JP7470061B2 - 農業支援システム - Google Patents

Description

本開示は、農業支援システムに関する。

次世代農業として、ＩＣＴ（Information and Communication Technology）およびＩｏＴ（Internet of Things）を活用したスマート農業の研究開発が進められている。圃場に関する情報をクラウド上で一元管理し、クラウド上のデータを活用して農業を支援する農業支援システムの研究開発も進められている。農業支援システムを利用することによって、例えば、圃場管理、作業計画、作業記録、作業進捗の管理、作業車両の作業経路を決定することなど農作業に必要な作業全般を効率的に行うことが可能となる。

クラウド上のデータを用いて圃場マップが生成され得る。圃場マップは、圃場ごとに農作業を行うために必要な様々な情報、および、圃場の地理情報を有する。例えば、航空写真または衛星画像などのリモートセンシング画像が背景の地図として利用され、圃場はその地図に重ねて表示することができる。特許文献１から３は、画像と地図とを重ね合わせるための方法を開示している。

特許４０８８３８６号 特開２００７－１８７９３４号公報 特開２０１９－２０７３７５号公報

圃場を被写体として含む画像を地図に重ねて表示するために、画像内の圃場領域と、当該圃場領域に対応する、地図における圃場を規定する区画ポリゴンとの位置合わせが必要になる。圃場領域の地理情報と、区画ポリゴンを規定する地理情報との間にずれがない状態でデータ管理を行うことが望ましい。

従来、画像内の圃場領域と区画ポリゴンとを正確に重ねるために、作業者が位置ずれを手動で補正する必要があった。位置合わせの対象となる圃場の数が増えるほど、位置ずれ補正の作業が煩雑になり、作業者に負担を強いている。

本開示の実施形態は、地理情報に基づいて画像内の圃場領域と区画ポリゴンとの対応関係を決定し、対応関係にある圃場領域と区画ポリゴンとの位置合わせを行うことが可能なアルゴリズムを提供する。

本開示の例示的な実施形態による農業支援システムは、記憶装置と、処理装置とを備える。前記記憶装置は、それぞれが圃場を表す複数の区画ポリゴンと前記複数の区画ポリゴンのそれぞれを規定する地理座標を含む区画ポリゴンデータ、および、圃場画像データを記憶する。前記圃場画像データは、地理情報を有する空撮画像または衛星画像を含む。前記処理装置は、前記圃場画像データから選択された複数の圃場を被写体として含む領域画像と、前記複数の圃場のそれぞれに対応するように前記複数の区画ポリゴンから選択された区画ポリゴンとを重ねるためのデータセットを生成する。前記処理装置は、前記領域画像から複数の圃場領域を抽出し、前記複数の圃場領域のそれぞれの形状、および、前記複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも１つの幾何学的特徴量を算出し、前記少なくとも１つの幾何学的特徴量に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定し、前記複数の区画ポリゴンをそれぞれ規定する前記地理座標と、前記複数の区画ポリゴンのそれぞれに対応する圃場領域の、前記地理情報に基づいて算出される座標との間のずれ量を算出し、前記ずれ量に基づいて、前記対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正する。前記データセットは、補正した前記座標の情報を含む。

本開示の包括的または具体的な態様は、装置、システム、方法、集積回路、コンピュータプログラム、もしくはコンピュータが読み取り可能な記録媒体、またはこれらの任意の組み合わせによって実現され得る。コンピュータが読み取り可能な記録媒体は、揮発性の記録媒体を含んでいてもよいし、不揮発性の記録媒体を含んでいてもよい。装置は、複数の装置で構成されていてもよい。装置が２つ以上の装置で構成される場合、当該２つ以上の装置は、１つの機器内に配置されてもよいし、分離した２つ以上の機器内に分かれて配置されていてもよい。

本開示の実施形態によれば、地理情報に基づいて画像内の圃場領域と区画ポリゴンとの対応関係を決定し、対応関係にある圃場領域と区画ポリゴンとの位置合わせを行うことが可能となる。

本開示の実施形態に係る農業支援システムの構成例を示す模式図である。 本開示の実施形態に係る農業支援システムのハードウェア構成例を示すブロック図である。 圃場領域と区画ポリゴンとの位置合わせを行う処理装置の機能・動作を機能単位で示す機能ブロック図である。 圃場領域と区画ポリゴンとの位置合わせを行うためのアリゴリズムの実装例による処理手順を示すフローチャートである。 複数の圃場を含む圃場画像の例を示す図である。 領域画像から複数の圃場領域を抽出した後の領域画像を例示する図である。 前処理後の領域画像を例示する図である。 ラベリング処理を適用した後の領域画像を例示する図である。 圃場領域テーブルの例を示す表である。 区画ポリゴンの形状を規定する地理座標を含む頂点リストのテーブルを例示する表である。 区画ポリゴンを描画した画像を例示する模式図である。 航空写真に区画ポリゴンを重ねた合成画像を例示す図である。 ラベルが付された区画ポリゴンを例示する模式図である。 区画ポリゴンテーブルの例を示す表である。 ペア候補のテーブルを例示する表である。 ペア候補のテーブルに基づいて決定される圃場領域と区画ポリゴンとの対応関係のペア候補を説明するための図である。 ステップＳ３００におけるより詳細な処理手順を例示するフローチャートである。 プレ組み合わせ候補のテーブルを例示する表である。 深さ優先探索のアルゴリズムの実装例を示すフローチャートである。 深さ優先探索のアルゴリズムの実装例を説明するための図である。 深さ優先探索のアルゴリズムの実装例を説明するためのさらなる図である。 プレ組み合わせ候補のテーブルから偽のプレ組み合わせ候補を除外した最終的な組み合わせ候補のテーブルを例示する表である。 区画ポリゴンと圃場領域とを重ねたときに、区画ポリゴンに対し、当該区画ポリゴンと対応関係にある圃場領域がずれている様子を例示する模式図である。 座標のずれを補正し、対応関係にある区画ポリゴンと圃場領域とを重ねた様子を例示する模式図である。 表示装置に表示される位置合わせのためのＧＵＩの表示例を示す模式図である。 圃場領域と区画ポリゴンとの位置合わせを行うための方法の例による処理手順を示すフローチャートである。

本開示の実施形態を説明する前に、本開示の基礎となった知見および背景技術を説明する。

農業支援システムで管理されるデータには、例えば、区画ポリゴンデータ、食味のデータ、収量のデータ、作業車両の作業経路のデータ、施肥のデータ、生育のデータ、土壌肥沃度のデータ、および、土質のデータなど種々のデータが含まれ得る。当該データ群は地理情報を有し、地図データに関連付けて管理され得る。圃場マップは、当該データ群が示す情報を可視化して得られる種々の情報マップを含み得る。

ユーザが農業支援システムの利用を開始するとき、初期設定として、圃場の区画を登録することが求められ得る。例えば、ユーザは、タブレットコンピュータのディスプレイに表示される航空写真に含まれる圃場の中から所有する圃場を特定する。ユーザは、特定した圃場の形状を規定する３以上の頂点を順番にクリックし、頂点にピンを作成していくことにより、圃場の区画を確定していく。確定された区画の情報は、区画ポリゴンとしてＧＩＳデータに登録される。ユーザは、所有する１以上の圃場の区画を登録することができる。

圃場マップは、例えばドローンなどを用いて取得された空撮画像に基づいて生成することが可能である。例えば、撮像装置およびＧＮＳＳ（Global Navigation Satellite System）ユニットを搭載したドローンから空撮された空撮画像のデータが、ＧＮＳＳユニットが取得した地理情報に関連付けされ、圃場マップの生成に利用され得る。しかしながら、ドローンに搭載されるＧＮＳＳユニットによる測位精度に誤差が生じ、その結果、リモートセンシング画像である空撮画像の地理情報が例えばメートル単位でずれてしまうことが起こり得る。

リモートセンシング画像内の圃場領域と区画ポリゴンとの位置合わせを行うために、先ず、複数の圃場領域と複数の区画ポリゴンとの間で、対応関係にある圃場領域と区画ポリゴンとの組を正確に決定する必要がある。この対応関係の決定に、例えば最小二乗法などの最適化手法を用い、圃場領域または区画ポリゴンの頂点の座標に基づいて、圃場領域の各頂点に対応する区画ポリゴンの各頂点を見つけ出すことが考えられる。しかしながら、上述したように、リモートセンシング画像の地理情報がずれてしまうことが起こり得るために、最小二乗法などの最適化手法を利用しても対応関係を正確に決定することは困難である。さらに、例えば、区画ポリゴンの領域と、作物が実際に栽培されている圃場領域とが完全に一致しないこと、および、区画ポリゴンをＧＩＳデータに登録する仕方に個人差があることなど区画ポリゴンの登録が不正確であることが対応関係の決定を一層困難にしている。例えば、圃場の外形が曲線を含む場合におけるその曲線を規定する頂点の数の決定、または、作業車両が圃場に進入するための入口として圃場の外形が欠けているか否かの判断は、圃場を登録するユーザごとに異なり得る。圃場領域と区画ポリゴンとを１対１で対応付ける方法は未だ確立されていない。

本発明者は上記の課題に鑑み、リモートセンシング画像内の圃場領域と区画ポリゴンとの対応関係を高い精度で決定することが可能な新規なアルゴリズムを見出し本発明に至った。本開示の実施形態によれば、圃場領域の地理情報と、区画ポリゴンを規定する地理情報との間にずれが生じている場合であっても、対応関係にある圃場領域と区画ポリゴンとの位置合わせが可能になる。

［１．用語の定義］
本明細書において用いられる主な用語の定義を以下に記載する。

「リモートセンシング画像」は、人工衛星、有人航空機または無人航空機などに搭載されたセンサによって遠隔から地上をセンシングすることによって取得されたデジタルデータである。リモートセンシング画像は、航空写真などの空撮画像または衛星画像である。リモートセンシング画像は、例えばＲＧＢ画像、グレースケール画像、マルチスペクトル画像または植生指数画像を含む。無人航空機の例は、マルチコプタまたはドローンである。センサの例は、ＲＧＢイメージセンサ、マルチスペクトルセンサなどである。マルチスペクトルセンサは、例えば、赤色、緑色、青色、レッドエッジおよび近赤外線の５つの波長帯域の画像を同時に取得することが可能である。５つの波長帯域の画像は、ＲＧＢ画像、レッドエッジ画像および近赤外画像を含む。リモートセンシング画像は、地図または圃場マップを作成するための航空測量画像であってもよい。

「地理座標」は、地球上の位置を緯度と経度とで表現する地理座標系、または、地球上の３次元座標を２次元平面に投影し、地球上の位置をＸＹ座標で表現する投影座標系における位置を意味する。また、日本において地理座標は、測量法によって規定された平面直角座標系における座標で表され得る。

「圃場画像」は、１または複数の圃場を被写体として含むリモートセンシング画像である。圃場画像のデータ形式は、例えば、格子状に並んだピクセルの集合体によって表されるラスターデータである。各ピクセルは、画素値、および、属性として画像座標系における座標情報を有する。圃場画像のデータのファイルフォーマットは、例えば、ＲＡＷ、ＤＮＧ、ＴＩＦＦ、ＧｅｏＴＩＦＦまたはＪＰＥＧである。

「ベクターデータ」は、地理情報システム（本明細書において「ＧＩＳ」と表記する。）のデータモデルの１つであり、ＧＩＳデータフォーマットの１つであるシェープファイルに格納され得る。シェープファイルは、図形の情報を格納するメインファイル（.shpファイル）、図形のインデックス情報を格納するファイル（.shxファイル）、図形の属性情報を格納するテーブル（.dbfファイル）を含む複数のファイルから構成される。

「地図データ」は、ベクターデータまたはラスターデータであり得る。地図データの例は、電子地図、航空写真または衛星画像のデータである。

「区画ポリゴン」は、航空写真または衛星画像などに基づいて筆ごとに圃場の形状に沿って作成された圃場の区画情報である。区画ポリゴンを「筆ポリゴン」と称することもある。ポリゴンは、ベクターデータであり、地球上での位置（つまり、地理座標）および形状を表す空間的な情報および属性情報を有する。ベクターデータは、ポイント、ラインおよびポリゴンの３つの要素を含む。ＧＩＳにおいて、ポイントデータは、地物の図形情報を地図上に点として表現するための１つの地理座標を含む。ラインデータは、線の両端を規定する２点の地理座標を含み、地物の図形情報を地図上に線として表現する。ラインは、２つの座標点を結んだ線分として描画される。ポリゴンデータは、面の頂点を規定する３以上の地理座標を含み、地物の図形情報を地図上に面として表現する。ポリゴンは、３以上の地理座標で規定される頂点を結んで得られる閉領域として描画される。

「区画ポリゴンデータ」は、それぞれが圃場を表す複数の区画ポリゴンと複数の区画ポリゴンのそれぞれを規定する地理座標を含むＧＩＳデータである。

「セグメンテーション（領域分割）」は、画像に含まれる物体または個体（インスタンス）をクラスまたはカテゴリに画素単位で分類するアルゴリズムの総称であり、深層学習に用いられる。セグメンテーションは、セマンティックセグメンテーション、インスタンスセグメンテーション、および、これらの２つのアルゴリズムを統合したパノプティックセグメンテーションを含む。セマンティックセグメンテーションは、画像に含まれる物体をクラスごとに分類するアルゴリズムである。インスタンスセグメンテーションは、画像に含まれる個体を分類するアルゴリズムである。例えば、セマンティックセグメンテーションを、圃場領域を含む画像に適用することにより、画像に含まれる圃場領域および圃場領域以外の領域の２つのクラスに分類することが可能となる。

「幾何学的特徴量」は、圃場領域または区画ポリゴンの図形の形状の特徴を数値化した特徴量である。幾何学的特徴量は、例えば、図形の重心座標、面積、外接矩形（bounding box）の幅および高さを含む。幾何学的特徴量は、形状特徴パラメータとも称され得る。

「テーブル」は、行（レコード）および列（カラム）方向に配列された要素の集合体から構成される。カラムごとに文字列または数値列などの属性（プロパティ）が定められる。属性を示す最初の行は、「ヘッダ行」と呼ばれる。レコードまたはカラムを構成する１つ１つの要素は「フィールド」と呼ばれる。

「２値化画像」は、閾値を基準に画素値を白と黒の２階調に変換する処理を濃淡がある画像に適用して得られる画像である。２値化画像において１画素は１ビットで表現される。圃場領域と圃場領域以外の領域とを含む２値化画像において、例えば、圃場領域内の画素に１ビットの“１”が割り当てられ、圃場領域以外の領域内の画素は１ビットの“０”が割り当てられる。この場合、圃場領域は白で表示され、圃場領域以外の領域は黒で表示される。

「統計量」は、ある集合に含まれる複数の要素のそれぞれが規定する数値のばらつきまたはデータ分布の特徴を、統計的方法を用いて数値化した量を意味する。統計量の例は、平均値、分散、標準偏差または変動係数（標準偏差／平均値）である。例えば、集合が｛ａａ、ｂｂ、ｃｃ、ｄｄ、ｅｅ｝の要素を含む場合を考える。これらの要素は数値である。この例において統計量は、ａａからｅｅの平均値、分散、標準偏差または変動係数である。

「位置合わせ」は、対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正することにより、両者のずれを縮小させることを意味する。

「システムのユーザ」は、サービス・プロバイダが提供する農業支援システムのサービスを利用して、例えば、圃場管理、作業計画、作業記録、作業進捗の管理など作業全般を行う作業者を含む。本明細書において、「システムのユーザ」は単に「ユーザ」と称される。

以下、本開示の実施形態を説明する。ただし、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および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ことを避け、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。以下の説明において、同一または類似の機能を有する構成要素については、同じ参照符号を付している。

以下の実施形態は例示であり、本開示による圃場と区画ポリゴンとの位置合わせを行うためのアルゴリズム、および当該アルゴリズムを実装した農業支援システムは、以下の実施形態に限定されない。例えば、以下の実施形態で示される数値、形状、材料、ステップ、そのステップの順序などは、あくまでも一例であり、技術的に矛盾が生じない限りにおいて種々の改変が可能である。また、技術的に矛盾が生じない限りにおいて、一の態様と他の態様とを組み合わせることが可能である。

［２．実施形態］
［２．１．システム構成］
図１および図２を参照して、本実施形態に係る農業支援システム１０００、および、農業支援システム１０００に接続される各種の装置のハードウェア構成例を説明する。以下、農業支援システム１０００を単に「システム１０００」と表記することとする。

図１は、本実施形態に係るシステム１０００の構成例を示す模式図である。図２は、本実施形態に係るシステム１０００のハードウェア構成例を示すブロック図である。図２には、システム１０００にネットワーク６０を介して通信可能に接続されるドローン４００のハードウェア構成も例示されている。

システム１０００は、農作業を支援するための種々の機能を有する。システム１０００は、例えば、圃場を管理するための機能、圃場内の作物の生育状況を確認するための機能、作業日誌を作成するための機能、圃場ごとに食味・収量のデータを分析して施肥設計を行うための機能、刈取計画を作成するための機能、および、圃場ごとに農薬、肥料などの資材費のシミュレーションを行うための機能を有し得る。トラクタなどの作業車両３００がシステム１０００と連動することによって、作物の収量および品質を向上させることが可能となる。

システム１０００は、実質的に、コンピュータシステムとして実現される。システム１０００は、サーバコンピュータ１００（以下、「サーバ１００」と表記する）と、１台以上の端末２００とを備える。例えば、１台以上の作業車両３００および／または１台以上のドローン４００が、有線または無線のネットワーク６０を介してシステム１０００に互いに通信可能に接続され得る。図１に、２台の端末２００Ａ、２００Ｂ、１台の作業車両３００および１台のドローン４００がネットワーク６０を介して相互に通信可能に接続される接続例が示されている。ただし、ネットワーク６０に接続される端末２００、作業車両３００およびドローン４００のそれぞれの台数は任意である。以下、各構成要素を説明する。

（サーバ１００）
サーバ１００は、例えばクラウドサーバまたはエッジサーバなどの、作業車両３００およびドローン４００から離れた場所に設置されたコンピュータであり得る。サーバ１００は、通信インターフェース（ＩＦ）１１０と、処理装置１２０と、記憶装置１３０とを備える。本実施形態において、サーバ１００は、圃場に関する情報を一元管理し、管理するデータを活用して農業を支援するクラウドサーバとして機能する。

通信ＩＦ１１０は、ネットワーク６０を介して端末２００、作業車両３００およびドローン４００と通信するための通信モジュールである。例えば、通信ＩＦ１１０は、ＵＳＢ、ＩＥＥＥ１３９４（登録商標）、またはイーサネット（登録商標）などの通信規格に準拠した有線通信を行うことができる。通信ＩＦ１１０は、Ｂｌｕｅｔｏｏｔｈ（登録商標）規格および／またはＷｉ－Ｆｉ規格に準拠した無線通信を行うことができる。いずれの規格も、２．４ＧＨｚ帯または５．０ＧＨｚ帯の周波数を利用した無線通信規格を含む。

処理装置１２０は、例えば、プロセッサ１２１、ＲＯＭ（Read Only Memory）１２２およびＲＡＭ(Random Access Memory)１２３などを備える。プロセッサ１２１が少なくとも１つの処理を実行するためのソフトウェア（またはファームウェア）が、ＲＯＭ１２２に実装され得る。そのようなソフトウェアは、例えば光ディスクなど、コンピュータが読み取り可能な記録媒体に記録され、パッケージソフトウェアとして販売され、または、ネットワーク６０を介してユーザに提供され得る。

プロセッサ１２１は、半導体集積回路であり、中央演算処理装置（ＣＰＵ）を含む。プロセッサ１２１は、マイクロプロセッサまたはマイクロコントローラによって実現され得る。プロセッサ１２１は、少なくとも１つの処理を実行するための命令群を記述した、ＲＯＭ１２２に格納されるコンピュータプログラムを逐次実行し、所望の処理を実現する。

処理装置１２０は、プロセッサ１２１に加えてまたは代えて、ＣＰＵを搭載したＦＰＧＡ（Field Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＡＳＳＰ（Application Specific Standard Product）、または、これら回路の中から選択される２つ以上の回路の組み合わせを備え得る。

ＲＯＭ１２２は、例えば、書き込み可能なメモリ（例えばＰＲＯＭ）、書き換え可能なメモリ（例えばフラッシュメモリ）、または読み出し専用のメモリである。ＲＯＭ１２２は、プロセッサ１２１の動作を制御するプログラムを記憶している。ＲＯＭ１２２は、単一の記録媒体である必要はなく、複数の記録媒体の集合であり得る。複数の集合体の一部は取り外し可能なメモリであってもよい。

ＲＡＭ１２３は、ＲＯＭ１２２に格納された制御プログラムをブート時に一旦展開するための作業領域を提供する。ＲＡＭ１２３は、単一の記録媒体である必要はなく、複数の記録媒体の集合であり得る。

記憶装置１３０は、主としてデータベースのストレージとして機能する。記憶装置１３０の例はクラウドストレージである。記憶装置１３０は、例えば磁気記憶装置、光学記憶装置、半導体記憶装置またはそれらの組み合わせである。光学記憶装置の例は、光ディスクドライブまたは光磁気ディスク（ＭＤ）ドライブなどである。磁気記憶装置の例は、ハードディスクドライブ（ＨＤＤ）である。半導体記憶装置の例は、ソリッドステートドライブ（ＳＳＤ）である。ただし、記憶装置１３０は、サーバ１００にネットワーク６０を介して接続された外部の記憶装置であってもよい。

記憶装置１３０は、区画ポリゴンデータおよび圃場画像データを記憶する。区画ポリゴンデータは、システム１０００を利用する複数のユーザによって登録された区画ポリゴンのデータ群である。区画ポリゴンデータは、例えば、国土全体、地方、特定の地域、または、区域の土地の区画に関する情報を含み得る。例えば、区画ポリゴンデータ、食味のデータ、収量のデータ、作業車両の作業経路のデータ、施肥のデータ、生育のデータ、土壌肥沃度のデータ、および、土質のデータなどの種々のデータが、地図データに関連付けられ、ＧＩＳデータとして記憶装置１３０に記憶され得る。ＧＩＳデータは、１つの圃場が、地理情報に関連付けられ、かつ、これらのデータ群に多階層的に関連付けられたデータ構造を有し得る。データ群は、ビックデータとして管理されて広く活用され得る。

圃場画像データの例は、１以上の圃場を被写体として含む、ドローンによって上空から取得された空撮画像のデータである。圃場画像データは、ベクターデータの背景となる地図を提供し、さらには、後述する生育マップも提供し得る。

（端末２００）
端末２００の例は、パーソナルコンピュータ（ＰＣ）、ラップトップコンピュータ（以下、単に「ラップトップ」と表記する。）、タブレットコンピュータ（以下、単に「タブレット」と表記する。）、スマートフォン、またはＰＤＡ（Personal digital assistant）である。図１において、端末２００の例として、ラップトップ２００Ａおよびタブレット２００Ｂが例示されている。

端末２００は、入力装置２１０、表示装置２２０、プロセッサ２３０、ＲＯＭ２４０、ＲＡＭ２５０、記憶装置２６０および通信ＩＦ２７０を備える。これらの構成要素は、バスを介して相互に通信可能に接続される。

入力装置２１０は、ユーザからの指示をデータに変換してコンピュータに入力するための装置である。入力装置２１０の例は、キーボード、マウスまたはタッチパネルである。

表示装置２２０の例は、液晶ディスプレイまたは有機ＥＬディスプレイである。表示装置２２０は、例えば、圃場領域と区画ポリゴンとを重ねた合成画像を表示することが可能である。

プロセッサ２３０、ＲＯＭ２４０、ＲＡＭ２５０および記憶装置２６０のそれぞれに関する説明は、サーバ１００のハードウェア構成例において記載したとおりであり、省略する。

通信ＩＦ２７０は、ネットワーク６０を介してサーバ１００、作業車両３００およびドローン４００と通信するための通信モジュールである。例えば、通信ＩＦ２７０は、通信ＩＦ１１０と同様に、ＵＳＢ、ＩＥＥＥ１３９４（登録商標）、またはイーサネット（登録商標）などの通信規格に準拠した有線通信を行うことができる。通信ＩＦ２７０は、通信ＩＦ１１０と同様に、Ｂｌｕｅｔｏｏｔｈ（登録商標）規格および／またはＷｉ－Ｆｉ規格に準拠した無線通信を行うことができる。さらに、通信ＩＦ２７０は、ＢＬＥ（Bluetooth Low Energy）またはＬＰＷＡ（Low Power Wide Area）の通信方式に準拠した無線通信を行うことが可能な通信モジュールであり得る。ＢＬＥまたはＬＰＷＡなどの通信方式を利用することにより、低消費電力で長距離かつ広範囲の通信を実現することができる。

（作業車両３００）
作業車両３００の例は、圃場で使用されるトラクタである。トラクタは、典型的に、キャビンが設けられた車両本体と、車輪（タイヤ）と、原動機（エンジン）と、変速装置（トランスミッション）と、電子制御装置（ＥＣＵ）と、ＧＮＳＳユニットと、通信ＩＦとを備える。

ＧＮＳＳユニットは、ＧＮＳＳ衛星からの信号を受信するアンテナと、処理回路とを備えるＧＮＳＳ受信機である。ＧＮＳＳユニットは、例えばＧＰＳ（Global Positioning System）、ＧＬＯＮＡＳＳ、Ｇａｌｉｌｅｏ、ＢｅｉＤｏｕ、または準天頂衛星（Quasi-Zenith Satellite System：ＱＺＳＳ、例えばみちびき）などのＧＮＳＳ衛星から送信されるＧＮＳＳ信号を受信し、当該信号に基づいて測位を行う。トラクタが備える通信ＩＦは、例えば、ＢＬＥまたはＬＰＷＡの通信方式に準拠した無線通信を行うことが可能な通信モジュールであり得る。

（ドローン４００）
ドローン４００は、例えば、撮像装置４１０、ＲＴＫ（Real Time Kinematic GPS）測位ユニット４２０、慣性計測装置（ＩＭＵ）４３０、駆動装置４４０、制御装置４５０、データ生成装置４６０および通信ＩＦ４７０を備える。ドローン４００の飛行は、例えばユーザの端末２００を用いて操作することが可能である。

撮像装置４１０は、ＲＧＢイメージセンサ、マルチスペクトルセンサなどのイメージセンサと、レンズ光学系と、データ処理回路とを有する。イメージセンサは、例えば数Ｍｐｘから数十Ｍｐｘの画素を有するＣＭＯＳセンサであり得る。撮像装置４１０は、例えば、圃場領域を含むＲＧＢ画像、グレースケール画像、ＲＧＢ画像、レッドエッジ画像および近赤外画像を含み得るマルチスペクトル画像または植生指数画像を取得することが可能である。撮像装置４１０は、例えば１秒間に１フレームの画像を取得することができる。

ＲＴＫ測位ユニット４２０は、例えば、ＧＮＳＳ受信機、Ｗｉ－Ｆｉ通信モジュールおよびマイクロコントローラを有する。ＲＴＫ測位ユニットは、地球に対して固定された地理座標系などのワールド座標系におけるドローン４００の位置を示す信号を出力する。ＲＴＫ測位ユニットは数ｃｍの精度で測位を行うことが可能である。緯度、経度および高度の情報を含む位置情報が、高精度の測位によって取得される。

ＩＭＵ４３０は、加速度センサおよび角加速度センサを備え、ドローン４００（または撮像装置４１０）の移動量および姿勢を示す信号を出力する。

駆動装置４４０は、例えば駆動用の電気モータ、および複数のプロペラなどの、ドローン４００の飛行に必要な種々の装置を含む。

制御装置４５０の例は、マイクロコントローラである。制御装置４５０は、ＲＴＫ測位ユニット４２０およびＩＭＵ４３０からの出力信号に基づいて駆動装置４４０の動作を制御する。

データ生成装置４６０は、例えばＥｘｉｆ（Exchangeable image file format）規格に準拠した、撮影情報を含むメタデータを生成する。メタデータは、例えば、撮影日時、位置情報（ジオタグ）、姿勢情報、画像の解像度、シャッタースピード、絞り（Ｆ値）およびＩＳＯ感度などの情報を含み得る。データ生成装置４６０は、撮像装置４１０から出力されるデータを処理し、処理したデータにメタデータを付加して、ＲＡＷ、ＤＮＧ、ＴＩＦＦ、ＧｅｏＴＩＦＦまたはＪＰＥＧなどのファイルフォーマットの画像データを生成することができる。

通信ＩＦ４７０は、トラクタの通信ＩＦと同様に、ＢＬＥまたはＬＰＷＡの通信方式に準拠した無線通信を行うことが可能な通信モジュールであり得る。

［２．２．位置合わせのアリゴリズムの実装例］
図３は、リモートセンシング画像内の圃場領域と区画ポリゴンとの位置合わせを行う処理装置１２０の機能・動作を機能単位で示す機能ブロック図である。図４は、圃場領域と区画ポリゴンとの位置合わせを行うためのアリゴリズムの実装例による処理手順を示すフローチャートである。

本実施形態において、圃場マップの例は、圃場内の作物の生育状況を示す生育マップである。以下、リモートセンシング画像に基づいて生成される生育マップを、背景の地図である航空写真に重ねる例を説明する。より具体的には、生育マップに含まれる圃場領域と、当該圃場領域に対応する、地図に含まれる圃場を規定する区画ポリゴンとの位置合わせを行う例を説明する。ただし、本実施形態による位置合わせのアルゴリズムは、生育マップ以外の圃場マップと背景の地図との重ね合わせにも適用することが可能である。

ユーザは、システム１０００を利用して、例えば、航空写真に重ねて表示された生育マップを確認し、農作物の生育状況を容易に把握することができる。生育マップは、例えば、リモートセンシング画像に基づいて算出される植生指数を含み得る。植生指数の例は、ＮＤＶＩ（Normalized Difference Vegetation Index）、ＲＶＩ（Ratio Vegetation Index)、ＤＶＩ(Difference Vegetation Index)、ＮＤＲＥ（Normalized Difference Red Edge）、ＧＮＤＶＩ（Green Normalized Difference Vegetation Index）またはＭＳＡＶＩ（Modified Soil-Adjusted Vegetation Index）などである。植生指数によって、農作物の生育状況を定量化することができる。

生育マップのデータは、例えばラスターデータであり得る。生育マップの生成には、例えばリモートセンシング画像を利用することができる。

図３に示される機能単位の処理（またはタスク）を実行する主体は、１または複数のプロセッサであり得る。１つのプロセッサが図３に示される全ての機能ブロックの処理を実行してもよいし、複数のプロセッサが協働してそれらの処理を実行してもよい。各処理は、ソフトウェアのモジュール単位でコンピュータプログラムに記述され得る。ただし、ＦＰＧＡまたはＧＰＵなどの処理回路を用いる場合、これらの処理の全部または一部は、ハードウェア・アクセラレータとして実装され得る。

図１に示される例において、サーバ１００の処理装置１２０が１図３に示される全ての機能ブロックの処理を実行してもよいし、端末２００のプロセッサ２３０がそれらの処理を実行してもよい。または、複数台の端末２００に搭載された複数のプロセッサ２３０が協働してそれらの処理を実行してもよいし、例えば、サーバ１００の処理装置１２０と端末２００のプロセッサ２３０とが協働してそれらの処理を実行してもよい。本実施形態において、圃場領域と区画ポリゴンとの位置合わせを行うための一連の処理を実行する主体はサーバ１００の処理装置１２０であるもとする。

処理装置１２０は、サーバ１００の記憶装置１３０にアクセスし、圃場画像データおよび区画ポリゴンデータを読み出す。処理装置１２０は、圃場画像データから選択された複数の圃場を被写体として含む領域画像と、複数の圃場のそれぞれに対応するように複数の区画ポリゴンから選択された区画ポリゴンとを重ねるためのデータセットを生成する。当該データセットに基づいて圃場領域と区画ポリゴンとを重ねた合成画像を、例えば端末２００の表示装置２２０に描画することが可能になる。処理装置１２０は、具体的には図４に示されるステップＳ１００からＳ６００の処理を逐次実行する。

処理装置１２０は、セグメンテーションによって領域画像から複数の圃場領域を抽出するステップ（Ｓ１００）と、複数の圃場領域のそれぞれの形状、および、複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも１つの幾何学的特徴量を算出するステップ（Ｓ２００）と、少なくとも１つの幾何学的特徴量に基づいて、複数の圃場領域と複数の区画ポリゴンとの対応関係を決定するステップ（Ｓ３００）と、複数の区画ポリゴンをそれぞれ規定する地理座標と、複数の区画ポリゴンのそれぞれに対応する圃場領域の、地理情報に基づいて算出される座標との間のずれ量を算出するステップ（Ｓ４００）と、ずれ量に基づいて、対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正するステップ（Ｓ５００）と、補正した座標の情報を含むデータセットを生成するステップ（Ｓ６００）と、を実行するように構成されている。

図３に例示されるように、処理装置１２０は、データ取得部７００、圃場領域抽出部７１１、前処理部７１２、ラベリング処理部７１３、特徴量算出部７１４、圃場領域テーブル生成部７１５、区画ポリゴン生成部７２１、ラベリング部７２２、特徴量算出部７２３、区画ポリゴンテーブル生成部７２４、対応関係決定部７３０、ずれ量算出部７４０および座標補正部７５０を含む複数の機能ブロックを有する。

ユーザは、初期設定として、圃場の区画の登録を行うことにより、区画ポリゴンをＧＩＳデータに記録する。例えば、ユーザは、表示装置２２０に表示される画像を見ながら、登録すべき圃場の形状を規定する３以上の頂点を順番にクリックし、頂点にピンを作成していくことにより、圃場の区画を確定していく。ユーザは、所有する１以上の圃場の区画の登録を行う。

日本において、区画ポリゴンは農林水産省から「筆ポリゴン」として提供されている。本実施形態において、上述した方法でユーザが区画ポリゴンを登録する代わりに、筆ポリゴンのデータを区画ポリゴンデータとして活用し得る。ただし、筆ポリゴンには誤差が含まれ得るために、空撮画像などに位置合わせを行うときに位置ずれが生じ易くなる。特に、空撮画像の地理情報の正確度が高い場合、空撮画像と筆ポリゴンとの地理情報の間で相対的に大きな誤差が生じ、結果として、両者の間で位置ずれが発生し易くなる。本実施形態によれば、後述するようにこの問題を解決することができる。

ユーザは、先ず、圃場画像データを準備する。ユーザは、例えば、ドローン４００を利用して、クラウド上で管理したい１または複数の圃場を被写体として含む空撮画像を取得することができる。ユーザは、例えばタブレット２００Ｂを操作してドローン４００の飛行経路および空撮画像の撮影条件を設定し、ドローン４００の飛行および撮影を制御することができる。ドローン４００は、それらの設定に従って上空を飛行し、複数枚の空撮画像を取得することが可能である。ドローン４００によって取得された空撮画像のデータは、例えば、通信ＩＦ４７０およびネットワーク６０を介してサーバ１００の記憶装置１３０に送信されて圃場画像データとして保存される。

データ取得部７００は、サーバ１００の記憶装置１３０にアクセスし、区画ポリゴンデータおよび圃場画像データを取得する。データ取得部７００は、圃場画像データに含まれるメタデータから、圃場を撮影したときのドローン４００の位置および姿勢の情報を抽出する。

データ取得部７００は、カメラの外部パラメータおよび内部パラメータを用いて、画像座標系における画素の位置からワールド座標系（すなわち、地理座標系）における地理座標に座標変換を行う。データ取得部７００は、地理座標と圃場画像データとを関連付け、地理座標を有する圃場画像データを生成することが可能である。座標変換を適用した後の圃場画像データは、画素ごとに地理座標を有し得る。

データ取得部７００は、外部パラメータとして、地理座標系におけるドローン４００の位置情報に基づいて３次元の平行移動ベクトルＴを算出し、姿勢情報に基づいて３×３の回転行列Ｒを算出する。データ取得部７００は、撮像装置４１０のカメラの焦点距離、画素ピッチおよび画像中心に基づいて３×３の変換行列で表される内部パラメータを算出する。

データ取得部７００は、例えばパノラマ合成の技術を用いて、ドローン４００が取得した複数枚の空撮画像を合成することによって、生育マップのデータを生成し得る。または、データ取得部７００は、例えばＳｆＭ（Structure from Motion）の技術を用いて、ドローン４００が取得した複数枚の空撮画像を合成することによって、生育マップのデータを生成し得る。ＳｆＭの技術によれば、複数の空撮画像からカメラの撮影位置を推定し、圃場の３次元形状を含むオルソ画像を生成することが可能となる。

本実施形態における圃場画像データはドローン４００によって取得される空撮画像のデータであるが、圃場画像データは衛星から取得されるマルチスペクトル画像のデータであってもよい。圃場画像データが衛星から取得されたマルチスペクトル画像のデータである場合、データ取得部７００は、マルチスペクトル画像に基づいて植生指数を算出し得る。データ取得部７００は、ＳｆＭの技術を用いて、オルソ画像における各画素について植生指数を算出して生育マップを生成してもよい。

図５は、複数の圃場を含む圃場画像の例を示す図である。図示される画像はパノラマ画像であり、生育マップの例を表している。データ取得部７００が記憶装置１３０から読み出した圃場画像データは例えば端末２００に送信され得る。表示装置２２０は、圃場画像データを受信し、圃場画像を表示することが可能である。ユーザは、表示された圃場画像に含まれる複数の圃場の中から、所有する１以上の圃場を、入力装置２１０を介して選択することができる。本実施形態において、データ取得部７００は、圃場画像データから選択された複数の圃場を被写体として含む領域画像を生成する。

データ取得部７００は、生成した領域画像に含まれる複数の圃場のそれぞれが有する地理情報に基づいて、例えばある地方の土地の区画を表す区画ポリゴン群の中から、選択された複数の圃場領域と対応関係にある可能性がある複数の区画ポリゴンを候補として選択する。候補として選択された複数の区画ポリゴンは、選択された複数の圃場領域の周辺に位置する１以上の圃場領域に対応する区画ポリゴンも含み得る。

図６は、領域画像から複数の圃場領域を抽出した後の領域画像を例示する図である。図６に、図５に例示される領域画像にセグメンテーションを適用した後の領域画像が例示されている。

圃場領域抽出部７１１は、セグメンテーションによって領域画像から複数の圃場領域を抽出し得る。本実施形態において、圃場領域抽出部７１１は、セマンティックセグメンテーションによって領域画像から複数の圃場領域を抽出する。

圃場領域抽出部７１１は、圃場領域にラベルが付された圃場画像のデータを含む訓練データを用いてセグメンテーションモデルを訓練して得られた学習済みモデルを用いて領域画像から複数の圃場領域を抽出する。例えば、ユーザが訓練データを準備し、サーバ１００がその訓練データを利用してセグメンテーションモデルを訓練することによって、学習済みモデルを生成することができる。または、学習済みモデルとして、ベンダーが提供するオープンソースのライブラリを利用し得る。

セマンティックセグメンテーションは、画像内の全画素にラベルまたはカテゴリを関連付けし、物体のカテゴリごとに領域分割する深層学習のアルゴリズムである。セマンティックセグメンテーションによれば、特徴的なカテゴリを形成する画素の集合を認識することが可能となる。本実施形態におけるカテゴリは、圃場領域である。セマンティックセグメンテーションによって複数の圃場領域を抽出した後の領域画像は、圃場領域と圃場領域以外の領域とが区別された２値化画像である。図６において、圃場領域が白で表示され、圃場領域以外の領域が黒で表示されている。ただし、白黒の表示は逆であってもよい。

セマンティックセグメンテーションの方法として、例えば、ＦＣＮ（Fully Convolutional Network）、Ｕ－Ｎｅｔ、ＳｅｇＮｅｔ、ＰＳＰＮｅｔ（Pyramid Scene Parsing Network）などを採用することができる。本実施形態において、Ｕ－Ｎｅｔのセマンティックセグメンテーションモデルが用いられる。

ここで、Ｕ－Ｎｅｔのネットワーク構造を簡単に説明する。Ｕ－Ｎｅｔは、畳み込みエンコーダ－デコーダ構造を有し、全結合層の代わりに畳み込み層によって構成される。Ｕ－Ｎｅｔのエンコーダは、畳み込み層およびダウンサンプリングするためのプーリング層を含む。デコーダは、畳み込み層およびアップサンプリングするためのアンプーリング層を含む。Ｕ－Ｎｅｔにおいてスキップ接続と呼ばれるコネクションが存在する。スキップ接続によって、エンコーダの各層から出力される特徴マップがデコーダの対応する各層に提供されて参照される。

領域画像が、圃場以外の領域に植生が存在しない植生指数画像などのグレースケール画像である場合、圃場領域の抽出はセグメンテーションの方法を必ずしも必要としない。この場合、圃場領域抽出部７１１は、植生指数画像を単純に２値化して２値化画像を取得し、２値化画像から圃場領域を抽出し得る。

図７は、前処理後の領域画像を例示する図である。図８は、ラベリング処理を適用した後の領域画像を例示する図である。参考として、図８に、画像の左上を原点とした画像座標系（ｘｙ平面）が示されている。

前処理部７１２は、後述するラベリング処理を適用する前の領域画像にノイズ除去処理を適用する。ノイズ除去処理の例は、オープニングおよびクロージングの処理である。オープニングは、ある回数だけ収縮してから同じ回数だけ膨張する処理であり、クロージングは、ある回数だけ膨張してから同じ回数だけ収縮する処理である。

ラベリング処理部７１３は、セマンティックセグメンテーションによって領域画像から複数の圃場領域を抽出した後、領域画像にラベリング処理を適用することによって、抽出した複数の圃場領域のそれぞれにラベルを付す処理を実行する。これにより、ラベリング処理部７１３は、区画ポリゴンに関連付ける圃場領域の候補を決定する。例えば、ラベリング処理部７１３は、隣接するラベルの関係を記述するルックアップテーブルＬＵＴを参照しながら領域画像に対しラスタスキャンを行い、同じ連結成分を構成する画素に同じラベルを付し、異なる連結成分を構成する画素に異なるラベルを付す処理を実行する。

本実施形態において、ラベリング処理部７１３は、圃場領域にアルファベットの文字をラベルとして付す処理を実行する。図８に、それぞれに異なるラベルが付された複数の圃場領域のうちの５つの圃場領域に付されたラベルＡからＦが例示されている。図示される例において、領域画像は４０以上の圃場領域を含んでいる。

特徴量算出部７１４は、異なるラベルが付された複数の圃場領域のそれぞれについて、少なくとも１つの幾何学的特徴量を算出する。少なくとも１つの幾何学的特徴量は、例えば圃場領域の形状の重心座標を含む。少なくとも１つの幾何学的特徴量は、さらに、圃場領域の形状の面積、外接矩形の幅および高さを含んでいてもよい。ここで、外接矩形は、圃場領域に接し、かつ、最小の面積を有する長方形を意味する。外接矩形の幅は、図８の画像座標系におけるｘ軸方向のサイズであり、外接矩形の高さは、画像座標系におけるｙ軸方向のサイズである。

本実施形態において、特徴量算出部７１４は、幾何学的特徴量として、圃場領域の形状の重心座標、面積、外接矩形の幅および高さを算出する。例えば、特徴量算出部７１４は、圃場領域の形状を規定する各頂点の画像座標系における座標を決定し、決定した座標に基づいて、圃場領域の形状の重心座標、面積、外接矩形の幅および高さを算出することができる。

図９は、圃場領域テーブルの例を示す表である。図示される例おいて、圃場領域テーブルは、属性を示すヘッダ行を最初の行に含み、４つのカラムを含む。属性は、圃場領域のラベル番号、圃場領域の形状の重心座標、外接矩形サイズ（幅×高さ）および面積を含む。重心座標は、画像座標系における座標である。

圃場領域テーブル生成部７１５は、複数の圃場領域のそれぞれに付されたラベルと、複数の圃場領域のそれぞれについて算出した少なくとも１つの幾何学的特徴量とを関連付ける圃場領域テーブルを生成する。より詳しく説明すると、圃場領域テーブル生成部７１５は、圃場領域に付されたラベルごとに、算出した圃場領域の形状の重心座標、外接矩形サイズ（幅×高さ）および面積の値を、それぞれ、フィールドに記録し、ラベル番号と、算出した幾何学的特徴量とを関連付けるレコードを作成する。図示される圃場領域テーブルの例において、複数のレコードのうちのラベルＡからＦに対応した６つのレコードが示されている。

図１０は、区画ポリゴンの形状を規定する地理座標を含む頂点リストのテーブルを例示する表である。図１１は、区画ポリゴンを描画した画像を例示する模式図である。図１２は、航空写真に区画ポリゴンを重ねた合成画像を例示す図である。

複数の区画ポリゴンのそれぞれの頂点を規定する地理座標は、経度および緯度情報を含み、図１０に例示されるように頂点リストのテーブルとして記録される。頂点リストのテーブルは、例えば、シェープファイルに格納された状態でサーバ１００の記憶装置１３０に記憶され得る。その場合、データ取得部７００は、記憶装置１３０から頂点リストのテーブルを読み出すことができる。区画ポリゴン生成部７２１は、頂点リストのテーブルを参照し、複数の区画ポリゴンの頂点を規定する地理座標に基づいて区画ポリゴンの形状を決定する。

図１３は、ラベルが付された区画ポリゴンを例示する模式図である。

ラベリング部７２２は、複数の区画ポリゴンのそれぞれにラベルを付す。本実施形態において、ラベリング部７２２は、区画ポリゴンに数字をラベルとして付す処理を実行する。図１３に、それぞれに異なるラベルが付された複数の区画ポリゴンのうちの６つの区画ポリゴンに付されたラベル０から５が例示されている。

特徴量算出部７２３は、異なるラベルが付された複数の区画ポリゴンについて、それぞれ、少なくとも１つの幾何学的特徴量を算出する。本実施形態において、特徴量算出部７２３は、特徴量算出部７１４と同様に、幾何学的特徴量として、区画ポリゴンの形状の重心座標、面積、外接矩形の幅および高さを算出する。特徴量算出部７２３は、頂点リストのテーブルに含まれる頂点の座標に基づいて区画ポリゴンの形状の重心座標、面積、外接矩形の幅および高さを算出することができる。

本実施形態において、特徴量算出部７２３は、区画ポリゴンの頂点を規定する座標を地理座標系から画像座標系に座標変換する処理を実行する。この変換処理に、上述したカメラの外部パラメータおよび内部パラメータを用いることができる。

図１４は、区画ポリゴンテーブルの例を示す表である。図示される例において、区画ポリゴンテーブルは、圃場領域テーブルと同様に、属性を示すヘッダ行を最初の行に含み、４つのカラムを含む。属性は、区画ポリゴンのラベル番号、区画ポリゴンの形状の重心座標、外接矩形サイズ（幅×高さ）および面積を含む。区画ポリゴンの形状の重心座標は、圃場領域と同様に、画像座標系における座標で表される。

区画ポリゴンテーブル生成部７２４は、複数の区画ポリゴンのそれぞれに付されたラベルと、複数の区画ポリゴンのそれぞれについて算出した少なくとも１つの幾何学的特徴量とを関連付ける区画ポリゴンテーブルを生成する。より詳しく説明すると、区画ポリゴンテーブル生成部７２４は、区画ポリゴンに付されたラベルごとに、算出した区画ポリゴンの形状の重心座標、外接矩形サイズ（幅×高さ）および面積の値を、それぞれ、フィールドに記録し、ラベル番号と、算出した幾何学的特徴量とを関連付けるレコードを作成する。図示される区画ポリゴンテーブルの例において、複数のレコードのうちのラベル０から５に対応した６つのレコードが示されている。

本実施形態において、対応関係にある可能性がある圃場領域と区画ポリゴンとの組を「ペア候補」と記載する。

図１５は、ペア候補のテーブルを例示する表である。図示される例において、ペア候補のテーブルは、属性を示すヘッダ行を最初の行に含み、３つのカラムを含む。属性は、圃場領域のラベル番号、区画ポリゴンのラベル番号および、対応関係にある可能性がある圃場領域と区画ポリゴンとの間の重心座標の差を含む。図１６は、ペア候補のテーブルに基づいて決定される圃場領域と区画ポリゴンとの対応関係のペア候補を説明するための図である。図１６に、対応関係にある可能性がある、図１５に示されるペア候補のうちの一部についての１対１の対応が破線の矢印で示されている。

対応関係決定部７３０は、少なくとも１つの幾何学的特徴量に基づいて、複数の圃場領域と複数の区画ポリゴンとの対応関係を決定する。より詳細には、対応関係決定部７３０は、圃場領域テーブルと区画ポリゴンテーブルとを参照して、複数の圃場領域と複数の区画ポリゴンとの対応関係を決定する。

図１７は、ステップＳ３００におけるより詳細な処理手順を例示するフローチャートである。ステップＳ３００は、ステップＳ３１０からＳ３６０までの処理を含み得る。

（ステップＳ３１０）
対応関係決定部７３０は、圃場領域テーブルと区画ポリゴンテーブルとを参照して、複数の圃場領域のそれぞれと複数の区画ポリゴンのそれぞれとの少なくとも１つの幾何学的特徴量を比較する。対応関係決定部７３０は、幾何学的特徴量を比較するために用いる、以下の（１）から（４）の少なくとも１つの判定値を算出し得る。本実施形態において、対応関係決定部７３０は、（１）から（４）の判定値を算出する。複数の圃場領域のうちの１つと、複数の区画ポリゴンとの１つとの任意の組み合わせの数だけ、対応関係決定部７３０はそれぞれの判定値を算出する。例えば、圃場領域テーブルに含まれる圃場領域の数がＭ個であり、区画ポリゴンテーブルに含まれる区画ポリゴンの数がＮ個である場合、組み合わせの数はＭ×Ｎ個である。
（１）複数の圃場領域のうちの１つと、複数の区画ポリゴンとの１つとの間の重心座標の差。
（２）複数の圃場領域のうちの１つの面積に対する複数の区画ポリゴンのうちの１つの面積の比（面積比）。
（３）複数の圃場領域のうちの１つの外接矩形の幅に対する複数の区画ポリゴンのうちの１つの外接矩形の幅の比、および、複数の圃場領域のうちの１つの外接矩形の高さに対する複数の区画ポリゴンのうちの１つの外接矩形の高さの比。
（４）複数の圃場領域のうちの１つの外接矩形のアスペクト比と、複数の区画ポリゴンのうちの１つの外接矩形のアスペクト比との間の差；ここで、外接矩形のアスペクト比は、外接矩形の幅および高さで規定され、例えば幅／（幅＋高さ）で算出される。

（ステップＳ３２０）
対応関係決定部７３０は、複数の圃場領域のうちの１つと複数の区画ポリゴンのうちの１つとの組み合わせの中から、比較結果が所定の条件を満たす圃場領域および区画ポリゴンの、対応する可能性がある複数のペア候補を選択する。

比較結果が所定の条件を満たすことは、上記（１）の重心座標の差が第１の所定範囲内にあること、上記（２）の面積比が第２の所定範囲内にあること、上記（３）の外接矩形の幅および高さの比が、それぞれ、第３の所定範囲内にあること、および、上記（４）のアスペクト比の差が第４の所定範囲内にあることのうちの少なくとも１つを含む。第１から第４の所定範囲は、設計仕様またはシステムの要求仕様などに従って適宜決定され得る。

本実施形態において、対応関係決定部７３０は、上記の（１）から（４）の全ての条件を満足する圃場領域および区画ポリゴンの、対応する可能性がある複数のペア候補を選択する。対応関係決定部７３０は、例えば、ペア候補ごとに重心座標の差をフィールドに記録し、ペア候補と重心座標の差とを関連付けるレコードを作成する。図１５に例示されるペア候補のテーブルは、対応関係決定部７３０が選択した対応する可能性がある９つのペア候補ＡＧ－１、Ｉ－２、Ｋ－３、Ｓ－６、Ｄ－７、Ｈ－８、Ｒ－９、Ｆ－１１、Ｗ－１５のレコードを含む。

図１６に、圃場領域または区画ポリゴンに付されたラベルが重複しないように、ペア候補が正しく対応付けされている様子が例示されている。しかし、同じまたは類似する形状を有する圃場が隣り合って並んでいる場合など、誤って対応付けされ得るペア候補が生じ、結果として、圃場領域に付されたラベルまたは区画ポリゴンに付されたラベルが重複する可能性がある。ラベルが重複するとは、例えば、Ａ－１およびＢ－１の組、または、Ａ－１およびＡ－２の組のようなペア候補のセットが選択されることを意味する。そこで、本実施形態では以下に説明するように、誤って対応付けされ得るペア候補を除去する処理が行われる。

（ステップＳ３３０）
対応関係決定部７３０は、複数のプレ組み合わせ候補を決定し、複数のプレ組み合わせ候補に基づいて複数の圃場領域と複数の区画ポリゴンとの対応関係を決定する。プレ組み合わせ候補は、複数のペア候補の中から選択される、圃場領域または区画ポリゴンに付されたラベルが重複しないペア候補を集合の要素として含む。換言すると、プレ組み合わせ候補は、当該集合の要素によって規定される。

図１８は、プレ組み合わせ候補のテーブルを例示する表である。図示される例において、プレ組み合わせ候補のテーブルは、属性を示すヘッダ行を最初の行に含み、３つのカラムを含む。属性は、プレ組み合わせ候補の番号、プレ組み合わせ候補、および、プレ組み合わせ候補を規定する集合についての重心座標差の標準偏差を含む。

図１９は、複数のプレ組み合わせ候補を決定するために用いられる深さ優先探索のアルゴリズムの実装例を示すフローチャートである。図２０Ａおよび図２０Ｂは、それぞれ、深さ優先探索のアルゴリズムの実装例を説明するための図である。図２０Ａおよび図２０Ｂのそれぞれにおいて、現在探索している区画ポリゴンを指定するポインタが三角マークで示されている。

本実施形態において、対応関係決定部７３０は、深さ優先探索のアルゴリズムを用いて複数のプレ組み合わせ候補を決定する。対応関係決定部７３０は、再帰関数を用いる深さ優先探索によって、区画ポリゴンに対応する圃場領域を順番に確定させることができる。

以下に、本実装例の詳細を記載する。ただし、深さ優先探索は本実装例に限定されず、様々なアルゴリズムによって実現され得る。説明を簡単にするために、ラベル番号１から３の区画ポリゴンと、ラベル番号ＡからＣの圃場領域との対応関係を決定する例を説明する。この例では、対応する可能性があるペア候補として、Ａ－１、Ａ－２、Ａ－３、Ｂ－１、Ｂ－２、Ｂ－３、Ｃ－１、Ｃ－２、Ｃ－３の９つが選択されたと仮定する。対応関係決定部７３０は、ラベルが重複するペア候補を含む複数のペア候補に基づいて、１つ以上のプレ組み合わせ候補を決定していく。

対応関係決定部７３０は、深さ優先探索を開始すると、全ての区画ポリゴンが圃場領域に紐付けられたかを判断する（ステップＳ３３１）。最初の段階では、区画ポリゴン１から３のそれぞれは、圃場領域ＡからＣのいずれにも紐付けられていないので、処理は次のステップＳ３３２に進む（ステップＳ３３１のＮｏ）。ステップＳ３３２において、１つの区画ポリゴンに対応する可能性がある１つ以上の圃場領域を探索するループ処理が開始される。このループ処理は、処理対象の区画ポリゴンに対応する可能性がある圃場領域のそれぞれについて順に行われる。

図２０Ａに示されるように、先ず、ポインタが区画ポリゴン１を指定する（フェーズａ）。対応関係決定部７３０は、ポインタが指定する区画ポリゴン１に対応する可能性がある１つ以上の圃場領域を探索するループ処理を実行し、他の区画ポリゴンに紐付けされていない圃場領域を探索する（ステップＳ３３３）。フェーズａにおいて、対応関係決定部７３０は、区画ポリゴン１に対して圃場領域Ａを選定する。ポインタは区画ポリゴン１から次の区画ポリゴン２に移動する（ステップＳ３３４）。図２０Ａに示されるように、ポインタは区画ポリゴン２を指定する（フェーズｂ）。

対応関係決定部７３０は、再帰呼び出し（ステップＳ３３５）を実行し、全ての区画ポリゴンが圃場領域に紐付けられたかを判断する（ステップＳ３３１）。フェーズｂにおいて、区画ポリゴン２および３についての圃場領域の紐付けが未だ完了していないので、処理は次のステップＳ３３２に進む（ステップＳ３３１のＮｏ）。対応関係決定部７３０は、ポインタが指定する区画ポリゴン２に対応する可能性がある１つ以上の圃場領域を探索するループ処理を実行し、他の区画ポリゴンに紐付けされていない圃場領域を探索する（ステップＳ３３３）。フェーズｂにおいて、区画ポリゴン１は圃場領域Ａに紐付けされているために、対応関係決定部７３０は、区画ポリゴン２に対して圃場領域Ｂを選定する。ポインタは区画ポリゴン２から次の区画ポリゴン３に移動する（ステップＳ３３４）。図２０Ａに示されるように、ポインタは区画ポリゴン３を指定する（フェーズｃ）。

対応関係決定部７３０は、再帰呼び出し（ステップＳ３３５）を実行し、全ての区画ポリゴンが圃場領域に紐付けられたかを判断する（ステップＳ３３１）。フェーズｃにおいて、区画ポリゴン３についての圃場領域の紐付けが未だ完了していないので、処理は次のステップＳ３３２に進む（ステップＳ３３１のＮｏ）。対応関係決定部７３０は、ポインタが指定する区画ポリゴン３に対応する可能性がある１つ以上の圃場領域を探索するループ処理を実行し、他の区画ポリゴンに紐付けされていない圃場領域を探索する（ステップＳ３３３）。フェーズｃにおいて、区画ポリゴン１は圃場領域Ａに紐付けされ、区画ポリゴン２は圃場領域Ｂに紐付けされているために、対応関係決定部７３０は、区画ポリゴン３に対して圃場領域Ｃを選定する。ポインタは区画ポリゴン３から次の区画ポリゴンに移動する（ステップＳ３３４）。図２０Ａに示されるように、ポインタは次の区画ポリゴンを指定する（フェーズｄ）。ただし、次の区画ポリゴンは存在しないため、ポインタが指す対象は「該当なし」である。

対応関係決定部７３０は、再帰呼び出し（ステップＳ３３５）を実行し、全ての区画ポリゴンが圃場領域に紐付けられたかを判断する（ステップＳ３３１）。フェーズｄにおいて、区画ポリゴン１から３は、それぞれ、圃場領域ＡからＣに紐付けられたために、処理は次のステップＳ３３６に進む（ステップＳ３３１のＹｅｓ）。対応関係決定部７３０は、｛Ａ－１，Ｂ－２，Ｃ－３｝のセットをプレ組み合わせ候補としてテーブルに追加する（ステップＳ３３６）。ポインタは「該当なし」から区画ポリゴン３に戻る（ステップＳ３３７）。図２０Ｂに示されるように、ポインタは区画ポリゴン３を指定する（フェーズｅ）。

対応関係決定部７３０は、ステップＳ３３２に戻り、ポインタが指定する区画ポリゴン３に対応する可能性がある１つ以上の圃場領域を探索するループ処理を実行する。フェーズｅにおいて、区画ポリゴン１は圃場領域Ａに紐付けられ、区画ポリゴン２は圃場領域Ｂに紐付けられている。対応関係決定部７３０は、他の区画ポリゴンに紐付けされていない圃場領域を探索する（ステップＳ３３３）。区画ポリゴン３に対して、圃場領域Ｃは既に選定されている。そのため、対応関係決定部７３０は、今度は、区画ポリゴン１および２に紐付けされていない圃場領域として「該当なし」を選定する。ポインタは区画ポリゴン３から次の区画ポリゴンに移動する（ステップＳ３３４）。図２０Ｂに示されるように、ポインタは次の区画ポリゴンを指定する（フェーズｆ）。ただし、次の区画ポリゴンは存在しないため、ポインタが指す対象は［該当なし］である。

対応関係決定部７３０は、再帰呼び出し（ステップＳ３３５）を実行し、全ての区画ポリゴンが圃場領域に紐付けられたかを判断する（ステップＳ３３１）。フェーズｆにおいて、区画ポリゴン１および２は、それぞれ、圃場領域ＡおよびＢに紐付けられ、区画ポリゴン３は「該当なし」に紐付けられたために、処理は次のステップＳ３３６に進む（ステップＳ３３１のＹｅｓ）。対応関係決定部７３０は、｛Ａ－１，Ｂ－２，「該当なし」－３｝のセットをプレ組み合わせ候補としてテーブルに追加する（ステップＳ３３６）。ポインタは「該当なし」から区画ポリゴン３に戻る（ステップＳ３３７）。図２０Ｂに示されるように、ポインタは区画ポリゴン３を指定する（フェーズｇ）。再びステップＳ３３２に戻り、ループ処理が行われる。

フェーズｇにおいて、区画ポリゴン１は圃場領域Ａに紐付けられ、区画ポリゴン２は圃場領域Ｂに紐付けられている。また、区画ポリゴン３に対して、圃場領域Ｃおよび「該当なし」は既に選定されている。そのため、ポインタが指定する区画ポリゴン３に対応する可能性がある圃場領域は存在しない。その結果、対応関係決定部７３０は、区画ポリゴン３に対応する可能性がある１つ以上の圃場領域を探索するループ処理を完了する（ステップＳ３３８）。ポインタは区画ポリゴン３から区画ポリゴン２に戻る（ステップＳ３３７）。図２０Ｂに示されるように、ポインタは区画ポリゴン２を指定する（フェーズｈ）。

対応関係決定部７３０は、区画ポリゴン２に対応する可能性がある１つ以上の圃場領域を探索するループ処理に戻る（ステップＳ３３２）。フェーズｈにおいて、区画ポリゴン１は圃場領域Ａに紐付けられている。対応関係決定部７３０は、区画ポリゴン１に紐付けされていない圃場領域を探索する（ステップＳ３３３）。区画ポリゴン２に対して、圃場領域Ｂは既に選定されている。そのため、対応関係決定部７３０は、今度は、区画ポリゴン２に対して圃場領域Ｃを選定する。ポインタは区画ポリゴン２から次の区画ポリゴン３に移動する（ステップＳ３３４）。図２０Ｂに示されるように、ポインタは次の区画ポリゴン３を指定する（フェーズｉ）。

対応関係決定部７３０は、再帰呼び出し（ステップＳ３３５）を実行し、全ての区画ポリゴンが圃場領域に紐付けられたかを判断する（ステップＳ３３１）。フェーズｉにおいて、区画ポリゴン１および２は、それぞれ、圃場領域ＡおよびＣに紐付けられ、区画ポリゴン３についての圃場領域の紐付けが未だ完了していないので、処理は次のステップＳ３３２に進む（ステップＳ３３１のＮｏ）。対応関係決定部７３０は、ポインタが指定する区画ポリゴン３に対応する可能性がある１つ以上の圃場領域を探索するループ処理を実行する。区画ポリゴン２に対して、圃場領域Ｃは既に選定されている。そのため、フェーズｉにおいて、対応関係決定部７３０は、区画ポリゴン３に対して圃場領域Ｂを選定する。ポインタは区画ポリゴン３から次の区画ポリゴンに移動する（ステップＳ３３４）。

以降、対応関係決定部７３０は、上記の手順に従って処理を繰り返し実行することによって、複数のプレ組み合わせ候補を決定することができる。

（ステップＳ３４０）
対応関係決定部７３０は、複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの少なくとも１つの幾何学的特徴量の差および／または比によって規定される値の統計量を算出する。例えば、対応関係決定部７３０は、複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの重心座標の差によって規定される値の統計量を算出し得る。統計量は、例えば、平均値、分散、標準偏差または変動係数であり得る。以下、統計量として標準偏差を採用する場合の例を説明する。

図１８に例示されるプレ組み合わせ候補のテーブルにおいて、例えば第２行のレコードに含まれる｛ＡＧ－１，Ｉ－２，Ｋ－３，Ｓ－６，Ｄ－７，Ｈ－８，Ｒ－９，Ｆ－１１，Ｗ－１５｝の９つのペア候補によってプレ組み合わせ候補１が規定される。本実施形態において、対応関係決定部７３０は、プレ組み合わせ候補１に含まれる９つの要素の全てについて、それぞれ、ペア候補である圃場領域と区画ポリゴンとの重心座標の差を算出する。最終的に、対応関係決定部７３０は、９つのペア候補の重心座標の差の標準偏差を算出する。対応関係決定部７３０は、算出した重心座標の差の標準偏差「１９．０」を第３カラムのフィールドに記録する。

これと同様に、例えば第３行のレコードに含まれる｛ＡＧ－１，Ｉ－２，Ｋ－３，Ｓ－６，Ｄ－７，Ｈ－８，Ｒ－９，Ｆ－１１｝の８つのペア候補によってプレ組み合わせ候補２が規定される。対応関係決定部７３０は、プレ組み合わせ候補２に含まれる８つの要素の全てについて、それぞれ、ペア候補である圃場領域と区画ポリゴンとの重心座標の差を算出する。対応関係決定部７３０は、８つのペア候補の重心座標の差の標準偏差を算出する。対応関係決定部７３０は、算出した重心座標の差の標準偏差「１９．７」を第３カラムのフィールドに記録する。対応関係決定部７３０は、プレ組み合わせ候補３から６を含む残りのプレ組み合わせ候補に対しても、それぞれ、プレ組み合わせ候補に含まれるペア候補の重心座標の差の標準偏差を算出する。

対応関係決定部７３０は、複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの面積の比によって規定される値の統計量を算出し得る。対応関係決定部７３０は、例えば、ペア候補の圃場領域と区画ポリゴンとの面積比の標準偏差を算出し得る。面積比の標準偏差を用いて対応関係を評価することによって、圃場領域と区画ポリゴンとの縮尺がずれているような場合においても、圃場領域と区画ポリゴンの対応関係を正確に決定することができる。

（ステップＳ３５０）
対応関係決定部７３０は、複数のプレ組み合わせ候補から、算出した統計量が所定値未満となる少なくとも１つの組み合わせ候補を選択し、統計量が所定値以上となる組み合わせ候補（以降、「偽のプレ組み合わせ候補」と表記する。）を除外する。本実施形態において、重心座標差の標準偏差に対し、所定値は例えば２０．０に設定される。対応関係決定部７３０は、複数のプレ組み合わせ候補から、算出した重心座標差の標準偏差が２０．０未満となる少なくとも１つの組み合わせ候補を選択し、重心座標差の標準偏差が２０．０以上となる偽の組み合わせ候補を除外する。図１８に示される例において、標準偏差が２０．５であるために、プレ組み合わせ候補６は偽のプレ組み合わせ候補としてテーブルから除外される。

（ステップＳ３６０）
図２１は、プレ組み合わせ候補のテーブルから偽のプレ組み合わせ候補を除外した最終的な組み合わせ候補のテーブルを例示する表である。図示される例において、組み合わせ候補のテーブルは、属性を示すヘッダ行を最初の行に含み、３つのカラムを含む。属性は、組み合わせ候補の番号、組み合わせ候補および、組み合わせ候補に含まれる集合の要素の重心座標差の平均値を含む。

対応関係決定部７３０は、組み合わせ候補のテーブルに含まれる少なくとも１つの組み合わせ候補に基づいて複数の圃場領域と複数の区画ポリゴンとの対応関係を決定する。より詳しく説明すると、対応関係決定部７３０は、組み合わせ候補のテーブルに含まれる少なくとも１つの組み合わせ候補のうちの、集合の要素の数が最も多い組み合わせ候補に基づいて、複数の圃場領域と複数の区画ポリゴンとの対応関係を決定する。図２１に示される例において、組み合わせ候補１から５の中で、組み合わせ候補１に含まれる要素の数が９個で最も多いために、対応関係決定部７３０は、組み合わせ候補１を最適な組み合わせとして決定する。

集合の要素の数が最も多い組み合わせ候補が複数個存在する場合が考えられる。その場合、本実施形態において、対応関係決定部７３０は、組み合わせ候補に含まれる集合の要素から算出される重心座標差の平均値が最小となる組み合わせ候補を最適な組み合わせとして決定する。図２１に示される例において、集合の要素の最大数が８個であると仮定する。その場合、組み合わせ候補２または組み合わせ候補３が、最適な組み合わせの候補となる。重心座標差の平均値に関して、組み合わせ候補３が組み合わせ候補２よりも小さいので、対応関係決定部７３０は、組み合わせ候補３を最適な組み合わせとして決定する。

以上の処理により、複数の圃場領域と複数の区画ポリゴンと対応関係を決定することが可能となる。ただし、全ての圃場領域が全ての区画ポリゴンに１対１で対応しない場合もあり得る。その場合、処理装置１２０は、圃場領域との対応付けに成功した区画ポリゴンの地理情報に基づいて全ての区画ポリゴンのそれぞれを規定する地理情報を補正することによって、全ての対応関係を決定し得る。

図２２は、区画ポリゴンと圃場領域とを重ねたときに、区画ポリゴンに対し、当該区画ポリゴンと対応関係にある圃場領域がずれている様子を例示する模式図である。図２３は、座標のずれを補正し、対応関係にある区画ポリゴンと圃場領域とを重ねた様子を例示する模式図である。図２２、図２３において、区画ポリゴンが実線で示され、圃場領域が破線で示されている。

図２２に、区画ポリゴンの頂点に対して、区画ポリゴンの頂点に対応する圃場領域の頂点が左下方向にずれた様子が例示されているが、ずれの方向はこの方向に限定されない。ずれの方向は任意の方向であり得る。

圃場領域を規定する４つの頂点ｂ１からｂ４は、それぞれ、区画ポリゴンを規定する４つの頂点ａ１からａ４に対してずれている。主な理由は、上述したように、ユーザによる区画ポリゴンの登録が不正確であり得たり、ドローンに搭載されたＧＮＳＳユニットによる測位精度に誤差が生じ得たりするためである。さらに、ドローン４００が取得した複数枚の空撮画像を合成するときに合成の誤差が生じ得るためである。

ずれ量算出部７４０は、複数の区画ポリゴンをそれぞれ規定する地理座標と、複数の区画ポリゴンのそれぞれに対応する圃場領域の、地理情報に基づいて算出される座標との間のずれ量を算出する。ずれ量算出部７４０は、対応関係にある圃場領域と区画ポリゴンとの座標のずれ量を順番に算出することができる。ずれ量算出部７４０は、地理情報に基づいて算出される圃場領域の座標として、データ取得部７００が座標変換した地理座標を利用することができる。これにより、ずれ量算出部７４０は、地理座標に基づいて区画ポリゴンと、当該区画ポリゴンと対応関係にある圃場領域との間のずれ量を算出することができる。例えば、ずれ量算出部７４０は、各頂点のずれ量Δｂ１－ａ１、Δｂ２－ａ２、Δｂ３－ａ３およびΔｂ４－ａ４を算出し得る。ずれ量Δは、例えば２つの座標の点のユークリッド距離で表される。また、ずれ量算出部７４０は、地理座標に基づいて区画ポリゴンと、当該区画ポリゴンと対応関係にある圃場領域との間の重心座標のずれ量を算出し得る。

座標補正部７５０は、ずれ量算出部７４０が算出したずれ量に基づいて、対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正する。本実施形態において、座標補正部７５０は、ずれ量に基づいて、対応関係にある圃場領域および区画ポリゴンのうちの圃場領域の座標を補正する。ずれ量を補正する方法の一例として、座標補正部７５０は、重心座標のずれ量に基づいて圃場領域の座標を補正し得る。これは重心座標の平行移動を意味する。重心座標のずれ量を算出することで、対応関係にある圃場領域と区画ポリゴンとの位置合わせを比較的容易に精度よく行うことが可能となる。特に、セグメンテーションにより領域画像から抽出した圃場領域が不完全な場合、または、クラウドへの圃場の登録がある程度のずれを許容する場合に有効である。

他の一例として、座標補正部７５０は、各頂点のずれ量Δｂ１－ａ１、Δｂ２－ａ２、Δｂ３－ａ３およびΔｂ４－ａ４に基づいて圃場領域の座標を補正し得る。実際、重心座標を平行移動させるだけでは不十分であり、カメラの姿勢および／または画角などによって拡大・縮小などの処理が必要になることがある。この場合、座標補正部７５０は、各頂点のずれ量に基づいて領域画像にホモグラフィ変換を適用することによって、対応関係にある圃場領域および区画ポリゴンのうちの圃場領域の座標を補正し得る。ホモグラフィ変換はアフィン変換の概念を含む。ホモグラフィ変換は「射影変換」または「透視変換」とも呼ばれ得る。アフィン変換を適用すれば、平行移動・回転・拡縮を行う変換が可能となり、ホモグラフィ変換を適用すれば台形変形も可能となる。

座標補正部７５０は、補正した座標の情報を含むデータセットを生成し、例えばＲＯＭ１２２に一時的に記憶し得る。座標補正部７５０は、対応関係にある区画ポリゴンと圃場領域とを重ねた合成画像のデータを、データセットに含まれる補正した座標に基づいて生成することができる。合成画像はＲＯＭ１２２に記憶したり、通信ＩＦ１１０を介して端末２００に送信したりすることができる。端末２００に送信された合成画像は、表示装置２２０に表示され得る。これにより、ユーザは、例えば、航空写真に正確に重ねて表示された生育マップを確認し、農作物の生育状況を把握することが可能になる。

圃場領域と区画ポリゴンとの地理情報の間に、既に説明したような種々の要因によって誤差が生じ得る。さらに、セグメンテーションの精度によって、セグメンテーションを適用して抽出した圃場領域の地理情報にも誤差が生じ得る。

本実施形態による位置合わせのアルゴリズムの実装例によれば、様々な要因から圃場領域および／または区画ポリゴンの地理情報に誤差が生じている場合において、圃場領域と区画ポリゴンとの対応関係を高い精度で決定することができる。圃場領域と区画ポリゴンとの地理情報の間に相対的に大きな誤差が生じている場合であっても、圃場領域と区画ポリゴンとを地理情報に基づいて重ねたときに生じる位置ずれを補正することが可能になる。その結果、位置ずれを手動で補正する作業量が大幅に低減され、ユーザの利便性が向上し得る。

図２４を参照して、本実施形態の変形例を説明する。

上述した実施形態では、処理装置１２０が、プレ組み合わせ候補のテーブルの中から最適な組み合わせを自動的に決定する例を説明したが、本開示はこれに限定されない。本実施形態に係るシステム１０００は、自動モードおよび手動モードを含む動作モードを有し得る。自動モードは、複数のプレ組み合わせ候補から、複数の圃場領域と複数の区画ポリゴンとの対応関係を決定するための最適な組み合わせを処理装置１２０によって自動で決定するモードである。手動モードは、当該組み合わせをユーザが決定するモードである。

動作モードが手動モードに設定されているとき、処理装置１２０は、複数のプレ組み合わせ候補を端末２００に出力して、表示装置２２０に表示する。ユーザは端末２００の入力装置２１０を介して複数のプレ組み合わせ候補の中から１つを最適な組み合わせとして選択することが可能である。処理装置１２０は、選択された１つの組み合わせに基づいて、複数の圃場領域と複数の区画ポリゴンとの対応関係を決定することができる。

図２４は、表示装置２２０に表示される位置合わせのためのＧＵＩ(Graphical User Interface)の表示例を示す模式図である。例えば、航空写真に区画ポリゴンを重ねた合成画像が、ＧＵＩ上に表示され得る。この合成画像における区画ポリゴンは、例えば、ユーザによるプレ組み合わせ候補の選択に連動して切り替わるように表示され得る。ユーザは、この合成画像を確認しながら、プレ組み合わせ候補の中から最適な組み合わせを決定することができる。

動作モードが自動モードに設定されているとき、処理装置１２０は、上述したように、複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの少なくとも１つの幾何学的特徴量の差および／または比によって規定される値の統計量を算出し、複数のプレ組み合わせ候補から、統計量が所定値未満となる少なくとも１つの組み合わせ候補を選択し、少なくとも１つの組み合わせ候補に基づいて複数の圃場領域と複数の区画ポリゴンとの対応関係を決定することができる。

図２５は、圃場領域と区画ポリゴンとの位置合わせを行うための方法の例による処理手順を示すフローチャートである。

圃場領域と区画ポリゴンとの位置合わせを行うための方法は、上述したステップＳ１００からＳ６００の処理に加え、ドローン４００に搭載された撮像装置４１０を用いて、１以上の圃場領域を被写体として含む空撮画像を取得し、取得した空撮画像のデータを記憶装置１３０に送信し、圃場画像データとして記憶装置１３０に記憶する処理（ステップＳ７００）を含み得る。ステップＳ７００の後、前述のステップＳ１００からＳ６００の処理が実行される。図２５に示す方法により、ドローンを用いて所望の圃場を被写体として含む空撮画像を取得し、その空撮画像のデータと区画ポリゴンのデータとに基づいて、圃場領域と区画ポリゴンとの対応関係を自動で決定することができる。

以上のように、本開示は、以下の項目に記載の農業支援システム、方法、およびコンピュータプログラムを含む。

［項目１］
それぞれが圃場を表す複数の区画ポリゴンと前記複数の区画ポリゴンのそれぞれを規定する地理座標を含む区画ポリゴンデータ、および、圃場画像データを記憶する記憶装置と、
前記圃場画像データから選択された複数の圃場を被写体として含む領域画像と、前記複数の圃場のそれぞれに対応するように前記複数の区画ポリゴンから選択された区画ポリゴンとを重ねるためのデータセットを生成する処理装置と、
を備え、
前記圃場画像データは、地理情報を有する空撮画像または衛星画像を含み、
前記処理装置は、
前記領域画像から複数の圃場領域を抽出し、
前記複数の圃場領域のそれぞれの形状、および、前記複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも１つの幾何学的特徴量を算出し、
前記少なくとも１つの幾何学的特徴量に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定し、
前記複数の区画ポリゴンをそれぞれ規定する前記地理座標と、前記複数の区画ポリゴンのそれぞれに対応する圃場領域の、前記地理情報に基づいて算出される座標との間のずれ量を算出し、
前記ずれ量に基づいて、前記対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正し、
前記データセットは、補正した前記座標の情報を含む、農業支援システム。
［項目２］
前記処理装置は、セグメンテーションによって前記領域画像から前記複数の圃場領域を抽出する、項目１に記載の農業支援システム。
［項目３］
前記少なくとも１つの幾何学的特徴量は重心座標を含む、項目１または２に記載の農業支援システム。
［項目４］
前記少なくとも１つの幾何学的特徴量は、面積、外接矩形の幅および高さを含む、項目１から３のいずれかに記載の農業支援システム。
［項目５］
前記処理装置は、
セグメンテーションによって前記領域画像から前記複数の圃場領域を抽出した後、前記領域画像にラベリング処理を適用することによって、抽出した前記複数の圃場領域のそれぞれにラベルを付し、かつ、前記複数の圃場領域のそれぞれに付したラベルと、前記複数の圃場領域のそれぞれについて算出した前記少なくとも１つの幾何学的特徴量とを関連付ける圃場領域テーブルを生成し、
前記複数の区画ポリゴンのそれぞれにラベルを付し、前記複数の区画ポリゴンのそれぞれに付したラベルと、前記複数の区画ポリゴンのそれぞれについて算出した前記少なくとも１つの幾何学的特徴量とを関連付ける区画ポリゴンテーブルを生成し、
前記圃場領域テーブルと前記区画ポリゴンテーブルとを参照して、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目１に記載の農業支援システム。
［項目６］
前記処理装置は、前記ラベリング処理を適用する前の前記領域画像にノイズ除去処理を適用する、項目５に記載の農業支援システム。
［項目７］
前記セグメンテーションによって前記複数の圃場領域を抽出した後の前記領域画像は、圃場領域と圃場領域以外の領域とを区別する２値化画像である、項目２または５に記載の農業支援システム。
［項目８］
前記処理装置は、
前記圃場領域テーブルと前記区画ポリゴンテーブルとを参照して、前記複数の圃場領域のそれぞれと前記複数の区画ポリゴンのそれぞれとの前記少なくとも１つの幾何学的特徴量を比較し、
前記複数の圃場領域のうちの１つと前記複数の区画ポリゴンのうちの１つとの組み合わせの中から、比較結果が所定の条件を満たす圃場領域および区画ポリゴンの、対応する可能性がある複数のペア候補を選択し、
それぞれが、前記複数のペア候補の中から選択されるペア候補であって、圃場領域または区画ポリゴンに付したラベルが重複しないペア候補を集合の要素として含む複数のプレ組み合わせ候補を決定し、
前記複数のプレ組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目５または６に記載の農業支援システム。
［項目９］
前記処理装置は、深さ優先探索のアルゴリズムを用いて前記複数のプレ組み合わせ候補を決定する、項目８に記載の農業支援システム。
［項目１０］
前記少なくとも１つの幾何学的特徴量は、重心座標、面積、外接矩形の幅および高さを含み、
前記比較結果が所定の条件を満たすことは、前記重心座標の差が第１の所定範囲内にあること、前記面積の比が第２の所定範囲内にあること、前記外接矩形の幅および高さの比が、それぞれ、第３の所定範囲内にあること、および、前記外接矩形の幅および高さによって規定されるアスペクト比の差が第４の所定範囲内にあることのうちの少なくとも１つを含む、項目８または９に記載の農業支援システム。
［項目１１］
前記処理装置は、
前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記少なくとも１つの幾何学的特徴量の差および／または比によって規定される値の統計量を算出し、
前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも１つの組み合わせ候補を選択し、
前記少なくとも１つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目８から１０のいずれかに記載の農業支援システム。
［項目１２］
前記処理装置は、前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記重心座標の差によって規定される値の前記統計量を算出する、項目１１に記載の農業支援システム。
［項目１３］
前記統計量は平均値、分散、標準偏差または変動係数を含む、項目１１または１２に記載の農業支援システム。
［項目１４］
前記少なくとも１つの組み合わせ候補のうちの、前記集合の要素の数が最も多い組み合わせ候補に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目１１から１３のいずれかに記載の農業支援システム。
［項目１５］
前記処理装置は、前記対応関係にある区画ポリゴンと圃場領域とを重ねた合成画像のデータを前記データセットに基づいて生成する、項目１から１４のいずれかに記載の農業支援システム。
［項目１６］
前記合成画像を表示する表示装置をさらに備える、項目１５に記載の農業支援システム。
［項目１７］
前記処理装置は、前記ずれ量に基づいて前記領域画像にホモグラフィ変換を適用することによって、前記対応関係にある圃場領域および区画ポリゴンのうちの前記圃場領域の座標を補正する、項目１から１６のいずれかに記載の農業支援システム。
［項目１８］
前記農業支援システムは、前記複数のプレ組み合わせ候補から、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定するために用いる組み合わせを前記処理装置によって自動で決定する自動モード、および、前記組み合わせをユーザが決定する手動モードを含む動作モードを有する、項目８から１０のいずれかに記載の農業支援システム。
［項目１９］
表示装置と、前記ユーザからの指示を受け取る入力装置とをさらに備え、
前記動作モードが前記手動モードに設定されているとき、
前記処理装置は、
前記複数のプレ組み合わせ候補を前記表示装置に表示し、
前記ユーザが前記入力装置を介して前記複数のプレ組み合わせ候補の中から選択した１つの組み合わせに基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定し、
前記動作モードが前記自動モードに設定されているとき、
前記処理装置は、
前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記少なくとも１つの幾何学的特徴量の差および／または比によって規定される値の統計量を算出し、
前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも１つの組み合わせ候補を選択し、
前記少なくとも１つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、項目１８に記載の農業支援システム。
［項目２０］
前記圃場画像データは、ＲＧＢデータ、植生指数データまたはマルチスペクトル画像データを含む、項目１から１９のいずれかに記載の農業支援システム。
［項目２１］
前記処理装置は、圃場領域にラベルが付された圃場画像のデータを含む訓練データを用いてセグメンテーションモデルを訓練して得られた学習済みモデルを用いて前記領域画像から前記複数の圃場領域を抽出する、項目１から２０のいずれかに記載の農業支援システム。
［項目２２］
圃場領域と区画ポリゴンとの位置合わせを行うための方法であって、
それぞれが圃場を表す複数の区画ポリゴンと前記複数の区画ポリゴンのそれぞれを規定する地理座標を含む区画ポリゴンデータ、および、圃場画像データを記憶する記憶装置にアクセスして、前記区画ポリゴンデータおよび前記圃場画像データを取得することであって、前記圃場画像データは、地理情報を有する空撮画像または衛星画像を含むことと、
前記圃場画像データから選択された複数の圃場を被写体として含む領域画像から複数の圃場領域を抽出することと、
前記複数の圃場領域のそれぞれの形状、および、前記複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも１つの幾何学的特徴量を算出することと、
前記少なくとも１つの幾何学的特徴量に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定することと、
前記複数の区画ポリゴンをそれぞれ規定する前記地理座標と、前記複数の区画ポリゴンのそれぞれに対応する圃場領域の、前記地理情報に基づいて算出される座標との間のずれ量を算出することと、
前記ずれ量に基づいて、前記対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正することと、
補正した前記座標の情報を含むデータセットを生成することと、
を包含する、方法。
［項目２３］
無人航空機に搭載された撮像装置を用いて、１以上の圃場領域を被写体として含む前記空撮画像を取得することと、
取得した前記空撮画像のデータを前記記憶装置に送信し、前記圃場画像データとして前記記憶装置に記憶することと、を含む項目２２に記載の方法。
［項目２４］
圃場領域と区画ポリゴンとの位置合わせを行うコンピュータによって実行されるコンピュータプログラムであって、
それぞれが圃場を表す複数の区画ポリゴンと前記複数の区画ポリゴンのそれぞれを規定する地理座標を含む区画ポリゴンデータ、および、圃場画像データを記憶する記憶装置にアクセスして、前記区画ポリゴンデータおよび前記圃場画像データを取得することであって、前記圃場画像データは、地理情報を有する空撮画像または衛星画像を含むことと、
前記圃場画像データから選択された複数の圃場を被写体として含む領域画像から複数の圃場領域を抽出することと、
前記複数の圃場領域のそれぞれの形状、および、前記複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも１つの幾何学的特徴量を算出することと、
前記少なくとも１つの幾何学的特徴量に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定することと、
前記複数の区画ポリゴンをそれぞれ規定する前記地理座標と、前記複数の区画ポリゴンのそれぞれに対応する圃場領域の、前記地理情報に基づいて算出される座標との間のずれ量を算出することと、
前記ずれ量に基づいて、前記対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正することと、
補正した前記座標の情報を含むデータセットを生成することと、
を実行させるコンピュータプログラム。

本開示の実施形態は、例えば生育マップなどのデータをクラウド上で管理する農業支援システムに利用され得る。

６０ ：ネットワーク
１００ ：サーバコンピュータ（サーバ）
１２０ ：処理装置
１２１ ：プロセッサ
１２２ ：ＲＯＭ
１２３ ：ＲＡＭ
１３０ ：記憶装置
２００ ：端末
２００ ：表示装置
２００ ：端末
２００Ａ ：ラップトップコンピュータ
２００Ｂ ：タブレットコンピュータ
２１０ ：入力装置
２２０ ：表示装置
２３０ ：プロセッサ
２４０ ：ＲＯＭ
２５０ ：ＲＡＭ
２６０ ：記憶装置
３００ ：作業車両
４００ ：ドローン
４１０ ：撮像装置
４２０ ：ＲＴＫ測位ユニット
４３０ ：ＩＭＵ
４４０ ：駆動装置
４５０ ：制御装置
４６０ ：データ生成装置
７００ ：データ取得部
７１１ ：圃場領域抽出部
７１２ ：前処理部
７１３ ：ラベリング処理部
７１４ ：特徴量算出部
７１５ ：圃場領域テーブル生成部
７２１ ：区画ポリゴン生成部
７２２ ：ラベリング部
７２３ ：特徴量算出部
７２４ ：区画ポリゴンテーブル生成部
７３０ ：対応関係決定部
７４０ ：ずれ量算出部
７５０ ：座標補正部
１０００ ：農業支援システム（システム）

Claims (21)

1. それぞれが圃場を表す複数の区画ポリゴンと前記複数の区画ポリゴンのそれぞれを規定する地理座標を含む区画ポリゴンデータ、および、圃場画像データを記憶する記憶装置と、
   前記圃場画像データから選択された複数の圃場を被写体として含む領域画像と、前記複数の圃場のそれぞれに対応するように前記複数の区画ポリゴンから選択された区画ポリゴンとを重ねるためのデータセットを生成する処理装置と、
   を備え、
   前記圃場画像データは、地理情報を有する空撮画像または衛星画像を含み、
   前記処理装置は、
   前記領域画像から複数の圃場領域を抽出し、
   前記複数の圃場領域のそれぞれの形状、および、前記複数の区画ポリゴンのそれぞれの形状を特徴付ける少なくとも１つの幾何学的特徴量を算出し、
   前記少なくとも１つの幾何学的特徴量に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定し、
   前記複数の区画ポリゴンをそれぞれ規定する前記地理座標と、前記複数の区画ポリゴンのそれぞれに対応する圃場領域の、前記地理情報に基づいて算出される座標との間のずれ量を算出し、
   前記ずれ量に基づいて、前記対応関係にある圃場領域および区画ポリゴンの少なくとも一方の座標を補正し、
   前記データセットは、補正した前記座標の情報を含む、農業支援システム。
2. 前記処理装置は、セグメンテーションによって前記領域画像から前記複数の圃場領域を抽出する、請求項１に記載の農業支援システム。
3. 前記少なくとも１つの幾何学的特徴量は重心座標を含む、請求項１または２に記載の農業支援システム。
4. 前記少なくとも１つの幾何学的特徴量は、面積、外接矩形の幅および高さを含む、請求項１から３のいずれかに記載の農業支援システム。
5. 前記処理装置は、
   セグメンテーションによって前記領域画像から前記複数の圃場領域を抽出した後、前記領域画像にラベリング処理を適用することによって、抽出した前記複数の圃場領域のそれぞれにラベルを付し、かつ、前記複数の圃場領域のそれぞれに付したラベルと、前記複数の圃場領域のそれぞれについて算出した前記少なくとも１つの幾何学的特徴量とを関連付ける圃場領域テーブルを生成し、
   前記複数の区画ポリゴンのそれぞれにラベルを付し、前記複数の区画ポリゴンのそれぞれに付したラベルと、前記複数の区画ポリゴンのそれぞれについて算出した前記少なくとも１つの幾何学的特徴量とを関連付ける区画ポリゴンテーブルを生成し、
   前記圃場領域テーブルと前記区画ポリゴンテーブルとを参照して、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項１に記載の農業支援システム。
6. 前記処理装置は、前記ラベリング処理を適用する前の前記領域画像にノイズ除去処理を適用する、請求項５に記載の農業支援システム。
7. 前記セグメンテーションによって前記複数の圃場領域を抽出した後の前記領域画像は、圃場領域と圃場領域以外の領域とを区別する２値化画像である、請求項２または５に記載
   の農業支援システム。
8. 前記処理装置は、
   前記圃場領域テーブルと前記区画ポリゴンテーブルとを参照して、前記複数の圃場領域のそれぞれと前記複数の区画ポリゴンのそれぞれとの前記少なくとも１つの幾何学的特徴量を比較し、
   前記複数の圃場領域のうちの１つと前記複数の区画ポリゴンのうちの１つとの組み合わせの中から、比較結果が所定の条件を満たす圃場領域および区画ポリゴンの、対応する可能性がある複数のペア候補を選択し、
   それぞれが、前記複数のペア候補の中から選択されるペア候補であって、圃場領域または区画ポリゴンに付したラベルが重複しないペア候補を集合の要素として含む複数のプレ組み合わせ候補を決定し、
   前記複数のプレ組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項５または６に記載の農業支援システム。
9. 前記処理装置は、深さ優先探索のアルゴリズムを用いて前記複数のプレ組み合わせ候補を決定する、請求項８に記載の農業支援システム。
10. 前記少なくとも１つの幾何学的特徴量は、重心座標、面積、外接矩形の幅および高さを含み、
    前記比較結果が所定の条件を満たすことは、前記重心座標の差が第１の所定範囲内にあること、前記面積の比が第２の所定範囲内にあること、前記外接矩形の幅および高さの比が、それぞれ、第３の所定範囲内にあること、および、前記外接矩形の幅および高さによって規定されるアスペクト比の差が第４の所定範囲内にあることのうちの少なくとも１つを含む、請求項８または９に記載の農業支援システム。
11. 前記処理装置は、
    前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記少なくとも１つの幾何学的特徴量の差および／または比によって規定される値の統計量を算出し、
    前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも１つの組み合わせ候補を選択し、
    前記少なくとも１つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項８から１０のいずれかに記載の農業支援システム。
12. 前記処理装置は、
    前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記重心座標の差によって規定される値の統計量を算出し、
    前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも１つの組み合わせ候補を選択し、
    前記少なくとも１つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項１０に記載の農業支援システム。
13. 前記統計量は平均値、分散、標準偏差または変動係数を含む、請求項１１または１２に記載の農業支援システム。
14. 前記少なくとも１つの組み合わせ候補のうちの、前記集合の要素の数が最も多い組み合わせ候補に基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項１１から１３のいずれかに記載の農業支援システム。
15. 前記処理装置は、前記対応関係にある区画ポリゴンと圃場領域とを重ねた合成画像のデータを前記データセットに基づいて生成する、請求項１から１４のいずれかに記載の農業支援システム。
16. 前記合成画像を表示する表示装置をさらに備える、請求項１５に記載の農業支援システム。
17. 前記処理装置は、前記ずれ量に基づいて前記領域画像にホモグラフィ変換を適用することによって、前記対応関係にある圃場領域および区画ポリゴンのうちの前記圃場領域の座標を補正する、請求項１から１６のいずれかに記載の農業支援システム。
18. 前記農業支援システムは、前記複数のプレ組み合わせ候補から、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定するために用いる組み合わせを前記処理装置によって自動で決定する自動モード、および、前記組み合わせをユーザが決定する手動モードを含む動作モードを有する、請求項８から１０のいずれかに記載の農業支援システム。
19. 表示装置と、前記ユーザからの指示を受け取る入力装置とをさらに備え、
    前記動作モードが前記手動モードに設定されているとき、
    前記処理装置は、
    前記複数のプレ組み合わせ候補を前記表示装置に表示し、
    前記ユーザが前記入力装置を介して前記複数のプレ組み合わせ候補の中から選択した１つの組み合わせに基づいて、前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定し、
    前記動作モードが前記自動モードに設定されているとき、
    前記処理装置は、
    前記複数のプレ組み合わせ候補のそれぞれを規定する集合の要素であるペア候補の圃場領域と区画ポリゴンとの前記少なくとも１つの幾何学的特徴量の差および／または比によって規定される値の統計量を算出し、
    前記複数のプレ組み合わせ候補から、前記統計量が所定値未満となる少なくとも１つの組み合わせ候補を選択し、
    前記少なくとも１つの組み合わせ候補に基づいて前記複数の圃場領域と前記複数の区画ポリゴンとの対応関係を決定する、請求項１８に記載の農業支援システム。
20. 前記圃場画像データは、ＲＧＢデータ、植生指数データまたはマルチスペクトル画像データを含む、請求項１から１９のいずれかに記載の農業支援システム。
21. 前記処理装置は、圃場領域にラベルが付された圃場画像のデータを含む訓練データを用いてセグメンテーションモデルを訓練して得られた学習済みモデルを用いて前記領域画像から前記複数の圃場領域を抽出する、請求項１から２０のいずれかに記載の農業支援システム。

Images