JPWO2018180239A1 - 情報処理装置および情報処理方法 - Google Patents

情報処理装置および情報処理方法 Download PDF

Info

Publication number
JPWO2018180239A1
JPWO2018180239A1 JP2019509082A JP2019509082A JPWO2018180239A1 JP WO2018180239 A1 JPWO2018180239 A1 JP WO2018180239A1 JP 2019509082 A JP2019509082 A JP 2019509082A JP 2019509082 A JP2019509082 A JP 2019509082A JP WO2018180239 A1 JPWO2018180239 A1 JP WO2018180239A1
Authority
JP
Japan
Prior art keywords
information
greenhouse
prediction
environment
information processing
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.)
Granted
Application number
JP2019509082A
Other languages
English (en)
Other versions
JP6942790B2 (ja
Inventor
聖 伊藤
聖 伊藤
モーザム，ジェーン
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.)
Bosch Corp
Original Assignee
Bosch 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 Bosch Corp filed Critical Bosch Corp
Publication of JPWO2018180239A1 publication Critical patent/JPWO2018180239A1/ja
Application granted granted Critical
Publication of JP6942790B2 publication Critical patent/JP6942790B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/14—Greenhouses
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • A01G9/26—Electric devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
    • A01G9/24—Devices or systems for heating, ventilating, regulating temperature, illuminating, or watering, in greenhouses, forcing-frames, or the like
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/25—Greenhouse technology, e.g. cooling systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Signal Processing (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Agronomy & Crop Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Atmospheric Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)

Abstract

センサの設置およびメンテナンス等にかかるコストを抑制しながら、将来の温室の内部の環境の予測についての正確性を向上させる。気象観測情報を入力として温室の内部の環境に関する実績情報に基づいて行われる機械学習により得られる温室内環境予測モデルを用いて、気象予測情報に基づいて上記温室の内部の環境を予測する予測部と、予測された上記温室の内部の環境に関する予測情報の出力を制御する出力制御部とを備える情報処理装置が提供される。

Description

本発明は、情報処理装置および情報処理方法に関する。
近年、施設園芸において、温室の内部の環境を予測し、その予測結果に基づいて温室の内部の環境を制御する技術が開発されている。このような温室の内部の環境を事前に予測し、予測結果を用いて温室の内部の環境を制御することにより、将来の収穫量および病害リスクを事前に把握することができ、さらにその病害リスクを回避し、収穫量の低下を抑制することができる。
例えば、特許文献１には、温室の内部に設けられる複数の暖房機の運転パターンの組み合わせに基づくシミュレーションにより目標温度に近づくような最適運転パターンを選定し、選定された最適運転パターンに基づいて暖房機を制御する技術が開示されている。
また、特許文献２および特許文献３には、外気温センサまたは太陽光センサ等から入力される情報に基づいて、暖房等の温室の内部の環境を調整する機器を制御する技術が開示されている。
特開２０１２−５７９３１号公報 特開２００２−４８３５４号公報 特開平５−２２７６６１号公報
しかし、上記特許文献に開示された発明においては、温室の周囲に外気温センサまたは太陽光センサ等の環境センサを適宜設置する必要があった。そのため、当該環境センサの導入コストおよびメンテナンスコストがかかるという問題があった。
そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、コストを抑制しながら、将来の温室の内部の環境の予測についての正確性を向上させることが可能な、新規かつ改良された情報処理装置および情報処理方法を提供することにある。
上記課題を解決するために、本発明のある観点によれば、気象観測情報を入力として温室の内部の環境に関する実績情報に基づいて行われる機械学習により得られる温室内環境予測モデルを用いて、気象予測情報に基づいて上記温室の内部の環境を予測する予測部と、予測された上記温室の内部の環境に関する予測情報の出力を制御する出力制御部とを備える情報処理装置が提供される。
上記温室内環境予測モデルへ入力される情報は、気象の予測対象時刻に関する情報を含んでもよい。
上記気象の予測対象時刻に関する情報は、上記気象の予測対象時刻が属する時間帯についての情報を含んでもよい。
上記気象の予測対象時刻に関する情報は、上記気象の予測対象時刻が属する月についての情報を含んでもよい。
上記温室内環境予測モデルへ入力される情報は、上記温室を識別する識別情報を含んでもよい。
上記温室内環境予測モデルへ入力される情報は、上記温室の内部の環境を制御可能な環境制御機器に関する情報を含んでもよい。
上記環境制御機器に関する情報は、上記環境制御機器の設置の有無についての情報を含んでもよい。
上記環境制御機器に関する情報は、上記環境制御機器の運転状況を示す情報を含んでもよい。
上記気象予測情報は、上記温室の外部の気温、上記温室の外部の相対湿度、日射量および雨量の少なくともいずれかについての情報を含んでもよい。
上記情報処理装置は、気象観測情報を入力とし、上記温室の内部の環境に関する実績情報に基づいて、上記温室内環境予測モデルの機械学習を行う機械学習部をさらに備えてもよい。
上記機械学習部は、上記温室の内部の環境に関する予測情報と、当該温室の内部の環境に関する予測情報に対応する予測対象時刻における上記温室の内部の環境に関する実績情報とに基づいて、上記温室内環境予測モデルを更新してもよい。
上記温室の内部の環境に関する予測情報は、上記温室の内部の気温および上記温室の内部の相対湿度の少なくともいずれかについての情報を含んでもよい。
また、上記課題を解決するために、本発明の別の観点によれば、気象観測情報を入力として温室の内部の環境に関する実績情報に基づいて行われる機械学習により得られる温室内環境予測モデルを用いて、気象予測情報に基づいて上記温室の内部の環境を予測する予測ステップと、予測された上記温室の内部の環境に関する予測情報の出力を制御する出力制御ステップとを含む情報処理方法が提供される。
以上説明したように本発明によれば、コストを抑制しながら、将来の温室内の環境の予測についての正確性を向上させることが可能である。
本発明の一実施形態に係る情報処理システムの概要を説明するための図である。 同実施形態に係る情報処理システムの概略的な機能構成の例を示すブロック図である。 同実施形態に係る情報処理システムの機械学習処理における処理全体の流れの例を概念的に示す図である。 同実施形態に係る情報処理サーバの機械学習処理の例を概念的に示すフローチャートである。 同実施形態に係る情報処理システムの予測処理における処理全体の流れの例を概念的に示す図である。 同実施形態に係る情報処理サーバの予測処理の例を概念的に示すフローチャートである。 同実施形態に係る情報処理サーバのハードウェア構成例を示したブロック図である。
以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
＜＜１．概要＞＞
まず、図１を参照して、本発明の一実施形態に係る情報処理システム１の概要について説明する。図１は、本発明の一実施形態に係る情報処理システム１の概要を説明するための図である。
情報処理システム１は、気象情報および温室の内部の環境についての情報等を収集する収集機能、および収集した情報に基づく温室の内部の環境の予測機能を有する。また、情報処理システム１は、予測機能により得られる予測情報を提示する提示機能を有してもよい。
具体的には、情報処理システム１は、情報収集機能および情報配信機能を有する情報処理サーバ１００、情報閲覧機能を有する情報処理端末２００、並びに温室３（３Ａ〜３Ｃ）にそれぞれ設けられ、観測機能および観測情報配信機能を有する計測制御装置３００（３００Ａ〜３００Ｃ）を備える。
例えば、情報処理サーバ１００は、気象情報サーバ４００から気象情報（気象予測情報を含む）を収集する。ここで、気象予測情報とは、天気予報など、将来における未観測の気象情報を意味する。そして、情報処理サーバ１００は、収集された気象情報を温室内環境予測モデルに入力する。次に、情報処理サーバ１００は、温室内環境予測モデルから出力される温室３の内部の将来の環境の予測情報を出力し、情報処理端末２００へ配信する。
さらに、情報処理サーバ１００は、機械学習された温室内環境予測モデルを用いる。かかる機械学習は、少なくとも気象観測情報を入力として、温室の内部の環境に関する実績情報に基づいて行われるものである。ここで、気象観測情報とは、過去の天気など、過去において観測された気象情報を意味する。
例えば、情報処理サーバ１００は、機械学習機能を有してもよい。具体的には、情報処理サーバ１００は、計測制御装置３００から温室の内部の環境に関する実績情報を取得する。また、情報処理サーバ１００は、気象情報サーバ４００から気象観測情報を取得する。そして、情報処理サーバ１００は、気象観測情報と温室の内部の環境に関する実績情報とに基づいて、温室内環境予測モデルの機械学習を行う。
このように、機械学習された温室内環境予測モデルを用いることにより、気象予測情報を入力とするだけで、将来の温室の内部の環境を予測することが可能となる。したがって、環境センサ等の設置および維持を要せず、コストを抑制しながら、温室の内部の環境を予測についての正確性を向上させることが可能となる。
なお、上述した情報処理サーバ１００の機能は、複数の装置で実現されてもよい。例えば、上述した情報処理サーバ１００の機能は、複数の装置を有するクラウドコンピューティングにより実現されてもよい。また、図１では、情報処理端末２００がスマートフォンのような携帯通信端末である例を説明したが、情報処理端末２００は据置型のパーソナルコンピュータなどの情報通信装置であってもよい。
＜＜２．本発明の一実施形態＞＞
以上、本発明の一実施形態に係る情報処理システム１の概要について説明した。次に、本発明の一実施形態に係る情報処理システム１の詳細について説明する。
＜２．１．システムの構成＞
まず、図２を参照して、情報処理システム１の機能構成について説明する。図２は、本発明の一実施形態に係る情報処理システム１の概略的な機能構成の例を示すブロック図である。
図２に示したように、情報処理システム１は、情報処理サーバ１００、情報処理端末２００および計測制御装置３００を備える。情報処理サーバ１００、情報処理端末２００および計測制御装置３００ならびに後述する気象情報サーバ４００は、通信ネットワークを介して接続されている。これらの装置は、例えばインターネットなどのＷＡＮ（Wide Area Network）を介して接続される。
（情報処理サーバ）
情報処理サーバ１００は、情報処理装置として動作し、通信部１１０、記憶部１２０および制御部１３０を備える。
（通信部）
通信部１１０は、情報処理端末２００、計測制御装置３００および気象情報サーバ４００と通信する。具体的には、通信部１１０は、計測制御装置３００から温室の内部の環境に関する実績情報を、気象情報サーバ４００から気象情報を受信する。また、通信部１１０は、出力制御部１３３により出力される情報を送信する。例えば、通信部１１０は、温室３の内部の環境に関する予測情報を、情報処理端末２００、または計測制御装置３００へ送信し得る。
通信部１１０は、例えば、ネットワークに接続するための通信インタフェース等により実現される。
（記憶部）
記憶部１２０は、制御部１３０の処理に関する情報を記憶する。具体的には、記憶部１２０は、通信部１１０により受信された情報（例えば、温室３の内部の環境に関する実績情報および気象情報等）を記憶する。また、記憶部１２０は、温室内環境予測モデルを記憶する。
記憶部１２０は、例えば、データ格納用のストレージ装置等により実現される。
（制御部）
制御部１３０は、情報処理サーバ１００の動作を全体的に制御する。具体的には、制御部１３０は、図２に示したように機械学習部１３１、予測部１３２および出力制御部１３３を備え、温室３の内部の環境の予測に係る処理を制御する機能を有する。制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）およびＲＡＭ（Random Access Memory）により構成される演算処理装置および制御装置等により実現される。
（機械学習部）
機械学習部１３１は、温室内環境予測モデルの機械学習を行う。具体的には、機械学習部１３１は、記憶部１２０に記憶される温室３の内部の環境に関する実績情報および当該実績情報に対応する気象観測情報に基づいて、温室内環境予測モデルの機械学習を行う。
詳細には、機械学習部１３１は、過去の所定期間における温室３の内部の環境に関する実績情報、および当該所定期間における気象観測情報を記憶部１２０から取得する。そして、機械学習部１３１は、気象観測情報を入力とし、温室３の内部の環境に関する実績情報を出力とする教師データを用いて、温室内環境予測モデルの機械学習を行う。機械学習後の温室内環境予測モデルは、記憶部１２０に記憶される。
なお、温室内環境予測モデルに入力される気象観測情報として、例えば、温室３の外部の気温、相対湿度、日射量、雨量の実績値等が挙げられる。また、温室３の内部の環境に関する実績情報として、例えば、温室の内部の気温および相対湿度の実績値等が挙げられる。その他、温室３の内部の環境に関する実績情報として、温室３の内部の二酸化炭素濃度または土壌水分量等を示す実績値等が挙げられる。
また、上述した気象観測情報の他に、温室内環境予測モデルに入力される情報として、例えば、気象の観測時刻（観測対象時刻）に関する情報が用いられてもよい。例えば、観測対象時刻が午前７時である場合、「午前７時」という情報が、温室内環境予測モデルに入力され得る。また、当該観測対象時刻に関する情報は、観測対象時刻が属する時間帯についての情報であってもよい。例えば、当該時間帯が１時間刻みで設定される場合、観測時刻が午後９時２０分であれば、当該時間帯についての情報として、「２１−２２（午後９時と午後１０時の間）」という情報が、温室内環境予測モデルに入力され得る。
温室３では、工場とは異なり、日射の有無や朝晩の寒暖の変化により、温室３の外部のみならず、温室３の内部の温度や湿度等の気象等の環境は１日の間に大きく変化し得る。そのため、温室内環境予測モデルに入力される情報として、時間帯等の時刻に関する情報が用いられることで、温室３の内部の環境の時系列変化を考慮することができる。したがって、温室３の内部の環境の予測についての正確性を向上することが可能となる。
また、気象の観測対象時刻に関する情報は、気象の観測対象時刻が属する月についての情報であってもよい。温室３の内部の環境は、１日の間のみならず、１年における季節によっても大きく変動しうる。そのため、温室内環境予測モデルに入力される情報として、観測対象時刻が属する月の上方が用いられることで、温室３の内部の環境のより長いスパンにおける時系列変化を考慮することができる。したがって、温室３の内部の環境の予測についての正確性を向上することが可能となる。
また、温室内環境予測モデルに入力される情報として、例えば、温室３を識別する識別情報が用いられてもよい。複数の温室３の間においては、温室３の構造、温室３に設けられる温室の内部の環境を制御する制御機器の有無および性能、または温室３の設置位置の違いによって、温室の内部の環境が大きく異なりうる。そこで、温室内環境予測モデルに入力される情報として温室３を識別する識別情報が用いられることで、温室３ごとに適した温室内環境予測モデルを構築することが可能である。
なお、かかる温室内環境予測モデルは、温室３ごとに独立して構築されてもよい。一方、例えば、複数の温室３が所定の領域内に密集している場合、かかる所定の領域における温室外の気象等の環境は一様であることが多い。そのため、温室３を識別する識別情報を温室内環境予測モデルに入力される情報として用いることで、一の共通する温室内環境予測モデルを構築するだけで、複数の温室３内の環境を十分高い精度で予測することができる。
また、温室内環境予測モデルに入力される情報として、例えば、温室３の内部の環境を制御可能な環境制御機器に関する情報が用いられてもよい。環境制御機器は、例えば、温室の内部の温度を制御する暖房機器や、温室の内部への日射量を調整する遮光カーテン等である。
環境制御機器に関する情報とは、例えば、環境制御機器の設置の有無についての情報を含む。環境制御機器が温室の内部に設置されているか否かによって、温室の内部の環境の変化（例えば温度の変化等）のパターンが変化しうる。そこで、環境制御機器の設置の有無についての情報を温室内環境予測モデルに入力される情報として用いることで、温室の内部の環境の制御による温室の内部の環境の変化への影響を考慮することができる。したがって、温室３の内部の環境の予測についての正確性を向上することが可能となる。
また、環境制御機器に関する情報とは、例えば、環境制御機器の運転状況を示す情報を含む。環境制御機器が温室の内部に設置されている場合に当該環境制御機器の運転状況（例えば運転もしくは停止の状態、または運転における環境制御機器の制御状況）によって、温室の内部の環境の変化のパターンが変化しうる。そこで、環境制御機器の運転状況を示す情報を温室内環境予測モデルに入力される情報として用いることで、運転状況による温室の内部の環境の変化への影響を考慮することができる。したがって、温室３の内部の環境の予測についての正確性を向上することが可能となる。
なお、温室３を識別する識別情報および環境制御機器に関する情報は、例えば、温室３の各々に設置されている計測制御装置３００から適宜取得可能である。
本明細書では、以下、気象観測（予測）情報、時刻に関する情報、温室３の識別情報および環境制御機器に関する情報等を、入力情報とも称する。これらの入力情報は、定量的なデータであっても、定性的なデータであってもよい。また、これらの入力情報は、連続データであってもよいし、複数段階に区分された離散データであってもよい。
例えば、温室内環境予測モデルにおける温室３の内部の気温および相対湿度についての予測式は、下記式（１）および式（２）のように表されてもよい。
ここで、各変数は以下のように定義される。
Ｔｉｎ：温室３の内部の気温の予測値
Ｔｏｕｔ：温室３の外部の気温の予測値
Ｓ：温室３の外部の日射量の予測値
Ｚ１（ｔ）、Ｚ２（ｔ）：予測対象時刻の属する時間帯に対応する変数
Ｈｉｎ：温室３の内部の相対湿度の予測値
Ｈｏｕｔ：温室３の外部の相対湿度の予測値
Ｍ（ｔ）：予測対象時刻の属する月に対応する変数
また、係数Ａ１、Ａ２、Ｂ１およびＢ２、並びに変数Ｚ１（ｔ）、Ｚ２（ｔ）およびＭ（ｔ）は、例えば、後述する機械学習を行うことにより算出される。
なお、機械学習部１３１は、公知の機械学習モデルを用いて、温室内環境予測モデルを構築しうる。なお、上記の機械学習モデルは、既存の機械学習モデルのうち、温室内環境予測モデルの機械学習に利用可能なモデルのいずれであってもよい。例えば、機械学習モデルは、線形回帰、カルマンフィルタ等のフィルタ、サポートベクタマシン、ランダムフォレスト、近傍法、ディープラーニング等のニューラルネットワークまたはベイジアンネットワークなどを用いた計算モデルであってよい。
また、機械学習部１３１は、後述する予測部１３２により得られる予測情報と、当該予測情報に対応する予測対象時刻における温室３の内部の環境に関する実績情報とに基づいて、温室内環境予測モデルを更新してもよい。これにより、予測情報と実績情報との乖離の程度に応じて、温室内環境予測モデルを自動的に修正することができる。したがって、温室の内部の環境の予測に係る精度を高く維持することが可能となる。
詳細には、機械学習部１３１は、逐次得られる気象観測情報等を入力データとして、逐次得られる温室３の内部の環境に関する実績情報を教師データとして用い、適宜機械学習を行うことで、温室内環境予測モデルの係数等を自動的に最適化することが可能となる。機械学習を用いて逐次温室内環境予測モデルを更新することで、当該予測システムが新規に導入された温室についても、線形モデル等による過去の実績情報のみからの予測よりも、短期間で、かつ精度の高い、温室３の内部の環境に関する予測情報を提供することができる。
なお、機械学習による温室内環境予測モデルの更新において、機械学習に用いられる技術によって以下のような利点が得られる。例えば、カルマンフィルタは、予測情報における予測値と実績情報における実測値との差を考慮して、温室内環境予測モデルを構成する係数を定期的に調整することができる。これにより、日ごとの変化や、季節ごとの変化に対応することができる。また、例えば、ニューラルネットワークは、線形モデルやカルマンフィルタでは予測が困難である非線形の変化（例えば暖房機等の温室環境制御装置の設定の変更等）にも容易に対応することができる。これらの機械学習に関する技術は、複合的に用いられてもよい。
（予測部）
予測部１３２は、温室内環境予測モデルを用いて、気象予測情報から温室３の内部の環境を予測する。具体的には、予測部１３２は、記憶部１２０に記憶される温室内環境予測モデルおよび気象情報サーバ４００から取得した気象予測情報に基づいて、当該気象予測情報に対応する時刻または期間における温室３の内部の環境を予測し、予測情報を生成する。
詳細には、予測部１３２は、現在または将来の所定時点または所定期間における気象予測情報、およびすでに機械学習部１３１により構築された温室内環境予測モデルを記憶部１２０から取得する。そして、予測部１３２は、気象予測情報を温室内環境予測モデルに入力し、かかる温室内環境予測モデルから上記所定時点または所定期間における温室３の内部の環境に関する予測情報を生成する。かかる予測情報は、記憶部１２０に記憶される。
なお、温室内環境予測モデルに入力される気象予測情報として、気象観測情報と同様に、例えば、温室３の外部の気温、相対湿度、日射量、雨量の実績値等が挙げられる。さらに、機械学習部１３１による機械学習に用いられた情報は、予測部１３２による予測処理にも温室内環境予測モデルへ入力される情報として用いられてもよい。例えば、気象の予測対象時刻（時間帯および月を含む）に関する情報、温室３を識別する識別情報、または環境制御機器に関する情報が用いられてもよい。これらの情報を気象予測情報と併せて複合的に用いることにより、予測情報の精度をより高くすることができる。
また、温室３の内部の環境に関する予測情報として、実績情報と同様に、例えば、温室３の内部の気温および相対湿度の予測値等が挙げられる。その他、温室３の内部の環境に関する予測情報として、温室３の内部の二酸化炭素濃度または土壌水分量等を示す予測値等が挙げられる。
（出力制御部）
出力制御部１３３は、予測部１３２により生成された予測情報の出力を制御する機能を有する。
例えば、出力制御部１３３は、予測情報についての表示情報を生成し得る。かかる表示情報として、例えば、予測部１３２による予測対象時刻（期間を含む）における温室３の内部の環境の予測結果（例えば、温室３の内部の気温、相対湿度等の予測値）が含まれる。より詳細には、出力制御部１３３は、提供要求情報が通信部１１０により受信されると、提供要求情報から特定される時刻または期間の予測情報を取得する。そして、出力制御部１３３は、取得された予測情報を加工することにより表示情報を生成し、生成された表示情報を通信部１１０に出力し得る。また、出力制御部１３３は、取得された予測情報を表示情報に加工せずに通信部１１０に出力してもよい。
なお、出力制御部１３３により出力制御される予測情報の出力態様は特に限定されない。例えば、出力制御部１３３は、予測情報を、文字、音声、バイブレーションによる振動、発光等の各種態様により出力するよう制御してもよい。
（情報処理端末）
情報処理端末２００は、図２に示すように、操作入力部２１０、制御部２２０、通信部２３０および表示部２４０を備える。
（操作入力部）
操作入力部２１０は、情報処理端末２００に対する操作を受け付ける機能を有する。具体的には、操作入力部２１０は、入力される操作を受け付け、受け付けられる操作に応じて各種情報を生成する。生成された各種情報は、制御部２２０に出力される。ここで、操作入力部２１０により生成される各種情報とは、例えば、提供要求情報または機器操作情報である。提供要求情報は、表示情報の提供の情報処理サーバ１００への要求を示す情報である。また、機器操作情報は、計測制御装置３００に対する温室３の環境制御機器への操作内容を示す情報である。例えば、表示部２４０により入力画面が表示され、ユーザが入力画面に対して操作することにより、上述した各種情報が生成される。
なお、操作入力部２１０は、例えば、ボタン、キーボードまたはタッチパネル等により実現される。
（制御部）
制御部２２０は、情報処理端末２００の動作を全体的に制御する。具体的には、制御部２２０は、通信部２３０および表示部２４０の動作を制御する。例えば、制御部２２０は、操作入力部２１０により生成された情報を通信部２３０に送信させる。また、制御部２２０は、情報処理サーバ１００から提供される表示情報に基づいて画像情報を生成し、表示部２４０に画像情報を提供することにより画像を表示させる。
なお、制御部２２０は、例えば、ＣＰＵ、ＲＯＭおよびＲＡＭにより構成される演算処理装置および制御装置等により実現され得る。
（通信部）
通信部２３０は、情報処理サーバ１００と通信する。具体的には、通信部２３０は、情報処理サーバ１００へ操作入力部２１０により生成された提供要求情報を送信する。また、通信部２３０は、情報処理サーバ１００から表示情報を受信する。なお、情報処理端末２００は、計測制御装置３００または気象情報サーバ４００と通信し、温室３の内部の環境に関する実績情報や気象情報を受信し、または機器操作情報を送信してもよい。
なお、通信部２３０は、例えば、ネットワークに接続するための通信インタフェース等により実現される。
（表示部）
表示部２４０は、制御部２２０の指示に基づいて画像を表示する。具体的には、表示部２４０は、制御部２２０から提供される画像情報に基づいて情報表示画面および操作入力画面を表示する。
なお、表示部２４０は、ディスプレイ等の表示装置により実現される。また、操作入力部２１０と表示部２４０の機能は、例えばタッチパネル等により一体化して実現されてもよい。
（計測制御装置）
計測制御装置３００は、温室３に設置され、温室３の内部の環境の計測および制御に関する機能を有する。詳細には、計測制御装置３００は、温室３の内部に設けられたセンサから信号を取得し、温室３の内部の環境に関する実績情報を生成する。また、計測制御装置３００は、温室３に設けられた環境制御機器の制御を行う。ここでいう環境制御機器の制御とは、環境制御機器の運転目標を調整する制御を意味する。例えば、計測制御装置３００は、通信部、制御部および記憶部および備える。
通信部は、情報処理サーバ１００または情報処理端末２００と通信する。例えば、通信部は、生成された温室３の内部の環境に関する実績情報を情報処理サーバ１００または情報処理端末２００に送信する。なお、通信部は、実績情報が生成される度に送信を行ってもよく、所定の時間間隔で送信を行ってもよい。また、通信部は、実績情報以外の情報、例えば、温室３を識別する識別情報および環境制御機器に関する情報を送信してもよい。なお、通信部は、例えば、ネットワークに接続するための通信インタフェース等により実現される。
制御部は、センサにより生成された信号に基づいて温室３の内部の環境に関する実績情報を生成する。また、制御部は、情報処理サーバ１００から取得した温室３の内部の環境に関する予測情報や、情報処理端末２００から取得した機器操作情報に基づいて、環境制御機器の制御を行ってもよい。予測情報に基づく制御においては、例えば、予測情報に応じて自動的に設定される運転目標値へのフィードバック制御が行われ得る。機器操作情報に基づく制御においては、温室３の管理者が温室３の内部の環境に関する予測情報から得た知見を基に入力される運転目標値へのフィードバック制御が行われ得る。なお、制御部は、例えば、ＣＰＵ、ＲＯＭおよびＲＡＭにより構成される演算処理装置および制御装置等により実現され得る。
記憶部は、制御部により生成された温室３の内部の環境に関する実績情報や、通信部を介して取得された温室３の内部の環境に関する予測情報または機器操作情報等を記憶する。なお、記憶部は、センサにより生成された信号のデータそのものを記憶してもよい。なお、記憶部は、例えば、データ格納用のストレージ装置等により実現される。
なお、温室３の内部に設けられるセンサは、例えば、温度センサ、湿度センサ、日射センサ、二酸化炭素濃度センサまたは土壌水分センサなどのセンサである。また、かかるセンサとして、例えば、撮像センサおよび水分量センサが設けられてもよい。また、計測制御装置３００は、温室３の内部に設置されてもよいし、温室３の外部に設置されてもよい。また、計測制御装置３００は、温室３とは異なる場所に設置されてもよい。この場合、計測制御装置３００は、環境制御機器の制御やセンサにより生成された信号の取得処理を、通信ネットワーク等を介した通信により行ってもよい。
（気象予測サーバ）
気象情報サーバ４００は、気象情報を外部の装置に提供する。具体的には、気象情報サーバ４００は、気象情報が情報処理サーバ１００から要求されると、要求された気象情報に情報処理サーバ１００へ送信する。例えば、気象情報は、気温、湿度、日射量または雨量を示す情報である。かかる気象情報は、気象観測情報および気象予測情報を含む。気象観測情報は現在または過去に実際に観測された気象情報である。また、気象予測情報は、現在以降において予測されている気象情報である。
＜２．２．システムの処理＞
次に、情報処理システム１の処理について説明する。
本実施形態に係る情報処理システム１の処理は、機械学習処理と、予測処理とに分類される。以下では、機械学習処理および予測処理の各々における、情報処理システム１の処理の全体の流れ、および情報処理サーバ１００における処理の流れについてそれぞれ説明する。
（機械学習処理）
図３は、本発明の一実施形態に係る情報処理システム１の機械学習処理における処理全体の流れの例を概念的に示す図である。
計測制御装置３００は、温室３の内部の環境に関する実績情報を情報処理サーバ１００へ送信する（ステップＳ５０１）。具体的には、計測制御装置３００は、センサから得られた信号に基づいて生成された温室３の内部の環境に関する実績情報を情報処理サーバ１００へ送信する。
また、気象情報サーバ４００は、気象観測情報を情報処理サーバ１００へ送信する（ステップＳ５０２）。具体的には、気象情報サーバ４００は、気象観測情報を生成しまたは他の装置から気象観測情報を取得する。そして、気象情報サーバ４００は、情報処理サーバ１００の要求に応じてまたは定期的に、気象観測情報を情報処理サーバ１００へ送信する。
情報処理サーバ１００は、受信された情報を用いて温室内環境予測モデルの機械学習を行う（ステップＳ５０３）。具体的には、通信部１１０は、計測制御装置３００から受信された温室３の内部の環境に関する実績情報および気象情報サーバ４００から受信された気象観測情報を記憶部１２０に記憶させる。そして、機械学習部１３１は、記憶されたこれらの情報を用いて温室内環境予測モデルの機械学習を行う。
次に、温室内環境予測モデルの機械学習処理の流れについて説明する。図４は、本発明の一実施形態に係る情報処理サーバ１００の機械学習処理の例を概念的に示すフローチャートである。
情報処理サーバ１００は、温室３の内部の環境に関する実績情報および気象観測情報を取得する（ステップＳ６０１）。具体的には、機械学習部１３１は、記憶部１２０に蓄積された温室３の内部の環境に関する実績情報および気象観測情報を取得する。
また、情報処理サーバ１００は、既存の温室内環境予測モデルを取得する（ステップＳ６０２）。具体的には、機械学習部１３１は、記憶部１２０に記憶されている温室内環境予測モデルを取得する。なお、かかる温室内環境予測モデルは、既に機械学習部１３１により学習されたものであってもよいし、未学習のものであってもよい。
次に、情報処理サーバ１００は、温室３の内部の環境に関する実績情報および気象観測情報を用いて温室内環境予測モデルを更新する（ステップＳ６０３）。具体的には、機械学習部１３１は、複数の機械学習モデルのうちの１つを選択し、選択された機械学習モデルと温室３の内部の環境に関する実績情報および当該実績情報に対応する気象観測情報とを用いて温室内環境予測モデルの機械学習を行う。
なお、この際、機械学習部１３１は、気象観測情報の他に、気象の観測対象時刻に関する情報、温室３を識別する識別情報、または環境制御機器に関する情報等の入力情報をさらに用いて温室内環境予測モデルの機械学習を行ってもよい。
また、機械学習部１３１は、機械学習により得られた新たな温室内環境予測モデルにテスト用入力データを入力し、出力された値とテスト用出力データとを比較することにより温室内環境予測モデルの正確性を算出してもよい。
次に、情報処理サーバ１００は、更新後の温室内環境予測判定モデルを記憶する（ステップＳ６０４）。具体的には、機械学習部１３１は、更新後の温室内環境予測判定モデルを記憶部１２０に記憶させる。なお、ステップＳ６０３において、温室内環境予測モデルの正確性を算出した場合において、当該算出値が所定の閾値以上である場合に限り、機械学習部１３１は、更新後の温室内環境予測判定モデルを記憶してもよい。また、当該算出値が所定の閾値未満である場合は、再度温室内環境予測判定モデルの更新処理が行われてもよい。
（予測処理）
図５は、本発明の一実施形態に係る情報処理システム１の予測処理における処理全体の流れの例を概念的に示す図である。
まず、情報処理端末２００は、温室３の内部の環境の予測についての提供要求情報を情報処理サーバ１００へ送信する（ステップＳ７０１）。具体的には、通信部２３０は、ユーザの操作に基づいて操作入力部２１０により生成される温室３の内部の環境の予測に係る表示情報についての提供要求情報を情報処理サーバ１００に送信する。かかる提供要求情報には、予測対象である温室３および予測対象時刻（期間を含む）に関する情報が含まれる。
気象情報サーバ４００は、気象予報情報を情報処理サーバ１００へ送信する（ステップＳ７０２）。具体的には、気象情報サーバ４００は、情報処理サーバ１００の要求に応じて気象予測情報を情報処理サーバ１００へ送信する。なお、情報処理サーバ１００は、定期的に気象予測情報を気象情報サーバ４００から取得してもよい。
次に、情報処理サーバ１００は、温室内環境予測モデルを用いて温室３の内部の環境の予測を行う（ステップＳ７０３）。具体的には、予測部１３２は、気象予報情報が受信されると、気象予報情報を温室内環境予測モデルへ入力する。予測部１３２は、温室内環境予測モデルから予測結果を出力する。そして、予測部１３２は、予測結果に基づいて温室３の内部の環境に関する予測情報を生成し、記憶部１２０に記憶させる。なお、詳細については後述する。
なお、この際、温室内環境予測モデルへ入力される情報として、気象観測情報の他に、気象の観測対象時刻に関する情報、温室３を識別する識別情報、または環境制御機器に関する情報等が用いられているとする。この場合、予測部１３２は、気象観測情報の他に、気象の予測対象時刻に関する情報、温室３を識別する識別情報、または環境制御機器に関する情報等をさらに用いて予測処理を行ってもよい。これらの情報は、情報処理サーバ１００や計測制御装置３００等から適宜取得可能である。
情報処理サーバ１００は、受信された提供要求情報への応答として表示情報を情報処理端末２００へ送信する（ステップＳ７０４）。具体的には、出力制御部１３３は、ステップＳ７０１において通信部１１０により提供要求情報が受信されると、記憶部１２０に記憶されている、予測対象である温室３の内部の環境に関する予測情報から表示情報を生成する。そして、出力制御部１３３は、通信部１１０に、生成された表示情報を情報処理端末２００へ送信させる。
情報処理端末２００は、受信された表示情報に基づいて温室３の内部の環境に関する予測情報を表示する（ステップＳ７０５）。具体的には、制御部２２０は、通信部２３０により受信された表示情報から画像情報を生成し、生成された画像情報を表示部２４０に提供する。表示部２４０は、提供された画像情報に基づいて温室３の内部の環境の予測結果画面を表示する。
次に、温室内環境予測モデルの機械学習処理の流れについて説明する。図６は、本発明の一実施形態に係る情報処理サーバの予測処理の例を概念的に示すフローチャートである。
情報処理サーバ１００は、予測対象の温室３および予測対象時刻を設定する（ステップＳ８０１）。具体的には、予測部１３２は、情報処理端末２００から取得した提供要求情報から、気象の予測対象である温室３および気象の予測対象時刻を設定する。
次に、情報処理サーバ１００は、指定された予測対象時刻における気象観測情報等を取得する（ステップＳ８０２）。具体的には、予測部１３２は、指定された予測対象時刻における気象観測情報や、他の入力情報を取得する。
次に、情報処理サーバ１００は、温室内環境予測モデルを取得する（ステップＳ８０３）。具体的には、予測部１３２は、記憶部１２０に記憶されている温室内環境予測モデルを取得する。
次に、情報処理サーバ１００は、温室内環境予測モデルを用いて温室３の内部の環境に関する予測情報を生成する（ステップＳ８０４）。具体的には、予測部１３２は、気象観測情報や他の入力情報を温室内環境予測モデルに入力する。そして、予測部１３２は、かかる温室内環境予測モデルから予測結果を得て、当該予測結果を基に温室３の内部の環境に関する予測情報を生成する。
そして、情報処理サーバ１００は、生成された温室３の内部の環境に関する予測情報を記憶する（ステップＳ８０５）。具体的には、予測部１３２は、生成された予測情報を記憶部１２０に記憶させる。
＜２．３．まとめ＞
このように、本発明の一実施形態によれば、情報処理サーバ１００は、温室３の内部の環境に関する実績情報に基づいて、気象観測情報を入力とする温室内環境予測モデルの機械学習を行う。そして、情報処理サーバ１００は、当該機械学習により得られる温室内環境予測モデルを用いて、気象予測情報から温室３の内部の環境に関する予測情報を出力する。
かかる構成により、天気予報等の気象予測情報を用いるだけで、温室３の内部の環境を予測することができる。したがって、コストを抑制しながら、温室３の内部の環境についての正確性を維持することが可能である。また、気象予測情報以外にも、予測対象時刻（観測対象時刻）に関する情報や、温室に関する情報を用いることにより、環境の時系列変化や、したがって、温室３の内部の環境に関する予測精度を向上させることができる。
また、かかる温室内環境予測モデルは、情報処理サーバ１００による予測処理の運用に並行して、蓄積される実績情報と予測情報とを用いたフィードバックにより適宜更新され得る。これにより、温室内環境予測モデルは、人の手を介さずに、自動的に改善され得る。よって、モデルの改善にかかる時間および費用を低減し、かつ、定量データに基づくモデルの改善が可能となる。
＜＜３．情報処理サーバのハードウェア構成例＞＞
以上、本発明の実施形態を説明した。上述した情報処理サーバ１００の処理は、ソフトウェアと、以下に説明する情報処理サーバ１００のハードウェアとの協働により実現される。
図７は、本発明の一実施形態に係る情報処理サーバ１００のハードウェア構成例を示したブロック図である。図７に示したように、情報処理サーバ１００は、プロセッサ１４１と、メモリ１４２と、内部バス１４３と、インタフェース１４４と、入力装置１４５と、出力装置１４６と、ストレージ装置１４７と、接続ポート１４８と、通信モジュール１４９とを備える。
（プロセッサ）
プロセッサ１４１は、演算処理装置および制御装置として機能し、各種プログラムと協働して制御部１３０（機械学習部１３１、病虫害発生判定部１３２、表示情報配信制御部１３３）の機能を実現する。プロセッサ１４１は、制御回路を用いてメモリ１４２またはストレージ装置１４７などの他の記憶媒体に記憶されるプログラムを実行することにより、情報処理サーバ１００の様々な論理的機能を動作させる。例えば、プロセッサ１４１はＣＰＵまたはＧＰＵ（Graphics Processing Unit）であり得る。なお、プロセッサ１４１は、マイクロプロセッサであってもよい。
（メモリ）
メモリ１４２は、プロセッサ１４１が使用するプログラムまたは演算パラメタなどを記憶する。例えば、メモリ１４２は、ＲＡＭおよびＲＯＭを含み、プロセッサ１４１の実行において使用するプログラムまたは実行において適宜変化するパラメタなどを一時記憶する。なお、接続ポート１４８または通信モジュール１４９などを介して外部のストレージ装置がメモリ１４２の一部として利用されてもよい。
なお、プロセッサ１４１およびメモリ１４２は、ＣＰＵバスなどを備える内部バス１４３により相互に接続されている。また、インタフェース１４４は、内部バス１４３と、入力装置１４５、出力装置１４６、ストレージ装置１４７、接続ポート１４８および通信モジュール１４９とを接続する。
（入力装置）
入力装置１４５は、情報を入力するための入力手段と、入力に基づいて入力信号を生成し、当該入力信号をプロセッサ１４１に出力する入力制御回路と、を備え、操作部の機能を実現する。例えば、当該入力手段としては、ボタン、スイッチ、レバーおよびマイクロフォンなどがある。入力装置１４５が操作されることにより、情報処理サーバ１００に対して各種のデータが入力されたり処理動作が指示されたりする。
（出力装置）
出力装置１４６は、出力信号に基づいて音または光などを出力し、出力部の機能を実現する。例えば、出力装置１４６は、スピーカおよびヘッドフォンなどの音出力装置、ならびにＬＥＤ（Light Emitting Diode）などを用いたランプ、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）装置、ＯＬＥＤ（Organic Light Emitting Diode）装置およびプロジェクタ装置などの表示装置を含む。
（ストレージ装置）
ストレージ装置１４７は、データ格納用の装置であり、記憶部１２０の機能を実現する。ストレージ装置１４７は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置等を含んでもよい。ストレージ装置１４７は、プロセッサ１４１が実行するプログラムや各種データを格納する。
（接続ポート）
接続ポート１４８は、機器を情報処理サーバ１００に直接接続するためのポートである。例えば、接続ポート１４８は、ＵＳＢ（Universal Serial Bus）ポート、ＩＥＥＥ１３９４ポート、ＲＳ−２３２Ｃポート、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）ポートなどであってもよい。接続ポート１４８に外部機器を接続することで、情報処理サーバ１００と当該外部機器との間でデータが交換されてもよい。
（通信モジュール）
通信モジュール１４９は、ネットワークに接続するための通信デバイスであり、通信部１１０の機能を実現する。例えば、通信モジュール１４９は、無線ＬＡＮ（Local Area Network）対応通信デバイスであっても、３ＧまたはＬＴＥ対応通信デバイスであってもよい。また、通信モジュール１４９は、有線による通信を行うワイヤー通信対応デバイスであってもよい。
＜＜４．むすびに＞＞
以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本発明の技術的範囲に属するものと了解される。
例えば、上記実施形態では、温室内環境予測モデルに入力される情報は気象予測情報、識別情報および環境制御機器に関する情報である例を説明したが、本発明はかかる例に限定されない。例えば、温室内環境予測モデルに入力される情報として、温室の外部に設置されるセンサから得られる情報が用いられてもよい。かかるセンサは、例えば環境センサ等であってもよく、既設のセンサが用いられてもよい。環境センサは、例えば、温室外に設けられる土壌センサ、雨量計、温度計または湿度計等であってもよい。
また、上記の実施形態のフローチャートに示されたステップは、記載された順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的にまたは個別的に実行される処理をも含む。また時系列的に処理されるステップでも、場合によっては適宜順序を変更することが可能であることは言うまでもない。
また、情報処理サーバ１００に内蔵されるハードウェアに上述した情報処理サーバ１００の各機能構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、当該コンピュータプログラムが記憶された記憶媒体も提供される。
１ 情報処理システム
１００ 情報処理サーバ
１１０ 通信部
１２０ 記憶部
１３０ 制御部
１３１ 機械学習部
１３２ 予測部
１３３ 出力制御部
２００ 情報処理端末
２１０ 操作入力部
２２０ 制御部
２３０ 通信部
２４０ 表示部
３００ 計測制御装置
４００ 気象情報サーバ

Claims (13)

  1. 気象観測情報を入力として温室の内部の環境に関する実績情報に基づいて行われる機械学習により得られる温室内環境予測モデルを用いて、気象予測情報に基づいて前記温室の内部の環境を予測する予測部と、
    予測された前記温室の内部の環境に関する予測情報の出力を制御する出力制御部と
    を備える情報処理装置。
  2. 前記温室内環境予測モデルへ入力される情報は、気象の予測対象時刻に関する情報を含む、請求項１に記載の情報処理装置。
  3. 前記気象の予測対象時刻に関する情報は、前記気象の予測対象時刻が属する時間帯についての情報を含む、請求項２に記載の情報処理装置。
  4. 前記気象の予測対象時刻に関する情報は、前記気象の予測対象時刻が属する月についての情報を含む、請求項２または３に記載の情報処理装置。
  5. 前記温室内環境予測モデルへ入力される情報は、前記温室を識別する識別情報を含む、請求項１〜４のいずれか１項に記載の情報処理装置。
  6. 前記温室内環境予測モデルへ入力される情報は、前記温室の内部の環境を制御可能な環境制御機器に関する情報を含む、請求項１〜５のいずれか１項に記載の情報処理装置。
  7. 前記環境制御機器に関する情報は、前記環境制御機器の設置の有無についての情報を含む、請求項６に記載の情報処理装置。
  8. 前記環境制御機器に関する情報は、前記環境制御機器の運転状況を示す情報を含む、請求項６または７に記載の情報処理装置。
  9. 前記気象予測情報は、前記温室の外部の気温、前記温室の外部の相対湿度、日射量および雨量の少なくともいずれかについての情報を含む、請求項１〜８のいずれか１項に記載の情報処理装置。
  10. 少なくとも気象観測情報を入力とし、前記温室の内部の環境に関する実績情報に基づいて、前記温室内環境予測モデルの機械学習を行う機械学習部をさらに備える、請求項１〜９のいずれか１項に記載の情報処理装置。
  11. 前記機械学習部は、前記温室の内部の環境に関する予測情報と、当該温室の内部の環境に関する予測情報に対応する予測対象時刻における前記温室の内部の環境に関する実績情報とに基づいて、前記温室内環境予測モデルを更新する、請求項１０に記載の情報処理装置。
  12. 前記温室の内部の環境に関する予測情報は、前記温室の内部の気温および前記温室の内部の相対湿度の少なくともいずれかについての情報を含む、請求項１〜１１のいずれか１項に記載の情報処理装置。
  13. 気象観測情報を入力として温室の内部の環境に関する実績情報に基づいて行われる機械学習により得られる温室内環境予測モデルを用いて、気象予測情報に基づいて前記温室の内部の環境を予測する予測ステップと、
    予測された前記温室の内部の環境に関する予測情報の出力を制御する出力制御ステップと
    を含む情報処理方法。
JP2019509082A 2017-03-27 2018-03-05 情報処理装置および情報処理方法 Active JP6942790B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017060620 2017-03-27
JP2017060620 2017-03-27
PCT/JP2018/008282 WO2018180239A1 (ja) 2017-03-27 2018-03-05 情報処理装置および情報処理方法

Publications (2)

Publication Number Publication Date
JPWO2018180239A1 true JPWO2018180239A1 (ja) 2019-12-12
JP6942790B2 JP6942790B2 (ja) 2021-09-29

Family

ID=63675487

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019509082A Active JP6942790B2 (ja) 2017-03-27 2018-03-05 情報処理装置および情報処理方法

Country Status (5)

Country Link
EP (1) EP3604957A4 (ja)
JP (1) JP6942790B2 (ja)
KR (1) KR20190128656A (ja)
CN (2) CN110651157A (ja)
WO (1) WO2018180239A1 (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7231403B2 (ja) * 2018-12-26 2023-03-01 株式会社日立製作所 空調制御システム及び方法
AU2019415077A1 (en) * 2018-12-27 2021-06-24 Bayer Cropscience K.K. Information processing device, and information processing system
JP7140702B2 (ja) * 2019-03-25 2022-09-21 ヤンマーパワーテクノロジー株式会社 農業ハウスの環境制御システム、ハウス制御装置
EP3984350A4 (en) * 2019-06-17 2023-08-16 Bayer CropScience K.K. INFORMATION PROCESSING DEVICE AND METHOD
EP3815513A1 (de) * 2019-11-01 2021-05-05 Roman Buck Verfahren und vorrichtung zum schutz eines gewächshauses vor kälte
KR102320998B1 (ko) * 2019-12-12 2021-11-03 대한민국 클라우드 기반 일간 온실 환경 의사결정지원 서버 및 이를 이용한 일간 온실 환경 의사결정지원 시스템
US11947325B2 (en) 2020-08-18 2024-04-02 Qatar University Controller for microgrid powered interconnected greenhouses
EP4203671A1 (en) * 2020-08-31 2023-07-05 Bayer CropScience K.K. Information processing device and information processing system
TWI811565B (zh) * 2020-09-15 2023-08-11 遠東科技大學 農業場域的智慧環控方法
CN115485742B (zh) * 2021-06-18 2023-06-27 空间转移株式会社 学习模型、信号处理装置、飞行物以及程序
JP7437061B2 (ja) 2022-03-31 2024-02-22 ディーピーティー株式会社 生育環境予測装置、生育環境制御システムおよび生育環境予測方法
JP7437062B2 (ja) 2022-04-01 2024-02-22 ディーピーティー株式会社 生育施設制御システム
CN115165461B (zh) * 2022-07-01 2023-02-17 佳木斯大学 智能化血浆取样装置及其操作系统
CN117502055B (zh) * 2023-12-06 2024-05-07 江苏晟辉温室设备有限公司 一种大棚内部温度测量控制装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002005488A (ja) * 2000-06-21 2002-01-09 Mitsubishi Heavy Ind Ltd 室内環境制御システム
JP2004000146A (ja) * 2002-04-24 2004-01-08 Kitaokagumi:Kk 植物の栽培方法および植物の栽培装置
WO2014184996A1 (ja) * 2013-05-13 2014-11-20 パナソニックＩｐマネジメント株式会社 農業用ハウスの設置評価装置、農業用ハウスの日照量調整装置、プログラム

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2547293B2 (ja) 1992-02-18 1996-10-23 株式会社四国総合研究所 植物栽培温室の室内環境調整装置
JP3624311B2 (ja) 2000-07-28 2005-03-02 ネポン株式会社 施設園芸用温室における暖房用熱源水の温度制御方法
JP2003014280A (ja) * 2001-06-27 2003-01-15 Mitsubishi Electric Corp エネルギー機器運用システム
JP4827810B2 (ja) * 2007-08-23 2011-11-30 京葉瓦斯株式会社 植物栽培用ハウスの自動運転制御システム
JP5400102B2 (ja) 2010-08-10 2014-01-29 学校法人 芝浦工業大学 暖房機の制御方法、及び、暖房機
CN102035876A (zh) * 2010-10-15 2011-04-27 江苏鸿信系统集成有限公司 基于m2m架构的农业大棚远程监测和智能控制系统及方法
CN102705957B (zh) * 2012-06-07 2014-06-11 华南理工大学 办公建筑中央空调逐时冷负荷在线预测方法及系统
JP6256821B2 (ja) * 2012-08-23 2018-01-10 パナソニックＩｐマネジメント株式会社 農業用ハウス
CN103017297A (zh) * 2012-12-27 2013-04-03 李克豪 基于气象变化的空调系统的运行方法
CN103235620A (zh) * 2013-04-19 2013-08-07 河北农业大学 基于全局变量预测模型的温室环境智能控制方法
CN104573851B (zh) * 2014-12-19 2018-12-11 天津大学 一种基于气象温度预报的建筑逐时负荷预测方法
JP2016171750A (ja) * 2015-03-16 2016-09-29 日本電気株式会社 施設制御システム及び施設制御方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002005488A (ja) * 2000-06-21 2002-01-09 Mitsubishi Heavy Ind Ltd 室内環境制御システム
JP2004000146A (ja) * 2002-04-24 2004-01-08 Kitaokagumi:Kk 植物の栽培方法および植物の栽培装置
WO2014184996A1 (ja) * 2013-05-13 2014-11-20 パナソニックＩｐマネジメント株式会社 農業用ハウスの設置評価装置、農業用ハウスの日照量調整装置、プログラム

Also Published As

Publication number Publication date
JP6942790B2 (ja) 2021-09-29
WO2018180239A1 (ja) 2018-10-04
CN110651157A (zh) 2020-01-03
CN113283661A (zh) 2021-08-20
EP3604957A4 (en) 2020-05-06
EP3604957A1 (en) 2020-02-05
KR20190128656A (ko) 2019-11-18

Similar Documents

Publication Publication Date Title
WO2018180239A1 (ja) 情報処理装置および情報処理方法
KR102553299B1 (ko) 데이터 학습 서버 및 이의 학습 모델 생성 및 이용 방법
US20200370773A1 (en) Cloud and edge integrated energy optimizer
JP2019521444A (ja) 予測分析用の動作中心型第一原理プロセスモデルの動的構築及びオンライン配備のためのコンピュータシステム及び方法
US11573541B2 (en) Future state estimation device and future state estimation method
KR20180054413A (ko) 농작물 생산 효율 최적화 방법 및 장치
WO2021145081A1 (ja) 支援システム、及び支援方法
KR102660544B1 (ko) 제어 장치, 컨트롤러, 제어 시스템, 제어 방법, 및 제어 프로그램
KR20210109575A (ko) 정보 처리 장치 및 정보 처리 시스템
JP2011159103A (ja) プラント運転支援装置
JP2021023177A (ja) 作物特性予測システム、作物特性予測方法、及び作物特性予測プログラム
WO2021039465A1 (ja) 病害予測システム、病害予測方法及びプログラム
EP3984349A1 (en) Information processing device and method
US20230077160A1 (en) Prediction apparatus, prediction system, and prediction method
Shanto et al. Smart Greenhouse Monitoring System Using Blynk IoT App
JP2019083745A (ja) 生長状態予測装置
JP7277254B2 (ja) 消費電力予測装置
US10901400B2 (en) Set point optimization in multi-resolution processes
Ouf et al. On the simulation of occupant-centric control for building operations
CN111511195B (zh) 信息处理装置和信息处理方法
JP7443609B1 (ja) 学習装置、学習方法及び学習プログラム
JP6728323B2 (ja) 運転支援システム、運転支援方法、これを実行させるためのコンピュータプログラム及びこのプログラムを記録した記録媒体
CN117268460B (zh) 一种基于物联网的室内外联动监测方法及系统
US20230301246A1 (en) Information processing device and information processing system
JP2019153198A (ja) 農業モデル普及システム、農業モデル普及方法及び農業モデル普及プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190820

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200513

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20200708

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200910

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201104

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201223

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20201228

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210302

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210316

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20210601

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210629

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20210629

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20210712

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20210713

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210810

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210908

R150 Certificate of patent or registration of utility model

Ref document number: 6942790

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150