JPWO2016178268A1 - 圃場管理装置、圃場管理方法、及び記録媒体 - Google Patents

Abstract

圃場管理装置は、複数の作業計画候補それぞれの生成において、圃場における収穫作業を含む作業を選択し、選択した作業それぞれを実行するリソースを選択し、選択した作業それぞれが実行される作業時期を所定期間内で決定し、選択した作業と、選択したリソースと、決定した作業時期と、を当該作業計画候補に含め、複数の作業計画候補それぞれの収穫時期における、予測される収穫阻害要因情報を取得し、収穫阻害要因情報それぞれと、農作物それぞれの数量及び単価と、に基づいて、複数の作業計画候補それぞれの収穫による収入を算出し、複数の作業計画候補それぞれに含まれるリソースの利用期間と、リソースの利用単価と、に基づいて、複数の作業計画候補それぞれの作業コストを算出する。

Description

本発明は、圃場管理装置、圃場管理方法、及び記録媒体に関する。

農作物生産において、農作物の植え付け、生育、及び収穫等に関するリソース配分の計画を立てること（スケジューリング）が一般的に行われている。適切なスケジューリングの実現には、作物の播種から植え付け、生育及び収穫に関して様々な情報を蓄積し、生育に活用する必要がある。本技術分野の背景技術として、特許文献1（特開２００２−１４９７４４号公報）がある。この公報には、「農作物の生産単位区画の位置情報と栽培する農作物の種類と生産者に関する情報とを記憶する手段（ステップ１）と、生産単位区画内に複数設定された作業単位区画毎に測定された土壌状態と生育状態とを生産者側から入力して記憶する手段（ステップ２〜５）と、土壌状態及び／又は生育状態から収穫までの施肥支援計画と防除支援計画と収穫時期予測とを求めて生産者側に提供する手段（ステップ７）と、施肥支援計画と防除支援計画に基づいて実際に行なわれた農作業の内容を生産者側から入力して記憶する手段（ステップ８）と、実際の収穫が行なわれた時期と収穫量を生産者側から入力して記憶する手段（ステップ１１）と、出荷する農産物に添付する記録媒体へ記憶する出荷情報を出力する手段（ステップ１２）とを具備する。」と記載されている（要約参照）。

特開２００２−１４９７４４号公報

農作業において、病害虫の発生状況や天候など、時々刻々変化する圃場の状況を把握することは非常に重要である。特許文献１に記載の技術は、生産者が予め入力した農作業計画に防除作業を組み込む等のリスケジューリングを実施しているが、当該リスケジューリングは予め定められたものであり、必ずしも状況に応じて最適なものではない。

そこで、本発明の一態様は、予測される収穫阻害要因を利用して、収穫による収入と作業コストを最適化する作業計画候補を動的に生成することを目的とする。

上記課題を解決するために、例えば、本発明の一態様は以下の構成を採用する。圃場を含む管理対象エリアを管理する圃場管理装置であって、プロセッサと、記憶装置と、を含み、前記記憶装置は、リソースと、前記リソースそれぞれが実行する作業と、前記リソースそれぞれの単位時間当たりの利用単価と、を示すリソース情報と、前記圃場それぞれにおいて栽培されている農作物の数量と、前記農作物それぞれの単価と、を示す圃場情報と、を保持し、前記リソースは前記圃場における収穫作業を実行するリソースを含み、前記プロセッサは、複数の作業計画候補を生成し、前記複数の作業計画候補それぞれの生成において、前記圃場における収穫作業を含む作業を前記リソース情報から選択し、前記選択した作業それぞれを実行するリソースを前記リソース情報から選択し、前記選択した作業それぞれが実行される作業時期を所定期間内で決定し、前記選択した作業と、前記選択したリソースと、前記決定した作業時期と、を当該作業計画候補に含め、前記複数の作業計画候補それぞれの収穫時期における、予測される収穫阻害要因情報を取得し、前記収穫阻害要因情報それぞれと、前記圃場情報が示す前記農作物それぞれの数量及び単価と、に基づいて、前記複数の作業計画候補それぞれの収穫による収入を算出し、前記複数の作業計画候補それぞれに含まれるリソースの利用期間と、前記リソース情報が示す利用単価と、に基づいて、前記複数の作業計画候補それぞれの作業コストを算出する、圃場管理装置。

本発明の一態様によれば、圃場の状況に応じて、収穫による収入と作業コストを最適化する作業計画候補を動的に生成することができる。

実施例１における圃場管理システムの構成例を示すブロック図である。 実施例１における病害虫特徴データの一例である。 実施例１における農薬・肥料データの一例である。 実施例１における品種データの一例である。 実施例１における気象データの一例である。 実施例１における工場稼働データの一例である。 実施例１における作業計画データの一例である。 実施例１における過去発生分布データの一例である。 実施例１における発生分布パターンデータの一例である。 実施例１におけるリソースデータの一例である。 実施例１における作業データの一例である。 実施例１における圃場データの一例である。 実施例１における圃場管理処理の一例を示すフローチャートである。 実施例１における管理対象エリアの一例である。 実施例１における管理対象エリア内のサンプル点の一例である。 実施例１における病害虫発生の推定分布の一例である。 実施例１における病害虫発生分布推定処理の一例を示すフローチャートである。 実施例１における作業計画生成処理の一例を示すフローチャートである。 実施例１における病害虫拡散分布の予測結果の一例である。 実施例１における病害虫拡散分布の予測結果の一例である。 実施例１におけるリスケジュール後の作業計画の一例である。 実施例１における病害虫拡散分布の予測結果の一例である。 実施例１におけるリスケジュール後の作業計画の一例である。 実施例２における圃場管理処理の一例を示すフローチャートである。

以下、本発明を実施するための形態を、添付図面を参照して説明する。本実施形態は、管理対象エリアに含まれる１以上のサトウキビ圃場を管理する圃場管理装置の例を示す。本実施形態において、サトウキビ圃場を単に圃場と呼ぶ。また、圃場とは、同一品種のサトウキビが植え付けられた連結した領域を示す。また、管理対象エリアには、圃場だけでなく、例えば、道路や収穫されたサトウキビを加工する工場等が含まれる。なお、本実施形態の圃場管理装置は、サトウキビ圃場だけでなく、例えば、状態の把握が困難な大規模農場、及び森林等の、生育等の管理を必要とするあらゆるエリアを管理してもよい。

図１は、圃場管理システムの構成例を示す。圃場管理システム１００は、例えば、圃場管理装置１、データサーバ２、及び１以上のセンシングロボット３を含む。圃場管理装置１、データサーバ２、及びセンシングロボット３それぞれは、ネットワーク４を介して互いに通信可能である。圃場管理装置１は、例えば、バスによって相互に接続されている、中央制御装置１１、入力装置１２、出力装置１３、主記憶装置１４、補助記憶装置１５、及び通信装置１６、を含む計算機上に構成される。

中央制御装置１１は、プログラムに従って動作するプロセッサ及び／又は論理回路を含み、データの入力／出力、読み込み／書き込みを行い、さらに、後述する各プログラムを実行する。主記憶装置１４は、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）のような高速かつ揮発性の記憶素子であり、中央制御装置１１が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

補助記憶装置１５は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等の大容量かつ不揮発性の記憶装置であり、中央制御装置１１が実行するプログラム及びプログラムの実行時に使用されるデータを格納する。すなわち、プログラムは、主記憶装置１４又は補助記憶装置１５から読み出されて、主記憶装置１４にロードされて、中央制御装置１１によって実行される。

入力装置１２は、キーボード１０６やマウス１０７などを含み、オペレータからの入力を受け付ける。出力装置１３は、ディスプレイ装置１０９やプリンタなどを含み、プログラムの実行結果をオペレータが視認可能な形式で出力する。

通信装置１６は、所定のプロトコルに従って、他の装置との通信を制御するネットワークインターフェース装置である。また、通信装置１６は、例えば、ＵＳＢ等のシリアルインターフェースを含む。

中央制御装置１１が実行するプログラムは、リムーバブルメディア（ＣＤ−ＲＯＭ、フラッシュメモリなどのコンピュータ読み取り可能な可搬性の非一時的記憶媒体）又はネットワーク４を介して圃場管理装置１に提供され、非一時的記憶媒体である不揮発性の補助記憶装置１５に格納されてもよい。このため、圃場管理装置１は、リムーバブルメディアからデータを読み込むインターフェースを有するとよい。

圃場管理装置１は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、同一の計算機上で別個のスレッドで動作してもよく、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

主記憶装置１４は、それぞれプログラムである、病害虫チェック向けサンプル点算出部２１、病害虫発生分布推定部２２、病害虫拡散予測部２３、農薬・肥料散布作業優先度算出部２４、リソース最適化部２５、及び収穫量予測部２６を格納する。なお、主記憶装置１４に格納されているプログラムの一部又は全部は、例えば、補助記憶装置１５に格納されてもよい。

中央制御装置１１は、プログラムに従って動作することによって、所定の機能を実現する機能部として動作する。例えば、中央制御装置１１は、病害虫チェック向けサンプル点算出部２１に従って動作することで病害虫チェック向けサンプル点算出部として機能し、病害虫発生分布推定部２２に従って動作することで病害虫発生分布推定部として機能する。さらに、中央制御装置１１は、各プログラムが実行する複数の処理のそれぞれを実現する機能部としても動作する。計算機及び計算機システムは、これらの機能部を含む装置及びシステムである。

病害虫チェック向けサンプル点算出部２１は、センシングロボット３が病害虫の存否等をチェックする地点であるサンプル点を、管理対象エリア内の道路等の位置に基づいて算出する。病害虫の発生は、収穫阻害要因の一例である。圃場に病害虫が発生すると、例えば、当該圃場における収穫量が減少する。

病害虫発生分布推定部２２は、病害虫発生分布推定部２２は、サンプル点において病害虫が発生した場合、病害虫の発生分布を推定する。病害虫拡散予測部２３は、推定された病害虫発生分布から今後の病害虫の拡散を予測する。農薬・肥料散布作業優先度算出部２４は、病害虫の拡散予測結果から農薬や肥料散布作業の優先度を算出する。リソース最適化部２５は、リソースの最適化を実施し、新たな作業計画を生成する。収穫量予測部２６は、生成された作業計画における、収穫量及び当該収穫量における収入、並びにリソース、農薬、及び肥料かかるコストを予測する。

データサーバ２は、圃場管理装置１に提供するデータを格納する。データサーバ２は、例えば、病害虫特徴データ３１、農薬・肥料データ３２、品種データ３３、圃場・道路位置データ３４、周辺地域データ３５、気象データ３６、工場稼働データ３７、作業計画データ３８、過去発生分布データ３９、発生分布パターンデータ４０、及びリソースデータ４１を格納する。データサーバ２に格納されているデータの一部又は全部は、例えば、補助記憶装置１５に格納されていてもよい。

病害虫特徴データ３１は、サトウキビに発生する病害虫それぞれに関するデータである。農薬・肥料データ３２は、サトウキビの生育に用いられる農薬及び肥料それぞれに関するデータである。品種データは、圃場において生産されるサトウキビの品種それぞれに関するデータである。

圃場・道路位置データ３４は、管理対象エリアの地図データであり、例えばＧＭＬ形式、又は独自に整備されたベクトル形式等で示される。圃場・道路位置データ３４は、管理対象エリアに含まれる圃場の位置情報を保持する。また、圃場・道路位置データ３４は、管理対象エリアに含まれ、センシングロボット３が通行可能な領域である通行可能領域の位置情報を保持する。道路は、通行可能領域の一例である。

周辺地域データ３５は、管理対象の圃場の周辺地域のＧＩＳデータ、並びに当該周辺地域の温度、湿度、日照量、天候、及び降水量等の気象情報を含むデータである。工場稼働データ３７は、収穫されたサトウキビを加工する工場内にある加工用機器の稼働率を示すデータである。

作業計画データ３８は、圃場における作業計画を示す。作業計画データ３８は、予め当初作業計画を格納してもよい。過去発生分布データ３９は、過去の病害虫の発生状況の分布パターンを示す。害虫の個体数は、害虫の発生状況の一例である。サトウキビの栽培本数に占める、病気を発症しているサトウキビの本数の割合は、病気の発生状況の一例である。発生分布パターンデータ４０は、病害虫の発生状況の分布を示す。リソースデータ４１は、圃場における作業に利用することができるリソースに関するデータである。作業データ４２は、作業内容と、当該作業内容を実施することができるリソースとの対応を示す。

圃場データ４３は、管理対象エリアに含まれる圃場それぞれにおいて栽培されている品種を示す。なお、本実施形態において、圃場管理システム１００が使用する情報は、データ構造に依存せずどのようなデータ構造で表現されていてもよい。例えば、テーブル、リスト、データベース又はキューから適切に選択したデータ構造体が、情報を格納することができる。

センシングロボット３は、センサ部５１及びデータ送信部５２を含む。センサ部５１は、例えば、病害虫を探知する近赤外線センサ、並びに気象情報を測定する温度センサ及び湿度センサ等を含む。また、センサ部５１は、病害虫及びサトウキビの写真を撮影するカメラや、位置情報を取得するＧＰＳ等を含んでもよい。

データ送信部５２は、センサ部５１が取得した情報を、ネットワーク４を介して圃場管理装置１及びデータサーバ２に送信する。なお、センシングロボット３の代わりに、例えば、現場作業者が、センサを用いてセンサ情報を取得してもよい。また、例えば、現場作業者が、目視で病害虫を発見してもよいし、試料を採取して、試料から情報を取得してもよい。このとき、現場作業者は、発見した病害虫の情報及び試料から取得した情報を、例えば、通信機器を用いてネットワーク４を介して圃場管理装置１及びデータサーバ２に送信する。

図２は、病害虫特徴データ３１の一例を示す。病害虫特徴データ３１は、例えば病害虫ＩＤ３１０、名称３１１、画像データ３１２、発生時期３１３、体長３１４、増加分布形状３１５、初期パラメータ３１６、パラメータ３１７、及び１匹当たり被害本数３１８を含む。また、病害虫特徴データ３１は、例えば、害虫の生長時間や、病気の進行時間等の、病害虫に関する他の情報をさらに含んでもよい。

病害虫ＩＤ３１０は、病害虫の識別子である。名称３１１は、病害虫の名称である。画像データ３１２は、病害虫の画像データである。発生時期３１３は、病害虫の発生時期である。体長３１４は、害虫の体長である。対応する病害虫が病気である場合、体長３１４には、例えばｎｕｌｌ値が格納される。

増加分布形状３１５は、対応する病害虫が発生した場合に、当該病害虫の発生状況を示す値の増加値の確率を示す確率分布である。初期パラメータ３１６は、対応する増加分布形状３１５のパラメータの初期値である。パラメータ３１７は、病害虫の発生から時間ｔが経過した後の増加分布形状３１５のパラメータである。１匹当たり被害本数３１８は、害虫が１匹発生した場合において収穫が不可能となるサトウキビの本数を示す。なお、１匹当たり被害本数３１８は、対応する病害虫が病気である場合、１を格納する。

図３は、農薬・肥料データ３２の一例を示す。農薬・肥料データ３２は、例えば、農薬・肥料ＩＤ３２０、種別３２１、適用病害虫名３２２、値段３２３、スケール影響度３２４、及び分布形状影響度３２５を含む。農薬・肥料データ３２は、例えば、農薬又は肥料の用途、形状、及び主成分等の、農薬又は肥料に関する他の情報をさらに含んでもよい。

農薬・肥料ＩＤ３２０は、農薬又は肥料の識別子である。種別３２１は、農薬又は肥料の種別である。適用病害虫名３２２は、対応する農薬又は肥料によって、駆除又は治療可能な病害虫の名称である。値段３２３は、農薬又は肥料の１度の散布作業で散布する使用量あたりの値段である。スケール影響度３２４、及び分布形状影響度３２５は、対応する適用病害虫名３２２が示す病害虫が発生したエリアに農薬又は肥料を散布した場合における、病害虫拡散への影響を示す度合である。スケール影響度３２４、及び分布形状影響度３２５の詳細については、後述する。

図４は、品種データ３３の一例を示す。品種データ３３は、例えば、品種ＩＤ３３０、糖度変化３３１、及び販売単価３３２を含む。また、品種データ３３は、例えば、最適植付時期、最適収穫時期、及び最大糖度等の、品種に関する他の情報をさらに含んでもよい。品種ＩＤ３３０は、品種の識別子である。糖度変化３３１は、品種の苗を植え付けてからの各植付後月数における、当該品種の糖度である。販売単価３３２は、対応する品種の１本当たりの販売額である。販売単価３３２は、例えば、定数で表される。また、販売単価３３２は、糖度に依存する場合、糖度の関数で表される。糖度は植付からの時間に依存するため、糖度に依存する販売単価３３２は、植付からの時間に依存する。なお、糖度に依存しない販売単価３３２に対応する糖度変化３３１はｎｕｌｌ値であってもよい。

図５は、気象データ３６の一例を示す。気象データ３６は、例えば、計測位置３６０、時刻３６１、天候３６２、気温３６３、湿度３６４、降水量３６５、及び日射量３６６を含む。計測位置３６０は、気象情報が計測された位置である。時刻３６１は、気象情報が計測された時刻である。天候３６２は、計測された天候を示す。降水量３６５は、計測された降水量を示す。日射量３６６は、計測された日射量を示す。なお、気象データ３６に含まれる値それぞれは、過去の計測値であってもよいし、予測値であってもよい。

図６は、工場稼働データ３７の一例を示す。工場稼働データ３７は、例えば、機器ＩＤ３７０、及び機器稼働率３７１を含む。機器ＩＤは管理対象エリア内の工場にある機器の識別子である。機器稼働率３７１は、対応する機器の各月の稼働率を示す。機器稼働率３７１それぞれは、過去の実績値であってもよいし、予測値であってもよい。

図７は、作業計画データ３８の一例を示す。作業計画データ３８は、リソース３８０、作業内容３８１を含む。リソース３８０は、作業に用いられるリソースである。作業内容３８１は、対応するリソースが各期間に行う作業内容である。

図７の例では、作業に投入されるリソースとしてＰｅｒｓｏｎ １、Ｐｅｒｓｏｎ ２、Ｐｅｒｓｏｎ ３、及びＰｅｒｓｏｎ ４が存在し、すべてのリソースが最初の週に圃場Ａ（Ｆｉｅｌｄ Ａ）の収穫作業を、２週目に圃場Ｂ（Ｆｉｅｌｄ Ｂ）の収穫作業を、３週目に圃場Ｃ（Ｆｉｅｌｄ Ｃ）の収穫作業を、４週目に圃場Ｄ（Ｆｉｅｌｄ Ｄ）の収穫作業を、５週目に圃場Ｅ（Ｆｉｅｌｄ Ｅ）の収穫作業を実施することを示す。なお、図７では、圃場単位で作業内容３８１が指定されている例を示しているが、具体的な緯度、経度によって示される領域単位で作業内容３８１が指定されていてもよい。

図８は、過去発生分布データ３９の一例を示す。過去発生分布データ３９は、例えば、病害虫ＩＤ３９０、名称３９１、過去発生時期３９２、計測位置３９３、及び計測位置毎の個体数３９４を含む。病害虫ＩＤ３９０は、病害虫の識別子である。名称３９１は、病害虫の名称である。過去発生時期３９２は、対応する病害虫が過去に発生した時期である。計測位置３９３は、対応する病害虫が過去に発生した位置である。計測位置毎の個体数３９４は、対応する病害虫が各計測位置において発生した個体数である。

図９は、発生分布パターンデータ４０の一例を示す。発生分布パターンデータ４０は、例えばパターンＩＤ４００、名称４０１、病害虫ＩＤ４０２、過去発生時期４０３、分布中心位置４０４、初期スケール４０５、分布形状４０６、初期パラメータ４０７、変化後スケール４０８、及び変化後パラメータ４０９を含む。また、発生分布パターンデータ４０は、例えば、発生分布パターンの過去の発生回数等の、発生分布パターンに関する他の情報を含んでもよい。

パターンＩＤ４００は、発生分布パターンの識別子である。名称４０１は、発生分布パターンの名称である。病害虫ＩＤ４０２は、発生分布パターンにおいて発生した病害虫の識別子であり、病害虫特徴データ３１の病害虫ＩＤ３１０に対応する。過去発生時期４０３は、対応する発生分布パターンが過去に発生した時期である。分布中心位置４０４は、対応する発生分布パターンの中心位置を示す。

初期スケール４０５は、発生分布パターンのスケールの初期値である。分布形状４０６は、発生分布パターンの分布形状である。分布形状４０６は、例えば、２次元正規分布や２次元ガンマ分布等の分布の名称を格納する。また、分布形状４０６は、具体的な確率密度関数を格納してもよい。また、例えば、道路等には病害虫が発生しないため、分布形状４０６は、道路等を隔てた２次元混合正規分布のように環境の形状を考慮して生成された分布を、格納する場合もある。

初期パラメータ４０７は、分布形状４０６が示す分布形状のパラメータの初期値である。但し、パターンＩＤ４００が「０００４」の分布形状のように、分布形状４０６が具体的な関数で指定されている場合、初期パラメータ４０７はｎｕｌｌ値を格納する。分布パターンの初期状態、即ちセンシングロボット３が病害虫発生を確認した時刻における病害虫発生分布は、初期スケール４０５と、初期パラメータ４０７を適用した分布形状４０６と、の積で表される。以下の式１は分布形状４０６の一例である２次元正規分布を示す。

式１において、Ｎは全体の病害虫発生数、μ_１は東西方向での中心位置、μ_２は南北方向での中心位置、σ_１は東西方向における分散、σ_２は南北方向における分散、ρは相関係数を示す。２次元正規分布における、分布中心位置４０４は、例えば、（μ_１，μ_２）で表される。

変化後スケール４０８は、病害虫発生時刻から時間ｔが経過した後のスケールである。変化後パラメータ４０９は、病害虫発生時刻から時間ｔが経過した後のパラメータである。但し、例えば、パターンＩＤ４００が「０００４」である発生分布パターンのように、分布形状４０６が具体的な確率密度関数で指定されている場合、変化後パラメータ４０９は、時間ｔが経過した後の分布形状を示す関数を格納する。なお、発生分布パターンデータ４０は、実際に過去に発生した分布パターンだけでなく、予めオペレータ等によって設定された他の分布パターンを含んでもよい。当該他の分布パターンに対応する過去発生時期４０３には、例えば、ｎｕｌｌ値が格納される。

図１０は、リソースデータ４１の一例を示す。リソースデータ４１は、例えば、リソースＩＤ４１０、名称４１１、個数４１２、単価４１３を含む。リソースＩＤ４１０は、リソースの識別子である。名称４１１は、リソースの名称である。個数４１２は、対応するリソースの利用可能な個数である。単価４１３は、単位時間当たりの対応するリソース１つの利用コストである。

図１１は、作業データ４２の一例を示す。作業データ４２は、例えば、作業ＩＤ４２０、作業内容４２１、リソースＩＤ４２２、及び作業効率４２３を含む。作業ＩＤ４２０は、作業内容の識別子である。作業内容４２１は、作業内容を示す。例えば、「品種ＩＤ：０００１収穫」は、品種ＩＤ３３０が「０００１」である品種を収穫する作業を示し、「農薬・肥料ＩＤ：０００１散布」は、農薬・肥料ＩＤ３２０が「０００１」である農薬又は肥料を散布する作業を示す。

リソースＩＤ４２２は、対応する作業を行うことができるリソースＩＤを示す。リソースＩＤ４２２は、リソースデータ４１のリソースＩＤ４１０に対応する。なお、例えば、リソースＩＤ４２２が「０００１ ａｎｄ ０００５」である場合、リソースＩＤ４２２が「０００１」のリソースとリソースＩＤ４２２が「０００５」のリソースを同時に使用して、対応する作業が行われることを示す。例えば、収穫機と収穫機を操作する人間とを使用した収穫作業のような、２つのリソースが同時に使用される作業等が上述したケースに該当する。作業効率４２３は、対応するリソースが、対応する作業内容４２１を行った場合における作業効率である。

図１２は、圃場データ４３の一例を示す。圃場データ４３は、例えば、圃場ＩＤ４３０、名称４３１、品種ＩＤ４３２、単位面積当たり本数４３３、及び植付時期４３４を含む。圃場ＩＤ４３０は管理対象エリアに含まれる圃場の識別子である。名称４３１は、圃場の名称である。品種ＩＤ４３２は、圃場に植え付けられているサトウキビの品種の識別子である。品種ＩＤ４３２は、品種データ３３の品種ＩＤ３３０に対応する。単位面積当たり本数４３３は、対応する圃場に植え付けられている単位面積当たりのサトウキビの本数である。植付時期４３４は、対応する圃場にサトウキビが植え付けられた時期である。なお、圃場データ４３は、現在サトウキビが植えつけられていない圃場の情報を含まなくてもよい。

図１３は、圃場管理装置１による管理処理の一例を示す。まず、病害虫チェック向けサンプル点算出部２１は、圃場・道路位置データ３４を参照して、サンプル点を算出する（Ｓ１０１）。病害虫チェック向けサンプル点算出部２１は、例えば、管理対象エリアの地図データを所定サイズの領域（例えば、メッシュ状）に分割し、各領域と通行可能領域との距離に基づいて、サンプル点を決定する。具体的には、病害虫チェック向けサンプル点算出部２１は、例えば、分割した領域それぞれの代表点（例えば、中心点）から最も近い通行可能領域上の点を選択し、選択した点それぞれをサンプル点に決定する。

また、病害虫チェック向けサンプル点算出部２１は、例えば、選択した点と、対応する分割領域と、の距離が所定値以上である場合、当該選択した点をサンプル点に含めなくてもよい。また、病害虫チェック向けサンプル点算出部２１は、例えば、管理対象エリア内の圃場に面した通行可能領域それぞれに所定間隔でサンプル点を配置してもよい。

例えば、センシングロボット３の代わりに、現場作業者が人手で測定を実施する場合、サトウキビや大豆などの大規模農場では、圃場全体における病害虫の存否を調査することは困難である。また、衛星画像やＵＡＶ（Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅ）にて撮影された画像を利用することにより、通行可能領域外における病害虫の存否をチェックすることが考えられる。

しかし、衛星画像やＵＡＶによる画像からは、病害虫の被害がある程度広がった後でしか病害虫の存在を観測することができない。また、病害虫の存否を判定には、サトウキビの根や茎の状態を直接測定する必要があるため、ロボットにて測定する場合でも、圃場すべてをカバーすることは非常に困難である。病害虫チェック向けサンプル点算出部２１は、上述した方法により、病害虫の分布の推定、及び拡散予測を高精度に行うことができる、通行可能領域内のサンプル点を算出することができる。

図１４は、サンプル点設定対象である管理対象エリアの例を示す。管理対象エリアは、中心にある加工工場及び、それぞれ川や道路などで区切られた圃場である、Ｆｉｅｌｄ Ａ、Ｆｉｅｌｄ Ｂ、Ｆｉｅｌｄ Ｃ、Ｆｉｅｌｄ Ｄ、Ｆｉｅｌｄ Ｅを含む。

図１５は、サンプル点の設定例を示す。図中の矢印それぞれは、サンプル点を示す。図１５は、圃場に面した道路及び川沿いに、図の水平、垂直方向にそれぞれ等間隔でサンプル点が設置された例を示す。なお、サンプル点の間隔は、等間隔でなくてもよい。

図１３の説明に戻る。例えば、病害虫発生分布推定部２２は、Ｓ１０１で算出されたサンプル点それぞれに配置されたセンシングロボット３のセンサ部５１が取得した情報、例えばサトウキビの画像データ、気象データ等を定期的に受信する（Ｓ１０２）。データサーバ２は、センシングロボット３が取得した情報を受信し、格納してもよい。また、例えば、センシングロボット３がキャタピラ等を備え、移動可能な場合は、病害虫発生分布推定部２２は、センシングロボット３から位置情報を併せて受信してもよい。

病害虫発生分布推定部２２は、例えば、受信したセンサ情報と病害虫特徴データ３１に基づいて、病害虫が発生したか否かを推定する（Ｓ１０３）。例えば、病害虫発生分布推定部２２は、センシングロボット３から受信した撮影画像に、画像データ３１２の画像それぞれが示す病害虫が含まれるか否かを判定する。病害虫発生分布推定部２２は、当該撮影画像に病害虫が含まれると判定した場合、病害虫特徴データ３１において当該画像に対応する病害虫が発生したと判定する。なお、センシングロボット３又は人間がステップＳ１０３における病害虫発生判定を行ってもよい。

なお、センシングロボット３による撮影画像に病害虫が含まれる場合であっても、例えば、当該撮影画像に含まれる病害虫の体長と、体長３１４が示す体長と、の差が所定の閾値以上である場合には、病害虫発生分布推定部２２は、病害虫特徴データ３１において当該画像に病害虫が含まれないと判定してもよい。また、病害虫発生分布推定部２２は、例えば、センシングロボット３による画像の撮影時期が、発生時期３１３に含まれない病害虫については、判定対象から除外してもよい。上述した処理により、病害虫発生分布推定部２２は、病害虫発生判定の精度を高めつつ、判定処理の負荷を低減することができる。

病害虫が発生しなかった場合（Ｓ１０３：ｎｏ）、圃場管理装置１は、作業計画を変更せず、ステップＳ１０７に遷移する。病害虫発生が発生した場合（Ｓ１０３：ｙｅｓ）、病害虫発生分布推定部２２は、病害虫発生数の分布推定を実施する（Ｓ１０４）。

このとき、病害虫発生分布推定部２２は、病害虫発生が確認されたサンプルポイントそれぞれに基づいて、病害虫発生数の分布を推定する。病害虫発生数の分布推定処理の詳細については後述する。なお、複数種類の病害虫が発生した場合、病害虫発生分布推定部２２は、各種類の病害虫について、ステップＳ１０４の処理を行う。

リソース最適化部２５は、複数の作業計画を生成し、圃場の状況及び病害虫の拡散予測に基づいて算出された、生成した作業計画それぞれにおける予測収入及び予測コストに基づいて、新たな作業計画を決定する（Ｓ１０５）。ステップＳ１０５の処理の詳細は後述する。

リソース最適化部２５は、管理対象エリアに含まれる全ての圃場における収穫が完了したか否かを判定する（Ｓ１０６）。例えば、圃場管理装置１は、入力装置１２を介してオペレータから既に収穫完了通知を受信している場合にリソース最適化部２５は収穫が完了したと判定し、収穫完了通知を受信していない場合に収穫が完了していないと判定する。収穫が完了した場合（Ｓ１０６：ｙｅｓ）、圃場管理装置１は管理処理を終了する。収穫が完了していない場合（Ｓ１０６：ｎｏ）、ステップＳ１０２に遷移する。

図１６は、病害虫発生の推定分布の一例を示す。サンプル点上に示した棒グラフ６０１〜６０６それぞれは、例えば対応するサンプル点上で観測された病害虫発生状況を示す。病害虫発生分布推定部２２は、棒グラフ６０１〜６０６が示す病害虫発生状況と、棒グラフ６０１〜６０６に対応するサンプル点の位置と、発生分布パターンデータ４０と、に基づいて、害虫の推定分布６０７を算出する。図１３は、推定分布６０７が２次元正規分布である例を示している。

図１７は、ステップＳ１０４に相当する病害虫発生分布推定処理の一例を示す。病害虫発生分布推定部２２は、発生した各種類の病害虫に対して発生分布推定処理を行う。ここでは、病害虫Ｘに対する発生分布推定処理を説明する。病害虫発生分布推定部２２は、病害虫Ｘについて、病害虫発生分布図を作成する（Ｓ１３１）。病害虫Ｘについての病害虫発生分布図は、病害虫Ｘが発生した各サンプル点と各サンプル点における病害虫Ｘの発生状況とを示す情報である。図１３の例における棒グラフ６０１〜６０６からなる集合は、病害虫発生分布図の一例である。病害虫発生分布推定部２２は、例えば、作成した病害虫発生分布図の情報を過去発生分布データ３９に格納する。

続いて、病害虫発生分布推定部２２は、病害虫発生分布パターンを決定する（Ｓ１３２）。以下、ステップＳ１３２の具体的な処理の一例を示す。病害虫発生分布推定部２２は、作成した病害虫発生分布図が示す各サンプル点における病害虫Ｘの発生状況に対して、例えば最小二乗法等のカーブフィッティングを行い、近似曲面を算出する。

病害虫発生分布推定部２２は、分布中心位置４０４、初期スケール４０５、分布形状４０６、及び初期パラメータ４０７から、発生分布パターンデータ４０の各レコードが示す分布パターンを特定する。なお、病害虫発生分布推定部２２は、病害虫Ｘに対応する病害虫ＩＤ４０２を有するレコードの分布パターンのみを特定してもよい。また、病害虫発生分布推定部２２は、例えば、病害虫Ｘの発生が確認された月が、過去発生時期４０３が示す月を含む所定範囲の月に含まれる分布パターンのみを、特定してもよい。

病害虫発生分布推定部２２は、近似曲面と、特定した分布パターンそれぞれと、のパターンマッチングを行い、病害虫発生分布を決定する。病害虫発生分布推定部２２は、パターンマッチングにおいて、例えば、特定した分布パターンから、近似曲面との距離が所定の閾値以下の分布パターンを１つ選択し、選択した分布パターンを病害虫発生分布に決定する。当該距離が所定の閾値以下である分布パターンが存在しない場合、病害虫発生分布推定部２２は、例えば、特定した分布パターンから、当該距離が最小の分布パターンを選択してもよい。また、病害虫発生分布推定部２２は、パラメータマッチングを実施することにより、パターンマッチングを行ってもよい。

また、病害虫発生分布推定部２２は、例えば、当該近似曲面との距離が所定の閾値以下である分布パターンが特定した分布パターンに含まれないと判定した場合、当該近似曲面を、病害虫発生分布に決定してもよい。このとき、病害虫発生分布推定部２２は、当該近似曲面の情報を発生分布パターンデータ４０に追加してもよい。

病害虫発生分布推定部２２は、ステップＳ１３２にて決定した病害虫発生分布を利用して病害虫発生数を推定する（Ｓ１３３）。病害虫発生分布推定部２２は、上述した処理により、サンプル点以外における病害虫の発生状況を推定することができる。

図１８は、ステップＳ１０５の作業計画の生成処理の一例を示す。リソース最適化部２５は、作業計画候補を生成する（Ｓ１８１）。つまり、リソース最適化部２５は、新たな作業計画データ３８の候補を生成する。以下、作業計画候補生成処理の一例を示す。まず、リソース最適化部２５は、所定のルールに従って、作業計画候補に含まれる作業内容を決定する。リソース最適化部２５は、例えば、圃場データ４３の品種ＩＤ４３２に含まれる品種の収穫作業、及び発生した病害虫に対応する農薬・肥料の散布作業を作業内容に含める。また、リソース最適化部２５は、当該収穫作業のみを作業内容に含めてもよい。

リソース最適化部２５は、決定した作業内容それぞれを行うことができるリソースの情報を、作業内容４２１及びリソースＩＤ４２２を参照して作業データ４２から取得し、当該リソースそれぞれを個数４１２の範囲内でリソースデータ４１から利用リソースとして決定する。

リソース最適化部２５は、決定したリソースそれぞれが、対応する作業内容を行う時期を、所定範囲の期間から決定する。リソース最適化部２５は、例えば、各リソースの作業効率４２３を参照して、各リソースの作業内容が過剰にならないように、リソースの利用時期を決定する。

具体的には、例えば、リソース最適化部２５は、圃場・道路位置データ３４から得られる各圃場の面積と、各圃場の単位面積当たり本数４３３と、から各圃場におけるサトウキビの栽培本数を算出する。リソース最適化部２５は、算出した各圃場における栽培本数を、各圃場における作業を行うリソースの作業効率４２３で割って得られた値を、各圃場における収穫を行う最大期間とする。リソース最適化部２５は、各圃場における収穫期間を、当該最大期間を超えないように決定する。また、リソース最適化部２５は、選択したリソースそれぞれが、対応する作業内容を行う時期を、例えば、ランダムに決定してもよい。

また、リソース最適化部２５は、工場稼働データ３７を参照して、作業計画候補を生成してもよい。リソース最適化部２５は、例えば、各月における機器稼働率３７１の平均値を所定の減少関数に代入した値を、各月における工場で加工可能なサトウキビの本数として算出する。リソース最適化部２５は、作業時期と、収穫を行うリソースの作業効率４２３と、各圃場における栽培本数と、から、各月の収穫本数を算出する。各月の収穫本数が、各月の工場で加工可能なサトウキビの本数を超える場合、リソース最適化部２５は、例えば、当該作業計画候補を破棄し、作業計画候補を再度生成する。

病害虫拡散予測部２３は、ステップＳ１０４で推定された各病害虫分布と、ステップＳ１８１で生成した作業計画候補と、農薬・肥料データ３２と、に基づいて、各圃場の収穫時における各病害虫の拡散を予測する（Ｓ１８２）。以下、病害虫拡散予測部２３が、収穫時刻Ｔにおける病害虫Ｘの拡散を予測する例を示す。病害虫ｘの発生時刻Ｔ_１、病害虫Ｘの発生地点に病害虫Ｘに対応する農薬又は肥料が散布された時刻をＴ_２とすると、時刻Ｔは、病害虫発生から時間ｔ_１＝Ｔ−Ｔ_１が、農薬又は肥料が散布されてから時間ｔ_２＝Ｔ−Ｔ_２が経過した時刻である。

病害虫拡散予測部２３は、例えば、病害虫Ｘの推定分布における初期パラメータを、ｔ＝ｔ_１における変化後パラメータ４０９に変更する。さらに、例えば、病害虫拡散予測部２３は、病害虫Ｘの推定分布における初期スケールを、ｔ＝ｔ_１おける変化後スケール４０８と、ｔ＝ｔ_２としたスケール影響度３２４と、の和に変更する。病害虫拡散予測部２３は、例えば、上記変更を行って得られた分布に、ｔ＝ｔ_２おける分布形状影響度３２５を加えた分布を、収穫時刻Ｔにおける病害虫拡散予測分布に決定する。なお、病害虫拡散予測部２３は、病害虫拡散予測分布の病害虫発生状況が負の値を全て０に置換してもよい。

なお、当該圃場に対して、農薬又は肥料が散布されていない場合には、病害虫拡散予測部２３は、例えば、病害虫Ｘの推定分布における初期スケールの変更において、初期スケールをｔ＝ｔ_１おける変化後スケール４０８に変更する。上述した処理により、病害虫拡散予測部２３は、収穫時刻Ｔにおける病害虫拡散予測分布から、収穫時刻Ｔにおける各地点の病害虫発生状況を得ることができる。また、病害虫拡散予測部２３は、例えば、任意の領域における病害虫予測分布の積分値から、時刻Ｔの当該任意の領域における病害虫Ｘの発生状況を得ることができる。

続いて、収穫量予測部２６は、収穫によって得られる収入と、作業にかかるコストと、を算出する（Ｓ１８３）。収入算出の一例を説明する。収穫量予測部２６は、圃場・道路位置データ３４から各圃場の面積を算出し、算出した面積と、圃場データ４３の単位面積当たり本数４３３と、から各圃場におけるサトウキビの栽培本数を算出する。

また、収穫量予測部２６は、各圃場について、ステップＳ１８１で作成された作業計画候補が示す収穫時、における病害虫によるサトウキビの被害本数を算出する。具体的には、収穫量予測部２６は、ステップＳ１８２で算出した各病害虫についての発生状況それぞれに、病害虫特徴データ３１の対応する病害虫の１匹当たり被害本数３１８を掛けた値を被害本数として算出する。

収穫量予測部２６は、各圃場における栽培本数と、被害本数と、の差を、各圃場の収穫可能本数として算出する。なお、収穫量予測部２６は、算出した差が負の値になる場合、収穫本数を０とする。収穫量予測部２６は、各圃場における収穫可能本数と、各圃場に投入した収穫を行う各リソースの作業効率４２３と、当該各リソースのステップＳ１８１で作成された作業計画候補における収穫作業を行う期間と、から各圃場における収穫本数を算出する。

収穫量予測部２６は、各圃場の収穫本数に品種データ３３の対応する品種の販売単価３３２を掛けることにより、各圃場における収入を算出する。なお、販売単価３３２が糖度に依存する場合は、収穫量予測部２６は、植付時期４３４に従って糖度変化３３１から糖度を選択し、選択した糖度に従って、収入を算出する。

収穫量予測部２６は、各圃場の位置に対応する気象データ３６に基づいて、選択した糖度を補正してもよい。具体的には、収穫量予測部２６は、例えば、当該補正において、各圃場の植付から収穫時までの、積算気温、積算湿度、積算降水量、積算日射量を所定の関数に代入した値を選択した糖度に加えてもよい。

続いて、コスト算出の一例を示す。収穫量予測部２６は、ステップＳ１８１で作成された作業計画候補が示す利用リソースそれぞれの利用個数、利用期間、及び単価４１３、を掛けた値の総和をリソースの利用コストとして算出する。また、収穫量予測部２６は、ステップＳ１８１で作成された作業計画候補において散布される農薬又は肥料のコストを、農薬・肥料データ３２の値段３２３から取得する。収穫量予測部２６は、リソースの利用コストと、農薬又は肥料のコストと、の和を作業コストとして算出する。

続いて、リソース最適化部２５は、作業計画の生成を終了するか否かを判定する（Ｓ１８４）。例えば、リソース最適化部２５は、作業計画生成処理を開始してから所定時間が経過したか否か、又は所定数の作業計画に対してステップＳ１８２及びステップＳ１８３の処理が行われたか否かに従って、作業計画の生成を終了すると判定する。

また、リソース最適化部２５は、収入と作業コストとの差が所定の閾値以上である作業計画が作成された場合に、作業計画の生成を終了すると判定してもよい。リソース最適化部２５が作業計画の生成を終了しないと判定した場合（Ｓ１８４：ｎｏ）、ステップＳ１８１に遷移する。

続いて、リソース最適化部２５は、作業計画の生成を終了すると判定した場合（Ｓ１８４：ｙｅｓ）、新たな作業計画を決定する（Ｓ１８５）。例えば、リソース最適化部２５は、生成した作業計画から、収入と作業コストとの差が最大の作業計画を、新たな作業計画として選択する。また、例えば、圃場管理装置１は、当初作業計画に対しても、ステップＳ１８２及びステップＳ１８３の処理を行い、リソース最適化部２５は、当初作業計画と、生成した作業計画と、から、収入と作業コストとの差が最大の作業計画を、新たな作業計画として選択してもよい。

なお、ステップＳ１８５において、リソース最適化部２５は、例えば、生成した各作業計画、並びに各作業計画における収入、作業コスト、及び収入と作業コストとの差を出力装置１３に出力し、オペレータが出力結果から新たな作業計画を選択してもよい。また、このとき、リソース最適化部２５は、収入と作業コストとの差が所定の閾値以上の作業計画、又は収入と作業コストとの差が高い順に所定個数の作業計画を出力装置１３に出力してもよい。

リソース最適化部２５は、当初作業計画と異なる作業計画を新たな作業計画として選択した場合（Ｓ１８６：ｙｅｓ）、選択した作業計画を作業計画データ３８に反映し（Ｓ１８７）、処理を終了する。リソース最適化部２５は、当初作業計画を新たな作業計画として選択した場合（Ｓ１８６：ｎｏ）、処理を終了する。

図１９は病害虫拡散分布の予測結果の一例を示す。図１９は、図１６の２次元正規分布における、発生数が増加し、範囲が拡大した例である。病害虫発生分布の予測結果は、推定分布と同様に、２次元正規分布以外の分布形状であってもよい。

以下、作業計画の変更例を示す。図７の作業計画データ３８が示す作業計画が当初作業計画であったとし、当初作業計画における各圃場の収穫時期は、各圃場のサトウキビの糖度が最も高い時期であるとする。

図２０は、病害虫発生の拡散予測の一例を示す。図２０の管理対象エリアは、図１４の管理対象エリアと同一である。図２０の例では、圃場Ｄ、及び圃場Ｅ（Ｆｉｅｌｄ Ｄ、及びＦｉｅｌｄ Ｅ）にて、低程度で広範囲の病害虫発生が予測された状態を示す。例えばサトウキビの収穫作業において、収穫時期が変化すると糖度のピークを逃してしまう可能性がある。

糖度の低いサトウキビから生産される砂糖やエタノールの量は少ないため、販売単価が低い。そのため、圃場管理装置１は、図２０のような低程度で広範囲の病害虫が発生した場合、例えば、少ないリソースで長期間かけて対応し、当初の収穫計画をできるだけ維持する作業計画における収入とコストとの差が大きくなる可能性が高い。

図２１は、図２０の病害虫拡散予測状態に対する作業計画の一例である。図２０の例では、Ｐｅｒｓｏｎ １が第１週と第２週に農薬散布を行うこと病害虫発生の対応を実施し、その他のリソースは収穫作業を実施する。病害虫被害の影響によってＦｉｅｌｄ Ｄ、及びＦｉｅｌｄ Ｅにおける収量が減少するため、当初作業計画よりもＦｉｅｌｄ Ｄ、及びＦｉｅｌｄ Ｅそれぞれにおける収穫作業が１人週減少している。

また、作業計画の生成において、同じ圃場に対して複数週にわたって収穫を実施する場合、できるだけ同一リソースが担当することが望ましい。図２０の例では、Ｆｉｅｌｄ Ｃに対する収穫リソースは第３週と第４週で変化していない。

図２２は、病害虫発生の拡散予測の一例を示す。図２２の管理対象エリアは、図１４の管理対象エリアと同一である。図２２の例では、Ｆｉｅｌｄ Ｃ、及びＦｉｅｌｄ Ｄにて高程度に病害虫の発生が予測された状態を示す。病害虫発生数が大きいと収量の減少が大きくなるため、例えば、収穫時期を糖度が最も高い時期から変更してでも病害虫への対応を集中的に実施する作業計画における収入とコストの差が大きくなる可能性が高い。

図２３は、図２２の病害虫拡散予測状態に対作業計画の一例である。図２３の例では、Ｐｅｒｓｏｎ １、Ｐｅｒｓｏｎ ２、Ｐｅｒｓｏｎ ３、Ｐｅｒｓｏｎ ４の全員が第１週に病害虫発生の対応を実施し、その後はＦｉｅｌｄ Ａから順次収穫作業を実施する。病害虫被害の影響によってＦｉｅｌｄ Ｃ、及びＦｉｌｅｄ Ｄにおける収量が大きく減少しているため、Ｆｉｅｌｄ Ｄ、及びＦｉｅｌｄ Ｅそれぞれにおける収穫作業が当初作業計画よりも２人週減少する。

以上、本実施例の圃場管理装置１は、病害虫等の発生状況に基づいて被害レベルを予測し、予測結果を用いて、作業計画を決定することにより、収入とコストとを最適化する作業計画を動的に生成することができる。

本実施例の圃場管理装置１は、サトウキビ収穫作業における降水の影響を考慮して作業計画を生成する。サトウキビ収穫作業において、降水があると土壌の状態やサトウキビの糖度減少などにより、収穫に適さない状態が発生する。降水は収穫阻害要因の一例である。それらの状況に適切に対処することが重要となる。従って、圃場管理装置１は、気象情報に基づく、作業計画の生成を行う。

図２４は、圃場管理装置１による圃場管理処理の一例を示す。病害虫発生分布推定部２２は、周辺地域データ３５及び／又は気象データ３６を参照し、気象情報を収集する（Ｓ１４１）。また、病害虫発生分布推定部２２は、センシングロボット３から気象に関するセンサ情報を受信してもよい。

病害虫発生分布推定部２２は、収集した気象情報に基づいて、作業計画に含まれる期間に降水が予測される圃場があるか否かを判定する（Ｓ１４２）。病害虫発生分布推定部２２は、例えば、降水量３６５が所定値以上である計測位置３６０を含む圃場において、時刻３６１を含む所定範囲の期間に降水が予測されると判定する。また、例えば、周辺地域データ３５が示す管理対象エリア周辺の地点Ａの時刻Ｔにおける降水量が所定値以上であった場合、病害虫発生分布推定部２２は、地点Ａから所定距離以内にある圃場において、時刻Ｔの所定時間経過後から開始する所定範囲の期間に降水が予測されると判定する。

病害虫発生分布推定部２２は、作業計画に含まれる期間に降水が予測される圃場があると判定した場合（Ｓ１４２：ｙｅｓ）、降水予測に基づいて収穫可能範囲を推定する（Ｓ１４３）。具体的には、病害虫発生分布推定部２２は、例えば、圃場から降水範囲を除いた範囲を降水が起きている期間中の収穫可能範囲に決定する。

病害虫発生分布推定部２２は、作業計画に含まれる期間に降水が予測される圃場がないと判定した場合（Ｓ１４２：ｎｏ）、ステップＳ１４５に遷移する。

リソース最適化部２５は、収穫可能範囲に基づく複数の作業計画を生成し、生成した作業計画における予測収入及び予測コストに基づいて、新たな作業計画を決定する（Ｓ１４４）。具体的には、リソース最適化部２５は、例えば、各時期における収穫可能範囲に対してのみ収穫を行うことができるという制約条件のもと、各作業計画の生成を行う。ステップＳ１４４におけるその他の処理はステップＳ１０５と同様である。

リソース最適化部２５は、管理対象エリアに含まれる全ての圃場における収穫が完了したか否かを判定する（Ｓ１４５）。ステップＳ１４５の処理はステップＳ１０６と同様である。収穫が完了した場合（Ｓ１４５：ｙｅｓ）、圃場管理装置１は管理処理を終了する。収穫が完了していない場合（Ｓ１４５：ｎｏ）、ステップＳ１４１に遷移する。

なお、圃場管理装置１は、例えば、温度や日射量等の、降水以外の気象情報に基づいて収穫可能範囲を推定してもよい。なお、圃場管理装置１は、実施例１の病害虫拡散予測に基づく作業計画の生成において、気象情報を併せて考慮してもよい。即ち圃場管理装置１は、気象情報に基づく収穫可能範囲による制約条件の下で、ステップＳ１８１の処理を行ってもよい。以上、本実施例の圃場管理装置１は、気象情報を考慮することにより、収穫時期を適切な時期に調整した作業計画を生成することができる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることも可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

図２１は、図２０の病害虫拡散予測状態に対する作業計画の一例である。図２１の例では、Ｐｅｒｓｏｎ １が第１週と第２週に農薬散布を行うこと病害虫発生の対応を実施し、その他のリソースは収穫作業を実施する。病害虫被害の影響によってＦｉｅｌｄ Ｄ、及びＦｉｅｌｄ Ｅにおける収量が減少するため、当初作業計画よりもＦｉｅｌｄ Ｄ、及びＦｉｅｌｄ Ｅそれぞれにおける収穫作業が１人週減少している。

また、作業計画の生成において、同じ圃場に対して複数週にわたって収穫を実施する場合、できるだけ同一リソースが担当することが望ましい。図２１の例では、Ｆｉｅｌｄ Ｃに対する収穫リソースは第３週と第４週で変化していない。

図２３は、図２２の病害虫拡散予測状態に対作業計画の一例である。図２３の例では、Ｐｅｒｓｏｎ １、Ｐｅｒｓｏｎ ２、Ｐｅｒｓｏｎ ３、Ｐｅｒｓｏｎ ４の全員が第１週に病害虫発生の対応を実施し、その後はＦｉｅｌｄ Ａから順次収穫作業を実施する。病害虫被害の影響によってＦｉｅｌｄ Ｃ、及びＦｉｌｅｄ Ｄにおける収量が大きく減少しているため、Ｆｉｅｌｄ Ｃ、及びＦｉｅｌｄ Ｄそれぞれにおける収穫作業が当初作業計画よりも２人週減少する。

Claims (15)

1. 圃場を含む管理対象エリアを管理する圃場管理装置であって、
   プロセッサと、記憶装置と、を含み、
   前記記憶装置は、
   リソースと、前記リソースそれぞれが実行する作業と、前記リソースそれぞれの単位時間当たりの利用単価と、を示すリソース情報と、
   前記圃場それぞれにおいて栽培されている農作物の数量と、前記農作物それぞれの単価と、を示す圃場情報と、を保持し、
   前記リソースは前記圃場における収穫作業を実行するリソースを含み、
   前記プロセッサは、
   複数の作業計画候補を生成し、
   前記複数の作業計画候補それぞれの生成において、前記圃場における収穫作業を含む作業を前記リソース情報から選択し、前記選択した作業それぞれを実行するリソースを前記リソース情報から選択し、前記選択した作業それぞれが実行される作業時期を所定期間内で決定し、前記選択した作業と、前記選択したリソースと、前記決定した作業時期と、を当該作業計画候補に含め、
   前記複数の作業計画候補それぞれの収穫時期における、予測される収穫阻害要因情報を取得し、
   前記収穫阻害要因情報それぞれと、前記圃場情報が示す前記農作物それぞれの数量及び単価と、に基づいて、前記複数の作業計画候補それぞれの収穫による収入を算出し、
   前記複数の作業計画候補それぞれに含まれるリソースの利用期間と、前記リソース情報が示す利用単価と、に基づいて、前記複数の作業計画候補それぞれの作業コストを算出する、圃場管理装置。
2. 請求項１に記載の圃場管理装置であって、
   前記記憶装置は、前記管理対象エリアにおける複数の病害虫発生分布パターンをさらに保持し、
   前記プロセッサは、
   前記管理対象エリア内の複数のサンプル点それぞれの病害虫発生状況測定結果を取得し、
   前記取得した病害虫発生状況測定結果と、前記複数の病害虫発生分布パターンそれぞれと、の比較結果に基づいて、前記管理対象エリアにおける病害虫発生分布を推定し、
   前記病害虫発生分布に基づいて、前記複数の作業計画候補それぞれの収穫時期における病害虫拡散状況を予測し、
   前記予測した病害虫拡散状況それぞれと、前記圃場情報が示す前記農作物それぞれの数量及び単価と、に基づいて、前記複数の作業計画候補それぞれの収穫による収入を算出する、圃場管理装置。
3. 請求項２に記載の圃場管理装置であって、
   前記記憶装置は、農薬又は肥料と、前記農薬又は肥料それぞれの病害虫に対する影響度を示す農薬・肥料情報をさらに保持し、
   前記リソースは前記農薬又は肥料を散布するリソースを含み、
   前記プロセッサは、
   前記複数の作業計画候補それぞれの生成において、前記圃場における収穫作業と、前記病害虫発生分布が示す病害虫発生地点における前記農薬・肥料情報が示す農薬又は肥料の散布作業と、を含む作業を決定し、
   前記病害虫発生分布と、前記散布作業が実行される時期と、前記農薬・肥料情報が示す影響度と、に基づいて、前記複数の作業計画候補それぞれの収穫時期における病害虫拡散状況を予測する、圃場管理装置。
4. 請求項２に記載の圃場管理装置であって、
   前記記憶装置は、
   前記管理対象エリアの地図情報と、
   前記管理対象エリア内におけるサンプル点の配置可能領域を示すサンプル点配置情報と、をさらに保持し、
   前記プロセッサは、
   前記地図情報を参照して前記管理対象エリアを複数の領域に分割し、
   前記複数の領域それぞれに対して、前記サンプル点配置情報が示す配置可能領域内の点であって、当該領域から所定距離以内の点、を選択し、
   前記選択した点それぞれを、前記複数のサンプル点に決定する、圃場管理装置。
5. 請求項１に記載の圃場管理装置であって、
   前記圃場情報は、前記農作物それぞれの植付時期を示し、
   前記圃場情報が示す農作物それぞれの単価は、前記農作物それぞれの植付からの時間に依存する関数で表され、
   前記プロセッサは、前記収穫阻害要因情報それぞれと、前記圃場情報が示す前記農作物それぞれの植付時期、数量、及び単価を示す関数と、に基づいて、前記複数の作業計画候補それぞれの収穫による収入を算出する、圃場管理装置。
6. 請求項１に記載の圃場管理装置であって、
   前記プロセッサは、
   前記圃場における前記所定期間内の予測される降水時期及び降水範囲を取得し、
   前記取得した降水範囲に基づいて、前記取得した降水時期における収穫可能範囲を推定し、
   前記推定した収穫可能範囲に基づいて、前記複数の作業計画候補それぞれに含める作業及びリソースの選択、並びに作業時期の決定を行う、圃場管理装置。
7. 請求項１に記載の圃場管理装置であって、
   表示装置をさらに含み、
   前記プロセッサは、
   前記複数の作業計画候補それぞれにおける収入と作業コストとを比較した結果に基づいて、前記複数の作業計画候補から１以上の作業計画を選択し、
   前記１以上の作業計画を前記表示装置に表示する、圃場管理装置。
8. 圃場管理装置が、圃場を含む管理対象エリアを管理する方法であって、
   前記圃場管理装置は、
   リソースと、前記リソースそれぞれが実行する作業と、前記リソースそれぞれの単位時間当たりの利用単価と、を示すリソース情報と、
   前記圃場それぞれにおいて栽培されている農作物の数量と、前記農作物それぞれの単価と、を示す圃場情報と、を保持し、
   前記リソースは前記圃場における収穫作業を実行するリソースを含み、
   前記方法は、前記圃場管理装置が、
   複数の作業計画候補を生成し、
   前記複数の作業計画候補それぞれの生成において、前記圃場における収穫作業を含む作業を前記リソース情報から選択し、前記選択した作業それぞれを実行するリソースを前記リソース情報から選択し、前記選択した作業それぞれが実行される作業時期を所定期間内で決定し、前記選択した作業と、前記選択したリソースと、前記決定した作業時期と、を当該作業計画候補に含め、
   前記複数の作業計画候補それぞれの収穫時期における、予測される収穫阻害要因情報を取得し、
   前記収穫阻害要因情報それぞれと、前記圃場情報が示す前記農作物それぞれの数量及び単価と、に基づいて、前記複数の作業計画候補それぞれの収穫による収入を算出し、
   前記複数の作業計画候補それぞれに含まれるリソースの利用期間と、前記リソース情報が示す利用単価と、に基づいて、前記複数の作業計画候補それぞれの作業コストを算出する、方法。
9. 請求項８に記載の方法であって、
   前記圃場管理装置は、前記管理対象エリアにおける複数の病害虫発生分布パターンをさらに保持し、
   前記方法は、前記圃場管理装置が、
   前記管理対象エリア内の複数のサンプル点それぞれの病害虫発生状況測定結果を取得し、
   前記取得した病害虫発生状況測定結果と、前記複数の病害虫発生分布パターンそれぞれと、の比較結果に基づいて、前記管理対象エリアにおける病害虫発生分布を推定し、
   前記病害虫発生分布に基づいて、前記複数の作業計画候補それぞれの収穫時期における病害虫拡散状況を予測し、
   前記予測した病害虫拡散状況それぞれと、前記圃場情報が示す前記農作物それぞれの数量及び単価と、に基づいて、前記複数の作業計画候補それぞれの収穫による収入を算出する、方法。
10. 請求項９に記載の方法であって、
    前記圃場管理装置は、前記農薬又は肥料と、農薬又は肥料それぞれの病害虫に対する影響度を示す農薬・肥料情報をさらに保持し、
    前記リソースは前記農薬又は肥料を散布するリソースを含み、
    前記方法は、前記圃場管理装置が、
    前記複数の作業計画候補それぞれの生成において、前記圃場における収穫作業と、前記病害虫発生分布が示す病害虫発生地点における前記農薬・肥料情報が示す農薬又は肥料の散布作業と、を含む作業を決定し、
    前記病害虫発生分布と、前記散布作業が実行される時期と、前記農薬・肥料情報が示す影響度と、に基づいて、前記複数の作業計画候補それぞれの収穫時期における病害虫拡散状況を予測する、方法。
11. 請求項９に記載の方法であって、
    前記圃場管理装置は、
    前記管理対象エリアの地図情報と、
    前記管理対象エリア内におけるサンプル点の配置可能領域を示すサンプル点配置情報と、をさらに保持し、
    前記方法は、前記圃場管理装置が、
    前記地図情報を参照して前記管理対象エリアを複数の領域に分割し、
    前記複数の領域それぞれに対して、前記サンプル点配置情報が示す配置可能領域内の点であって、当該領域から所定距離以内の点、を選択し、
    前記選択した点それぞれを、前記複数のサンプル点に決定する、方法。
12. 請求項８に記載の方法であって、
    前記圃場情報は、前記農作物それぞれの植付時期を示し、
    前記圃場情報が示す農作物それぞれの単価は、前記農作物それぞれの植付からの時間に依存する関数で表され、
    前記方法は、前記圃場管理装置が、前記収穫阻害要因情報それぞれと、前記圃場情報が示す前記農作物それぞれの植付時期、数量、及び単価を示す関数と、に基づいて、前記複数の作業計画候補それぞれの収穫による収入を算出する、方法。
13. 請求項８に記載の方法であって、
    前記圃場管理装置が、
    前記圃場における前記所定期間内の予測される降水時期及び降水範囲を取得し、
    前記取得した降水範囲に基づいて、前記取得した降水時期における収穫可能範囲を推定し、
    前記推定した収穫可能範囲に基づいて、前記複数の作業計画候補それぞれに含める作業及びリソースの選択、並びに作業時期の決定を行う、方法。
14. 請求項８に記載の方法であって、
    前記圃場管理装置は、表示装置をさらに含み、
    前記方法は、前記圃場管理装置が、
    前記複数の作業計画候補それぞれにおける収入と作業コストとを比較した結果に基づいて、前記複数の作業計画候補から１以上の作業計画を選択し、
    前記１以上の作業計画を前記表示装置に表示する、方法。
15. 圃場を含む管理対象エリアの管理を、コンピュータに実行させるプログラムを保持する、コンピュータ読み取り可能な非一時的記録媒体であって、
    前記コンピュータは、
    リソースと、前記リソースそれぞれが実行する作業と、前記リソースそれぞれの単位時間当たりの利用単価と、を示すリソース情報と、
    前記圃場それぞれにおいて栽培されている農作物の数量と、前記農作物それぞれの単価と、を示す圃場情報と、を保持し、
    前記リソースは前記圃場における収穫作業を実行するリソースを含み、
    前記プログラムは、
    複数の作業計画候補を生成する手順と、
    前記複数の作業計画候補それぞれの生成において、前記圃場における収穫作業を含む作業を前記リソース情報から選択し、前記選択した作業それぞれを実行するリソースを前記リソース情報から選択し、前記選択した作業それぞれが実行される作業時期を所定期間内で決定し、前記選択した作業と、前記選択したリソースと、前記決定した作業時期と、を当該作業計画候補に含める手順と、
    前記複数の作業計画候補それぞれの収穫時期における、予測される収穫阻害要因情報を取得する手順と、
    前記収穫阻害要因情報それぞれと、前記圃場情報が示す前記農作物それぞれの数量及び単価と、に基づいて、前記複数の作業計画候補それぞれの収穫による収入を算出する手順と、
    前記複数の作業計画候補それぞれに含まれるリソースの利用期間と、前記リソース情報が示す利用単価と、に基づいて、前記複数の作業計画候補それぞれの作業コストを算出する手順と、を前記コンピュータに実行させる、コンピュータ読み取り可能な非一時的記録媒体。

Images