JP7270534B2 - 作業種別推定装置 - Google Patents

Description

本発明は、作業種別推定装置に関する。

特許文献１には、作業機が装着されたトラクタを圃場内で走行させることによって、作業機に農作業を実行させ、作業機の機械情報、トラクタの位置情報および作業内容データを、作業情報として遠隔のサーバに記憶する技術が開示されている。

特開２０１９－１０９７９１号公報

特許文献１では、トラクタと作業機とを電気的に接続することによって、作業機の種類等を示す機械情報をトラクタが取得してトラクタのメモリに記憶するようになっている。
近年では、トラクタと作業機とを無線接続することによって、作業機の機械情報をトラクタが取得する方法も提案されている。
しかし、トラクタと作業機との間でデータ通信を実現するためには、トラクタと作業機とに通信装置を設置する必要がある。また、旧型の作業機を使用する場合には、作業機に通信装置を設置できないこともある。

そこで、多くの場合には、作業を開始する前に、トラクタのオペレータが作業機の機械情報をトラクタに手動入力することにより、トラクタのメモリに作業機の機械情報を記憶させるようにしている。しかし、この方法では、作業機を交換する度に機械情報を手動入力する必要があるため、その操作が面倒であるとともに入力忘れも発生しやすいという問題がある。

本発明の目的は、作業機によって行われた作業の作業種別を新規な方法で自動的に推定することが可能となる作業種別推定装置を提供することである。

本発明の一実施形態は、複数種類の作業機のうちのいずれかが装着されているトラクタから、前記トラクタの時刻毎の位置情報および前記トラクタの時刻毎の稼働情報を含むトラクタ側情報を取得する情報取得部と、前記情報取得部によって取得される前記トラクタ側情報に基づいて、前記トラクタに装着された作業機によって行われた作業の作業種別を推定する作業種別推定部とを含む、作業種別推定装置を提供する。

この構成では、作業機によって行われた作業の作業種別を自動的に推定することが可能となる。
本発明の一実施形態は、複数種類の作業機のうちのいずれかが装着されているトラクタから、前記トラクタの時刻毎の位置情報および前記トラクタの時刻毎の稼働情報を含むトラクタ側情報を取得する情報取得部と、前記情報取得部によって取得される前記トラクタ側情報に基づいて、所定の期間を作業期間と非作業期間とに分類する作業期間判定部と、前記作業期間判定部によって判定された作業期間毎に、前記情報取得部によって取得される前記トラクタ側情報に基づいて、前記トラクタに装着された作業機によって行われた作業の作業種別を推定する作業種別推定部とを含む、作業種別推定装置を提供する。

この構成では、作業機によって行われた作業の作業種別を自動的に推定することが可能となる。
本発明の一実施形態では、前記稼働情報は、少なくとも、前記トラクタの車速情報、前記トラクタの駆動源の駆動状態に関する駆動源情報と、前記駆動源の駆動力を前記作業機に伝達する伝達機構の作動状態に関する伝達機構情報とを含む。

本発明の一実施形態では、前記作業種別推定部は、作業期間を複数の単位期間に分割し、前記単位期間毎に当該単位期間で行われた作業の作業種別を推定する単位期間別作業推定部と、前記作業期間内の単位期間毎の作業種別のうち、最も多い作業種別を、前記作業期間の作業種別として決定する作業種別決定部とを含む。
本発明の一実施形態では、前記単位期間別作業推定部は、機械学習手法を用いて、前記単位期間毎の作業種別を推定するように構成されている。

本発明の一実施形態では、前記単位期間別作業推定部は、前記測位情報および前記稼働情報に基づいて、前記単位期間毎に機械学習モデルに対する入力情報を生成し、生成された入力情報と前記機械学習モデルとを用いて、前記単位期間毎の作業種別を推定するように構成されている。
本発明の一実施形態では、前記駆動源情報が前記駆動源の回転数を含み、前記伝達機構情報がＰＴＯ軸の回転数を含み、前記入力情報は、前記トラクタの移動軌跡のパターンと、前記トラクタの車速の基本統計量の少なくとも１つと、前記駆動源の回転数の基本統計量の少なくとも１つと、前記ＰＴＯ軸の回転数の基本統計量の少なくとも１つとを含む。

本発明の一実施形態では、前記稼働情報は、少なくとも、前記トラクタの駆動源の駆動状態に関する駆動源情報と、前記駆動源の駆動力を前記作業機に伝達する伝達機構の作動状態に関する伝達機構情報とを含み、前記作業期間判定部は、前記伝達機構情報に基づいて、または、前記伝達機構情報および前記駆動源情報に基づいて、前記所定の期間を作業期間と非作業期間とに分類する。

図１は、本発明の一実施形態に係る作業機特定装置が適用された作業管理システムの構成を示す模式図である。 図２は、トラクタおよび管理サーバの電気的構成を示すブロック図である。 図３は、作業分類テーブルの内容例を示す模式図である。 図４は、あるユーザに対するユーザ別トラクタＩＤテーブルの内容例を示す模式図である。 図５は、あるユーザに対するあるユーザ別作業情報テーブルの内容例を示す模式図である。 図６は、ある作業期間に対して作業種別推定部によって実行される作業種別推定処理の手順を示すフローチャートである。

以下では、この発明の実施の形態を、添付図面を参照して詳細に説明する。
図１は、本発明の一実施形態に係る作業種別推定装置が適用された作業管理システムの構成を示す模式図である。
作業管理システム１は、トラクタ２と、トラクタ２に装着される作業機３と、管理サーバ５とを含む。管理サーバ５は、作業情報を管理する。管理サーバ５は、作業種別推定装置の一例である。管理サーバ５は、管理センター６内に設けられている。トラクタ２は、通信網７を介して管理サーバ５と通信可能である。

トラクタ２には、複数種類の作業機を装着することが可能である。トラクタ２に装着される作業機３には、例えば、散布系作業機や耕耘系（耕起系、砕土系、整地系を含む）作業機がある。散布系作業機には、播種機、スプレーヤ（防除機）、ブロードキャスタ（施肥機）等がある。耕耘系作業機には、ロータリー（耕耘機）、ソイラ、ケンブリッジローラ、モア（草刈機）等がある。

トラクタ２は、測位衛星８を利用してトラクタ２の位置を測位する機能を備えている。トラクタ２は、トラクタＩＤと、時刻毎の位置情報と時刻毎の稼働情報とを含むトラクタ側情報を管理サーバ５に送信する。トラクタＩＤは、トラクタ２を識別するための情報である。トラクタＩＤは、トラクタ２の型式および機番から構成されていてもよい。
図２は、トラクタ２および管理サーバ５の電気的構成を示すブロック図である。

トラクタ２は、トラクタ制御部１０を含む。トラクタ制御部１０は、ＣＰＵおよびメモリ（揮発性メモリ、不揮発性メモリ等）１１を備えたマイクロコンピュータを含む。トラクタ制御部１０は、トラクタ２の動作（前進、後進、停止、旋回等の動作）を制御する。トラクタ制御部１０には、トラクタ２の各部を制御するための複数のコントロ－ラ（コントローラ類２１）が電気的に接続されている。複数のコントローラは、エンジンの回転数等を制御するエンジンコントローラ、トラクタ２の車速を制御する車速コントローラ、トラクタ２の前輪の転舵角を制御する操向コントローラ、ＰＴＯ軸の回転を制御するＰＴＯ軸コントローラ等を含む。

トラクタ２は、ＰＴＯ軸（動力伝達軸）への動力の伝達／遮断を切り替えるためのＰＴＯクラッチを備えている。ＰＴＯ軸コントローラは、トラクタ制御部１０から入力される制御信号に基づいて、ＰＴＯクラッチを切り換えて、ＰＴＯ軸を介して作業機３を回転駆動させたり、停止させたりすることができる。
トラクタ制御部１０には、さらに、位置情報算出部２２、通信部２３、表示部２４、操作部２５、記憶部２６等が接続されている。

位置情報算出部２２には、衛星信号受信用アンテナ２７が電気的に接続されている。衛星信号受信用アンテナ２７は、衛星測位システムを構成する測位衛星８（図１参照）からの信号を受信するものである。衛星測位システムは、たとえば、ＧＮＳＳ（Global Navigation Satellite System）である。位置情報算出部２２は、衛星信号受信用アンテナ２７で受信された測位信号に基づいて、トラクタ２（厳密には、衛星信号受信用アンテナ２７）の位置を算出する。具体的には、位置情報算出部２２は、時刻情報と位置情報とを含む測位情報を生成する。位置情報は、例えば、緯度情報と経度情報とからなる。

通信部２３は、トラクタ制御部１０が通信網７を介して管理サーバ５と通信するための通信インタフェースである。表示部２４は、例えば液晶表示器からなる。操作部２５には、複数のレバーやスイッチ等が設けられている。
記憶部２６は、不揮発性メモリ等の記憶デバイスから構成されている。記憶部２６には、位置情報記憶部３１、稼働情報記憶部３２等が設けられている。

トラクタ制御部１０は、情報取得処理部１２を含んでいる。情報取得処理部１２は、位置情報算出部２２によって所定時間毎に算出される位置情報を取得して位置情報記憶部３１に記憶する。また、情報取得処理部１２は、トラクタ制御部１０から所定時間毎に与えられる稼働情報を取得して稼働情報記憶部３２に記憶する。稼働情報には、車速、エンジンのオンオフ情報（以下、「エンジンオンオフ情報」という。)、エンジン回転数、ＰＴＯクラッチのオンオフ情報（以下、「クラッチオンオフ情報」という。)、ＰＴＯクラッチの回転数（以下、「ＰＴＯ軸回転数」という。)、エンジン負荷率等が含まれる。エンジン負荷率は、例えば、最大燃料噴射量および無負荷燃料噴射量間の偏差に対する、実際の燃料噴射量および無負荷燃料噴射量間の偏差の比率である。

そして、情報取得処理部１２は、位置情報記憶部３１に記憶された時刻毎の位置情報および稼働情報記憶部３２に記憶された時刻毎の稼働情報を、トラクタＩＤとともに、所定のタイミング（例えば、電源キーがオフ操作されたタイミング）で管理サーバ５に送信する。以下において、管理サーバ５に送信される「時刻毎の位置情報および稼働情報」を、「トラクタ側情報」という場合がある。

管理サーバ５は、サーバ制御部４０を備えている。サーバ制御部４０には、通信部５１、操作表示部５２、操作部５３、記憶部５４等が接続されている。通信部５１は、サーバ制御部４０が通信網７を介してトラクタ制御部１０と通信するための通信インタフェースである。操作表示部５２は、例えば、タッチパネル式ディスプレイからなる。操作部５３は、例えば、キーボード、マウス等を含む。記憶部５４は、ハードディスク、不揮発性メモリ等の記憶デバイスから構成されている。

記憶部５４には、時系列情報記憶部６１、作業分類テーブル６２、ユーザ別トラクタＩＤテーブル６３、ユーザ別作業情報テーブル６４等が設けられている。
時系列情報記憶部６１には、トラクタ制御部１０から受信したトラクタ側情報がトラクタ制御部１０から受信したトラクタＩＤに関連付けられて記憶される。
作業分類テーブル６２には、複数種類の作業名が記憶されている。図３は、作業分類テーブル６２の内容例を示している。この実施形態では、農作業が大分類と中分類に階層的に分類されており、作業分類テーブル６２には、大分類の作業名と中分類の作業名とが記憶可能となっている。ただし、大分類の作業名に対して中分類の作業名が存在しない作業もあり得る。そのような作業に関しては、大分類の作業名のみが記憶される。

大分類の作業名には、例えば、耕耘、施肥、播種、定植、薬剤散布、収穫等がある。耕耘に含まれる中分類の作業名には、心土破砕、畦塗り、耕起、整地、代かき、均平化、除草等がある。施肥に含まれる中分類の作業名には、基肥散布、追肥等がある。
ユーザ別トラクタＩＤテーブル６３には、ユーザ毎に、当該ユーザが所有するトラクタのトラクタＩＤが記憶される。図４は、あるユーザＵ１に対するユーザ別トラクタＩＤテーブル６３の内容例を示している。図４の例では、ユーザＵ１は、３台のトラクタＴ１，Ｔ２，Ｔ３を所有している。

ユーザ別作業情報テーブル６４には、ユーザ毎に当該ユーザが所有する圃場に対して行われた作業の作業情報が記憶される。図５は、あるユーザＵ１に対するユーザ別作業情報テーブル６４の内容例を示している。図５の例では、作業情報は、トラクタＩＤ、作業年月日（年月日）、作業開始時刻（開始時刻）、作業終了時刻（終了時刻）、後述する作業種別推定部４４によって推定される作業種別等を含む。作業種別推定部４４によって推定される作業種別には、大分類名と中分類名とがある。

サーバ制御部４０は、ＣＰＵおよびメモリ（揮発性メモリ、不揮発性メモリ等）４１を備えたマイクロコンピュータを含む。制御部４０は、情報取得部４２と、作業期間判定部４３と、作業種別推定部４４と、作業情報記憶処理部４５を含む。情報取得部４２は、本発明の「情報取得部」の一例である。
情報取得部４２は、トラクタ２からトラクタＩＤとともにトラクタ側情報を受信したときに、受信したトラクタ側情報を受信したトラクタＩＤに関連付けて時系列情報記憶部６１に記憶する。説明の便宜上、ある１日において、あるユーザが所有するトラクタ２の記憶部２６（３１，３２）に蓄積されたトラクタ側情報を「処理対象の時系列情報」ということにする。時系列情報記憶部６１には、処理対象の時系列情報が記憶されているものとする。

作業期間判定部４３は、処理対象の時系列情報における最も古い時刻から最も新しい時刻までの期間（処理対象期間）を、作業期間と非作業期間とに分類する。
例えば、作業期間判定部４３は、まず、処理対象の時系列情報に含まれているエンジンオンオフ情報およびクラッチオンオフ情報に基づいて、トラクタ２が作業状態であるか非作業状態であるかを、時刻毎に判定する。より具体的には、作業期間判定部４３は、処理対象期間内の時刻毎に、エンジンオンオフ情報がオンでかつクラッチオンオフ情報がオンであるという作業／非作業判定条件を満たしているか否かを判定する。

作業期間判定部４３は、ある判定対象時刻において、作業／非作業判定条件を満たしていれば、当該時刻においてトラクタ２が作業状態であると判定し、作業／非作業判定条件を満たしていなければ、当該時刻においてトラクタ２が非作業状態であると判定する。そして、時刻毎の作業状態判定結果に基づいて、処理対象期間を作業期間と非作業期間とに分類する。

なお、作業期間判定部４３は、クラッチオンオフ情報がオンであるという条件のみを、作業／非作業判定条件として用いてもよい。
作業種別推定部４４は、作業期間判定部４３によって判定された作業期間毎に、情報取得部４２によって取得されたトラクタ情報に基づいて、トラクタ２に装着された作業機３によって行われた作業の作業種別を推定する。作業種別推定部４４は、単位期間別作業推定部４４Ａと、作業種別決定部４４Ｂとを含む。

単位期間別作業推定部４４Ａは、作業期間を複数の単位期間に分割し、単位期間毎に当該単位期間で行われた作業の作業種別を推定する。この実施形態では、単位期間は、５分に設定される。また、この実施形態では、単位期間別作業推定部４４Ａは、機械学習手法（機械学習モデル）を用いて、単位期間毎の作業種別を推定する。機械学習手法には、例えば、サポートベクターマシン、ランダムフォレスト、ニューラルネットワーク、ロジスティック回帰、トポロジカルデータアナリシス等が含まれる。

作業種別決定部４４Ｂは、作業期間内の単位期間毎の作業種別のうち、最も多い作業種別を、作業期間の作業種別として決定する。
作業情報記憶処理部４５は、作業期間毎に、作業種別推定部４４によって推定された作業種別（大分類、中分類）を、トラクタＩＤ、年月日、開始時刻、終了時刻等に関連付けてユーザ別作業情報テーブル６４に記憶する。

図６は、ある作業期間（以下、注目作業期間という。）に対して、作業種別推定部４４によって実行される作業種別推定処理の手順を示すフローチャートである。
作業種別推定部４４によって実行される作業種別推定処理には、単位期間別作業推定部４４Ａによって実行される推定処理（ステップＳ１～Ｓ５）と、作業種別決定部４４Ｂによって実行される決定処理（ステップＳ６）とを含む。

図６を参照して、単位期間別作業推定部４４Ａは、注目作業期間の最初の５分間の期間を注目単位期間に設定する（ステップＳ１）。
次に、単位期間別作業推定部４４Ａは、注目単位期間内のトラクタ側情報に基づいて、機械学習モデルに対する入力情報を生成する（ステップＳ２）。
入力情報は、注目単位期間におけるトラクタ２の移動軌跡のパターンと、注目単位期間におけるトラクタ２の車速の基本統計量の少なくとも１つと、注目単位期間におけるエンジン回転数の基本統計量の少なくとも１つと、注目単位期間におけるＰＴＯ軸回転数の基本統計量の少なくとも１つとを含む。基本統計量には、合計、平均、標準偏差、最小値、最大値、中央値および最頻値が含まれる。注目単位期間におけるトラクタ２の移動軌跡のパターンは、予め定められている複数の移動軌跡パターンのうち、注目単位期間における移動軌跡パターンが属するパターンである。

入力情報は、例えば、トラクタ２の移動軌跡のパターンと、車速の平均値、標準偏差、最大値および中央値と、エンジン回転数の平均値、標準偏差、最大値および中央値と、ＰＴＯ軸回転数の平均値、標準偏差、最大値および中央値を含んでいてもよい。
入力情報は、さらに、エンジン負荷率の基本統計量の少なくとも１つを含んでいてもよい。例えば、入力情報は、エンジン負荷率の平均値、標準偏差、最大値および中央値を含んでいてもよい。

次に、単位期間別作業推定部４４Ａは、ステップＳ２で生成した入力情報と機械学習モデルとを用いて注目単位期間の作業種別を推定し、推定結果をメモリ４１に記憶する（ステップＳ３）。この実施形態では、単位期間別作業推定部４４Ａは、注目単位期間の作業種別として、１種類の作業種別を推定するものとする。
次に、単位期間別作業推定部４４Ａは、注目作業期間における注目単位期間よりも時間的に遅い（新しい）期間に、５分間以上の期間が残っているか否かを判別する（ステップＳ４）。５分間以上の期間が残っている場合には（ステップＳ４：ＹＥＳ）、現在の注目作業期間の次の５分間の期間を、新たな注目作業期間として設定した後（ステップＳ５）、ステップＳ２に戻る。これにより、新たな注目作業期間に対して、ステップＳ２～Ｓ４の処理が実行される。

ステップＳ４において、注目作業期間における注目単位期間よりも時間的に遅い期間に、５分間以上の期間が残っていないと判別された場合には（ステップＳ４：ＮＯ）、単位期間別作業推定部４４Ａは、ステップＳ６に移行する。
ステップＳ６では、作業種別決定部４４Ｂは、注目作業区間内の５分間毎の単位期間の作業種別推定結果に基づいて、注目作業区間の作業種別を決定する。具体的には、作業種別決定部４４Ｂは、注目作業期間内の単位期間毎の作業種別のうち、最も数の多い作業種別を、注目作業期間の作業種別として決定する。

例えば、注目作業期間内に５つの単位期間が含まれており、５つの単位期間のうち４つの単位期間に対する作業種別が耕耘（耕起）と推定され、１つの単位期間に対する作業種別が耕耘（除草）と判別されている場合には、注目作業期間に対する作業種別は耕耘（耕起）と推定される。
このように、本実施形態では、単位期間毎に作業種別を推定した後、多数決論理によって最終的な作業種別を決定しているので、次のような利点がある。

例えば、作業期間全体に対して機械学習手法を用いて作業種別を推定し、この推定結果を最終的な作業種別として決定する場合には、実際に行った作業種別と似通った作業種別がある場合に、機械学習手法のあいまいさによって、実際に行った作業とは異なる作業種別が最終的な作業種別として決定されるおそれがある。しかし、本実施形態では、実際に行った作業種別と似通った作業種別がある場合においても、作業期間内の複数の単位期間毎の推定結果において、実際に行った作業種別と推定される数が、実際に行った作業とは異なる作業種別と推定される数よりも多くなる確率が高くなると考えられる。このため、本実施形態では、作業種別の推定精度が高くなる。

また、作業期間内において、何らかの事情によって、一時的に、実際に行うべき作業にふさわしくないようなトラクタ移動が行われると、作業期間内の複数の単位期間の一部の単位期間において、実際とは異なる作業種別が当該単位期間の作業種別として推定されてしまうことがある。しかし、このような場合でも、本実施形態では、多数決論理によって最終的な作業種別に決定しているので、実際の作業種別を最終的な作業種別として決定することができる。

このようにして、注目作業期間に対する作業種別が決定されると、作業情報記憶処理部４５は、決定された作業種別（大分類、中分類）を、当該注目作業期間に対するトラクタＩＤ、年月日、開始時刻、終了時刻等に関連付けてユーザ別作業情報テーブル６４（図５参照）に記憶する。
本実施形態では、作業機３によって行われた作業の作業種別を自動的に推定することが可能となる。

以上、この発明の実施形態について説明したが、この発明はさらに他の形態で実施することもできる。
例えば、前述の実施形態では、作業種別は大分類および中分類というように、階層化して分類されているが、階層化されずに分類されてもよい。
また、前述の実施形態では、単位期間毎に作業種別を推定した後、多数決論理によって最終的な作業種別を決定しているが、作業期間全体に対して例えば機械学習手法を用いて作業種別を推定し、この推定結果を最終的な作業種別として決定してもよい。

なお、特許請求の範囲に記載した範囲で種々の変更を行うことができる。

１ 作業管理システム
２ トラクタ
３ 作業機
５ 管理サーバ
１０ トラクタ制御部
１２ 情報取得処理部
２１ コントローラ群
２２ 位置情報算出部
３１ 位置情報記憶部
３２ 稼働情報記憶部
４０ サーバ制御部
４２ 情報取得部
４３ 作業期間判定部
４４ 作業種別推定部
４４Ａ 単位期間別作業推定部
４４Ｂ 作業種別決定部
４５ 作業情報記憶処理部
６１ 時系列情報記憶部
６２ 作業種類テーブル
６３ ユーザ別トラクタＩＤテーブル
６４ ユーザ別作業情報テーブル

Claims (7)

1. 複数種類の作業機のうちのいずれかが装着されているトラクタから、前記トラクタの時刻毎の位置情報および前記トラクタの時刻毎の稼働情報を含むトラクタ側情報を取得する情報取得部と、
   前記情報取得部によって取得される前記トラクタ側情報に基づいて、所定の期間を作業期間と非作業期間とに分類する作業期間判定部と、
   前記作業期間判定部によって判定された作業期間毎に、前記情報取得部によって取得される前記トラクタ側情報に基づいて、前記トラクタに装着された作業機によって行われた作業の作業種別を推定する作業種別推定部とを含む、作業種別推定装置。
2. 前記稼働情報は、少なくとも、前記トラクタの車速情報、前記トラクタの駆動源の駆動状態に関する駆動源情報と、前記駆動源の駆動力を前記作業機に伝達する伝達機構の作動状態に関する伝達機構情報とを含む、請求項１に記載の作業種別推定装置。
3. 前記作業種別推定部は、作業期間を複数の単位期間に分割し、前記単位期間毎に当該単位期間で行われた作業の作業種別を推定する単位期間別作業推定部と、
   前記作業期間内の単位期間毎の作業種別のうち、最も多い作業種別を、前記作業期間の作業種別として決定する作業種別決定部とを含む、請求項２に記載の作業種別推定装置。
4. 前記単位期間別作業推定部は、機械学習手法を用いて、前記単位期間毎の作業種別を推定するように構成されている、請求項３に記載の作業種別推定装置。
5. 前記単位期間別作業推定部は、前記位置情報および前記稼働情報に基づいて、前記単位期間毎に機械学習モデルに対する入力情報を生成し、生成された入力情報と前記機械学習モデルとを用いて、前記単位期間毎の作業種別を推定するように構成されている、請求項４に記載の作業種別推定装置。
6. 前記駆動源情報が前記駆動源の回転数を含み、
   前記伝達機構情報がＰＴＯ軸の回転数を含み、
   前記入力情報は、前記トラクタの移動軌跡のパターンと、前記トラクタの車速の基本統計量の少なくとも１つと、前記駆動源の回転数の基本統計量の少なくとも１つと、前記ＰＴＯ軸の回転数の基本統計量の少なくとも１つとを含む、請求項５に記載の作業種別推定装置。
7. 前記稼働情報は、少なくとも、前記トラクタの駆動源の駆動状態に関する駆動源情報と、前記駆動源の駆動力を前記作業機に伝達する伝達機構の作動状態に関する伝達機構情報とを含み、
   前記作業期間判定部は、前記伝達機構情報に基づいて、または、前記伝達機構情報および前記駆動源情報に基づいて、前記所定の期間を作業期間と非作業期間とに分類する、請求項１に記載の作業種別推定装置。

Images