいし、エントリ番号自体に、そのエントリのスペクトルデータが測定された日付を含めてもよい。また、植物状態データおよび収穫結果データは、両方含めてもよいし、いずれか一方を含めてもよい。これらは後述する推定処理との関係で決定すればよい。すなわち、現在の植物のスペクトルデータおよび測定条件データから植物状態を推定したいのか、あるいは、収穫結果を推定したいのかに応じて、いずれか一方を設けてもよい。

なお、本実施の形態では稲を例示して説明するため、図２に示すデータベースＤＢ１には、例示される植物状態データおよび／または収穫結果データを含めている。しかしながら、稲以外の植物の場合には他の種類のデータがデータベースＤＢ１に含まれ得る。

このようなデータベースＤＢ１を予め構築しておくことにより、本発明者らは、以下に説明する情報処理システムを実現した。以下、本実施の形態にかかる情報処理システムの構成を説明する。

［１．１．３ 情報処理システムの構成］
図１１は、本実施の形態にかかる情報処理システム１００の構成を示している。情報処理システム１００は、例えば１台の情報処理装置として実現され、典型的にはサーバコンピュータである。

情報処理システム１００は、演算を行うＣＰＵ２１と、他の機器と通信を行うためのインタフェース装置（Ｉ／Ｆ）２２と、データベースＤＢ１及びコンピュータプログラム２６を記憶する記憶装置２３とを備える。なお、図１では、データベースＤＢ１はデータベース装置１１０に格納されていると説明したが、図１１の例ではデータベース装置１１０の実体は記憶装置２３である。以下では、コンピュータプログラム２６を「プログラム２６」と略記する。

ＣＰＵ２１は、本実施形態における情報処理システム１００の演算回路の一例である。ＣＰＵ２１は、記憶装置２３に格納されたプログラム２６の実行により、後述する処理を実現する。なお、本実施形態でＣＰＵ２１として構成される演算回路は、ＭＰＵまたはＧＰＵ等の種々のプロセッサで実現されてもよく、１つまたは複数のプロセッサで構成されてもよい。

Ｉ／Ｆ２２は、例えばＵＳＢ端子、ＩＥＥＥ８０２．１１、４Ｇ、または５Ｇ等の規格に準拠して通信を行う通信回路である。Ｉ／Ｆ２２は、インターネット等の通信ネットワークに接続可能であってもよい。また、情報処理システム１００は、Ｉ／Ｆ２２を介して他の機器と直接通信を行ってもよく、アクセスポイント経由で通信を行ってもよい。本実施の形態では、Ｉ／Ｆ２２は、植物を栽培するユーザからの、その植物に関するデータの入力を受け付けるために利用される。

記憶装置２３は、情報処理システム１００の機能を実現するために必要なデータを記憶する記憶媒体であり、ＣＰＵ２１で実行されるプログラム２６、データベースＤＢ１等の各種のデータを格納している。記憶装置２３は、例えばハードディスクドライブ（ＨＤＤ）または半導体記憶装置であるソリッド・ステート・ドライブ（ＳＳＤ）で構成される。記憶装置２３は、例えばＤＲＡＭまたはＳＲＡＭ等のＲＡＭにより構成される一時的な記憶素子を備えてもよく、ＣＰＵ２１の作業領域として機能してもよい。なお、データベースＤＢ１は、図２を参照しながら説明した通りであり、スペクトルデータ、測定条件データ、植物状態データ、及び、収穫結果データを含んでいる。

なお、データベースＤＢ１は、特定の１種類の植物、または１品種の植物に関するデータを含んでもよいし、多種または多品種の植物のそれぞれに関するデータを含んでもよい。例えば、データベースＤＢ１は、稲の１品種である「ななつぼし」に特化されていてもよいし、複数の品種の「稲」に特化されていてもよい。

［１．２ 情報処理システムによる処理］
以下、項目［１．２．１］および［１．２．２］において、情報処理システム１００を利用した処理を説明する。項目［１．２．１］では情報処理システム１００を利用した波長の選出処理を説明する。項目［１．２．２］では、情報処理システム１００を利用した将来の植物に関する推定処理を説明する。以下では、項目［１．２．１］および［１．２．２］の各処理は、同じ情報処理システム１００の処理として説明される。しかしながら、両項目の処理は、必ずしも共通の情報処理システム１００を利用する必要はない。それぞれの処理において、情報処理システム１００と同じ構成を有する別個の情報処理システムが利用され得る。

本実施の形態において、項目［１．２．１］および［１．２．２］の各処理は、稲作農家であるユーザが現在栽培中の稲のデータから、将来の稲の状態および／または収穫結果（収穫量および／または収穫時期）を予測するために実行される。言うまでも無く、高い正確度の予測結果を得られることが好ましい。また、ユーザの負担が小さくなるよう、そのような予測結果を得るために必要なデータを簡易に取得できることが好ましい。以下に説明する各項目の処理によれば、これらを実現することが可能である。

本実施の形態では、ユーザは「ユーザ測定条件」を、情報処理システム１００の運営者に提供する。「ユーザ測定条件」は、ユーザによる測定時に適用される条件である。より具体的には、「ユーザ測定条件」は、（１）測定時の角度に関するデータ 、および、（２）予測したい植物状態および／または収穫結果に関するデータを含む。（１）のデータは、図２における「測定条件データ」に対応する。また（２）のデータは、図２における「植物状態データ」および／または「収穫結果データ」のいずれを予測したいかを特定するデータである。

情報処理システム１００は項目［１．２．１］の処理によって、その「ユーザ測定条件」の下で測定したときの、稲の将来の収穫量および／または収穫時期に強い相関を持つ複数の波長を選出する。複数の波長が選出されると、情報処理システム１００の運営者等は、当該複数の波長をそれぞれ透過する１または複数の光学フィルタを撮像装置にセットして、その撮像装置をユーザに郵送する。このような撮像装置は分光計測器の一態様である。ユーザは、その撮像装置を用いて、当初提供した「ユーザ測定条件」に合致する測定条件下で稲を単に撮影すればよい。撮像装置は、実装されたイメージセンサを用いて当該複数の波長を主として含む光を検出し、記憶装置またはメモリカードに画像情報を保存する。つまり、そのような光学フィルタがセットされた撮像装置は、入射光から光学フィルタの透過波長の光を選別する分光計測器１として機能する。

ユーザは、撮影した「画像」を、情報処理システム１００の運営者に提供する。提供方法は任意である。例えば、ユーザが撮像装置を、取得されたデータとともに情報処理システム１００の運営者に返送することによって提供されてもよい。または、ユーザが、撮像装置の記憶装置から画像情報を抽出し、通信回線を介して情報処理システム１００に送信することによって実現されてもよい。

情報処理システム１００は、当該複数の波長を主として含む画像情報を抽出し、項目［１．２．２］の処理によって、その稲の将来の収穫量および／または収穫時期を予測する。情報処理システム１００は、ユーザにその予測結果を数値、グラフ等の方法で提示する。ユーザはその予測結果を踏まえ、現在の栽培方法を修正したり、販売計画を作成したりすることができる。
以下では、説明の便宜のため、稲の収穫量を予測する例を説明する。

［１．２．１ 情報処理システムを利用した波長の選出処理］
図１２は、情報処理システム１００を利用した波長の選出処理に利用されるハードウェア構成図である。情報処理システム１００は、ユーザ端末２００からユーザ測定条件Ｕのデータを受け取る。ユーザ端末２００はＰＣであってもよい、スマートフォン、タブレット端末等であり得る。

また、図１３は、稲の将来の収穫量に強い相関を持つ複数の波長を選出するための、情報処理システム１００の処理の手順を示すフローチャートである。

ステップＳ１０において、情報処理システム１００のＣＰＵ２１は、ユーザ端末２００から、Ｉ／Ｆ２２を介してユーザ測定条件Ｕの入力を受け付ける。ユーザ測定条件Ｕの一例は、ユーザが稲を撮影する予定の年月日、時刻、太陽と撮像装置との方位角差（Ａｚ）、撮像装置の仰角（θ１）、太陽の仰角（θ２）、圃場の緯度および軽度、配置、場所、稲の品種等である。Ｉ／Ｆ２２は、例えば通信回路である。

ステップＳ１２において、ＣＰＵ２１は、記憶装置２３に格納されたデータベースＤＢ１を参照して、ユーザ測定条件Ｕから収穫量予測に利用する波長λｋ（ｋ＝１，・・・，Ｎ；Ｎ＝２以上の整数）の組み合わせを決定する。

ステップＳ１４において、ＣＰＵ２１は決定した波長の情報を、Ｉ／Ｆ２２を介して出力する。Ｉ／Ｆ２２は、例えば通信回路、または情報処理システム１００の運営者のモニタ出力端子である。

なお、波長の具体的な値が出力される必要はない。例えば波長λｋを含む所定幅、例えばスペクトル半値幅、の波長帯域Ｂｋを出力してもよい。「スペクトル半値幅」とは、光出力のスペクトル分布において、相対放射強度が、ピーク値の５０％になる波長の幅をいう。所定幅は、例えば３０ｎｍ未満の幅を有していればよく、典型的には２０ｎｍである。後述する正規化分光指数ＮＤＳＩを利用する場合、より小さい値であることがより好ましく、例えば所定幅は１０ｎｍである。または、波長λｋまたは波長帯域Ｂｋに１対１に対応する、予め定められた番号ｋを出力してもよい。番号ｋは、例えばその波長λｋまたは波長帯域Ｂｋを透過する光学フィルタに対応付けておくことで、番号ｋから容易に光学フィルタを決定できる。光学フィルタは項目［１．２．２］において使用される。

ここで、図１４を参照しながら、ステップＳ１２の詳細を説明する。ステップＳ１２は、ユーザ測定条件Ｕの下で植物を測定したときの、稲の将来の収穫量および／または収穫時期に強い相関を持つ複数の波長を決定する処理である。

図１４は、ステップＳ１２の処理の詳細を示すフローチャートである。
ステップＳ１２２において、ＣＰＵ２１は、データベースＤＢ１を参照してユーザ測定条件Ｕによく合致するエントリを決定する。例えば、データベースＤＢ１が複数の品種の稲に関するエントリを含む場合、ユーザ測定条件Ｕに含まれる稲の品種の情報により、データベースＤＢ１の参照範囲を同じ品種の稲のエントリに設定する。その上でＣＰＵ２１は、データベースＤＢ１の参照範囲の中から、ユーザ測定条件Ｕと一致するエントリ、または近いエントリを決定する。合致に関する比較は、例えばユーザが稲を撮影する予定の年月日、時刻、太陽と撮像装置との方位角差（Ａｚ）、撮像装置の仰角（θ１）、太陽の仰角（θ２）について行われる。ＣＰＵ２１は、ユーザ測定条件ＵとデータベースＤＢ１内のエントリとが、予め定められた許容範囲内、例えば５％以下、に入っている場合には「近いエントリ」であると判定してもよい。なお、水田の場所は比較しなくてもよい。その稲について、収穫量と相関が強い波長の組み合わせを求めようとしているためである。

ステップＳ１２４において、ＣＰＵ２１は、データベースＤＢ１を参照して、エントリごとに、２つの波長の全ての組み合わせの各々から正規化分光指数ＮＤＳＩを求める。正規化分光指数ＮＤＳＩ（ＮＤＳＩ；Normalized Difference Spectral Index）は、２つの波長の組の指標値である。いま、図２に示す各エントリに記述される波長λ１，λ２，・・・，λ１００のうちの波長λ１およびλ２についての正規化分光指数ＮＤＳＩを説明する。正規化分光指数ＮＤＳＩは、波長λ１およびλ２を用いて下記の式で求めることができる。

数１では、Ｉ（λ）は波長λに関する反射率を表している。反射率Ｉ（λ）は、図２に示す太陽光の強度Ｓ（λ）および植物の反射強度Ｏ（λ）を用いて以下の式によって定義される。

数２によれば、波長λ１およびλ２の各々について反射率Ｉ（λ１）およびＩ（λ２）が定まり、その結果、数１により波長λ１およびλ２についての正規化分光指数ＮＤＳＩ（λ１，λ２）が求められる。

同様の手順で、ＣＰＵ２１は、正規化分光指数ＮＤＳＩ（λ１，λ３），ＮＤＳＩ（λ１，λ４），・・・，ＮＤＳＩ（λ１，λ１００），ＮＤＳＩ（λ２，λ１），・・・，ＮＤＳＩ（λ２，λ１００），・・・，ＮＤＳＩ（λ１００，λ９９）に対して全通りのＮＤＳＩを求める。なお、同じ波長の組み合わせＮＤＳＩ（λ，λ）は除外した。

次に、ステップＳ１２６において、ＣＰＵ２１は、収穫量との相関が強い正規化分光指数ＮＤＳＩを与える２つの波長の組み合わせを決定する。相関係数Ｒを求めるための式は以下の通りである。

各文字の意味は以下の通りである。
Ｓ_ｘｙ：ｘとｙの共分散
Ｓ_ｘ：ｘの標準偏差
Ｓ_ｙ：ｙの標準偏差
ｎ：２変数データの（ｘ，ｙ）の総数
ｘ_ｉ，ｙ_ｉ：ｘおよびｙの個々の数値
ｘとその上の「－」，ｙとその上の「－」：ｘおよびｙの各平均値

本実施の形態においては、ｘは正規化分光指数であり、ｙは収穫量である。より具体的には、ｘ_ｉおよびｙ_ｉは、ユーザ測定条件で指定された年月日および時刻において、種々の場所ｉで測定した波長λｐ，λｑから求めた正規化分光指数ＮＤＳＩ（λｐ，λｑ）の値、および、場所ｉごとの収穫量の値である。場所ｉは、異なる圃場であってもよいし、同じ圃場内の異なる位置であってもよい。ただし、場所ｉごとに収穫量のデータが記録されている必要がある。収穫量の値は、月ごとの収穫量であってもよいし、通年の収穫量であってもよい。収穫量の値の細かさ（解像度）は、そのユーザの稲の収穫量を予測する際の予測単位になり得る。次に、ＣＰＵ２１は、（λｐ，λｑ）とは異なる２つの波長の組み合わせに基づいて正規化分光指数ＮＤＳＩを求めて収穫量との相関係数を求める。このように、異なる２つの波長の組み合わせについて正規化分光指数ＮＤＳＩを求めて収穫量との相関係数を計算し、全ての波長の組について正規化分光指数ＮＤＳＩと収穫量との相関係数を求めることができる。そしてＣＰＵ２１は、求めた相関係数の中から、強い相関を与える波長の組み合わせを決定する。２つの波長を決定する場合には、最も強い相関を与える波長を決定すればよい。４つの波長を決定する場合には、最も強い相関を与える上位２組の波長を決定すればよい。

本実施の形態において、正規化分光指数ＮＤＳＩと収穫量との相関が強いとは、相関係数が０．７以上を示していることを言う。より強い相関を求める場合は、例えば相関係数が０．９以上を示していることを言う。

上述の例では、本発明者は指標値として正規化分光指数ＮＤＳＩを採用した。その理由は、予測結果である収穫量と実際の収穫量との間の差が小さい、すなわち予測結果の精度が高いからである。例えば、この正規化分光指数ＮＤＳＩに代えて、植生指数（ＮＤＶＩ）を用いることが考えられる。植生指数（ＮＤＶＩ）は以下のように定義され得る。

ここで、ＮＩＲは赤外付近波長域の平均値を表す。Ｒは赤領域の平均値を意味する。

植生指数ＮＤＶＩは、植物活性などの種々の条件を反映する値として知られている。そのため植物の生長を評価する際にも有用と考えられてきた。しかしながら本発明者らが植生指数ＮＤＶＩと収穫量との相関関係を調べてみたところ、相関係数Ｒは約０．５であり、極めて弱い相関がある、または相関がある、という程度に過ぎないことが判明した。

また、植生指数ＮＤＶＩでは、波長の幅は５０～１００ｎｍ程度あり比較的広いため、強い相関を特定しにくいと考えられる。本実施の形態では、各波長を含む所定幅の波長帯域が１０ｎｍであるから、収穫量と強い相関関係がある波長または波長帯域を特定可能である。

図１５は、正規化分光指数ＮＤＳＩ（ｉ，ｊ）と収穫量との相関係数のヒートマップを示している。横軸は波長ｉ（ｎｍ）、縦軸は波長ｊ（ｎｍ）を表している。相関係数の値は、色の濃さで表現されている。

図１５では、説明の便宜のため、相関係数の数値範囲に境界を設けて示している。具体的には、領域１２０は、相関係数が０．３未満の値を含む。領域１２２は相関係数が０．３以上、０．６未満の値を含む。領域１２４および１２６は、相関係数が０．６以上の領域を含む。

上述の方法によって求めた正規化分光指数ＮＤＳＩは、ｉ＝６９０（ｎｍ）、ｊ＝７６６（ｎｍ）であり、相関係数は０．９以上であり、領域１２６に属している。

一方、植生指数ＮＤＶＩと収穫量との相関関係は、約０．５～０．６の範囲内であり、領域１２２に属している。なお、植生指数ＮＤＶＩを求めるための波長帯域は、正規化分光指数ＮＤＳＩのそれよりも大きい。図１５上の正規化分光指数ＮＤＳＩおよび植生指数ＮＤＶＩのそれぞれの範囲は、波長帯域の広さが反映されている。

本実施の形態では、２つの波長を選定し、それらの波長を利用して撮影した現在の稲の画像から稲の将来の収穫量を予測する。本発明者らによる検証では、正規化分光指数ＮＤＳＩを用いて２つの波長を選定したときの予測精度は、植生指数ＮＤＶＩを用いて２つの波長を選定したときの予測精度よりも、高くなることが確認された。以下、推定処理の詳細を説明する。

［１．２．２ 情報処理システムを利用した将来の植物に関する推定処理］
図１６は、情報処理システム１００を利用した、将来の植物に関する推定処理に利用されるハードウェア構成図である。分光計測器１によって稲が撮影されると、それによって取得された画像情報等に基づいて、情報処理システム１００はその稲の将来的な収穫量を推定する。以下、より詳しく説明する。

情報処理システム１００は、分光計測器１から、稲の画像情報を取得した際に適用されていた撮影条件を受け付ける。情報処理システム１００は撮影条件を受け付けて、撮影条件に基づいて稲の収穫量を予測する。図１６には、情報処理システム１００の出力として、横軸が時期であり、縦軸が予測された収穫量である収穫量曲線Ｃが模式的に示されている。以下、撮影条件を詳しく説明する。

まず、分光計測器１は、複数の波長の光を透過させる１または複数の光学フィルタ１３０と、入射した光の強さに応じた信号を出力する１または複数のイメージセンサ１３２を有している。１または複数の光学フィルタ１３０は、上述した項目［１．２．１］において強い相関があるとして決定された複数の波長の光をそれぞれ透過させるよう構成されている。つまり、上述した項目［１．２．１］の処理の結果、決定された複数の波長に基づいて、各波長を透過させる１または複数の光学フィルタ１３０が選択され、分光計測器１にセットされている。また分光計測器１は、太陽光を、所定の波長ごとに分光し、その波長毎に光の強さを測定することもできる。

分光計測器１の１または複数のイメージセンサ１３２は、１または複数の光学フィルタ１３０を透過してきた各光を検出して、その光の強さに応じた信号を出力する。これにより、１または複数の光学フィルタ１３０の透過波長に対応する光に基づく画像情報が生成される。各透過波長に対応する画像情報は、植物からの反射光の強度を表している。

また１または複数のイメージセンサ１３２は、所定の波長ごとに分光した太陽光の波長毎の強さを測定し、画像情報を生成する。各波長に対応する画像情報は、植物からの波長毎の反射光の強度を表している。このうちの１または複数の光学フィルタ１３０の各透過波長の強度は、波長毎に得られた植物の反射強度を表している。

また、分光計測器１による計測時には、図８Ａ～図８Ｅおよび図９を参照しながら説明したように、分光計測器１を稲の場合は伏角１５°以下にして撮影が行われる。伏角は仰角と一意に対応しており、伏角に基づいて得られる仰角（θ１）は、上述の撮影条件の一部を構成する。さらに、光源１２である太陽と分光計測器１との方位角差（Ａｚ）、および太陽の仰角（θ２）もまた分光計測器１の撮影時に決定される。

以上から、撮影条件は、撮影時の複数の波長の光の強度、植物からの反射光の強度、光源と分光計測器との方位角差、分光計測器の仰角、および、光源の仰角のデータを含む。

図１７は、稲の将来の収穫量を予測するための、情報処理システム１００の処理の手順を示すフローチャートである。

ステップＳ２０において、ＣＰＵ２１は、Ｉ／Ｆ２２を介して分光計測器１から撮影条件Ｖを取得する。

ステップＳ２２において、ＣＰＵ２１は、撮影条件Ｖに含まれる、１または複数の光学フィルタ１３０の透過波長に対応する光に基づく画像情報の中から、ノイズが許容範囲内の画像情報を選定する。例えばユーザが想定よりも大きい伏角で分光計測器１を用いた撮影を行った場合、画像情報には、地面や水面などの稲以外の被写体が含まれてしまうことがある。稲の本来の色である緑よりも黒に近い色成分（ノイズ成分）が多く含まれるため、稲からの反射光の強度が正確に取得できていないと考えられる。そのような場合に備え、ノイズ成分であると認定するための閾値を設定しておくことが考えられる。これによれば、その閾値よりも黒に近い画素数が所定以上の割合または絶対数を占める場合には、ＣＰＵ２１は、ノイズ成分を多く含む画像であるとして予測の基礎として使用しない。

ステップＳ２４において、ＣＰＵ２１は、選定した撮影条件Ｖに基づいてデータベースを参照し、稲の収穫量を予測する。この処理もまた、ＣＰＵ２１が、データベースＤＢ１を参照して撮影条件Ｖによく合致するエントリを決定する。この「よく合致するエントリ」の決定方法は、図１３のステップＳ１２２の処理と同じである。よく合致するエントリには、収穫量の値が記述されている。ＣＰＵ２１は、その値を予測結果として抽出する。

ステップＳ２６において、ＣＰＵ２１はＩ／Ｆ２２を介して、予測結果を出力する。出力方法は、例えば図１２に示すユーザ端末２００に、その予測情報を表示するための画像データまたは文字データを送信する。

以上の処理により、情報処理システム１００は、分光計測器１を用いて取得した、所定の複数の波長のそれぞれについて画像情報を含む撮影条件Ｖに基づいて、収穫量を予測することができる。当該複数の波長と収穫量との間には強い相関が存在するため、予測の精度は十分高い。

本発明者らは、ある１品種の稲だけではなく他の複数の品種についても、正規化分光指数ＮＤＳＩを利用して複数の波長を選択し、当該波長の画像情報を取得することで収穫量の予測を行った。すると、９０％以上の正確さで収穫量を予測できることを確認した。図１８は、複数の品種について、ある年の７月の正規化分光指数ＮＤＳＩと、９月の収穫量との関係を示している。横軸が特定の２波長についての正規化分光指数ＮＤＳＩを示し、縦軸が収穫量（ｇ／ｍ^２）を示している。品種の違いは色の違いによって表現されている。図１８には、近似直線が破線で示されている。品種にかかわらず、各点は近似直線に沿って分布していることが理解される。つまり、特定の２波長に基づく正規化分光指数ＮＤＳＩを用いると、品種の違いの影響を大きく受けることなく、収穫量の予測を行うことが可能であると言える。

上述の説明では、稲の将来の収穫量に強い相関を持つ複数の波長を決定する際、ユーザ測定条件Ｕによく合致する、データベースＤＢ１内のエントリを決定した（図１４）。データベースＤＢ１内の各エントリは実測値であるため、あらゆる測定条件を網羅することが困難な場合もあり得る。そこで、内挿補間または外挿補間を行うことにより、既存の複数のエントリから新たなエントリを生成してもよい。具体的には、ＣＰＵ２１は、データベースＤＢ１の測定条件データにおける太陽の仰角、分光計測器１の仰角、および分光計測器１と太陽との方位角差に基づいて内挿補間または外挿補間を行う。内挿補間または外挿補間後のデータを、ユーザ測定条件に含まれる角度に関するデータに一致させる。そして、スペクトルデータにも同じ内挿補間または外挿補間を行い、それにより得られた新たなスペクトルデータを用いて、複数の波長を決定することができる。

なお、新たに生成したエントリはデータベースＤＢ１に組み込まれてもよいし、組み込まれなくてもよい。ＣＰＵ２１は、図１４の処理等にあたって仮想のエントリとして一時的に生成して利用するだけでもよい。

同様に、将来の植物の状態および／または収穫結果を予測する際にも、内挿補間または外挿補間を行ってもよい。具体的には、ＣＰＵ２１は、データベースＤＢ１の測定条件データにおける太陽の仰角、分光計測器１の仰角、および分光計測器１と太陽との方位角差に基づいて内挿補間または外挿補間を行う。内挿補間または外挿補間により、撮影条件Ｖに含まれる、光源１２である太陽と分光計測器１との方位角差、分光計測器１の仰角、および、太陽の仰角のデータと一致させることができる。そして、ＣＰＵ２１は、同じ内挿補間または外挿補間を植物状態データおよび／または収穫結果データにも行うことで、そのデータを用いて、植物の将来の状態および／または収穫結果を予測すればよい。

［２．変形例］
本開示の実施の形態は、上記実施の形態に限定されない。上記実施の形態は、本開示の課題を達成できれば、設計等に応じて種々の変更が可能である。以下に、上記実施の形態の変形例を列挙する。以下に説明する変形例は、適宜組み合わせて適用可能である。

これまでは主として稲を例示して説明した。本開示にかかる技術は、稲以外の他の植物にも適用可能であり、また収穫量以外の予測にも利用可能である。本発明者らが確認した例を以下に示す。

まず、他の植物の例として大豆を挙げる。本発明者は、上述の手法を大豆に適用することを考えた。
図１９は、正規化分光指数ＮＤＳＩと、大豆の収穫量との関係を示す図である。横軸は収穫量を表している。単位は、１０アール当たりのキログラム数である。図示されるように、収穫量が異なると、正規化分光指数ＮＤＳＩも異なる。本発明者らは、大豆について、「特定の２波長」の正規化分光指数ＮＤＳＩと、収穫量との相関係数が０．９４もの非常に強い相関にあることを見出した。「特定の２波長」は、上述した実施の形態の手法によって決定することが可能である。そのような２波長の正規化分光指数ＮＤＳＩを用いて収穫量を予測することにより、本発明者らは、９０％以上の正確度で収穫量を予測できることを確認した。

仮に、特定の２波長の正規化分光指数ＮＤＳＩを用いて予測した収穫量が予想よりも低い場合、大豆農家はより収穫量に寄与するよう、栽培計画を練り直すことができる。例えば、施肥を行うことにより、一定期間経過後に再度予測を行って、収穫量が改善されるかどうかを判断することができる。

次に、更に他の植物について病害虫の発生予測を行う例を説明する。
図２０Ａは、オイルパームの栽培地域上空から撮影した画像を示している。一部のオイルパーム１４０には病害虫が発生していることが分かっている。

本発明者らは、まず、オイルパームについてのデータベースＤＢ１を構築しておいた。そのデータベースＤＢ１では、エントリ毎に、植物状態データの病害虫の項目に病害虫が発生している程度を示すデータが記述されている。病害虫が発生している程度を示すデータは、例えば０から３の４段階に分けられている。相関係数を求める際は、正規化分光指数ＮＤＳＩと、病害虫が発生している程度とを用いる。

本発明者らは、スペクトルデータおよび計測条件データを利用して、上述と同様の手法により相関係数が０．９以上になる正規化分光指数ＮＤＳＩを決定し、その正規化分光指数ＮＤＳＩを与える複数の波長を決定した。その波長を透過する光学フィルタを用いて分光計測器１でオイルパームの栽培地域を撮影して、病害虫の発生を予測した。

図２０Ｂは、病害虫の発生の程度について将来の予測結果を示している。病害虫が発生している可能性が高い木ほど、色が濃く表示されている。図２０Ａにおけるオイルパーム１４０の植生地域１４２の色が濃く表示されていることが理解される。本手法によれば、病害虫が発生している木を８７％以上の正確度で判別することができた。

図２１Ａは、てん菜の褐斑病の進行の様子を示す空撮写真の一例である。写真はモノクロ化されている。撮影日は、（ａ）は７月１５日、（ｂ）は８月４日、（ｃ）は８月２６日である。

本発明者らは、（ａ）の撮影時より前に取得された撮影条件に基づいて、褐斑病と非常に相関が高い正規化分光指数ＮＤＳＩを与える複数の波長を求め、（ａ）の時期の褐斑病の診断を試みた。また、（ａ）の撮影時に取得された撮影条件に基づいて複数の波長を求め直し、（ｂ）の時期における褐斑病の診断を試みた。同様に、（ｂ）の撮影時に取得された撮影条件に基づいて複数の波長を求め直し（ｃ）の時期における褐斑病の診断を試みた。

図２１Ｂは、病害虫の発生の程度について将来の予測結果を示している。（ａ）～（ｃ）は、図２１Ａの（ａ）～（ｃ）と同じ時期の予測結果を示している。モノクロ化された図２１Ａと、図２１Ｂとの対比からでは、診断結果が一見して対応していることが明らかとは言えない。しかしながら本発明者らは、これまでよりも高い正確度で褐斑病の予測が可能となることを確認した。月ごとに正規化分光指数ＮＤＳＩに基づく複数の波長を算出し直し、得られた波長に応じて光学フィルタを決定することが、より正確な予測に寄与していると推測される。これにより、病害虫が発生していると予測された地域のてん菜に病害虫駆除の対策を採ることができる。

図２２は、撮影方法に関する変形例を説明するための図である。植物の種類によっては、分光計測器１によって牧草の画像情報を取得する際の伏角は変化し得る。稲の場合には、好適には、伏角は約１５°以下であると説明した。例えば牧草の場合、好適には、水平線Ｈを基準とした伏角θ３は、土や水が映らない、対象の牧草のみが視野に入る角度である。これにより、牧草のみの画像情報を取得することができる。本発明者らは、上述の伏角の範囲であれば、牧草の生育予測だけではなく、牧草と牧草に混在して生育する雑草の種類、生育の程度を予測できることも確認している。

［３．態様］
上記実施の形態及び変形例から明らかなように、本開示は、下記の態様を含む。以下では、実施の形態との対応関係を明示するためだけに、符号を括弧付きで付している。なお、文章の見やすさを考慮して２回目以降の括弧付きの符号の記載を省略する場合がある。

第１の態様は、情報処理システム（１００）であって、光源（１２）からの光に関するスペクトルデータおよび前記光の測定時の測定条件データと、植物（１１）の生長に関連する植物状態データおよび／または 収穫結果データとを予め対応付けたデータベースを格納する記憶装置（２３）と、前記植物について、ユーザによる測定時に適用されるユーザ測定条件であって、測定時の角度に関するデータ 、および予測したい植物状態および／または収穫結果に関するデータを含むユーザ測定条件の入力を受け付けるインタフェース装置（２２）と、前記ユーザ測定条件に基づいて前記データベースを参照することにより、前記ユーザ測定条件の下で測定すべき、前記光源からの光に含まれる少なくとも２つの波長を決定する演算回路（２１）とを備えている。

第２の態様は、第１の態様に基づく情報処理システム（１００）である。第２の態様において、前記演算回路は、少なくとも２つの波長帯域であって、各々が前記少なくとも２つの波長を一つずつ含む波長帯域を決定する。

第３の態様は、第２の態様に基づく情報処理システム（１００）である。第３の態様において前記光源は太陽であり、前記演算回路（２１）は、前記太陽の光に含まれる波長帯域から、前記少なくとも２つの波長の各々を含む、３０ナノメートル未満の幅、および、スペクトル半値幅の一方、を有する波長帯域を決定する。

第４の態様は、第１から第３の態様のいずれかに基づく情報処理システム（１００）である。第４の態様において、演算回路（２１）は、決定した前記少なくとも２つの波長の値を含む情報を出力する。

第５の態様は、第１から第４の態様のいずれかに基づく情報処理システム（１００）である。前記データベースにおいて、前記スペクトルデータは、前記光源からの光に含まれる複数の波長、各波長の強度、および前記植物において反射された前記各波長の光の反射強度のデータを含む。前記測定条件データは、前記光を計測器で測定した時点における、前記計測器から見た前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差のデータを含む。前記植物状態データが含まれる場合には、前記植物状態データは、前記植物の生育状態、前記植物に発生した病害虫の状態、前記植物の成分、および 前記植物が生育した土壌の状態のうちの少なくとも１つを示すデータを含む。前記収穫結果データが含まれる場合には、前記収穫結果データは、前記植物の収穫量、および前記植物の収穫時期のうちの少なくとも１つを示すデータを含む。

第６の態様は、第５の態様に基づく情報処理システム（１００）である。第６の態様において、前記演算回路（２１）は、前記ユーザ測定条件に含まれる前記角度に関するデータが、前記データベースの前記測定条件データにおける前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差、と一致する、または所定範囲内に入る場合に、前記測定条件データに対応付けられた前記スペクトルデータを用いて、前記少なくとも２つの波長を決定する。

第７の態様は、第５の態様に基づく情報処理システム（１００）である。第７の態様において、前記演算回路は、前記ユーザ測定条件に含まれる前記角度に関するデータと一致するよう、前記データベースの前記測定条件データにおける前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差に基づいて内挿補間または外挿補間を行い、同じ内挿補間または外挿補間を行ったスペクトルデータを用いて、前記少なくとも２つの波長を決定する。

第８の態様は、第１から第７の態様のいずれかに基づく情報処理システム（１００）である。第８の態様において、前記演算回路（２１）は、前記複数の波長から、互いに異なる２つの波長の組を選択し、複数の場所の各々における前記２つの波長の組の指標値を算出し、複数の場所の各々における植物状態および／または収穫結果を取得し、指標値と植物状態および／または収穫結果との相関の程度を示す相関係数を算出し、前記相関係数が０．７以上 を示す前記２つの波長の組を、前記少なくとも２つの波長として決定する。

第９の態様は、第８の態様に基づく情報処理システム（１００）である。第９の態様において、前記演算回路（２１）は、前記相関係数が０．９以上を示す前記２つの波長の組を、前記少なくとも２つの波長として決定する。

第１０の態様は、第８または第９の態様に基づく情報処理システム（１００）である。第１０の態様において、前記演算回路（２１）は、前記複数の場所における各測定条件下で計測された前記２つの波長の各々の強度、および、各波長の前記植物における反射強度から、前記各波長の反射率を算出し、前記２つの波長の組の指標値として、前記各波長の反射率を用いて前記２つの波長の正規化分光指数を算出する。

第１１の態様は、分光計測器（１）であって、第８から第１０の態様のいずれかに基づく情報処理システム（１００）によって決定された前記少なくとも２つの波長の光をそれぞれ通過させる光学フィルタ（１３０）と、前記光学フィルタ（１３０）を透過した、前記少なくとも２つの波長の光を検出するイメージセンサ（１３２）とを備えている。

第１２の態様は、情報処理システム（１００）であって、光源（１２）からの光に関するスペクトルデータおよび前記光の測定時の測定条件データと、植物（１１）の生長に関連する植物状態データおよび／または 収穫結果データとを予め対応付けたデータベースを格納する記憶装置（２３）と、第１１の態様に基づく分光計測器（１）を用いた前記植物の撮影時の撮影条件であって、撮影時の前記少なくとも２つの波長の光の強度、前記植物からの反射光の強度、前記光源と前記分光計測器との方位角差、前記分光計測器の仰角、および、前記光源の仰角のデータを含む撮影条件の入力を受け付けるインタフェース装置（２２）と、前記撮影条件、および、前記少なくとも２つの波長の各値に基づいて前記データベースを参照することにより、将来の前記植物の状態および／または収穫結果を予測する演算回路（２１）とを備えている。

第１３の態様は、第１２の態様に基づく情報処理システム（１００）である。前記データベースにおいて、前記スペクトルデータは、前記光源からの光に含まれる複数の波長、各波長の強度、および前記植物において反射された前記各波長の光の反射強度のデータを含む。前記測定条件データは、前記光を計測器で測定した時点における、前記計測器から見た前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差のデータを含む。前記植物状態データが含まれる場合には、前記植物状態データは、前記植物の生育状態、前記植物に発生した病害虫の状態、前記植物の成分、および前記植物が生育した土壌の状態のうちの少なくとも１つを示すデータを含む。前記収穫結果データが含まれる場合には、前記収穫結果データは、前記植物の収穫量、および前記植物の収穫時期のうちの少なくとも１つを示すデータを含む。

第１４の態様は、第１３の態様に基づく情報処理システム（１００）である。第１４の態様において、前記演算回路（２１）は、前記撮影条件に含まれる、前記光源と前記分光計測器との方位角差、前記分光計測器の仰角、および、前記光源の仰角のデータが、前記データベースの前記測定条件データにおける前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差、と一致する、または所定範囲内に入る場合に、前記測定条件データに対応付けられた前記植物状態データおよび／または 収穫結果データを用いて、将来の前記植物の状態および／または収穫結果を予測する。

第１５の態様は、第１３の態様に基づく情報処理システム（１００）である。第１５の態様において、前記演算回路（２１）は、前記撮影条件に含まれる、前記光源と前記分光計測器との方位角差、前記分光計測器の仰角、および、前記光源の仰角のデータと一致するよう、前記データベースの前記測定条件データにおける前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差に基づいて内挿補間または外挿補間を行い、同じ内挿補間または外挿補間を行った前記植物状態データおよび／または 収穫結果データを用いて、将来の前記植物の状態および／または収穫結果を予測する。

本開示は、植物の将来の植物の状態および／または収穫に関する情報を予測する情報処理システムに適用可能である。

１ 分光計測器
１１ 対象物
１２ 光源
２１ ＣＰＵ
２２ インタフェース装置
２３ 記憶装置
１００ 情報処理システム
１３０ 光学フィルタ
１３２ イメージセンサ

Claims (15)

1. 光源からの光に関するスペクトルデータおよび前記光の測定時の測定条件データと、植物の生長に関連する植物状態データおよび／または収穫結果データとを予め対応付けたデータベースを格納する記憶装置と、
   前記植物について、ユーザによる測定時に適用されるユーザ測定条件であって、測定時の角度に関するデータ、および予測したい植物状態および／または収穫結果に関するデータを含むユーザ測定条件の入力を受け付けるインタフェース装置と、
   前記ユーザ測定条件に基づいて前記データベースを参照することにより、前記ユーザ測定条件の下で測定すべき、前記光源からの光に含まれる少なくとも２つの波長を決定する演算回路と
   を備える、情報処理システム。
2. 前記演算回路は、少なくとも２つの波長帯域であって、各々が前記少なくとも２つの波長を一つずつ含む波長帯域を決定する、請求項１に記載の情報処理システム。
3. 前記光源は太陽であり、
   前記演算回路は、前記太陽の光に含まれる波長帯域から、前記少なくとも２つの波長の各々を含む、３０ナノメートル未満の幅、および、スペクトル半値幅の一方、を有する波長帯域を決定する、
   請求項２に記載の情報処理システム。
4. 前記演算回路は、決定した前記少なくとも２つの波長の値を含む情報を出力する、請求項１から３のいずれかに記載の情報処理システム。
5. 前記データベースにおいて、
   前記スペクトルデータは、
   前記光源からの光に含まれる複数の波長、
   各波長の強度、および
   前記植物において反射された前記各波長の光の反射強度
   のデータを含み、
   前記測定条件データは、前記光を計測器で測定した時点における、
   前記計測器から見た前記光源の仰角、
   前記計測器の仰角、および
   前記計測器と前記光源との方位角差
   のデータを含み、
   前記植物状態データが含まれる場合には、前記植物状態データは、
   前記植物の生育状態、
   前記植物に発生した病害虫の状態、
   前記植物の成分、および
   前記植物が生育した土壌の状態
   のうちの少なくとも１つを示すデータを含み、
   前記収穫結果データが含まれる場合には、前記収穫結果データは、
   前記植物の収穫量、および
   前記植物の収穫時期
   のうちの少なくとも１つを示すデータを含む、請求項１から４のいずれかに記載の情報処理システム。
6. 前記演算回路は、前記ユーザ測定条件に含まれる前記角度に関するデータが、前記データベースの前記測定条件データにおける前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差、と一致する、または所定範囲内に入る場合に、前記測定条件データに対応付けられた前記スペクトルデータを用いて、前記少なくとも２つの波長を決定する、請求項５に記載の情報処理システム。
7. 前記演算回路は、前記ユーザ測定条件に含まれる前記角度に関するデータと一致するよう、前記データベースの前記測定条件データにおける前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差に基づいて内挿補間または外挿補間を行い、同じ内挿補間または外挿補間を行ったスペクトルデータを用いて、前記少なくとも２つの波長を決定する、請求項５に記載の情報処理システム。
8. 前記演算回路は、
   前記複数の波長から、互いに異なる２つの波長の組を選択し、
   複数の場所の各々における前記２つの波長の組の指標値を算出し、
   前記複数の場所の各々における植物状態および／または収穫結果を取得し、
   前記指標値と前記植物状態および／または収穫結果との相関の程度を示す相関係数を算出し、
   前記相関係数が０．７以上を示す前記２つの波長の組を、前記少なくとも２つの波長として決定する、請求項１から７のいずれかに記載の情報処理システム。
9. 前記演算回路は、前記相関係数が０．９以上を示す前記２つの波長の組を、前記少なくとも２つの波長として決定する、請求項８に記載の情報処理システム。
10. 前記演算回路は、前記複数の場所における各測定条件下で計測された前記２つの波長の各々の強度、および、各波長の前記植物における反射強度から、前記各波長の反射率を算出し、前記２つの波長の組の指標値として、前記各波長の反射率を用いて前記２つの波長の正規化分光指数を算出する、請求項８または９に記載の情報処理システム。
11. 請求項８から１０のいずれかに記載の情報処理システムの前記演算回路を用いて、前記少なくとも２つの波長を決定し、
    決定された前記少なくとも２つの波長の光をそれぞれ通過させる光学フィルタをセットし、
    前記光学フィルタを透過した、前記少なくとも２つの波長の光を検出するイメージセンサを実装する、
    分光計測器の製造方法。
12. 光源からの光に関するスペクトルデータおよび前記光の測定時の測定条件データと、植物の生長に関連する植物状態データおよび／または 収穫結果データとを予め対応付けたデータベースを格納する記憶装置と、
    請求項１１に記載の分光計測器を用いた前記植物の撮影時の撮影条件であって、撮影時の前記少なくとも２つの波長の光の強度、前記植物からの反射光の強度、前記光源と前記分光計測器との方位角差、前記分光計測器の仰角、および、前記光源の仰角のデータを含む撮影条件の入力を受け付けるインタフェース装置と、
    前記撮影条件、および、前記少なくとも２つの波長の各値に基づいて前記データベースを参照することにより、将来の前記植物の状態および／または収穫結果を予測する演算回路と
    を備える、情報処理システム。
13. 前記データベースにおいて、
    前記スペクトルデータは、
    前記光源からの光に含まれる複数の波長、
    各波長の強度、および
    前記植物において反射された前記各波長の光の反射強度
    のデータを含み、
    前記測定条件データは、前記光を計測器で測定した時点における、
    前記計測器から見た前記光源の仰角、
    前記計測器の仰角、および
    前記計測器と前記光源との方位角差
    のデータを含み、
    前記植物状態データが含まれる場合 には、前記植物状態データは、
    前記植物の生育状態、
    前記植物に発生した病害虫の状態、
    前記植物の成分、および
    前記植物が生育した土壌の状態
    のうちの少なくとも１つを示すデータを含み、
    前記収穫結果データが含まれる場合には、前記収穫結果データは、
    前記植物の収穫量、および
    前記植物の収穫時期
    のうちの少なくとも１つを示すデータを含む、請求項１２に記載の情報処理システム。
14. 前記演算回路は、前記撮影条件に含まれる、前記光源と前記分光計測器との方位角差、前記分光計測器の仰角、および、前記光源の仰角のデータが、前記データベースの前記測定条件データにおける前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差、と一致する、または所定範囲内に入る場合に、前記測定条件データに対応付けられた前記植物状態データおよび／または 収穫結果データを用いて、将来の前記植物の状態および／または収穫結果を予測する、請求項１３に記載の情報処理システム。
15. 前記演算回路は、前記撮影条件に含まれる、前記光源と前記分光計測器との方位角差、前記分光計測器の仰角、および、前記光源の仰角のデータと一致するよう、前記データベースの前記測定条件データにおける前記光源の仰角、前記計測器の仰角、および前記計測器と前記光源との方位角差に基づいて内挿補間または外挿補間を行い、同じ内挿補間または外挿補間を行った前記植物状態データおよび／または 収穫結果データを用いて、将来の前記植物の状態および／または収穫結果を予測する、請求項１３に記載の情報処理システム。

Images