JPWO2019097892A1 - 圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、プログラム、および記録媒体 - Google Patents

Abstract

実際に農作物が育種されている実圃場について、容易にフェノタイピングのためのデータを取得できる新たなシステムを提供する。本発明の育種データ収集装置１は、圃場情報、撮影条件、および撮影条件と紐づけた圃場の空撮画像を保持する情報記憶部１０１、空撮画像を、撮影条件の撮影高度に基づき撮影高度範囲が異なる複数の画像群に分類する分類部１１１、複数の画像群のうち一つの画像群と撮影条件とから、画像処理データ（２次元オルソモザイク、数値表層モデル、およびポイントクラウド）を生成し、画像処理データから圃場の植物形質を解析する画像処理部１１２、画像処理部１１２で得られたデータを処理する可視化部１１３、画像処理部１１２および可視化部１１３で得られたデータを処理情報として保持する処理情報記憶部１０２、画像処理部１１２および可視化部１１３で得られたデータを出力する出力部１２０を有することを特徴とする。

Description

本発明は、圃場の育種データ収集装置、育種における特徴解析装置、圃場の育種データ収集方法、育種における特徴解析方法、プログラム、および記録媒体に関する。

育種研究において、作物の表現タイピング（フェノタイピング）は、一般的に、研究者が圃場に入り、前記圃場を区画（プロット）に分け、目視観察することによって行われている。しかしながら、この方法によると、評価にかかる労力が大きく、作業コストも大きいため、計測範囲、計測頻度にも制限がある。このため、フェノタイピングは、例えば、実際に植物の育種が行われている実圃場ではなく、試験用の特別な圃場等での実施にとどまっている。

そこで、本発明は、例えば、試験用の特別な圃場のみならず、実際に植物の育種が行われている実圃場についても、容易にフェノタイピングを行うためのデータを得ることができる新たなシステムの提供を目的とする。

前記目的を達成するために、本発明の圃場の育種データ収集装置は、
圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶部、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類部、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、２次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理部、
前記画像処理部で得られたデータを可視化処理する可視化部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータを、処理情報として保持する処理情報記憶部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータの少なくとも一方を出力する出力部
を有することを特徴とする。

本発明の育種における特徴解析装置は、前記本発明の圃場の育種データ収集装置に通信回線網を介して接続可能であり、
前記育種データ収集装置の可視化データを入力する入力部と、
前記可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析部とを有することを特徴とする。

本発明の圃場の育種データ収集方法は、
圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶工程、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類工程、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、２次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理工程、
前記画像処理工程で得られたデータを可視化処理する可視化工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータを、処理情報として保持する処理情報記憶工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータの少なくとも一方を出力する出力工程
を有することを特徴とする。

本発明の育種における特徴解析方法は、前記本発明の圃場の育種データ収集方法によるデータ収集工程と、
前記画像の特徴量、前記画像処理データ、前記形質解析データ、およびセンシングデータからなる群から選択された少なくとも一つの可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析工程とを有することを特徴とする。

本発明のプログラムは、前記本発明の圃場の育種データ収集方法または育種における特徴解析方法をコンピュータに実行させることを特徴とする。

本発明の記録媒体は、前記本発明のプログラムを記録したコンピュータ読み取り可能である。

本発明によれば、例えば、空撮画像等を利用して、圃場の撮影画像を撮影高度に基づいて分類し、分類された画像群から、圃場、前記圃場の区画、前記圃場における植物について、３Ｄ画像データ等を再構築し、さらに、前記圃場条件または前記撮像条件に基づく可視化データへの変換を行う。このため、本発明は、例えば、限られた面積の試験用圃場ではなく、実圃場の広範囲における可視化データを得ることができる。その結果、これらの可視化データを、実圃場やそこで育成される植物の解析に広く利用でき、例えば、表現型に関する新たな知見の取得の支援にもつながる。

図１は、実施形態１の育種データ収集装置の一例を示すブロック図である。 図２は、実施形態１の育種データ収集装置のその他の例を示すブロック図である。 図３は、実施形態１の育種データ収集装置のその他の例を示すブロック図である。 図４は、実施形態１の育種データ収集装置における画像処理部の例を示すブロック図である。 図５は、実施形態１の育種データ収集方法の一例を示すフローチャートである。 図６は、実施形態２の育種データ収集装置の例を示すブロック図である。 図７は、実施形態３の育種データ収集装置の例を示す模式図である。 図８は、実施形態５の同定装置の一例を示すブロック図である。 図９は、実施形態５の同定装置のハードウエア構成の例を示すブロック図である。 図１０は、実施形態５における画像の例である。 図１１は、実施形態５における画像の例である。 図１２は、実施形態５における画像の例である。 図１３は、実施形態５における画像の例である。 図１４は、実施形態５における画像の例である。 図１５は、実施形態５における画像の例である。 図１６は、実施形態５の同定方法の一例を示すフローチャートである。 図１７は、実施形態１の育種データ収集装置のハードウエア構成の例を示すブロック図である。

本発明の実施形態について、図面を参照して説明する。なお、本発明は、以下の実施形態には限定されない。各図において、同一部分には、同一符号を付している。各実施形態の説明は、特に言及がない限り、互いの説明を援用でき、各実施形態の構成は、特に言及がない限り、組合せ可能である。

［実施形態１］
図１は、本実施形態の圃場の育種データ収集装置１の一例の構成を示すブロック図である。育種データ収集装置１は、記憶部１００、処理部１１０、出力部１２０を含む。処理部１１０は、分類部１１１、画像処理部１１２、可視化部１１３を含み、記憶部１００は、情報記憶部１０１、処理情報記憶部１０２を含む。

育種データ収集装置１は、例えば、育種データ収集システムともいう。育種データ収集装置１は、例えば、前記各部を含む１つの育種データ収集装置でもよいし、前記各部が、通信回線網を介して接続可能な育種データ収集装置であってもよい。前記通信回線網は、特に制限されず、公知の通信回線網を使用でき、例えば、有線でも無線でもよく、具体例として、インターネット回線、電話回線、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等があげられる。

さらに、図１７に、育種データ収集装置１のハードウエア構成のブロック図を例示する。育種データ収集装置１は、例えば、プロセッサであるＣＰＵ（中央処理装置）５０、メモリ５１、バス５２、入力装置５３、ディスプレイ５４、通信デバイス５５、記憶装置５６等を有する。育種データ収集装置１の各部は、例えば、それぞれのインターフェース（Ｉ／Ｆ）により、バス５２を介して、相互に接続されている。

ＣＰＵ５０は、育種データ収集装置１の制御を担う。育種データ収集装置１において、ＣＰＵ５０により、例えば、本発明のプログラムやその他のプログラムが実行され、また、各種情報の読み込みや書き込みが行われる。具体的に、育種データ収集装置１は、例えば、ＣＰＵ５０が、処理部１１０として機能する。

育種データ収集装置１は、例えば、バス５２に接続された通信デバイス５５により、通信回線網に接続でき、前記通信回線網を介して、前記外部機器と接続できる。前記外部機器に情報を出力する場合、例えば、通信デバイス５５が出力部１２０として機能する。

メモリ５１は、例えば、メインメモリを含み、前記メインメモリは、主記憶装置ともいう。ＣＰＵ５０が処理を行う際には、例えば、後述する補助記憶装置に記憶されている、本発明のプログラム等の種々の動作プログラム１０３を、メモリ５１が読み込み、ＣＰＵ５０は、メモリ５１からデータを受け取って、プログラム１０３を実行する。前記メインメモリは、例えば、ＲＡＭ（ランダムアクセスメモリ）である。メモリ５１は、例えば、さらに、ＲＯＭ（読み出し専用メモリ）を含む。

記憶装置５６は、例えば、前記メインメモリ（主記憶装置）に対して、いわゆる補助記憶装置ともいう。記憶装置５６は、例えば、記憶媒体と、前記記憶媒体に読み書きするドライブとを含む。前記記憶媒体は、特に制限されず、例えば、内蔵型でも外付け型でもよく、ＨＤ（ハードディスク）、ＦＤ（フロッピー（登録商標）ディスク）、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＭＯ、ＤＶＤ、フラッシュメモリー、メモリーカード等があげられ、前記ドライブは、特に制限されない。記憶装置５６は、例えば、記憶媒体とドライブとが一体化されたハードディスクドライブ（ＨＤＤ）も例示できる。記憶装置５６には、例えば、前述のように、プログラム１０３が格納され、前述のように、ＣＰＵ５０を実行させる際、メモリ５１が、記憶装置５６からプログラム１０３を読み込む。記憶装置５６は、例えば、記憶部１００であり、例えば、育種データ収集装置１に入力された情報、育種データ収集装置１で処理された情報等を記憶する。

育種データ収集装置１は、例えば、さらに、入力装置５３、ディスプレイ５４を有する。入力装置５３は、例えば、タッチパネル、マウス、キーボード等である。ディスプレイ５４は、例えば、ＬＥＤディスプレイ、液晶ディスプレイ等があげられる。育種データ収集装置１において情報を表示する場合、例えば、ディスプレイ５４が出力部１２０として機能する。

育種データ収集装置１は、例えば、図２に示すように、クライアント端末２から、インターフェイス（Ｉ／Ｆ）３１を介して、情報記憶部１０１に処理対象の情報が入力される。インターフェイス３１の種類は、特に制限されず、例えば、ＧＵＩ（グラフィカルユーザーインターフェース）、ＣＵＩ（キャラクターユーザーインターフェース）、ＡＰＩ（アプリケーションプログラムインターフェース）等が利用できる。

育種データ収集装置１は、例えば、図３に示すように、クライアント端末２と、通信回線網３２を介して接続されてもよい。前記通信回線網は、特に制限されず、公知の通信回線網を使用でき、例えば、有線でも無線でもよく、具体例として、インターネット回線、電話回線、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等があげられる。

情報記憶部１０１は、前述のように、圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する。

前記圃場情報は、特に制限されず、例えば、圃場の地図情報、圃場を分割する各区画（プロット）の情報、圃場で育種している植物の情報、目視観察情報等があげられる。前記圃場の区画情報とは、例えば、前記圃場を複数に分けた各区画の位置情報、具体的には、座標等である。前記目視観察情報とは、例えば、前記圃場における植物の実測情報である。

前記圃場の撮影画像は、圃場の空撮画像を含む。前述のように、研究者が、実際に圃場に入り、植物を確認する際、目視の他に、カメラを用いた地上撮影を行い、地上撮影画像を利用して、フェノタイプの評価を行うことがある。しかしながら、研究者が圃場において地上撮影をする場合も、目視と同様に、その労力が大きく、計測範囲および計測頻度に制限がある。これに対して、前記空撮画像は、例えば、ドローン等の無人航空機により撮影できることから、圃場の広さに関わらず、容易に広範囲にわたる画像を得ることができ、また、容易に経時的な画像を得ることもできる。このため、本実施形態によれば、空撮画像を使用することにより、高速フェノタイピングが可能となる。前記撮像画像は、例えば、さらに、地上撮影画像を含んでもよい。

前記撮影条件は、撮影高度を含み、その他に、例えば、撮影の日時等を含む。また、前述のように、前記空撮画像の場合、前記撮影条件は、例えば、撮影を行う無人航空機のフライトログを含む。前記フライトログは、例えば、撮影に使用した前記無人航空機の飛行条件等も含む。前記飛行条件は、例えば、飛行ルート、飛行速度、飛行時間、飛行に伴う撮影日時、撮影時間等を含む。

分類部１１１は、前述のように、前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する。前記空撮画像を撮影高度に基づいて分類することにより、適した空撮画像を、例えば、後述する画像処理部１１２での処理において、圃場全体、圃場の区画、圃場または圃場の区画における植物群についての、画像処理データの生成に使用できる。前記撮影高度範囲は、特に制限されず、任意に設定できる。

前記撮影高度範囲に基づき分類する画像群の数は、特に制限されず、２以上が好ましい。具体例として、２つの画像群に分類する場合、例えば、第１画像群は、前記撮影高度が、第２画像群よりも高い範囲の画像群に設定できる。各画像群の撮影高度は、特に制限されず、例えば、以下のような具体例があげられる。後述する画像処理部において、圃場の全体について、前記画像処理データを生成する場合、前記第１画像群は、例えば、空撮画像であり、その撮影高度は、例えば、地上から１００ｍ程度であり、その撮影範囲は、５ｈａ程度である。前記画像処理部において、圃場の区画における植物群について、前記画像処理データを生成する場合、前記第２画像群は、例えば、空撮画像であり、その撮影高度は、例えば、地上から３０ｍ程度であり、撮影範囲は、０．５ｈａ程度である。前記空撮の場合、例えば、前記無人航空機に搭載されているイメージセンサの種類、焦点距離、前記無人航空機の垂直ホバリング精度等から、撮影範囲を計算可能である。

画像処理部１１２は、まず、前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、２次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成する。前記２次元オルソモザイクは、例えば、正射投影画像ともいう。前記数値表層モデルは、ＤＳＭ(Digital Surface Model)ともいう。前記ポイントクラウド（Point Cloud）は、例えば、点群、3次元再構成データともいう。前記画像処理データは、後述するように、前記圃場、前記圃場の区画、または前記圃場における植物について、２次元データの可視化、３次元データの可視化（３Ｄ画像データへの再構築）等に使用できる。

そして、画像処理部１１２は、前記画像処理データから、前記圃場における植物の植物形質を解析し、形質解析データを得る。

前記画像群に含まれる複数の画像を用いた画像処理の生成および植物形質の解析は、特に制限されず、例えば、既存のソフトウェアを利用して行うことができる。本実施形態の育種データ収集装置１においては、例えば、処理部１１０に前記ソフトウェアを実装してもよい。

画像処理部１１２は、例えば、複数の画像処理部を有してもよい。具体例として、図４に、第１画像処理部１１２１、第２画像処理部１１２２、第３画像処理部１１２３を有する形態を示す。本実施形態において、例えば、第１画像処理部１１２１が、前記圃場全体に関する画像処理データを生成し（例えば、圃場全体の３Ｄ画像の再構築）、第２画像処理部１１２２が、前記圃場の区画、具体的には、前記圃場の区画における植物群に関する画像処理データを生成する（例えば、圃場の区画の３Ｄ画像の再構築）。第３画像処理部１１２３は、例えば、任意の画像処理データの生成に使用できる。

画像処理部１１２は、例えば、図４に示すように、複数の画像処理を行う場合、前記複数の画像処理をパイプライン方式で実行してもよい。

第１画像処理部１１２１は、例えば、前記第１画像群の複数の撮影画像（好ましくは空撮画像）から、前記画像処理データを生成する。具体的に、例えば、前記複数の画像をアライメントして、前記圃場全体の３Ｄ画像を再構築することができる。この際、例えば、前記圃場情報、前記撮影画像の撮影情報等に基づいて、前記撮影画像のアライメントおよびトリミングを行い、前記圃場全体の３Ｄ画像を再構築してもよい。そして、第１画像処理部１１２１は、さらに、例えば、前記画像処理データから、前記圃場の全体について、植物の植物形質を解析してもよい。前記植物形質とは、例えば、前記圃場における植物の植被率、植物の草丈、植物の生長速度等であり、また、圃場の状態を含んでもよい。

第２画像処理部１１２２は、例えば、前記第２画像群の複数の撮影画像（好ましくは空撮画像）から、前記画像処理データを生成する。具体的に、例えば、前記複数の画像をアライメントして、前記圃場の区画の３Ｄ画像を再構築することができる。そして、第２画像処理部１１２２は、さらに、例えば、前記画像処理データから、前記圃場情報、前記撮影画像の撮影情報等に基づいて、前記圃場の区画について、植物の植物形質を解析してもよい。前記植物形質とは、前述と同様であり、例えば、任意の領域（任意の区画）における植被率、植物の草丈、植物の生長速度等である。

第３画像処理部１１２３は、例えば、任意の画像群の複数の撮影画像（好ましくは地上撮影画像）から、任意の前記画像処理データを生成する。具体的に、例えば、前記複数の画像から、前記圃場における植物の３Ｄ画像を再構築することができる。

可視化部１１３は、画像処理部１１２で得られたデータを可視化処理する。画像処理部１１２で得られたデータは、例えば、前記画像処理データおよび前記植物形質の形質解析データである。可視化部１１３は、これらのデータを、例えば、前記圃場条件および前記撮影条件の少なくとも一方に基づいて、可視化処理する。具体例として、前記圃場全体の３Ｄ画像データは、例えば、圃場の地図データと紐づけて可視化でき、また、撮影時間と紐づけて可視化できる。圃場全体の３Ｄ画像データと、圃場の地図データとは、例えば、ＱＧＩＳ等の地理情報に関するソフトウェアにより、位置合わせを行うことができる。このため、さらに、前記撮影時間と紐づけることで、時系列の可視化となるように可視化処理できる。以下、可視化部１１３に使用されるデータを、可視化データといい、可視化部１１３で得られたデータを、処理データという。

処理情報記憶部１０２は、画像処理部１１２で得られたデータ（例えば、画像処理データおよび形質解析データ）、可視化部１１３で得られた処理データを保持する。処理情報記憶部１０２は、例えば、さらに、分類部１１１の分類データを記憶してもよい。

出力部１２０は、画像処理部１１２で得られたデータおよび可視化部１１３で得られたデータの少なくとも一方を出力する。出力部１２０は、例えば、クライアント端末への出力でもよいし、表示画面への出力でもよい。育種データ収集装置１から外部への出力は、例えば、インターフェイスを介して出力されてもよい。

つぎに、本実施形態の育種データ収集方法について、一例として、図５のフローチャートを用いて説明する。

本実施形態の育種データ収集方法は、例えば、図１に示す本実施形態の育種データ収集装置１を用いて、次のように実施する。なお、本実施形態の育種データ収集方法は、図１の育種データ収集装置１の使用には限定されない。

まず、（Ｓ１）情報記憶工程において、圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する。そして、（Ｓ２）分類工程において、前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する。

つぎに、（Ｓ３）画像処理工程において、前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、２次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する。本実施形態では、３つの画像群（第１、第２、第３）に分類した場合を例にあげて説明する。（Ｓ３−１）第１画像処理工程において、前記第１画像群から、前記圃場全体の３Ｄ画像を再構築し、（Ｓ３−２）第２画像処理工程において、前記第２画像群から、前記圃場の区画の３Ｄ画像を再構築し、前記圃場の区画における植物群の植物形質を解析する。（Ｓ３−３）第３画像処理工程は、任意であり、例えば、前記任意の画像群から、任意の画像処理を行う。

つぎに、（Ｓ４）可視化工程において、前記得られた画像処理データを、可視化処理する。具体的には、（Ｓ４−１）第１可視化工程において、（Ｓ３−１）第１画像処理工程で得られた画像処理データを、可視化処理し、（Ｓ４−２）第２可視化工程において、（Ｓ３−２）第２画像処理工程で得られた画像処理データを、可視化処理し、（Ｓ４−３）第３可視化工程において、（Ｓ３−３）第３画像処理工程で得られた画像処理データを、可視化処理する。

そして、（Ｓ５）処理情報記憶工程において、画像処理部１１２で得られたデータおよび可視化部１１３で得られたデータを処理情報として保持し、（Ｓ６）出力工程において、画像処理部１１２で得られたデータおよび可視化部１１３で得られたデータの少なくとも一方を出力する。

（変形例１）
本実施形態１の育種データ収集装置１は、例えば、情報記憶部１０１が、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持してもよい。前記センシングデータは、特に制限されず、例えば、温度、湿度、二酸化炭素濃度および日射量（例えば、光合成光量子束密度）等である。

育種データ収集装置１において、可視化部１１３は、さらに、前記圃場情報に基づいて、前記センシングの位置情報に紐づけられた前記圃場のセンシングデータを、可視化処理してもよい。可視化部１１３で得られるデータは、例えば、グラフデータである。

本発明によれば、例えば、可視化部１１３で得られた処理データを利用することによって、例えば、圃場の撮影におけるドローンの飛行経路の設計、画像の撮影条件の設定、フェノタイピングデータの取得、圃場環境に関するセンシングデータの管理等を、効率的に行うことができる。このため、例えば、高速フェノタイピングにも有用である。

また、本発明の育種データ収集装置１は、例えば、プラットフォーム化が可能であるため、例えば、他の様々なデータとの統合も可能である。

研究者が圃場において直接データを収集する場合、研究者の経験や勘等によって、客観的な評価、定量的な評価が困難な場合があった。また、データの収集が、研究者独自の手法で行われており、その手法の共有が困難であった。これに対して、本発明の育種データ収集装置によれば、例えば、様々な研究者が、独自の条件で集めた撮影画像等を、前記情報記憶部に記憶させることができ、それらの撮影画像を、撮影高度に基づいて分類し、前記画像処理および前記可視化処理を行うことができる。このため、個人によって得られる情報だけでなく、様々な研究者による異なる条件で集めた撮影画像と、それから得られる処理情報が蓄積できるため、より効率的に、新たな知見の発見の支援にもつながる。

［実施形態２］
前記実施形態１の育種データ収集装置について、さらに他の形態の一例を、図６のブロック図に示す。図６において、育種データ収集装置６は、さらに、特徴解析部１１４を有する。特徴解析部１１４は、例えば、処理部１１０に含まれる。本実施形態の育種データ収集装置は、例えば、特徴解析装置または特徴解析システムともいう。

特徴解析部１１４は、可視化データを解析して、前記圃場または前記植物の特徴を抽出する。前記可視化データとしては、例えば、種々のデータが使用でき、具体例として、前記画像の特徴量、前記生成データ、前記形質解析データ、センシングデータ等である。前記特徴の抽出は、特に制限されず、例えば、ＳＶＭ等を用いた外れ値から抽出することができる。

［実施形態３］
本実施形態の育種データ収集装置の一例を、図７に示す。図７（Ａ）は、本実施形態の育種データ収集装置を含む概要の一例であり、図７（Ｂ）は、前記育種データ収集装置における画像処理部の一例である。本発明は、これには制限されない。

［実施形態４］
本実施形態のプログラムは、実施形態１、２または３の育種データ収集方法または育種における特徴解析方法を、コンピュータ上で実行可能なプログラムである。または、本実施形態のプログラムは、例えば、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記記録媒体としては、特に限定されず、例えば、読み出し専用メモリ（ＲＯＭ）、ハードディスク（ＨＤ）、光ディスク、フロッピー（登録商標）ディスク（ＦＤ）等があげられる。

［実施形態５］
本発明において対象となる圃場が果樹圃場の場合、例えば、空撮画像からの果樹個体の同定には、例えば、本実施形態における同定装置および同定方法が利用できる。

果樹の育種においては、枝が伸びるための空間を確保し、また、摘蕾や摘果の作業性を向上させるため、一つ一つの果樹個体について樹冠の状態を確認して、整枝剪定を行うことが重要である。このような点から、例えば、本発明の対象を果樹圃場とする場合、植物（すなわち果樹）の形質を解析するにあたって、果樹個体の樹冠の同定を、精度よく行えることが好ましい。そこで、本実施形態においては、果樹個体の樹冠の同定に関して、一例を示す。

図８は、本実施形態の同定装置４０の一例の構成を示すブロック図である。同定装置４０は、同定基準決定部４１および樹冠同定部４２を有する。同定基準決定部４１は、第１画像取得部４１１、スケルトン抽出部４１２、頂点抽出部４１３、同定基準抽出部４１４を有し、樹冠同定部４２は、第２画像取得部４２１、全体樹冠抽出部４２２、樹冠同定部４２３を有する。同定装置４０は、例えば、さらに、果樹形質解析部４３および記憶部４４を備えてもよい。同定装置４０は、例えば、同定システムともいう。

同定装置４０は、例えば、前記各部を含む１つの提示装置でもよいし、前記各部が、通信回線網を介して接続可能な提示装置であもよい。前記通信回線網は、特に制限されず、公知のネットワークを使用でき、例えば、有線でも無線でもよい。前記通信回線網は、例えば、インターネット回線、電話回線、ＬＡＮ（Local Area Network）、ＷｉＦｉ（Wireless Fidelity）等があげられる。

同定装置４０は、さらに、出力部を備えてもよい。同定装置４０は、例えば、前記出力部として、後述するようにディスプレイ等の表示部を有し、同定装置４０により得られた情報を、前記表示部に出力してもよい。また、同定装置４０は、例えば、前記出力部として、後述するように通信デバイスを有し、外部装置と、通信回線網を介して接続可能であってもよい。この場合、同定装置４０は、前記通信回線網を介して、同定装置４０により得られた情報を、前記外部装置に出力してもよい。前記外部装置は、特に制限されず、例えば、カメラ等の撮像デバイス、パーソナルコンピュータ（ＰＣ）、携帯電話、スマートフォン、タブレット等の端末があげられる。前記通信回線網は、特に制限されず、前述と同様である。

さらに、図９に、同定装置４０のハードウエア構成のブロック図を例示する。同定装置４０は、例えば、プロセッサであるＣＰＵ（中央処理装置）５０、メモリ５１、バス５２、入力装置５３、ディスプレイ５４、通信デバイス５５、記憶装置５６等を有する。同定装置４０の各部は、例えば、それぞれのインターフェイス（Ｉ／Ｆ）により、バス５２を介して、相互に接続されている。

ＣＰＵ５０は、同定装置４０の全体の制御を担う。同定装置４０において、ＣＰＵ５０により、例えば、本発明のプログラムやその他のプログラムが実行され、また、各種情報の読み込みや書き込みが行われる。具体的に、同定装置４０は、例えば、ＣＰＵ５０が、同定基準決定部４１、樹冠同定部４２、および果樹形質解析部４３等として機能する。

同定装置４０は、例えば、バス５２に接続された通信デバイス５５により、通信回線網に接続でき、前記通信回線網を介して、前記外部機器と接続できる。

メモリ５１は、例えば、メインメモリを含み、前記メインメモリは、主記憶装置ともいう。ＣＰＵ５０が処理を行う際には、例えば、後述する補助記憶装置に記憶されている、本発明のプログラム等の種々の動作プログラム５７を、メモリ５１が読み込み、ＣＰＵ５０は、メモリ５１からデータを受け取って、プログラム５７を実行する。前記メインメモリは、例えば、ＲＡＭ（ランダムアクセスメモリ）である。メモリ５１は、例えば、さらに、ＲＯＭ（読み出し専用メモリ）を含む。

記憶装置５６は、例えば、前記メインメモリ（主記憶装置）に対して、いわゆる補助記憶装置ともいう。記憶装置５６は、例えば、記憶媒体と、前記記憶媒体に読み書きするドライブとを含む。前記記憶媒体は、特に制限されず、例えば、内蔵型でも外付け型でもよく、ＨＤ（ハードディスク）、ＦＤ（フロッピー（登録商標）ディスク）、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＭＯ、ＤＶＤ、フラッシュメモリー、メモリーカード等があげられ、前記ドライブは、特に制限されない。記憶装置５６は、例えば、記憶媒体とドライブとが一体化されたハードディスクドライブ（ＨＤＤ）も例示できる。記憶装置５６には、例えば、前述のように、プログラム５７が格納され、前述のように、ＣＰＵ５０を実行させる際、メモリ５１が、記憶装置５６からプログラム５７を読み込む。記憶装置５６は、例えば、記憶部４４であり、同定装置４０に入力された情報、同定装置４０で処理された情報等を記憶する。

同定装置４０は、例えば、さらに、入力装置５３、ディスプレイ５４を有する。入力装置５３は、例えば、タッチパネル、マウス、キーボード等である。ディスプレイ５４は、例えば、ＬＥＤディスプレイ、液晶ディスプレイ等があげられる。

同定基準決定部４１は、前述のように、第１画像取得部４１１、スケルトン抽出部４１２、頂点抽出部４１３、および同定基準抽出部４１４を有する。

第１画像取得部４１１は、果樹圃場について、複数の果樹個体を含む落葉期の第１空撮画像Ｆを取得する。第１画像取得部４１１は、例えば、前記第１空撮画像Ｆを、入力装置５３を用いて入力することにより取得してもよいし、前記通信回線網を介して、前記外部装置から受信することにより取得してもよい。

前記第１空撮画像Ｆは、落葉期における果樹圃場の画像であり、画像内に複数の果樹個体が含まれていればよい。落葉期とは、例えば、葉が枝幹から離れ落ちる時期をいい、果樹の場合、一般的に、例えば、冬期、具体的には、日本の場合、１１月〜３月頃である。落葉期における果樹圃場の空撮画像とは、例えば、葉が落ちた状態の果樹圃場の空撮画像ともいえる。前記第１空撮画像Ｆは、例えば、ドローン等の無人航空機により撮影できる。

スケルトン抽出部４１２は、前記第１空撮画像Ｆから、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンＦを抽出する。前記画像処理の方法は、特に制限されない。具体例として、図１０を用いて説明する。図１０（Ａ）に示すような前記空撮画像は、例えば、撮影条件等を参照することで、図１０（Ｂ）に示すように、果樹の樹高等を反映した３Ｄ画像を再構築でき、この３Ｄ画像から、図１０（Ｃ）に示すように、果樹の樹冠のスケルトン（骨格）Ｆを抽出できる。樹冠とは、一般に、樹木の枝、葉、茎等、地面より上にある樹木の部分を意味する。

前記樹冠スケルトンＦの抽出は、例えば、適応フィルタリング、画像モルフォロジー処理等が利用できる。

頂点抽出部４１３は、各果樹個体について、対応する樹冠スケルトンの頂点を抽出する。そして、同定基準抽出部４１４は、前記各果樹個体について、同定基準として、樹冠候補領域Ｆを抽出し、前記各果樹個体について、同定基準として、前記樹冠候補領域Ｆから、その重心Ｆを抽出する。前記樹冠候補領域Ｆとは、対応する樹冠スケルトンの頂点を全て含む最小多角形の領域であり、具体的には、例えば、凸状の最小多角形の領域である。

前記樹冠候補領域Ｆの抽出について、具体例として、図１１を参照して説明する。図１０（Ｃ）の樹冠のスケルトンＦの画像には、１２個の果樹個体の樹冠スケルトンが含まれる。頂点抽出部４１３により、図１１（Ａ）に示すように、各果樹個体について、対応する樹冠スケルトンから、その全ての頂点が抽出される。そして、同定基準抽出部４１４により、図１１（Ｂ）に示すように、全ての頂点を含む、グレーの線で囲んだ最小多角形の領域（ポリゴンともいう）を、それぞれの樹冠候補領域Ｆとして抽出できる。

図１１（Ｂ）を、より具体的に、図１２に示す。図１２（Ａ）の白線で示すように、前記全ての頂点を含む最小多角形のポリゴンにより、同定基準となる樹冠候補領域Ｆの外枠を抽出できる。また、図１２（Ｂ）に、図１２（Ａ）における樹冠候補領域Ｆを示す外枠を白黒マスク画像で示す。

また、同定基準抽出部４１４により、前記樹冠候補領域Ｆから、その重心Ｆが抽出される。前記樹冠候補領域Ｆの重心Ｆの決定方法は、特に制限されず、前記図１２（Ｂ）の白黒マスク画像のモーメントから、一般的な手法により求めることができる。

つぎに、樹冠同定部４２は、第２画像取得部４２１、全体樹冠抽出部４２２、および樹冠同定部４２３を有する。

第２画像取得部４２１は、前記果樹圃場について、前記第１空撮画像と同じスケールであり、樹冠を同定する時期の第２空撮画像Ｓを取得する。前記第２空撮画像Ｓは、特に制限されず、整枝剪定のために果樹の樹冠を同定する必要がある時期の画像であればよい。また、第２空撮画像Ｓは、例えば、特定の一時期の画像（例えば、Ｓ１）のみでもよいし、経時的に撮影した複数の時期に撮影した複数の画像（例えば、Ｓ１、Ｓ２、Ｓ３・・・Ｓｎ。ｎは、正の整数）であってもよい。

本発明において、樹冠の同定には、同定基準決定部４１により、前記第１空撮画像Ｆに基づいて抽出した同定基準である樹冠候補領域Ｆと重心Ｆとを利用することから、前記第２空撮画像Ｓは、前記第１空撮画像Ｆと同じスケールの画像である。前記第２空撮画像Ｓは、例えば、前記第１空撮画像Ｆと同じ条件で撮像することにより同じスケールとしてもよいし、前記第１空撮画像Ｆと異なる条件であっても、予め、画像処理によって、前記第１空撮画像Ｆと同じスケールとしたものを使用してもよい。

全体樹冠抽出部４２２は、前記第２空撮画像Ｓから、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像Ｓを抽出する。樹冠の同定が必要な時期は、前述のように、果樹の枝や葉が、隣接する果樹と重複するため、空撮画像においては、その臨界が判別し難い状態である。そこで、全体樹冠抽出部４２２は、前記第２空撮画像Ｓから、画像処理によって、前記複数の果樹個体のそれぞれについてではなく、前記複数の果樹個体の全体の樹冠画像Ｓを抽出する。

前記画像処理の方法は、特に制限されない。具体例として、図１３を用いて説明する。図１３（Ａ）に示すような前記空撮画像は、例えば、撮影条件等を参照することで、図１３（Ｂ）に示すように、果樹の樹高等を反映した３Ｄ画像を再構築でき、この３Ｄ画像から、図１３（Ｃ）に示すように、果樹個体の全体の樹冠画像Ｓを抽出できる。前記全体の樹冠画像Ｓの抽出は、例えば、前述と同様に、適応フィルタリング、画像モルフォロジー処理等が利用できる。

樹冠同定部４２３は、前記全体の樹冠画像Ｓに、前記同定基準の樹冠候補領域Ｆおよび重心Ｆを照合し、前記各果樹個体の樹冠領域Ｓを同定する。前述のように、前記第１空撮画像Ｆについては、果樹個体のそれぞれについて樹冠領域Ｆおよび重心Ｆが抽出されている。そして、前記第１空撮画像Ｆと前記第２空撮画像Ｓとは、同じスケールである。このため、前記第２空撮画像Ｓ由来の前記全体の樹冠画像Ｓに対して、前記同定基準の樹冠候補領域Ｆおよび重心Ｆを照合することによって、前記第２空撮画像Ｓにおける各果樹個体の樹冠領域の同定が可能になる。

樹冠同定部４２３は、例えば、前記全体の樹冠画像Ｓに基づいて、樹冠候補領域を抽出してから、最終的な樹冠領域を同定してもよい。すなわち、まず、前記全体の樹冠画像Ｓに、前記同定基準の樹冠候補領域Ｆおよび重心Ｆを照合し、前記各果樹個体の樹冠候補領域Ｓを抽出してから、前記樹冠候補領域Ｓと、前記樹冠候補領域Ｓの周囲の微小領域とから、前記各果樹個体の樹冠領域Ｓを同定してもよい。前記同定基準の樹冠領域Ｆおよび重心Ｆに基づく樹冠候補領域Ｓの抽出、および、前記樹冠候補領域Ｓからの樹冠領域Ｓの同定を、以下に、より詳細に説明する。

前記全体の樹冠画像Ｓを、一般Watershed transformation法で処理することにより、図１４（Ａ）に示すように、各果樹個体の樹冠の画像は、それぞれが、複数領域に分割される。そこで、図１４（Ａ）の画像に対して、候補領域Ｆと重心Ｆとを、Watershed transformation法の初期値として利用することで、図１４（Ｂ）に示すように、前記複数の領域を統合し、樹冠候補領域Ｓを抽出する。

図１５（Ａ）（図１４（Ｂ）と同じ図）に示す各樹冠候補領域Ｓには、それぞれ、図１５（Ｂ）に示すように、その周囲に凹凸状の微小領域Ｓが存在する（例えば、点線の丸で囲んだ領域）。そこで、前記樹冠候補領域Ｓと周囲の微小領域Ｓとのユークリッド距離を計算し、図１５（Ｃ）に示すように、前記樹冠候補領域Ｓと微小領域と統合することによって、図１５（Ｄ）に示すように、最終の樹冠領域Ｓを同定できる。

同定装置４０は、前述のように、さらに、果樹形質解析部４３を有してもよく、果樹形質解析部４３は、例えば、同定した樹冠領域の形質を解析する。前記樹冠領域の形質とは、例えば、樹冠投影面積、樹冠径、樹冠形状等である。これらの形質の情報は、例えば、前記画像における樹冠領域から、統計解析により得られる。

つぎに、本実施形態の同定方法について、一例として、図１６のフローチャートを用いて説明する。本実施形態の同定方法は、例えば、図８の同定装置４０を用いて、次のように実施できる。なお、本実施形態の同定方法は、図８の同定装置４０の使用には限定されない。

まず、同定基準決定工程として、前記第１画像取得工程、前記スケルトン抽出工程、前記頂点抽出工程、および前記同定基準抽出工程を実行する。

具体的には、前記第１画像取得工程において、第１画像取得部４１１により、果樹圃場について、複数の果樹個体を含む落葉期の第１空撮画像を取得する（Ｓ１０）。そして、前記スケルトン抽出工程において、スケルトン抽出部４１２により、前記第１空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンを抽出し（Ｓ１１）、前記頂点抽出工程において、頂点抽出部４１３により、各果樹個体について、対応する樹冠スケルトンの頂点を抽出する（Ｓ１２）。つぎに、前記同定基準抽出工程において、同定基準抽出部４１４により、前記各果樹個体について、同定基準として、前記頂点を全て含む最小多角形の樹冠候補領域を抽出し（Ｓ１３）、前記各果樹個体について、同定基準として、前記樹冠候補領域から、その重心を抽出する（Ｓ１４）。

他方、前記樹冠同定工程として、前記第２画像取得工程、前記全体樹冠抽出工程、および前記樹冠同定工程を実行する。

具体的には、前記第２画像取得工程において、第２画像取得部４２１により、前記果樹圃場について、前記第１空撮画像と同じスケールであり、樹冠を同定する時期の第２空撮画像を取得する（Ｓ１５）。つぎに、前記全体樹冠抽出工程において、全体樹冠抽出部４２２により、前記第２空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像を抽出する（Ｓ１６）。

そして、前記樹冠同定工程において、樹冠同定部４２３により、前記全体の樹冠画像に、前記同定基準の樹冠候補領域および重心を照合し、前記各果樹個体の樹冠候補領域を抽出する（Ｓ１７）。この樹冠候補領域を、最終的な樹冠領域として同定してもよい。また、さらに、例えば、前記樹冠候補領域と前述のような微小領域とから、樹冠領域を同定してもよい（Ｓ１８）。このようにして同定した樹冠領域を、出力してもよいし（Ｓ２０）、さらに、前記同定した樹冠領域に基づいて、果樹の形質を解析し（Ｓ１９）、その解析結果を出力してもよい（Ｓ２０）。

本実施形態における果樹個体の樹冠の同定方法は、例えば、前記実施形態１の育種データ収集方法における、空撮画像の取得（例えば、（Ｓ１）工程）から、植物形質を解析するための画像処理（例えば、（Ｓ３）工程）において利用できる。前記実施形態１では、前述のように、空撮画像を取得し（前記（Ｓ１）工程）、それを画像群に分類し（前記（Ｓ２）工程）、分類した画像群から前記画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質が解析される（前記（Ｓ３）工程）。そこで、果樹圃場における果樹の育種データを収集する際には、例えば、果樹圃場の空撮画像から、画像処理データの生成（例えば、３Ｄ画像の再構築）を行う。そして、この画像処理データから、本実施形態に示すように、前記第１空撮画像については、例えば、スケルトンの抽出から同定基準の抽出までを行う。一方、この画像処理データから、本実施形態に示すように、前記第２空撮画像については、例えば、全体の樹冠画像の抽出から、樹冠領域の同定までを行う。このようにして、同定された樹冠領域について、形質を解析することで、前記実施形態１に示すように、植物（すなわち果樹）の形質を解析できる。

［実施形態６］
本実施形態のプログラムは、前記実施形態５の同定方法を、コンピュータ上で実行可能なプログラムである。または、本実施形態のプログラムは、例えば、コンピュータ読み取り可能な記録媒体に記録されてもよい。前記記録媒体としては、特に限定されず、例えば、読み出し専用メモリ（ＲＯＭ）、ハードディスク（ＨＤ）、光ディスク、フロッピー（登録商標）ディスク（ＦＤ）等があげられる。

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。

この出願は、２０１７年１１月１５日に出願された日本出願特願２０１７−２２０５０４および２０１８年３月２３日に出願された日本出願特願２０１８−０５７０３５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。

＜付記＞
上記の実施形態および実施例の一部または全部は、以下の付記のように記載されうるが、以下には限られない。
（付記Ａ１）
圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶部、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類部、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、２次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理部、
前記画像処理部で得られたデータを可視化処理する可視化部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータを、処理情報として保持する処理情報記憶部、
前記画像処理部で得られたデータおよび前記可視化部で得られたデータの少なくとも一方を出力する出力部
を有することを特徴とする圃場の育種データ収集装置。
（付記Ａ２）
前記複数の画像群は、
少なくとも第１画像群、および第２画像群を含み、
前記第１画像群は、前記撮影高度が、前記第２画像群よりも高い範囲の画像群である、付記Ａ１記載の育種データ収集装置。
（付記Ａ３）
前記画像処理部において、前記圃場全体の３Ｄ画像を再構築する、付記Ａ１またはＡ２記載の育種データ収集装置。
（付記Ａ４）
前記画像処理部において、前記圃場の区画の３Ｄ画像を再構築し、前記圃場の区画における植物群の生育状態を判定する、付記Ａ１からＡ３のいずれかに記載の育種データ収集装置。
（付記Ａ５）
前記植物形質が、前記圃場における植物の植被率、植物の草丈、および植物の成長速度からなる群から選択された少なくとも一つである、付記Ａ１からＡ４のいずれかに記載の育種データ収集装置。
（付記Ａ６）
前記画像処理部において、前記植物の３Ｄ画像を再構築し、前記植物のさらに詳細な形質を判定する、付記Ａ１からＡ５のいずれかに記載の圃場の育種データ収集装置。
（付記Ａ７）
前記画像処理部が、第１画像処理部、および第２画像処理部を含み、
前記第１画像処理部が、前記第１画像群を処理し、
前記第２画像処理部が、前記第２画像群を処理する、付記Ａ１からＡ６のいずれかに記載の育種データ収集装置。
（付記Ａ８）
前記画像処理部が、複数の画像処理をパイプライン方式で実行する、付記Ａ７記載の育種データ収集装置。
（付記Ａ９）
前記可視化部が、前記画像処理部で得られるデータに含まれる２次元データを可視化処理し、前記画像処理部で得られるデータに含まれる３次元データを可視化処理する、付記Ａ１からＡ８のいずれかに記載の育種データ収集装置。
（付記Ａ１０）
前記２次元データが、２次元オルソモザイク、数値表層モデル、およびグラフのデータを含み、
前記３次元データが、ポイントクラウドのデータを含む、付記Ａ９記載の育種データ収集装置。
（付記Ａ１１）
前記撮影条件が、撮影時間を含み、
前記可視化部において、時系列となるように可視化処理する、付記Ａ１からＡ１０のいずれかに記載の圃場の育種データ収集装置。
（付記Ａ１２）
前記情報記憶部は、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持する、付記Ａ１からＡ１１のいずれかに記載の育種データ収集装置。
（付記Ａ１３）
前記可視化部は、さらに、前記圃場情報に基づいて、前記センシングの位置情報に紐づけられた前記圃場におけるセンシングデータを、可視化処理する、付記Ａ１２記載の育種データ収集装置。
（付記Ａ１４）
前記可視化部で得られるデータが、グラフデータである、付記Ａ１３記載の育種データ収集装置。
（付記Ａ１５）
前記センシングデータが、温度、湿度、二酸化炭素濃度、および日射量からなる群から選択された少なくとも一つのデータである、付記Ａ１３またはＡ１４記載の育種データ収集装置。
（付記Ａ１６）
前記圃場情報は、前記圃場を分割する各プロットの座標情報、および、前記圃場で育成している植物情報を含み、前記座標情報に前記植物情報が紐づけられている、付記Ａ１からＡ１５のいずれかに記載の育種データ収集装置。
（付記Ａ１７）
前記植物情報は、前記植物の画像解析情報である、付記Ａ１６記載の育種データ収集装置。
（付記Ａ１８）
前記情報記憶部が、さらに、撮影条件と、前記撮影条件に紐づけられた地上撮影画像を保持する、付記Ａ１からＡ１７のいずれかに記載の圃場の育種データ収集装置。
（付記Ａ１９）
前記空撮画像が、無人航空機による撮影画像である、付記Ａ１からＡ１８のいずれかに記載の育種データ収集装置。
（付記Ａ２０）
前記無人航空機が、ドローンである、付記Ａ１９記載の育種データ収集装置。
（付記Ａ２１）
さらに、特徴解析部を有し、
前記特徴解析部は、可視化データを解析して、前記圃場または前記植物の特徴を抽出し、
前記可視化データは、前記画像の特徴量、前記生成データ、前記形質解析データ、センシングデータからなる群から選択された少なくとも一つである、付記Ａ１からＡ２０のいずれかに記載の育種データ収集装置。
（付記Ａ２２）
付記Ａ１からＡ２１のいずれかに記載の圃場の育種データ収集装置に通信回線網を介して接続可能であり、
前記装置の可視化データを入力する入力部と、
前記可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析部とを有することを特徴とする育種における特徴解析装置。
（付記Ａ２３）
圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶工程、
前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類工程、
前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、２次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理工程、
前記画像処理工程で得られたデータを可視化処理する可視化工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータを、処理情報として保持する処理情報記憶工程、
前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータの少なくとも一方を出力する出力工程
を有することを特徴とする圃場の育種データ収集方法。
（付記Ａ２４）
前記複数の画像群は、
少なくとも第１画像群、および第２画像群を含み、
前記第１画像群は、前記撮影高度が、前記第２画像群よりも高い範囲の画像群である、付記Ａ２３記載の育種データ収集方法。
（付記Ａ２５）
前記画像処理工程において、前記圃場全体の３Ｄ画像を再構築する、付記Ａ２３またはＡ２４記載の育種データ収集方法。
（付記Ａ２６）
前記画像処理工程において、前記圃場の区画の３Ｄ画像を再構築し、前記圃場の区画における植物群の生育状態を判定する、付記Ａ２３からＡ２５のいずれかに記載の育種データ収集方法。
（付記Ａ２７）
前記植物形質が、前記圃場における植物の植被率、植物の草丈、および植物の成長速度からなる群から選択された少なくとも一つである、付記Ａ２３からＡ２６のいずれかに記載の育種データ収集方法。
（付記Ａ２８）
前記画像処理工程において、前記植物の３Ｄ画像を再構築し、前記植物のさらに詳細な生育状態を判定する、付記Ａ２３からＡ２７のいずれかに記載の圃場の育種データ収集方法。
（付記Ａ２９）
前記画像処理工程が、第１画像処理工程、および第２画像処理工程を含み、
前記第１画像処理工程において、前記第１画像群を処理し、
前記第２画像処理工程において、前記第２画像群を処理する、付記Ａ２３からＡ２８のいずれかに記載の育種データ収集方法。
（付記Ａ３０）
前記画像処理工程において、複数の画像処理をパイプライン方式で実行する、付記Ａ２９記載の育種データ収集方法。
（付記Ａ３１）
前記可視化工程において、前記画像処理工程で得られるデータに含まれる２次元データを可視化処理し、前記画像処理工程で得られるデータに含まれる３次元データを可視化処理する、付記Ａ２３からＡ３０のいずれかに記載の育種データ収集方法。
（付記Ａ３２）
前記２次元データが、２次元オルソモザイク、数値表層モデル、およびグラフのデータを含み、
前記３次元データが、ポイントクラウドのデータを含む、付記Ａ３１記載の育種データ収集方法。
（付記Ａ３３）
前記撮影条件が、撮影時間を含み、
前記可視化工程において、時系列となるように可視化処理する、付記Ａ２３からＡ３２のいずれかに記載の圃場の育種データ収集方法。

（付記Ａ３４）
前記情報記憶工程において、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持する、付記Ａ２３からＡ３３のいずれかに記載の育種データ収集方法。
（付記Ａ３５）
前記可視化工程において、さらに、前記圃場情報に基づいて、前記センシングの位置情報に紐づけられた前記圃場におけるセンシングデータを、可視化処理する、付記Ａ３４記載の育種データ収集方法。
（付記Ａ３６）
前記可視化工程で得られるデータが、グラフデータである、付記Ａ３５記載の育種データ収集方法。
（付記Ａ３７）
前記センシングデータが、温度、湿度、二酸化炭素濃度、および日射量からなる群から選択された少なくとも一つのデータである、付記Ａ３５またはＡ３６記載の育種データ収集方法。
（付記Ａ３８）
前記圃場情報は、前記圃場を分割する各プロットの座標情報、および、前記圃場で育成している植物情報を含み、前記座標情報に前記植物情報が紐づけられている、付記Ａ２３からＡ３７のいずれかに記載の育種データ収集方法。
（付記Ａ３９）
前記植物情報は、前記植物の画像解析情報である、付記Ａ３８記載の育種データ収集方法。
（付記Ａ４０）
前記情報記憶工程において、さらに、撮影条件と、前記撮影条件に紐づけられた地上撮影画像を保持する、付記Ａ２３からＡ３９のいずれかに記載の圃場の育種データ収集方法。
（付記Ａ４１）
前記空撮画像が、無人航空機による撮影画像である、付記Ａ２３からＡ４０のいずれかに記載の育種データ収集方法。
（付記Ａ４２）
前記無人航空機が、ドローンである、付記Ａ４１記載の育種データ収集方法。
（付記Ａ４３）
さらに、特徴解析工程を有し、
前記特徴解析工程は、可視化データを解析して、前記圃場または前記植物の特徴を抽出し、
前記可視化データは、前記画像の特徴量、前記生成データ、前記形質解析データ、センシングデータからなる群から選択された少なくとも一つである、付記Ａ２３からＡ４２のいずれかに記載の育種データ収集方法。
（付記Ａ４４）
付記Ａ２３からＡ４３のいずれかに記載の圃場の育種データ収集方法によるデータ収集工程と、
前記画像の特徴量、前記画像処理データ、前記形質解析データ、およびセンシングデータからなる群から選択された少なくとも一つの可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析工程とを有することを特徴とする育種における特徴解析方法。
（付記Ａ４５）
付記Ａ２３からＡ４３のいずれかに記載の圃場の育種データ収集方法をコンピュータに実行させることを特徴とするプログラム。
（付記Ａ４６）
付記Ａ４４記載の育種における特徴解析方法をコンピュータに実行させることを特徴とするプログラム。
（付記Ａ４７）
付記Ａ４５またはＡ４６記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。

また、上記の実施形態５、６および実施例の一部または全部は、以下の付記のように記載されうるが、以下には限られない。
（付記Ｂ１）
同定基準決定部と、樹冠同定部とを有し；
前記同定基準決定部は、
第１画像取得部、スケルトン抽出部、頂点抽出部、および同定基準抽出部を有し、
前記第１画像取得部は、果樹圃場について、複数の果樹個体を含む落葉期の第１空撮画像を取得し、
前記スケルトン抽出部は、前記第１空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンを抽出し、
前記頂点抽出部は、各果樹個体について、対応する樹冠スケルトンの頂点を抽出し、
前記同定基準抽出部は、前記各果樹個体について、同定基準として、前記頂点を全て含む最小多角形の樹冠候補領域を抽出し、前記各果樹個体について、同定基準として、前記樹冠候補領域から、その重心を抽出し；
前記樹冠同定部は、
第２画像取得部、全体樹冠抽出部、および樹冠同定部を有し、
前記第２画像取得部は、前記果樹圃場について、前記第１空撮画像と同じスケールであり、樹冠を同定する時期の第２空撮画像を取得し、
前記全体樹冠抽出部は、前記第２空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像を抽出し、
前記樹冠同定部は、前記全体の樹冠画像に、前記同定基準の樹冠候補領域および重心を照合し、前記第２空撮画像における前記各果樹個体の樹冠領域を同定する
ことを特徴とする画像における果樹個体の樹冠の同定装置。
（付記Ｂ２）
前記樹冠同定部は、
前記全体の樹冠画像に、前記同定基準の樹冠領域および重心を照合し、前記各果樹個体の樹冠候補領域を抽出し、
前記樹冠候補領域と、前記樹冠候補領域の周囲の微小領域とから、前記各果樹個体の樹冠領域を同定する、付記Ｂ１記載の同定装置。
（付記Ｂ３）
さらに、果樹形質解析部を有し、
前記果樹形質解析部は、同定した樹冠領域の形質を解析する、付記Ｂ１またはＢ２記載の同定装置。
（付記Ｂ４）
さらに、出力部を有し、前記出力部は、前記樹冠領域を出力する、付記Ｂ１からＢ３のいずれかに記載の同定装置。
（付記Ｂ５）
同定基準決定工程と、樹冠同定工程とを有し；
前記同定基準決定工程は、
第１画像取得工程、スケルトン抽出工程、頂点抽出工程、および同定基準抽出工程を有し、
前記第１画像取得工程は、果樹圃場について、複数の果樹個体を含む落葉期の第１空撮画像を取得し、
前記スケルトン抽出工程は、前記第１空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンを抽出し、
前記頂点抽出工程は、各果樹個体について、対応する樹冠スケルトンの頂点を抽出し、
前記同定基準抽出工程は、前記各果樹個体について、同定基準として、前記頂点を全て含む最小多角形の樹冠候補領域を抽出し、前記各果樹個体について、同定基準として、前記樹冠候補領域から、その重心を抽出し；
前記樹冠同定工程は、
第２画像取得工程、全体樹冠抽出工程、および樹冠同定工程を有し、
前記第２画像取得工程は、前記果樹圃場について、前記第１空撮画像と同じスケールであり、樹冠を同定する時期の第２空撮画像を取得し、
前記全体樹冠抽出工程は、前記第２空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像を抽出し、
前記樹冠同定工程は、前記全体の樹冠画像に、前記同定基準の樹冠候補領域および重心を照合し、前記第２空撮画像における前記各果樹個体の樹冠領域を同定する
ことを特徴とする画像における果樹個体の樹冠の同定方法。
（付記Ｂ６）
前記樹冠同定工程は、
前記全体の樹冠画像に、前記同定基準の樹冠領域および重心を照合し、前記各果樹個体の樹冠候補領域を抽出し、
前記樹冠候補領域と、前記樹冠候補領域の周囲の微小領域とから、前記各果樹個体の樹冠領域を同定する、付記Ｂ５記載の同定方法。
（付記Ｂ７）
さらに、果樹形質解析工程を有し、
前記果樹形質解析工程は、同定した樹冠領域の形質を解析する、付記Ｂ５またはＢ６記載の同定方法。
（付記Ｂ８）
さらに、出力工程を有し、前記出力工程は、前記樹冠領域を出力する、付記Ｂ５からＢ７のいずれかに記載の同定方法。
（付記Ｂ９）
付記Ｂ５からＢ８のいずれかに記載の果樹個体の樹冠の同定方法をコンピュータに実行させることを特徴とするプログラム。
（付記Ｂ１０）
付記Ｂ９記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。

本発明によれば、例えば、空撮画像等を利用して、圃場の撮影画像を撮影高度に基づいて分類し、分類された画像群から、圃場、前記圃場の区画、前記圃場における植物について、３Ｄ画像データ等を再構築し、さらに、前記圃場条件または前記撮像条件に基づく可視化データへの変換を行う。このため、本発明は、例えば、限られた面積の試験用圃場ではなく、実圃場の広範囲における可視化データを得ることができる。その結果、これらの可視化データを、実圃場やそこで育成される植物の解析に広く利用でき、例えば、表現型に関する新たな知見の取得の支援にもつながる。

１、６ 育種データ収集装置
１００ 記憶部
１０１ 情報記憶部
１０２ 処理情報記憶部
１１０ 処理部
１１１ 分類部
１１２ 画像処理部
１１３ 可視化部
１２０ 出力部
２ クライアント端末
３２ 通信回線網
４０ 同定装置
４１ 同定基準決定部
４１１ 第１画像取得部
４１２ スケルトン抽出部
４１３ 頂点抽出部
４１４ 同定基準抽出部
４２ 樹冠同定部
４２１ 第２画像取得部
４２２ 全体樹冠抽出部
４２３ 樹冠同定部
４３ 果樹形質解析部
４４ 記憶部

Claims (57)

1. 圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶部、
   前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類部、
   前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、２次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理部、
   前記画像処理部で得られたデータを可視化処理する可視化部、
   前記画像処理部で得られたデータおよび前記可視化部で得られたデータを、処理情報として保持する処理情報記憶部、
   前記画像処理部で得られたデータおよび前記可視化部で得られたデータの少なくとも一方を出力する出力部
   を有することを特徴とする圃場の育種データ収集装置。
2. 前記複数の画像群は、
   少なくとも第１画像群、および第２画像群を含み、
   前記第１画像群は、前記撮影高度が、前記第２画像群よりも高い範囲の画像群である、請求項１記載の育種データ収集装置。
3. 前記画像処理部において、前記圃場全体の３Ｄ画像を再構築する、請求項１または２記載の育種データ収集装置。
4. 前記画像処理部において、前記圃場の区画の３Ｄ画像を再構築し、前記圃場の区画における植物群の生育状態を判定する、請求項１から３のいずれか一項に記載の育種データ収集装置。
5. 前記植物形質が、前記圃場における植物の植被率、植物の草丈、および植物の成長速度からなる群から選択された少なくとも一つである、請求項１から４のいずれか一項に記載の育種データ収集装置。
6. 前記画像処理部において、前記植物の３Ｄ画像を再構築し、前記植物のさらに詳細な形質を判定する、請求項１から５のいずれか一項に記載の圃場の育種データ収集装置。
7. 前記画像処理部が、第１画像処理部、および第２画像処理部を含み、
   前記第１画像処理部が、前記第１画像群を処理し、
   前記第２画像処理部が、前記第２画像群を処理する、請求項１から６のいずれか一項に記載の育種データ収集装置。
8. 前記画像処理部が、複数の画像処理をパイプライン方式で実行する、請求項７記載の育種データ収集装置。
9. 前記可視化部が、前記画像処理部で得られるデータに含まれる２次元データを可視化処理し、前記画像処理部で得られるデータに含まれる３次元データを可視化処理する、請求項１から８のいずれか一項に記載の育種データ収集装置。
10. 前記２次元データが、２次元オルソモザイク、数値表層モデル、およびグラフのデータを含み、
    前記３次元データが、ポイントクラウドのデータを含む、請求項９記載の育種データ収集装置。
11. 前記撮影条件が、撮影時間を含み、
    前記可視化部において、時系列となるように可視化処理する、請求項１から１０のいずれか一項に記載の圃場の育種データ収集装置。
12. 前記情報記憶部は、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持する、請求項１から１１のいずれか一項に記載の育種データ収集装置。
13. 前記可視化部は、さらに、前記圃場情報に基づいて、前記センシングの位置情報に紐づけられた前記圃場におけるセンシングデータを、可視化処理する、請求項１２記載の育種データ収集装置。
14. 前記可視化部で得られるデータが、グラフデータである、請求項１３記載の育種データ収集装置。
15. 前記センシングデータが、温度、湿度、二酸化炭素濃度、および日射量からなる群から選択された少なくとも一つのデータである、請求項１３または１４記載の育種データ収集装置。
16. 前記圃場情報は、前記圃場を分割する各プロットの座標情報、および、前記圃場で育成している植物情報を含み、前記座標情報に前記植物情報が紐づけられている、請求項１から１５のいずれか一項に記載の育種データ収集装置。
17. 前記植物情報は、前記植物の画像解析情報である、請求項１６記載の育種データ収集装置。
18. 前記情報記憶部が、さらに、撮影条件と、前記撮影条件に紐づけられた地上撮影画像を保持する、請求項１から１７のいずれか一項に記載の圃場の育種データ収集装置。
19. 前記空撮画像が、無人航空機による撮影画像である、請求項１から１８のいずれか一項に記載の育種データ収集装置。
20. 前記無人航空機が、ドローンである、請求項１９記載の育種データ収集装置。
21. さらに、特徴解析部を有し、
    前記特徴解析部は、可視化データを解析して、前記圃場または前記植物の特徴を抽出し、
    前記可視化データは、前記画像の特徴量、前記生成データ、前記形質解析データ、センシングデータからなる群から選択された少なくとも一つである、請求項１から２０のいずれか一項に記載の育種データ収集装置。
22. 請求項１から２１のいずれか一項に記載の圃場の育種データ収集装置に通信回線網を介して接続可能であり、
    前記育種データ収集装置の可視化データを入力する入力部と、
    前記可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析部とを有することを特徴とする育種における特徴解析装置。
23. 圃場情報、空撮のフライトログを含む撮影条件、および前記撮影条件と紐づけられた前記圃場の空撮画像を保持する情報記憶工程、
    前記空撮画像を、前記撮影条件に含まれる撮影高度に基づいて、撮影高度範囲が異なる複数の画像群に分類する分類工程、
    前記複数の画像群のうち少なくとも一つの画像群と、前記撮影条件とから、２次元オルソモザイク、数値表層モデル、およびポイントクラウドからなる群から選択された少なくとも一つの画像処理データを生成し、前記画像処理データから、前記圃場における植物の植物形質を解析する画像処理工程、
    前記画像処理工程で得られたデータを可視化処理する可視化工程、
    前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータを、処理情報として保持する処理情報記憶工程、
    前記画像処理工程で得られたデータおよび前記可視化工程で得られたデータの少なくとも一方を出力する出力工程
    を有することを特徴とする圃場の育種データ収集方法。
24. 前記複数の画像群は、
    少なくとも第１画像群、および第２画像群を含み、
    前記第１画像群は、前記撮影高度が、前記第２画像群よりも高い範囲の画像群である、請求項２３記載の育種データ収集方法。
25. 前記画像処理工程において、前記圃場全体の３Ｄ画像を再構築する、請求項２３または２４記載の育種データ収集方法。
26. 前記画像処理工程において、前記圃場の区画の３Ｄ画像を再構築し、前記圃場の区画における植物群の生育状態を判定する、請求項２３から２５のいずれか一項に記載の育種データ収集方法。
27. 前記植物形質が、前記圃場における植物の植被率、植物の草丈、および植物の成長速度からなる群から選択された少なくとも一つである、請求項２３から２６のいずれか一項に記載の育種データ収集方法。
28. 前記画像処理工程において、前記植物の３Ｄ画像を再構築し、前記植物のさらに詳細な生育状態を判定する、請求項２３から２７のいずれか一項に記載の圃場の育種データ収集方法。
29. 前記画像処理工程が、第１画像処理工程、および第２画像処理工程を含み、
    前記第１画像処理工程において、前記第１画像群を処理し、
    前記第２画像処理工程において、前記第２画像群を処理する、請求項２３から２８のいずれか一項に記載の育種データ収集方法。
30. 前記画像処理工程において、複数の画像処理をパイプライン方式で実行する、請求項２９記載の育種データ収集方法。
31. 前記可視化工程において、前記画像処理工程で得られるデータに含まれる２次元データを可視化処理し、前記画像処理工程で得られるデータに含まれる３次元データを可視化処理する、請求項２３から３０のいずれか一項に記載の育種データ収集方法。
32. 前記２次元データが、２次元オルソモザイク、数値表層モデル、およびグラフのデータを含み、
    前記３次元データが、ポイントクラウドのデータを含む、請求項３１記載の育種データ収集方法。
33. 前記撮影条件が、撮影時間を含み、
    前記可視化工程において、時系列となるように可視化処理する、請求項２３から３２のいずれか一項に記載の圃場の育種データ収集方法。
34. 前記情報記憶工程において、さらに、前記圃場のセンシングデータと、前記圃場におけるセンシングの位置情報とを紐づけて、保持する、請求項２３から３３のいずれか一項に記載の育種データ収集方法。
35. 前記可視化工程において、さらに、前記圃場情報に基づいて、前記センシングの位置情報に紐づけられた前記圃場におけるセンシングデータを、可視化処理する、請求項３４記載の育種データ収集方法。
36. 前記可視化工程で得られるデータが、グラフデータである、請求項３５記載の育種データ収集方法。
37. 前記センシングデータが、温度、湿度、二酸化炭素濃度、および日射量からなる群から選択された少なくとも一つのデータである、請求項３５または３６記載の育種データ収集方法。
38. 前記圃場情報は、前記圃場を分割する各プロットの座標情報、および、前記圃場で育成している植物情報を含み、前記座標情報に前記植物情報が紐づけられている、請求項２３から３７のいずれか一項に記載の育種データ収集方法。
39. 前記植物情報は、前記植物の画像解析情報である、請求項３８記載の育種データ収集方法。
40. 前記情報記憶工程において、さらに、撮影条件と、前記撮影条件に紐づけられた地上撮影画像を保持する、請求項２３から３９のいずれか一項に記載の圃場の育種データ収集方法。
41. 前記空撮画像が、無人航空機による撮影画像である、請求項２３から４０のいずれか一項に記載の育種データ収集方法。
42. 前記無人航空機が、ドローンである、請求項４１記載の育種データ収集方法。
43. さらに、特徴解析工程を有し、
    前記特徴解析工程は、可視化データを解析して、前記圃場または前記植物の特徴を抽出し、
    前記可視化データは、前記画像の特徴量、前記生成データ、前記形質解析データ、センシングデータからなる群から選択された少なくとも一つである、請求項２３から４２のいずれか一項に記載の育種データ収集方法。
44. 請求項２３から４３のいずれか一項に記載の圃場の育種データ収集方法によるデータ収集工程と、
    前記画像の特徴量、前記画像処理データ、前記形質解析データ、およびセンシングデータからなる群から選択された少なくとも一つの可視化データを解析して、前記圃場または前記植物の特徴を抽出する特徴解析工程とを有することを特徴とする育種における特徴解析方法。
45. 請求項２３から４３のいずれか一項に記載の圃場の育種データ収集方法をコンピュータに実行させることを特徴とするプログラム。
46. 請求項４４記載の育種における特徴解析方法をコンピュータに実行させることを特徴とするプログラム。
47. 請求項４５または４６記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
48. 同定基準決定部と、樹冠同定部とを有し；
    前記同定基準決定部は、
    第１画像取得部、スケルトン抽出部、頂点抽出部、および同定基準抽出部を有し、
    前記第１画像取得部は、果樹圃場について、複数の果樹個体を含む落葉期の第１空撮画像を取得し、
    前記スケルトン抽出部は、前記第１空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンを抽出し、
    前記頂点抽出部は、各果樹個体について、対応する樹冠スケルトンの頂点を抽出し、
    前記同定基準抽出部は、前記各果樹個体について、同定基準として、前記頂点を全て含む最小多角形の樹冠候補領域を抽出し、前記各果樹個体について、同定基準として、前記樹冠候補領域から、その重心を抽出し；
    前記樹冠同定部は、
    第２画像取得部、全体樹冠抽出部、および樹冠同定部を有し、
    前記第２画像取得部は、前記果樹圃場について、前記第１空撮画像と同じスケールであり、樹冠を同定する時期の第２空撮画像を取得し、
    前記全体樹冠抽出部は、前記第２空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像を抽出し、
    前記樹冠同定部は、前記全体の樹冠画像に、前記同定基準の樹冠候補領域および重心を照合し、前記第２空撮画像における前記各果樹個体の樹冠領域を同定する
    ことを特徴とする画像における果樹個体の樹冠の同定装置。
49. 前記樹冠同定部は、
    前記全体の樹冠画像に、前記同定基準の樹冠領域および重心を照合し、前記各果樹個体の樹冠候補領域を抽出し、
    前記樹冠候補領域と、前記樹冠候補領域の周囲の微小領域とから、前記各果樹個体の樹冠領域を同定する、請求項４８記載の同定装置。
50. さらに、果樹形質解析部を有し、
    前記果樹形質解析部は、同定した樹冠領域の形質を解析する、請求項４８または４９記載の同定装置。
51. さらに、出力部を有し、前記出力部は、前記樹冠領域を出力する、請求項４８から５０のいずれか一項に記載の同定装置。
52. 同定基準決定工程と、樹冠同定工程とを有し；
    前記同定基準決定工程は、
    第１画像取得工程、スケルトン抽出工程、頂点抽出工程、および同定基準抽出工程を有し、
    前記第１画像取得工程は、果樹圃場について、複数の果樹個体を含む落葉期の第１空撮画像を取得し、
    前記スケルトン抽出工程は、前記第１空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠スケルトンを抽出し、
    前記頂点抽出工程は、各果樹個体について、対応する樹冠スケルトンの頂点を抽出し、
    前記同定基準抽出工程は、前記各果樹個体について、同定基準として、前記頂点を全て含む最小多角形の樹冠候補領域を抽出し、前記各果樹個体について、同定基準として、前記樹冠候補領域から、その重心を抽出し；
    前記樹冠同定工程は、
    第２画像取得工程、全体樹冠抽出工程、および樹冠同定工程を有し、
    前記第２画像取得工程は、前記果樹圃場について、前記第１空撮画像と同じスケールであり、樹冠を同定する時期の第２空撮画像を取得し、
    前記全体樹冠抽出工程は、前記第２空撮画像から、画像処理によって、前記複数の果樹個体を含む全体の樹冠画像を抽出し、
    前記樹冠同定工程は、前記全体の樹冠画像に、前記同定基準の樹冠候補領域および重心を照合し、前記第２空撮画像における前記各果樹個体の樹冠領域を同定する
    ことを特徴とする画像における果樹個体の樹冠の同定方法。
53. 前記樹冠同定工程は、
    前記全体の樹冠画像に、前記同定基準の樹冠領域および重心を照合し、前記各果樹個体の樹冠候補領域を抽出し、
    前記樹冠候補領域と、前記樹冠候補領域の周囲の微小領域とから、前記各果樹個体の樹冠領域を同定する、請求項５２記載の同定方法。
54. さらに、果樹形質解析工程を有し、
    前記果樹形質解析工程は、同定した樹冠領域の形質を解析する、請求項５２または５３記載の同定方法。
55. さらに、出力工程を有し、前記出力工程は、前記樹冠領域を出力する、請求項５２から５４のいずれか一項に記載の同定方法。
56. 請求項５２から５５のいずれか一項に記載の果樹個体の樹冠の同定方法をコンピュータに実行させることを特徴とするプログラム。
57. 請求項５６記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。