JPWO2012172834A1 - 収穫時熟度推定装置、収穫時熟度推定方法及びプログラム - Google Patents

収穫時熟度推定装置、収穫時熟度推定方法及びプログラム Download PDF

Info

Publication number
JPWO2012172834A1
JPWO2012172834A1 JP2013520446A JP2013520446A JPWO2012172834A1 JP WO2012172834 A1 JPWO2012172834 A1 JP WO2012172834A1 JP 2013520446 A JP2013520446 A JP 2013520446A JP 2013520446 A JP2013520446 A JP 2013520446A JP WO2012172834 A1 JPWO2012172834 A1 JP WO2012172834A1
Authority
JP
Japan
Prior art keywords
harvest
time
vegetables
fruits
optical data
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.)
Pending
Application number
JP2013520446A
Other languages
English (en)
Inventor
展之 安川
展之 安川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2013520446A priority Critical patent/JPWO2012172834A1/ja
Publication of JPWO2012172834A1 publication Critical patent/JPWO2012172834A1/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
    • G01N2021/3155—Measuring in two spectral ranges, e.g. UV and visible
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

収穫時の熟度を示す情報を収穫時より後の段階において推定する。収穫時熟度推定装置は、青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得する第１の光学的データ取得部と、第１の波長の光に対する、第１の光学的データの値と青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報を記憶する収穫時熟度対応情報記憶部と、取得された第１の光学的データと、収穫時熟度対応情報とに基づいて、青果物の収穫時の熟度を推定する収穫時熟度推定部と、を備える。

Description

本発明は、収穫時熟度推定装置、収穫時熟度推定方法及びプログラムに関する。
近年、青果物などの食物の品質を非破壊で測定する種々の技術が提案されている。例えば、特許文献１や非特許文献１には、撮影データに基づいて青果物等の品質を測定する手法が開示されている。また、特許文献２には、農作物の収穫時に農作物の熟度を測定する手法が開示されている。また、特許文献３には、現在の品質に基づいて将来の品質を予測する手法が開示されている。また、非特許文献２、３には、撮影データに基づいて青果物等の品質の劣化速度を予測する手法が開示されている。
特開２００９−２９４１４４号公報 特開２００６−０５５７４４号公報 特開２００４−２１５８９０号公報
"ＨＳＣ撮影事例"，［online］，エバ・ジャパン株式会社，［平成２３年６月７日検索］，インターネット＜URL：http://www.ebajapan.jp/hsc1701/case/food.html＞ 牧野義雄，高坂有美，川越義則，大下誠一，「ハイパースペクトルカメラを利用したブロッコリー花蕾部の退色速度予測」，平成２２年度社団法人日本分光学会年次講演会要旨集，社団法人日本分光学会，平成２２年１１月２０日，ｐ．８２ 牧野義雄，高坂有美，川越義則，大下誠一，「収穫後におけるブロッコリーの品質変化が二次元分光反射スペクトルの経時変化に及ぼす影響」，農業機械学会関東支部第４６回年次報告，農業機械学会関東支部，平成２２年８月５日，ｐ．５４−５５
ところで、時間の経過に伴う品質の遷移を示す品質遷移モデルには、現在の情報だけではなく、収穫時の熟度も関係する。そのため、将来の品質の予測性能を向上させるためには、収穫時の熟度を示す情報が必要となる。
しかしながら、特許文献１や非特許文献１、特許文献２に開示されている手法では、測定時における品質や熟度を測定できるのみであり、収穫時より後の段階において、収穫時の熟度を示す情報を得ることはできない。また、特許文献３には、現在の品質に基づいて将来の品質を予測することが開示されてはいるものの、収穫時より後の時点において、収穫時の熟度を示す情報を得る点については何ら開示されていない。
本発明はこのような事情に鑑みてなされたものであり、収穫時の熟度を示す情報を収穫時より後の段階において推定することを目的とする。
本発明の一側面に係る収穫時熟度推定装置は、青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得する第１の光学的データ取得部と、第１の波長の光に対する、第１の光学的データの値と青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報を記憶する収穫時熟度対応情報記憶部と、取得された第１の光学的データと、収穫時熟度対応情報とに基づいて、青果物の収穫時の熟度を推定する収穫時熟度推定部と、を備える。
また、本発明の一側面に係る収穫時熟度推定方法では、コンピュータが、青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得し、第１の波長の光に対する、第１の光学的データの値と青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報と、取得された第１の光学的データとに基づいて、青果物の収穫時の熟度を推定する。
また、本発明の一側面に係るプログラムは、コンピュータに、青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得する機能と、前記第１の波長の光に対する、第１の光学的データの値と前記青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報と、前記取得された第１の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する機能と、を実現させるためのものである。
なお、本発明において、「部」とは、単に物理的手段を意味するものではなく、その「部」が有する機能をソフトウェアによって実現する場合も含む。また、１つの「部」や装置が有する機能が２つ以上の物理的手段や装置により実現されても、２つ以上の「部」や装置の機能が１つの物理的手段や装置により実現されてもよい。
本発明によれば、収穫時の熟度を示す情報を収穫時より後の段階において推定することが可能となる。
本発明の第１の実施形態である収穫時熟度推定装置の構成を示す図である。 アーウィンマンゴーの収穫時熟度ごとの反射率の一例を示す図である。 図２に示した反射率において、１つ前の波長の反射率との差分値を示す図である。 収穫時熟度対応情報の一例を示す図である。 収穫時熟度を推定する処理の一例を示すフローチャートである。 本発明の第２の実施形態である収穫時熟度推定装置の構成を示す図である。 アーウィンマンゴーの収穫時熟度ごとの品質遷移モデルの一例を示す図である。 品質遷移モデルを決定する処理の一例を示すフローチャートである。 本発明の第３の実施形態である収穫時熟度推定装置の構成を示す図である。 図７に示したグラフに、現在における反射率総和の値をプロットした例である。 青果物の将来の品質を予測する処理の一例を示すフローチャートである。 本発明の第４の実施形態である収穫時熟度推定装置の構成を示す図である。 アーウィンマンゴー及びキーツマンゴーの反射率の一例を示す図である。 青果物の品種を考慮した品質予測処理の一例を示すフローチャートである。
以下、図面を参照して本発明の一実施形態について説明する。
＝＝第１の実施形態＝＝
図１は、本発明の第１の実施形態である収穫時熟度推定装置の構成を示す図である。収穫時熟度推定装置１０は、青果物の収穫時における熟度、すなわち収穫時熟度を推定するための装置であり、例えば、ハンディターミナル等の携帯端末や、パーソナルコンピュータ、サーバなどの情報処理装置により実現される。図１に示すように、収穫時熟度推定装置１０は、光学的データ取得部２０、収穫時熟度対応情報記憶部２２、及び収穫時熟度推定部２４を含んで構成される。ここで、収穫時熟度推定装置１０における各部は、例えば、メモリや記憶装置等の記憶領域を用いたり、記憶領域に格納されているプログラムをプロセッサが実行したりすることにより実現することができる。
光学的データ取得部２０は、青果物に対して特定の波長の光を照射することにより得られる光学的データを取得する。ここで、特定の波長の光とは、収穫時熟度によって光学的データの値を区別可能な波長の光であり、１つの波長の光であってもよいし、複数の波長の光であってもよい。また、光学的データは、青果物に光を照射して得られるデータであり、例えば、反射率や透過率などである。また、青果物を撮像して得られる画像データも、青果物に対して自然光などの光を照射して得られるものであり、光学的データに含まれる。光学的データ取得部２０は、取得した光学的データを後続の処理で用いるためにメモリ等に格納しておくことができる。また、光学的データ取得部２０は、光を照射するための照射部や、反射光や透過光の強度を測定する測定部、測定結果に基づいて光学的データを生成するデータ生成部を含んで構成されることとしてもよい。また、光学的データ取得部２０は、収穫時熟度推定装置１０の外部で生成された光学的データをケーブルやネットワーク経由で取得することとしてもよい。なお、本実施形態では、光学的データとして主に反射率を用いて説明するが、上述したような任意の形式の光学的データを用いることが可能である。
収穫時熟度対応情報記憶部２２には、青果物に対して特定の波長を照射することにより得られる光学的データの値と収穫時熟度との対応関係を示す収穫時熟度対応情報が格納されている。ここで、収穫時熟度を推定する際に用いられる特定の波長は、事前の実験等に基づいて決定される。例えば、収穫時の熟度によって反射率が大きく変化するが、収穫後の追熟段階では反射率はほぼ変化しない、つまり収穫時の熟度を推定可能であるような波長帯を特定の波長として選択することが可能である。
収穫時熟度による反射率の違いの一例について説明する。図２は、アーウィンマンゴーの収穫後のある時点における、収穫時熟度ごとの反射率の一例を示す図である。図２では、収穫時熟度として、未熟・適熟・完熟の３種類が示されている。図２において、縦軸の「反射率」は、白色標準資料として硫酸バリウムを用いた場合の反射率との比を示している。また、図２の横軸は波長となっている。なお、品質の指標となる物質が極大吸収波長をもつ波長帯の反射率は、該物質の存在量と反比例する。つまり、反射率が高くなることは、品質が劣化することを意味している。
図２のグラフにおいて、収穫時熟度が未熟の場合、例えば、波長６００〜７００ｎｍの反射率が他の２つの収穫時熟度と比較して低くなっている。そのため、例えば、波長６００〜７００ｎｍの反射率平均値が０．３未満であれば収穫時熟度を未熟と推定するという推定アルゴリズムを構築することができる。
また、図３には、図２に示した反射率において、１つ前の波長の反射率との差分を取ったものが示されている。図３のグラフでは、例えば、波長６８５〜７１５ｎｍの領域において、収穫時熟度が適熟の方が、収穫時熟度が完熟の場合よりも、差分値が大きくなっている。そのため、例えば、波長６８５〜７１５ｎｍにおける反射率差分の総和が０．１以上であれば収穫時熟度を適熟と推定し、０．１未満であれば収穫時熟度を完熟とする推定アルゴリズムを構築することができる。
このようにして構築される推定アルゴリズムに基づいて、光学的データの値と収穫時熟度との対応関係を示す収穫時熟度対応情報が生成され、収穫時熟度対応情報記憶部２２に格納されている。図４には、構築された推定アルゴリズムに基づく収穫時熟度対応情報の一例が示されている。なお、収穫時熟度対応情報のデータ形式は、光学的データの値と収穫時熟度との対応関係を示すことが可能な形式であれば任意の形式でよい。例えば、収穫時熟度対応情報は、図４に示すようなテーブル形式の情報とすることも可能であるし、収穫時熟度を推定するためのプログラムに埋め込まれたものであってもよい。
また、上述した推定アルゴリズムは一例であり、光学的データの値によって収穫時熟度を区別可能な任意のアルゴリズムを採用することが可能である。例えば、収穫時熟度が未熟か否かの判定には、波長６００〜７００ｎｍの領域での反射率の平坦性を評価することが考えられる。具体的には、該波長領域での反射率の変化の度合いを微分値や１つ前の波長との差分値を求めることによって算出し、その変化の度合いから平坦性を評価するようになっていてもよい。また、例えば、適熟と完熟の判定では、波長６８５〜７１５ｎｍの領域前後での二次微分値を算出し、微分値の変化の度合いが大きければ適熟、そうでなければ完熟と判定することも考えられる。
また、図２及び図３は、ある個体から得られたデータの一例であり、推定アルゴリズムを構築する際には、多数の個体の光学的データを取得しておき、入力を光学的データ、出力を収穫時熟度としてＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）やＧＬＶＱ（Ｇｅｎｅｒａｌｉｚｅｄ Ｌｅａｒｎｉｎｇ Ｖｅｃｔｏｒ Ｑｕａｎｔｉｚａｔｉｏｎ）などの識別器を学習させることにより、推定アルゴリズムが構築されることとしてもよい。また、光学的データ取得部２０によって多数の個体の光学的データが取得され、この光学的データに基づいて推定アルゴリズムを構築して収穫時熟度対応情報を生成する収穫時熟度対応情報生成部が収穫時熟度推定装置１０に設けられることとしてもよい。
図１に戻り、収穫時熟度推定部２４は、光学的データ取得部２０により取得された光学的データと、収穫時熟度対応情報記憶部２２に格納されている収穫時熟度対応情報とに基づいて、収穫時熟度を推定する。収穫時熟度推定部２４は、推定結果を示す情報を後続の処理で用いるためにメモリ等に格納しておくことができる。また、収穫時熟度推定部２４は、推定結果を示す情報を収穫時熟度推定装置１０のモニタに表示したり、他の情報処理装置に出力したり、プリンタから印字したりすることとしてもよい。
図５は、収穫時熟度を推定する処理の一例を示すフローチャートである。まず、光学的データ取得部２０は、例えば波長６００〜７００ｎｍの領域における複数の波長の光を青果物に照射し、各波長の光に対する反射率を取得してメモリ等に記憶する（Ｓ５０１）。
収穫時熟度推定部２４は、光学的データ取得部２０によって取得された波長６００〜７００ｎｍの領域における反射率の平均値を算出するとともに、収穫時熟度対応情報記憶部２２を参照し、算出された平均値が、未熟かどうかを判定する際の基準値である０．３以上であるかどうか判定する（Ｓ５０２）。そして、収穫時熟度推定部２４は、算出された平均値が０．３未満であれば（Ｓ５０２：Ｎ）、収穫時熟度を未熟と推定する（Ｓ５０３）。
算出された平均値が０．３以上である場合（Ｓ５０２：Ｙ）、収穫時熟度推定部２４は、光学的データ取得部２０によって取得された波長６８５〜７１５ｎｍの領域における反射率の差分値の総和を算出するとともに、収穫時熟度対応情報記憶部２２を参照し、算出された総和が、適熟または完熟かを判定する際の基準値である０．１以上であるかどうか判定する（Ｓ５０４）。そして、収穫時熟度推定部２４は、算出された総和が０．１以上であれば（Ｓ５０４：Ｙ）収穫時熟度を適熟と推定し（Ｓ５０５）、０．１未満であれば（Ｓ５０４：Ｎ）収穫時熟度を完熟と推定する（Ｓ５０６）。
なお、図５に示した処理では、収穫時熟度が未熟・適熟・完熟の３種類のいずれかである場合について説明したが、収穫時熟度がそれらの中間であるような場合には、未熟・適熟・完熟を推定するためのアルゴリズムを融合するなど、さらにファジイなシステムとすることも可能である。例えば、上述の反射率による指標から未熟・適熟・完熟の３つに帰属する度合いを尤度指標で表すことも可能である。具体的には、例えば、波長６８５〜７１５ｎｍの領域における反射率の差分値の総和が０．０８である場合、図５に示した処理では、収穫時熟度が完熟であると推定されたが、基準値である０．１との差分に応じて、例えば、完熟の尤度が０．６、適熟の尤度が０．４であるとして、収穫時熟度が推定されることとしてもよい。なお、ここで示した数値は一例であり、尤度の算出基準は任意に設定することが可能である。
以上、第１の実施形態の収穫時熟度推定装置１０について説明した。このような収穫時熟度推定装置１０によれば、収穫時より後の段階において青果物の収穫時熟度を推定することが可能となる。これにより、後述するように、推定された収穫時熟度に基づいて品質遷移モデルの決定や品質の予測が可能になる。また、例えば、推定された収穫時熟度を用いることにより、流通段階において青果物の選別やブランディングを行うことが可能となる。
＝＝第２の実施形態＝＝
図６は、本発明の第２の実施形態である収穫時熟度推定装置の構成を示す図である。図６に示すように、収穫時熟度推定装置１０Ａは、第１の実施形態の収穫時熟度推定装置１０が備える構成に加え、品質遷移モデル対応情報記憶部２６及び品質遷移モデル決定部２８を含んで構成される。ここで、収穫時熟度推定装置１０Ａにおける各部は、例えば、メモリや記憶装置等の記憶領域を用いたり、記憶領域に格納されているプログラムをプロセッサが実行したりすることにより実現することができる。なお、第１の実施形態の収穫時熟度推定装置１０と同一の構成については、同一の符号を付与して説明を省略する。
品質遷移モデル対応情報記憶部２６には、青果物の収穫時熟度と品質遷移モデルとの対応関係を示す品質遷移モデル対応情報が格納されている。ここで、品質遷移モデルとは、青果物の収穫からの時間の経過に伴う品質の遷移を示すものである。図７には、アーウィンマンゴーの収穫時熟度ごとの品質遷移モデルの一例が示されている。図７において、縦軸の「反射率」は、図２に示した波長６７５ｎｍ〜６８５ｎｍの反射率総和となっている。また、図７の横軸は収穫からの日数となっている。なお、品質遷移モデルは、収穫時熟度対応情報と同様に、事前の実験結果に基づいて収穫時熟度ごとに構築することができる。
ここで、植物の品質を示す一つの指標であるクロロフィルは、植物の光合成において重要な役割を担う酵素であり、その極大吸収波長は６８０ｎｍに存在する。また、植物が収穫された後はクロロフィル量が減っていくことが知られており、植物の品質と関わりがある。クロロフィルの極大吸収波長周辺である６７５ｎｍ〜６８５ｎｍの反射率総和はクロロフィル量の減少と正の相関をもっている。つまり、図７のグラフにおいて、縦軸に示す反射率は、クロロフィル量と反比例する指標となっている。よって、例えば、収穫時熟度が未熟と適熟の場合を比較すると、収穫時におけるクロロフィル量の初期値が同程度であっても、その後の減少度合いが異なる、つまり品質劣化の過程が収穫時熟度によって異なるということが確認できる。
なお、図７では、収穫時熟度によって最終経過日数が異なるが、これは一般的な食べごろである日数が最終日として示されているためであり、この日数を越えて光学的データを集計すれば、より長期にわたる品質遷移モデルを構築可能である。
また、図７では、品質の例として、波長６７５ｎｍ〜６８５ｎｍの反射率総和を示したが、品質を示す指標はこれに限られず、任意の指標を用いることが可能である。
例えば、マンゴーやリンゴなどの追熟型柑橘系果実は、追熟の過程でワックスを分泌するため、ワックスの量は追熟がどれくらい進んでいるかの指標として用いることが可能である。そこで、例えば、追熟型柑橘系果実に特徴的なワックス分泌の量を示す波長８００ｎｍ〜９００ｎｍの反射率総和を用いることとしてもよい。
また、次式（１）に示すように、複数の品質指標を組み合わせた品質指標Ｐを用いることとしてもよい。
Ｐ＝α×Ｃ１＋β×Ｃ２＋γ×Ｃ３ ・・・ （１）
なお、Ｃ１、Ｃ２、Ｃ３はそれぞれ異なる品質指標、α、β、γは、各品質指標の重みづけを示す係数を示している。
また、品質遷移モデルによって示される品質指標は、光学的データに基づくものに限られず、青果物の品質遷移を示すものであればよい。例えば、Ｂｒｉｘ糖度のような追熟の過程で上昇していく品質指標の上昇モデルを予め構築しておき、収穫時熟度に合わせた糖度上昇モデルを品質遷移モデルとして用いることも可能である。
品質遷移モデル対応情報記憶部２６には、上述のように構築された品質遷移モデルと収穫時熟度との対応関係を示す品質遷移モデル対応情報が記憶される。なお、品質遷移モデル対応情報のデータ形式は、品質遷移モデルと収穫時熟度との対応関係を示すことが可能な形式であれば任意の形式でよい。例えば、品質遷移モデル対応情報は、図７に示すグラフの値を収穫時熟度と対応づけた情報とすることができる。
図６に戻り、品質遷移モデル決定部２８は、収穫時熟度推定部２４により推定された収穫時熟度と、品質遷移モデル対応情報記憶部２６に格納されている品質遷移モデル対応情報とに基づいて、青果物の品質遷移を示す品質遷移モデルを決定する。品質遷移モデル決定部２８は、決定した品質遷移モデルを示す情報を後続の処理で用いるためにメモリ等に格納しておくことができる。また、品質遷移モデル決定部２８は、決定した品質遷移モデルを示す情報を収穫時熟度推定装置１０Ａのモニタに表示したり、他の情報処理装置に出力したり、プリンタから印字したりすることとしてもよい。
図８は、品質遷移モデルを決定する処理の一例を示すフローチャートである。ここでは、図５に示した処理により収穫時熟度が推定されていることとする（Ｓ８０１）。品質遷移モデル決定部２８は、推定された収穫時熟度に対応する品質遷移モデルを、品質遷移モデル対応情報記憶部２６を参照することにより決定する（Ｓ８０２）。
なお、第１の実施形態において述べたように、尤度を用いることにより未熟・適熟・完熟の中間の収穫時熟度が推定される場合においては、図８において決定される品質遷移モデルについても、複数の品質遷移モデルを融合したものとすることができる。例えば、未熟の尤度がα、適熟の尤度が１−αの場合は、品質遷移モデル決定部２８は、未熟の品質遷移モデルと適熟の品質遷移モデルをαと１−αの割合で融合させた品質遷移モデルを生成することが可能である。
以上、第２の実施形態の収穫時熟度推定装置１０Ａについて説明した。このような収穫時熟度推定装置１０Ａによれば、収穫時より後の段階において、推定された収穫時熟度に基づいて品質遷移モデルを決定することが可能になる。これにより、後述するように、決定された品質遷移モデルに基づいて将来の品質を予測したり、決定された品質遷移モデルを用いることにより、流通段階において青果物の選別やブランディングを行うことが可能となる。
＝＝第３の実施形態＝＝
図９は、本発明の第３の実施形態である収穫時熟度推定装置の構成を示す図である。図９に示すように、収穫時熟度推定装置１０Ｂは、第２の実施形態の収穫時熟度推定装置１０Ａが備える構成に加え、品質予測部３０を含んで構成される。ここで、収穫時熟度推定装置１０Ｂにおける各部は、例えば、メモリや記憶装置等の記憶領域を用いたり、記憶領域に格納されているプログラムをプロセッサが実行したりすることにより実現することができる。なお、第２の実施形態の収穫時熟度推定装置１０Ａと同一の構成については、同一の符号を付与して説明を省略する。
品質予測部３０は、光学的データ取得部２０により取得された光学的データと、品質遷移モデル決定部２８により決定された品質遷移モデルとに基づいて、青果物の将来の品質を予測する。ここでの品質は、例えば、第２の実施形態で述べたようなクロロフィル量や、その他糖度を示唆する物質の極大反射波長、複数の品質指標の組み合わせ等のいずれであってもよい。
例えば、品質遷移モデルが、時間の経過に連れて劣化する品質の遷移を示すものである場合、品質予測部３０は、光学的データ取得部２０により取得された光学的データと、品質遷移モデル決定部２８により決定された品質遷移モデルとに基づいて、品質が予め定められた基準レベル以下となるまでの日数、すなわち青果物の寿命を予測することができる。
また、例えば、品質遷移モデルが、時間の経過に連れて向上する品質の遷移を示すものである場合、品質予測部３０は、光学的データ取得部２０により取得された光学的データと、品質遷移モデル決定部２８により決定された品質遷移モデルとに基づいて、品質が予め定められた基準レベル以上となるまでの日数、すなわち青果物が食べごろとなるまでの日数を予測することができる。
品質予測部３０は、予測した品質を示す情報を後続の処理で用いるためにメモリ等に格納しておくことができる。また、品質予測部３０は、予測した品質を示す情報を収穫時熟度推定装置１０Ｂのモニタに表示したり、他の情報処理装置に出力したり、プリンタから印字したりすることとしてもよい。
図１０は、図７に示したグラフに、青果物の現在における波長６７５ｎｍ〜６８５ｎｍの反射率総和の値をプロットした例である。図１０に示すように、青果物の現在における波長６７５ｎｍ〜６８５ｎｍの反射率総和の値が０．４であるとする。このとき、品質遷移モデルによって、すなわち収穫時熟度によって寿命までの日数が異なる。例えば、収穫時熟度が未熟であると推定され、この収穫時熟度に応じた品質遷移モデルが決定されているとする。この場合、図１０に示す品質遷移モデルから、現時点における収穫からの経過日数はおおよそ７日である。そして、収穫時熟度が未熟の場合の寿命が収穫から９日であるとすると、品質予測部３０は、青果物の寿命があと２日であると予測することができる。
なお、ここでは品質予測における品質指標として、波長６７５ｎｍ〜６８５ｎｍの反射率総和の値を用いる例を示したが、波長の領域はこれに限られない。また、品質予測における品質指標のもととなる光学的データと、収穫時熟度を推定する際のもととなる光学的データとは、同じ波長帯のものであってもよいし異なる波長帯のものであってもよい。また、品質予測の際に用いられる光学的データが取得されるタイミングは、収穫時熟度の推定の際に用いられる光学的データが取得されるタイミングと同じであってもよいし、異なっていてもよい。
図１１は、青果物の将来の品質を予測する処理の一例を示すフローチャートである。ここでは、図５に示した処理により収穫時熟度が推定され（Ｓ１１０１）、図８に示した処理により品質遷移モデルが決定されている（Ｓ１１０２）こととする。品質予測部３０は、光学的データ取得部２０により取得された反射率の中から、品質遷移モデル決定部２８により決定された品質遷移モデルに対応する波長の光の反射率を取得する（Ｓ１１０３）。そして、品質予測部３０は、取得した反射率と、決定された品質遷移モデルとに基づいて、寿命までの日数等、将来における品質を予測する（Ｓ１１０４）。
なお、第２の実施形態において述べたように、品質予測部３０は、尤度を考慮した品質遷移モデルを用いて将来の品質を予測することも可能である。
以上、第３の実施形態の収穫時熟度推定装置１０Ｂについて説明した。このような収穫時熟度推定装置１０Ｂによれば、収穫時より後の段階において収穫時熟度を推定し、収穫時熟度に応じた品質遷移モデルを用いて、青果物の将来の品質を予測することが可能となる。また、本実施形態において示したように、将来における品質指標の値そのものではなく、品質指標が基準値となるまでの日数を予測することにより、評価対象の個体の用途決定が容易になる。例えば、明日で最低品質基準まで劣化すると考えられる個体は、そのまま流通させるのではなく、何らかの加工、例えば、フリーズドライやジュースに加工することにより、流通過程で腐食して廃棄されるのを防ぐなどの対応策を取ることが可能になる。また、青果物が消費者に届いた時点においても、各消費者が個体の寿命を知っておくことで、寿命より前に消費することが可能となり、品質劣化によるロスを防ぐことができる。また、寿命が正確に予測できる青果物は消費者にとって安心で安全であるため、ブランディングも可能となる。
＝＝第４の実施形態＝＝
図１２は、本発明の第４の実施形態である収穫時熟度推定装置の構成を示す図である。図１２に示すように、収穫時熟度推定装置１０Ｃは、第３の実施形態の収穫時熟度推定装置１０Ｂが備える構成に加え、品種対応情報記憶部３２及び品種推定部３４含んで構成される。なお、収穫時熟度推定装置１０Ｃは、第３の実施形態の収穫時熟度推定装置１０Ｂにおける収穫時熟度対応情報記憶部２２、収穫時熟度推定部２４、品質遷移モデル対応情報記憶部２６、品質遷移モデル決定部２８に品種を考慮する機能を加えた、収穫時熟度対応情報記憶部２２Ａ、収穫時熟度推定部２４Ａ、品質遷移モデル対応情報記憶部２６Ａ、品質遷移モデル決定部２８Ａを含んでいる。ここで、収穫時熟度推定装置１０Ｃにおける各部は、例えば、メモリや記憶装置等の記憶領域を用いたり、記憶領域に格納されているプログラムをプロセッサが実行したりすることにより実現することができる。なお、第３の実施形態の収穫時熟度推定装置１０Ｂと同一の構成については、同一の符号を付与して説明を省略する。
品種対応情報記憶部３２には、光学的データ取得部２０により取得される光学的データの値と青果物の品種との対応関係を示す品種対応情報が格納されている。図１３には、アーウィンマンゴー及びキーツマンゴーの収穫後のある時点における反射率の一例が示されている。図１３に示すように、特定の波長帯においては、マンゴーの品種によって反射率の特性が異なっている。したがって、このような測定結果に基づいて、収穫時熟度対応情報の場合と同様に、光学的データの値と青果物の品種との対応関係を示す品種対応情報を生成し、品種対応情報記憶部３２に格納しておくことが可能である。なお、ここで用いられる光学的データは、青果物の品質を示すものである必要はなく、例えば、青果物を撮像して得られる画像データなどであってもよい。
品種推定部３４は、光学的データ取得部２０により取得された光学的データと、品種対応情報記憶部３２に格納されている品種対応情報とに基づいて、青果物の品種を推定することができる。例えば、品種推定部３４は、特定の波長帯の光の反射率に基づいて青果物の品種を推定したり、形状や色に基づいて青果物の品種を推定したりすることが可能である。
なお、品種推定の際のもととなる光学的データと、収穫時熟度の推定や将来の品質予測の際のもととなる光学的データとは、同じ波長帯のものであってもよいし異なる波長帯のものであってもよい。また、品種推定の際に用いられる光学的データが取得されるタイミングは、収穫時熟度の推定や将来の品質予測の際に用いられる光学的データが取得されるタイミングと同じであってもよいし、異なっていてもよい。
収穫時熟度対応情報記憶部２２Ａには、収穫時熟度対応情報が品種と対応づけて格納されている。そして、収穫時熟度推定部２４Ａは、品質推定部３４によって推定された品種に応じた収穫時熟度対応情報を収穫時熟度対応情報記憶部２２Ａから取得し、他の実施形態における収穫時熟度推定部２４の場合と同様に収穫時熟度を推定することができる。
品質遷移モデル対応情報記憶部２６Ａには、品質遷移モデル対応情報が品種と対応づけて格納されている。そして、品質遷移モデル決定部２８Ａは、品質推定部３４によって推定された品種に応じた品質遷移モデル対応情報を品質遷移モデル対応情報記憶部２６Ａから取得し、他の実施形態における品質遷移モデル決定部２８の場合と同様に品質遷移モデルを決定することができる。
図１４は、青果物の品種を考慮した品質予測処理の一例を示すフローチャートである。まず、品種推定部３４は、光学的データ取得部２０により取得された反射率の中から、品種対応情報記憶部３２に格納されている品種対応情報に対応する波長の光の反射率を取得する（Ｓ１４０１）。そして、品種推定部３４は、取得された反射率と品種対応情報とに基づいて、青果物の品種を推定する（Ｓ１４０２）。
収穫時熟度推定部２４Ａは、推定された品種を考慮したうえで、図５に示した処理と同等の処理により収穫時熟度を推定する（Ｓ１４０３）。また、品質遷移モデル決定部２８Ａは、推定された品種を考慮したうえで、図８に示した処理と同等の処理により品質遷移モデルを決定する（Ｓ１４０４）。そして、品質予測部３０は、図１１に示した処理と同等の処理により、青果物の将来の品質を予測する（Ｓ１４０５）。
以上、第４の実施形態の収穫時熟度推定装置１０Ｃについて説明した。このような収穫時熟度推定装置１０Ｃによれば、収穫時より後の段階において、青果物の品種を考慮したうえで収穫時熟度を推定することができる。また、品種を考慮したうえで品質遷移モデルを決定したり、将来の品質を予測したりすることができる。
なお、本実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更／改良され得るととともに、本発明にはその等価物も含まれる。
例えば、本実施形態では、評価対象を青果物として説明したが、青果物に限らず、鮮魚や肉、加工食品など、品質情報が価値として重要な意味を持つ対象に対して本発明を適用することができる。
この出願は、２０１１年６月１７日に出願された日本出願特願２０１１−１３５３８５を基礎とする優先権を主張し、その開示の全てをここに取り込む。
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
本実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得する第１の光学的データ取得部と、前記第１の波長の光に対する、第１の光学的データの値と前記青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報を記憶する収穫時熟度対応情報記憶部と、前記取得された第１の光学的データと、前記収穫時熟度対応情報とに基づいて、前記青果物の収穫時の熟度を推定する収穫時熟度推定部と、を備える収穫時熟度推定装置。
（付記２）付記１に記載の収穫時熟度推定装置であって、前記青果物の収穫時の熟度と品質遷移モデルとの対応関係を示す品質遷移モデル対応情報を記憶する品質遷移モデル対応情報記憶部と、前記推定された収穫時の熟度と、前記品質遷移モデル対応情報とに基づいて、前記青果物の品質遷移を示す品質遷移モデルを決定する品質遷移モデル決定部と、をさらに備える収穫時熟度推定装置。
（付記３）付記２に記載の収穫時熟度推定装置であって、前記青果物の収穫時より後の第２の時点において、該青果物に対して第２の波長の光を照射することにより得られる、該青果物の品質を示す第２の光学的データを取得する第２の光学的データ取得部と、第２の光学的データの遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記第２の時点より後の時点における前記青果物の品質を予測する品質予測部と、をさらに備える収穫時熟度推定装置。
（付記４）付記３に記載の収穫時熟度推定装置であって、前記品質遷移モデルは、時間の経過に連れて劣化する品質の遷移を示すものであり、前記品質予測部は、前記取得された第２の光学的データと、前記決定された品質遷移モデルとに基づいて、前記収穫物の品質が基準レベル以下となるまでの日数を予測する、収穫時熟度推定装置。
（付記５）付記３に記載の収穫時熟度推定装置であって、前記品質遷移モデルは、時間の経過に連れて向上する品質の遷移を示すものであり、前記品質予測部は、前記取得された第２の光学的データと、前記決定された品質遷移モデルとに基づいて、前記収穫物の品質が基準レベル以上となるまでの日数を予測する、収穫時熟度推定装置。
（付記６）付記１〜５の何れか一項に記載の収穫時熟度推定装置であって、前記第１の光学的データ取得部は、前記第１の波長の光に対する前記第１の光学的データとして、複数の波長の光に対する複数の光学的データを取得し、前記収穫時熟度推定部は、前記複数の波長の光に対する光学的データの値と前記収穫時の熟度との対応関係を示す前記収穫時熟度対応情報と、前記取得された複数の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する、収穫時熟度推定装置。
（付記７）付記１〜６の何れか一項に記載の収穫時熟度推定装置であって、前記青果物の収穫時より後の第３の時点において、該青果物に対して第３の波長の光を照射することにより得られる第３の光学的データを取得する第３の光学的データ取得部と、前記第３の波長の光に対する、第３の光学的データの値と前記青果物の品種との対応関係を示す品種対応情報を記憶する品種対応情報記憶部と、前記取得された第３の光学的データと、前記品種対応情報とに基づいて、前記青果物の品種を推定する品種推定部と、をさらに備え、前記収穫時熟度情報記憶部は、前記収穫時熟度情報を前記青果物の品種と対応づけて記憶し、前記収穫時熟度推定部は、前記取得された第１の光学的データと、前記推定された品種と、前記収穫時熟度情報とに基づいて、前記青果物の収穫時の熟度を推定する、収穫時熟度推定装置。
（付記８）付記１〜７の何れか一項に記載の収穫時熟度推定装置であって、前記光学的データは、前記青果物に対して照射された光の反射率または透過率を示すデータである、収穫時熟度推定装置。
（付記９）コンピュータが、青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得し、前記第１の波長の光に対する、第１の光学的データの値と前記青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報と、前記取得された第１の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する、収穫時熟度推定方法。
（付記１０）付記９に記載の収穫時熟度推定方法であって、前記コンピュータが、前記青果物の収穫時の熟度と品質遷移モデルとの対応関係を示す品質遷移モデル対応情報と、前記推定された収穫時の熟度とに基づいて、前記青果物の品質遷移を示す品質遷移モデルを決定する、収穫時熟度推定方法。
（付記１１）付記１０に記載の収穫時熟度推定方法であって、前記コンピュータが、前記青果物の収穫時より後の第２の時点において、該青果物に対して第２の波長の光を照射することにより得られる、該青果物の品質を示す第２の光学的データを取得し、第２の光学的データの遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記第２の時点より後の時点における前記青果物の品質を予測する、収穫時熟度推定方法。
（付記１２）付記１１に記載の収穫時熟度推定方法であって、前記コンピュータが、時間の経過に連れて劣化する品質の遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記収穫物の品質が基準レベル以下となるまでの日数を予測する、収穫時熟度推定方法。
（付記１３）付記１１に記載の収穫時熟度推定方法であって、前記コンピュータが、時間の経過に連れて向上する品質の遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記収穫物の品質が基準レベル以上となるまでの日数を予測する、収穫時熟度推定方法。
（付記１４）付記９〜１３の何れか一項に記載の収穫時熟度推定方法であって、前記コンピュータが、前記第１の波長の光に対する前記第１の光学的データとして、複数の波長の光に対する複数の光学的データを取得し、前記複数の波長の光に対する光学的データの値と前記収穫時の熟度との対応関係を示す前記収穫時熟度対応情報と、前記取得された複数の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する、収穫時熟度推定方法。
（付記１５）付記９〜１４の何れか一項に記載の収穫時熟度推定方法であって、前記コンピュータが、前記青果物の収穫時より後の第３の時点において、該青果物に対して第３の波長の光を照射することにより得られる第３の光学的データを取得し、前記取得された第３の光学的データと、前記第３の波長の光に対する、第３の光学的データの値と前記青果物の品種との対応関係を示す品種対応情報とに基づいて、前記青果物の品種を推定し、前記青果物の品種と対応づけらている前記収穫時熟度情報と、前記取得された第１の光学的データと、前記推定された品種とに基づいて、前記青果物の収穫時の熟度を推定する、収穫時熟度推定方法。
（付記１６）付記９〜１５の何れか一項に記載の収穫時熟度推定方法であって、前記光学的データは、前記青果物に対して照射された光の反射率または透過率を示すデータである、収穫時熟度推定方法。
（付記１７）コンピュータに、青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得する機能と、前記第１の波長の光に対する、第１の光学的データの値と前記青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報と、前記取得された第１の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する機能と、を実現させるためのプログラム。
（付記１８）付記１７に記載のプログラムであって、前記コンピュータに、前記推定された収穫時の熟度と、前記青果物の収穫時の熟度と品質遷移モデルとの対応関係を示す品質遷移モデル対応情報とに基づいて、前記青果物の品質遷移を示す品質遷移モデルを決定する機能を実現させるためのプログラム。
（付記１９）付記１８に記載のプログラムであって、前記コンピュータに、前記青果物の収穫時より後の第２の時点において、該青果物に対して第２の波長の光を照射することにより得られる、該青果物の品質を示す第２の光学的データを取得する機能と、第２の光学的データの遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記第２の時点より後の時点における前記青果物の品質を予測する機能と、を実現させるためのプログラム。
（付記２０）付記１９に記載のプログラムであって、前記コンピュータに、時間の経過に連れて劣化する品質の遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記収穫物の品質が基準レベル以下となるまでの日数を予測する機能を実現させるためのプログラム。
（付記２１）付記１９に記載のプログラムであって、前記コンピュータに、時間の経過に連れて向上する品質の遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記収穫物の品質が基準レベル以上となるまでの日数を予測する機能を実現させるためのプログラム。
（付記２２）付記１７〜２１の何れか一項に記載のプログラムであって、前記コンピュータに、前記第１の波長の光に対する前記第１の光学的データとして、複数の波長の光に対する複数の光学的データを取得する機能と、前記複数の波長の光に対する光学的データの値と前記収穫時の熟度との対応関係を示す前記収穫時熟度対応情報と、前記取得された複数の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する機能と、を実現させるためのプログラム。
（付記２３）付記１７〜２２の何れか一項に記載のプログラムであって、前記コンピュータに、前記青果物の収穫時より後の第３の時点において、該青果物に対して第３の波長の光を照射することにより得られる第３の光学的データを取得する機能と、前記取得された第３の光学的データと、前記第３の波長の光に対する、第３の光学的データの値と前記青果物の品種との対応関係を示す品種対応情報とに基づいて、前記青果物の品種を推定する機能と、前記青果物の品種と対応づけらている前記収穫時熟度情報と、前記取得された第１の光学的データと、前記推定された品種とに基づいて、前記青果物の収穫時の熟度を推定する機能と、を実現させるためのプログラム。
（付記２４）付記１７〜２３の何れか一項に記載のプログラムであって、前記光学的データは、前記青果物に対して照射された光の反射率または透過率を示すデータである、プログラム。
１０ 収穫時熟度推定装置
２０ 光学的データ取得部
２２ 収穫時熟度対応情報記憶部
２４ 収穫時熟度推定部
２６ 品質遷移モデル対応情報記憶部
２８ 品質遷移モデル決定部
３０ 品質予測部
３２ 品種対応情報記憶部
３４ 品種推定部

Claims (24)

  1. 青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得する第１の光学的データ取得部と、
    前記第１の波長の光に対する、第１の光学的データの値と前記青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報を記憶する収穫時熟度対応情報記憶部と、
    前記取得された第１の光学的データと、前記収穫時熟度対応情報とに基づいて、前記青果物の収穫時の熟度を推定する収穫時熟度推定部と、
    を備える収穫時熟度推定装置。
  2. 請求項１に記載の収穫時熟度推定装置であって、
    前記青果物の収穫時の熟度と品質遷移モデルとの対応関係を示す品質遷移モデル対応情報を記憶する品質遷移モデル対応情報記憶部と、
    前記推定された収穫時の熟度と、前記品質遷移モデル対応情報とに基づいて、前記青果物の品質遷移を示す品質遷移モデルを決定する品質遷移モデル決定部と、
    をさらに備える収穫時熟度推定装置。
  3. 請求項２に記載の収穫時熟度推定装置であって、
    前記青果物の収穫時より後の第２の時点において、該青果物に対して第２の波長の光を照射することにより得られる、該青果物の品質を示す第２の光学的データを取得する第２の光学的データ取得部と、
    第２の光学的データの遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記第２の時点より後の時点における前記青果物の品質を予測する品質予測部と、
    をさらに備える収穫時熟度推定装置。
  4. 請求項３に記載の収穫時熟度推定装置であって、
    前記品質遷移モデルは、時間の経過に連れて劣化する品質の遷移を示すものであり、
    前記品質予測部は、前記取得された第２の光学的データと、前記決定された品質遷移モデルとに基づいて、前記収穫物の品質が基準レベル以下となるまでの日数を予測する、
    収穫時熟度推定装置。
  5. 請求項３に記載の収穫時熟度推定装置であって、
    前記品質遷移モデルは、時間の経過に連れて向上する品質の遷移を示すものであり、
    前記品質予測部は、前記取得された第２の光学的データと、前記決定された品質遷移モデルとに基づいて、前記収穫物の品質が基準レベル以上となるまでの日数を予測する、
    収穫時熟度推定装置。
  6. 請求項１〜５の何れか一項に記載の収穫時熟度推定装置であって、
    前記第１の光学的データ取得部は、前記第１の波長の光に対する前記第１の光学的データとして、複数の波長の光に対する複数の光学的データを取得し、
    前記収穫時熟度推定部は、前記複数の波長の光に対する光学的データの値と前記収穫時の熟度との対応関係を示す前記収穫時熟度対応情報と、前記取得された複数の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する、
    収穫時熟度推定装置。
  7. 請求項１〜６の何れか一項に記載の収穫時熟度推定装置であって、
    前記青果物の収穫時より後の第３の時点において、該青果物に対して第３の波長の光を照射することにより得られる第３の光学的データを取得する第３の光学的データ取得部と、
    前記第３の波長の光に対する、第３の光学的データの値と前記青果物の品種との対応関係を示す品種対応情報を記憶する品種対応情報記憶部と、
    前記取得された第３の光学的データと、前記品種対応情報とに基づいて、前記青果物の品種を推定する品種推定部と、
    をさらに備え、
    前記収穫時熟度情報記憶部は、前記収穫時熟度情報を前記青果物の品種と対応づけて記憶し、
    前記収穫時熟度推定部は、前記取得された第１の光学的データと、前記推定された品種と、前記収穫時熟度情報とに基づいて、前記青果物の収穫時の熟度を推定する、
    収穫時熟度推定装置。
  8. 請求項１〜７の何れか一項に記載の収穫時熟度推定装置であって、
    前記光学的データは、前記青果物に対して照射された光の反射率または透過率を示すデータである、
    収穫時熟度推定装置。
  9. コンピュータが、
    青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得し、
    前記第１の波長の光に対する、第１の光学的データの値と前記青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報と、前記取得された第１の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する、
    収穫時熟度推定方法。
  10. 請求項９に記載の収穫時熟度推定方法であって、
    前記コンピュータが、
    前記青果物の収穫時の熟度と品質遷移モデルとの対応関係を示す品質遷移モデル対応情報と、前記推定された収穫時の熟度とに基づいて、前記青果物の品質遷移を示す品質遷移モデルを決定する、
    収穫時熟度推定方法。
  11. 請求項１０に記載の収穫時熟度推定方法であって、
    前記コンピュータが、
    前記青果物の収穫時より後の第２の時点において、該青果物に対して第２の波長の光を照射することにより得られる、該青果物の品質を示す第２の光学的データを取得し、
    第２の光学的データの遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記第２の時点より後の時点における前記青果物の品質を予測する、
    収穫時熟度推定方法。
  12. 請求項１１に記載の収穫時熟度推定方法であって、
    前記コンピュータが、
    時間の経過に連れて劣化する品質の遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記収穫物の品質が基準レベル以下となるまでの日数を予測する、
    収穫時熟度推定方法。
  13. 請求項１１に記載の収穫時熟度推定方法であって、
    前記コンピュータが、
    時間の経過に連れて向上する品質の遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記収穫物の品質が基準レベル以上となるまでの日数を予測する、
    収穫時熟度推定方法。
  14. 請求項９〜１３の何れか一項に記載の収穫時熟度推定方法であって、
    前記コンピュータが、
    前記第１の波長の光に対する前記第１の光学的データとして、複数の波長の光に対する複数の光学的データを取得し、
    前記複数の波長の光に対する光学的データの値と前記収穫時の熟度との対応関係を示す前記収穫時熟度対応情報と、前記取得された複数の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する、
    収穫時熟度推定方法。
  15. 請求項９〜１４の何れか一項に記載の収穫時熟度推定方法であって、
    前記コンピュータが、
    前記青果物の収穫時より後の第３の時点において、該青果物に対して第３の波長の光を照射することにより得られる第３の光学的データを取得し、
    前記取得された第３の光学的データと、前記第３の波長の光に対する、第３の光学的データの値と前記青果物の品種との対応関係を示す品種対応情報とに基づいて、前記青果物の品種を推定し、
    前記青果物の品種と対応づけらている前記収穫時熟度情報と、前記取得された第１の光学的データと、前記推定された品種とに基づいて、前記青果物の収穫時の熟度を推定する、
    収穫時熟度推定方法。
  16. 請求項９〜１５の何れか一項に記載の収穫時熟度推定方法であって、
    前記光学的データは、前記青果物に対して照射された光の反射率または透過率を示すデータである、
    収穫時熟度推定方法。
  17. コンピュータに、
    青果物の収穫時より後の第１の時点において、該青果物に対して第１の波長の光を照射することにより得られる第１の光学的データを取得する機能と、
    前記第１の波長の光に対する、第１の光学的データの値と前記青果物の収穫時の熟度との対応関係を示す収穫時熟度対応情報と、前記取得された第１の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する機能と、
    を実現させるためのプログラム。
  18. 請求項１７に記載のプログラムであって、
    前記コンピュータに、
    前記推定された収穫時の熟度と、前記青果物の収穫時の熟度と品質遷移モデルとの対応関係を示す品質遷移モデル対応情報とに基づいて、前記青果物の品質遷移を示す品質遷移モデルを決定する機能を実現させるためのプログラム。
  19. 請求項１８に記載のプログラムであって、
    前記コンピュータに、
    前記青果物の収穫時より後の第２の時点において、該青果物に対して第２の波長の光を照射することにより得られる、該青果物の品質を示す第２の光学的データを取得する機能と、
    第２の光学的データの遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記第２の時点より後の時点における前記青果物の品質を予測する機能と、
    を実現させるためのプログラム。
  20. 請求項１９に記載のプログラムであって、
    前記コンピュータに、
    時間の経過に連れて劣化する品質の遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記収穫物の品質が基準レベル以下となるまでの日数を予測する機能を実現させるためのプログラム。
  21. 請求項１９に記載のプログラムであって、
    前記コンピュータに、
    時間の経過に連れて向上する品質の遷移を示す前記決定された品質遷移モデルと、前記取得された第２の光学的データとに基づいて、前記収穫物の品質が基準レベル以上となるまでの日数を予測する機能を実現させるためのプログラム。
  22. 請求項１７〜２１の何れか一項に記載のプログラムであって、
    前記コンピュータに、
    前記第１の波長の光に対する前記第１の光学的データとして、複数の波長の光に対する複数の光学的データを取得する機能と、
    前記複数の波長の光に対する光学的データの値と前記収穫時の熟度との対応関係を示す前記収穫時熟度対応情報と、前記取得された複数の光学的データとに基づいて、前記青果物の収穫時の熟度を推定する機能と、
    を実現させるためのプログラム。
  23. 請求項１７〜２２の何れか一項に記載のプログラムであって、
    前記コンピュータに、
    前記青果物の収穫時より後の第３の時点において、該青果物に対して第３の波長の光を照射することにより得られる第３の光学的データを取得する機能と、
    前記取得された第３の光学的データと、前記第３の波長の光に対する、第３の光学的データの値と前記青果物の品種との対応関係を示す品種対応情報とに基づいて、前記青果物の品種を推定する機能と、
    前記青果物の品種と対応づけらている前記収穫時熟度情報と、前記取得された第１の光学的データと、前記推定された品種とに基づいて、前記青果物の収穫時の熟度を推定する機能と、
    を実現させるためのプログラム。
  24. 請求項１７〜２３の何れか一項に記載のプログラムであって、
    前記光学的データは、前記青果物に対して照射された光の反射率または透過率を示すデータである、
    プログラム。
JP2013520446A 2011-06-17 2012-02-28 収穫時熟度推定装置、収穫時熟度推定方法及びプログラム Pending JPWO2012172834A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013520446A JPWO2012172834A1 (ja) 2011-06-17 2012-02-28 収穫時熟度推定装置、収穫時熟度推定方法及びプログラム

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2011135385 2011-06-17
JP2011135385 2011-06-17
JP2013520446A JPWO2012172834A1 (ja) 2011-06-17 2012-02-28 収穫時熟度推定装置、収穫時熟度推定方法及びプログラム

Publications (1)

Publication Number Publication Date
JPWO2012172834A1 true JPWO2012172834A1 (ja) 2015-02-23

Family

ID=47356833

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013520446A Pending JPWO2012172834A1 (ja) 2011-06-17 2012-02-28 収穫時熟度推定装置、収穫時熟度推定方法及びプログラム

Country Status (3)

Country Link
US (1) US20140122044A1 (ja)
JP (1) JPWO2012172834A1 (ja)
WO (1) WO2012172834A1 (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6410130B2 (ja) * 2014-05-15 2018-10-24 株式会社Ｊｓｏｌ 農作物の収穫予測装置、収穫予測システム及び収穫予測方法
KR101574895B1 (ko) * 2014-06-26 2015-12-04 제주대학교 산학협력단 Ｆｔ―ｉｒ 스펙트럼 데이터의 다변량 통계분석을 이용한 감귤의 당도 및 산도 예측 방법
JP6586782B2 (ja) * 2015-06-12 2019-10-09 株式会社リコー 情報処理装置、情報処理プログラム、および情報処理システム
CN109313773A (zh) * 2016-06-30 2019-02-05 佐藤控股株式会社 食用时期计算方法、食用时期计算系统、食用时期计算程序以及记录介质
JP2018004645A (ja) * 2016-07-05 2018-01-11 シャープ株式会社 熟度判定装置および熟度判定方法
EP3723471A4 (en) 2017-12-15 2021-08-25 Vineland Research and Innovation Centre PROCESSES AND SYSTEMS ASSOCIATED WITH DETERMINING THE MATURITY OF A MUSHROOM
CA3114928A1 (en) * 2018-10-05 2020-04-09 Simbe Robotics, Inc. Method for tracking and characterizing perishable goods in a store
CN109902411B (zh) * 2019-03-07 2020-08-11 三峡大学 土壤重金属含量检测建模方法及装置、检测方法及装置
JP7360649B2 (ja) * 2019-07-10 2023-10-13 国立研究開発法人農業・食品産業技術総合研究機構 クロロフィル含有量の測定方法及び果実の熟度判定方法
CN111640451B (zh) * 2020-05-07 2023-01-31 Oppo广东移动通信有限公司 一种成熟度评估方法及装置、存储介质
ES2886976A1 (es) * 2020-06-18 2021-12-21 Univ Huelva Sistema y procedimiento para la monitorizacion del estado fisiologico de cultivos y del desarrollo del fruto
CN112231349A (zh) * 2020-09-10 2021-01-15 广州众成医疗器械产业发展有限公司 产品技术成熟度曲线的处理方法、系统和存储介质
US11995842B2 (en) 2021-07-22 2024-05-28 X Development Llc Segmentation to improve chemical analysis
CN117475240A (zh) * 2023-12-26 2024-01-30 创思(广州)电子科技有限公司 基于图像识别的蔬菜核对方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07128226A (ja) * 1993-10-29 1995-05-19 Hitachi Ltd バナナ果実熟成検査装置
JPH0886747A (ja) * 1994-09-20 1996-04-02 Kubota Corp 青果物の品質判定装置
JPH08101124A (ja) * 1994-09-30 1996-04-16 Sumitomo Metal Mining Co Ltd 果実の熟度の非破壊測定方法
JP2004294108A (ja) * 2003-03-25 2004-10-21 Mitsui Mining & Smelting Co Ltd 糖度計測装置
JP2006055744A (ja) * 2004-08-19 2006-03-02 Tokai Univ 農作物成熟度測定装置および農作物成熟度測定方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITMO20050211A1 (it) * 2005-08-10 2007-02-11 Univ Bologna Alma Mater Metodo ed apparato per determinare la qualita' di prodotti ortofrutticoli

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07128226A (ja) * 1993-10-29 1995-05-19 Hitachi Ltd バナナ果実熟成検査装置
JPH0886747A (ja) * 1994-09-20 1996-04-02 Kubota Corp 青果物の品質判定装置
JPH08101124A (ja) * 1994-09-30 1996-04-16 Sumitomo Metal Mining Co Ltd 果実の熟度の非破壊測定方法
JP2004294108A (ja) * 2003-03-25 2004-10-21 Mitsui Mining & Smelting Co Ltd 糖度計測装置
JP2006055744A (ja) * 2004-08-19 2006-03-02 Tokai Univ 農作物成熟度測定装置および農作物成熟度測定方法

Also Published As

Publication number Publication date
US20140122044A1 (en) 2014-05-01
WO2012172834A1 (ja) 2012-12-20

Similar Documents

Publication Publication Date Title
WO2012172834A1 (ja) 収穫時熟度推定装置、収穫時熟度推定方法及びプログラム
US10408748B2 (en) System and method for evaluating fruits and vegetables
Sibomana et al. A review of postharvest handling and losses in the fresh tomato supply chain: a focus on Sub-Saharan Africa
Zhang et al. The optimal local model selection for robust and fast evaluation of soluble solid content in melon with thick peel and large size by Vis-NIR spectroscopy
Punt Strategic management decision-making in a complex world: quantifying, understanding, and using trade-offs
Jha et al. Physico-chemical quality parameters and overall quality index of apple during storage
Shephard et al. Size-selective fishing drives species composition in the Celtic Sea
Riera et al. Deep multiview image fusion for soybean yield estimation in breeding applications
JP2018004645A (ja) 熟度判定装置および熟度判定方法
Woodworth-Jefcoats et al. Relative impacts of simultaneous stressors on a pelagic marine ecosystem
Cortés et al. Risk assessment of cartilaginous fish populations
Taylor et al. Considerations on spatial crop load mapping
JP2018004646A (ja) 熟度判定装置および熟度判定方法
US20140309968A1 (en) Systems and methods for processing food assessment data
Leaf et al. Autumn bloom phenology and magnitude influence haddock recruitment on Georges Bank
Hadimani et al. Development of a computer vision system to estimate the colour indices of Kinnow mandarins
JP2015077113A (ja) 植物判定装置、植物判定方法、及びプログラム
Taparugssanagorn et al. A non-destructive oil palm ripeness recognition system using relative entropy
Maia et al. Selection of mango rosa genotypes in a breeding population using the multivariate-biplot method
Pădureț et al. Evaluation of strawberry texture in close relation with their anisotropy
Zacarias et al. Simulation of an Automated Tahitian lemon grading system based on computer vision
Howell et al. Balanced harvesting in a variable and uncertain world: a case study from the Barents Sea
US20220137019A1 (en) Hyperspectral computer vision aided time series forecasting for every day best flavor
JP6362570B2 (ja) 農作物判定システム
JP2021136026A (ja) 生鮮食品現状情報記録更新装置、生鮮食品現状情報記録更新システム、生鮮食品現状情報記録更新方法、及び生鮮食品現状情報記録更新プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150108

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20151203

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20160323