JPWO2020026358A1 - コンピュータシステム、収穫時期予測方法及びプログラム - Google Patents

Abstract

【課題】より簡単に農作物の生育状況や収穫時期を予測することが容易なコンピュータシステム、収穫時期予測方法及びプログラムを提供することを目的とする。【解決手段】コンピュータシステムは、農作物の画像を取得し、前記画像から前記農作物の収穫物を認識し、認識した前記収穫物の画像から、当該収穫物の状況又は状態（収穫時期又は収穫量のうちの少なくとも一つ）を予測する。また、コンピュータシステムは、農作物周辺における一定期間の環境データ（積算温度、積算日射量、農作物の位置情報のうちの少なくとも一つ）に基づいて、当該収穫物の状況又は状態を予測する。【選択図】図１

Description

本発明は、農作物の収穫時期を予測するコンピュータシステム、収穫時期予測方法及びプログラムに関する。

近年、様々なモノをインターネットに接続するＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）が盛んになっている。特に、農業分野において、作業者の高齢化、個人のカンや経験に頼った生産活動、生産に関わる原価管理等の問題を解決するために、ＩｏＴを利用した農作物の育成が望まれている。

このような農作物の育成において、例えば、農作物の画像と、この農作物に含まれる化合物とに基づいて、農作物の評価を行う構成が開示されている（特許文献１参照）。

特開２０１７−３５２６号公報

しかしながら、特許文献１の構成では、予め農作物に含まれる化合物に関する情報を取得する必要や、予め特定の化合物と農作物の画像との関係に関する情報が必要となることから手間やコストがかかってしまうおそれがあった。

本発明は、より簡単に農作物の生育状況や収穫時期を予測することが容易なコンピュータシステム、収穫時期予測方法及びプログラムを提供することを目的とする。

本発明では、以下のような解決手段を提供する。

本発明は、農作物の画像を取得する画像取得手段と、
前記画像から前記農作物の収穫物を認識する認識手段と、
認識した前記収穫物の画像から、当該収穫物の状況又は状態を予測する予測手段と、
を備えることを特徴とするコンピュータシステムを提供する。

本発明によれば、コンピュータシステムは、農作物の画像を取得し、前記画像から前記農作物の収穫物を認識し、認識した前記収穫物の画像から、当該収穫物の状況又は状態を予測する。

本発明は、コンピュータシステムのカテゴリであるが、方法及びプログラム等の他のカテゴリにおいても、そのカテゴリに応じた同様の作用・効果を発揮する。

本発明によれば、より簡単に農作物の生育状況や収穫時期を予測することが容易なコンピュータシステム、収穫時期予測方法及びプログラムを提供することが可能となる。

図１は、収穫時期予測システム１の概要を示す図である。 図２は、収穫時期予測システム１の全体構成図である。 図３は、コンピュータ１０が実行する第一予測処理を示すフローチャートである。 図４は、コンピュータ１０が実行する第二予測処理を示すフローチャートである。 図５は、コンピュータ１０が実行する学習処理を示すフローチャートである。 図６は、コンピュータ１０が取得した画像に対して、画像解析を実行した結果を模式的に示した図である。 図７は、コンピュータ１０が認識したトマトの実１００を模式的に示した図である。 図８は、コンピュータ１０が記憶する環境データデータベースの一例を模式的に示した図である。

以下、本発明を実施するための最良の形態について図を参照しながら説明する。なお、これはあくまでも一例であって、本発明の技術的範囲はこれらに限られるものではない。

［収穫時期予測システム１の概要］
本発明の好適な実施形態の概要について、図１に基づいて説明する。図１は、本発明の好適な実施形態である収穫時期予測システム１の概要を説明するための図である。収穫時期予測システム１は、コンピュータ１０から構成され、農作物の収穫時期を予測するコンピュータシステムである。

なお、収穫時期予測システム１は、コンピュータ１０に加え、農作物の静止画や動画等の画像を撮影する撮影手段を有したドローンや、農作物の収穫作業や管理等を行う作業者が所持する作業者端末等が含まれていてもよい。

コンピュータ１０は、ドローンが撮影した農作物（例えば、レーン毎に育成中のトマト）の画像を取得し、この画像から農作物の収穫物（一のレーンにおける各トマトの実）を認識する。このとき、コンピュータ１０は、農作物の画像を画像解析することにより、画像に含まれる収穫物を認識する。コンピュータ１０は、この認識した収穫物の画像から、収穫物の育成状況（収穫物の状況又は状態（収穫時期又は収穫量のうちの少なくとも一つ））を予測する。

また、コンピュータ１０は、農作物の周辺における一定期間の環境データ（積算温度、積算日射量、農作物の位置情報のうちの少なくとも一つ）を取得し、この環境データを加味して、収穫物の育成状況を予測する。

また、コンピュータ１０は、実際に収穫物を収穫した際の、この収穫物の育成状況を教師データとして学習し、この教師データを加味して、収穫物の育成状況を予測する。

収穫時期予測システム１が実行する処理の概要について説明する。

はじめに、コンピュータ１０は、農作物の画像を取得する（ステップＳ０１）。コンピュータ１０は、ドローンが撮影した農作物の動画や静止画等の画像を取得する。このとき、ドローンは栽培中の全ての農作物を撮影する。例えば、ドローンは、レーン毎に農作物が育成されている場合、各レーンの画像を撮影する。コンピュータ１０は、この各レーンにおける農作物の画像を取得することになる。コンピュータ１０は、全てのレーンにおける農作物の画像を取得することにより、管理する全ての農作物の画像を取得する。

コンピュータ１０は、取得した画像から農作物の収穫物を認識する（ステップＳ０２）。コンピュータ１０は、取得した画像を画像解析し、その特徴点（形状、輝度、色、輪郭等）や特徴量（画素値の平均、分散、ヒストグラム等）を抽出する。コンピュータ１０は、この抽出した特徴点や特徴量に基づいて、農作物の収穫物を認識する。ここでの収穫物とは、例えば、農作物がトマトである場合、一つ一つのトマトの実といったように、個々の農作物を意味する。コンピュータ１０は、上述した例では、各レーンにおけるトマトにおける、個々のトマトの実を認識する。

コンピュータ１０は、認識した収穫物の画像から、この収穫物の育成状況を予測する（ステップＳ０３）。コンピュータ１０は、育成状況として、収穫物の収穫時期（何日後に出荷可能か、何月何日に出荷可能か等）又は収穫量（各収穫物の熟度等に基づいた全体の収穫可能数）の少なくとも一つを予測する。この時、コンピュータ１０は、育成状況の予測に際して、この農作物周における一定期間の環境データ（積算温度、積算日射量、農作物の位置情報のうちの少なくとも一つ）を加味したうえで、収穫物の育成状況を予測してもよい。また、コンピュータ１０は、育成状況の予測に際して、過去に収穫した収穫物と同種の収穫物の育成状況を教師データとして学習しておき、この教師データを加味したうえで、収穫物の育成状況を予測してもよい。

以上が、収穫時期予測システム１の概要である。

［収穫時期予測システム１のシステム構成］
図２に基づいて、本発明の好適な実施形態である収穫時期予測システム１のシステム構成について説明する。図２は、本発明の好適な実施形態である収穫時期予測システム１のシステム構成を示す図である。図２において、収穫時期予測システム１は、コンピュータ１０から構成され、農作物の収穫時期を予測するコンピュータシステムである。

なお、収穫時期予測システム１は、上述した通り、ドローンや作業者端末等が含まれていてもよい。

コンピュータ１０は、制御部として、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等を備え、通信部として、他の機器（図示していないドローンや作業者端末等）と通信可能にするためのデバイスス、例えば、ＩＥＥＥ８０２．１１に準拠したＷｉ―Ｆｉ（Ｗｉｒｅｌｅｓｓ―Ｆｉｄｅｌｉｔｙ）対応デバイス等を備える。また、コンピュータ１０は、記憶部として、ハードディスクや半導体メモリ、記録媒体、メモリカード等によるデータのストレージ部を備える。また、コンピュータ１０は、処理部として、各種処理を実行する各種デバイス等を備える。

コンピュータ１０において、制御部が所定のプログラムを読み込むことにより、通信部と協働して、画像取得モジュール２０、通知モジュール２１、環境データ取得モジュール２２、育成状況取得モジュール２３を実現する。また、コンピュータ１０において、制御部が所定のプログラムを読み込むことにより、記憶部と協働して、記憶モジュール３０を実現する。また、コンピュータ１０において、制御部が所定のプログラムを読み込むことにより、処理部と協働して、解析モジュール４０、認識モジュール４１、熟度判定モジュール４２、予測モジュール４３、学習モジュール４４を実現する。

［第一予測処理］
図３に基づいて、収穫時期予測システム１が実行する第一予測処理について説明する。図３は、コンピュータ１０が実行する第一予測処理のフローチャートを示す図である。上述した各モジュールが実行する処理について、本処理に併せて説明する。

画像取得モジュール２０は、農作物の画像を取得する（ステップＳ１０）。ステップＳ１０において、画像取得モジュール２０は、ドローンが撮影した農作物の動画や静止画等の画像を取得する。このとき、ドローンは、栽培中の作物をレーン毎等の所定範囲毎に撮影する。ドローンは、この撮影した画像を、画像データとして、コンピュータ１０に送信する。画像取得モジュール２０は、このドローンが送信した画像データを受信することにより、農作物の画像を取得する。画像取得モジュール２０は、自身が管理する全ての農作物又は管理する農作物のうち一又は複数種類の農作物の画像を取得する。例えば、対象の農作物がトマトであり、トマトが複数のレーンで栽培されている場合、ドローンは、この複数のレーンの其々に栽培されたトマトを撮影した画像を、画像データとしてコンピュータ１０に送信する。画像取得モジュール２０は、この画像データを受信することにより、複数のレーンにおけるトマトの画像を取得することになる。

解析モジュール４０は、取得した画像を画像解析する（ステップＳ１１）。ステップＳ１１において、解析モジュール４０は、画像の特徴点や特徴量を抽出することにより、画像解析を実行する。解析モジュール４０は、画像の特徴点として、形状、輝度、色、輪郭等を抽出する。また、解析モジュール４０は、画像の特徴量として、画素値の平均、分散、ヒストグラム等を抽出する。ここで、解析モジュール４０は、上述した例において、この画像に含まれているトマトを農作物として解析する。このとき、解析モジュール４０は、トマトの数、位置、形状、色味、大きさを其々抽出する。

認識モジュール４１は、取得した画像から、農作物の収穫物を認識する（ステップＳ１２）。ステップＳ１２において、認識モジュール４１は、抽出した農作物から収穫物を認識する。認識モジュール４１は、この収穫物の形状、色味、大きさ等の育成状況を類推可能な育成情報を認識する。収穫物は、上述した例において、一のレーンに存在するトマトのうち、個々のトマトの実を意味する。認識モジュール４１は、個々のトマトの実の育成情報を認識する。

熟度判定モジュール４２は、収穫物の熟度を判定する（ステップＳ１３）。ステップＳ１３において、熟度判定モジュール４２は、認識した収穫物の育成情報に基づいて、この収穫物の熟度を判定する。熟度とは、収穫物の熟した程度である。熟度は、複数の段階（例えば、出荷可能な状態を１００％とし、それ以前の段階（出荷前状態）では、各段階に応じた１００％未満の値とし、それ以後の段階（過熟状態）では１００％を超えた値とする）に分けられている。熟度判定モジュール４２は、予め記憶モジュール３０に記憶させた、収穫物の種類毎に育成情報と熟度とを対応付けた熟度管理データベースを参照することにより、この収穫物の熟度を判定する。熟度判定モジュール４２は、認識した収穫物の育成情報に基づいて、熟度管理データベースにおけるこの収穫物の育成情報を特定し、この特定した育成情報に対応付けられた熟度を、収穫物の熟度として判定する。

図６に基づいて、認識モジュール４１が実行する収穫物の認識について説明する。図６は、画像取得モジュール２０が取得した画像に対して、画像解析を実行した結果を模式的に示した図である。認識モジュール４１は、画像解析の結果に基づいて、取得したこのレーンの画像におけるトマトの数及びその位置を認識する。認識モジュール４１は、トマトの実１００〜１１３がこの画像中に含まれていることを認識し、収穫物として、このトマトの実１００〜１１３の其々を認識する。また、認識モジュール４１は、このトマトの実１００〜１１３の其々の育成情報を其々認識する。

図７に基づいて、熟度判定モジュール４２が実行する収穫物の熟度の判定について説明する。図７は、認識モジュール４１が認識したトマトの実１００を模式的に示した図である。熟度判定モジュール４２は、このトマトの実１００の育成情報に基づいて、このトマトの実１００の熟度を判定する。熟度判定モジュール４２は、今回認識した収穫物がトマトの実であることから、上述した熟度管理データベースにおけるトマトの実に対応付けられた育成情報を特定する。熟度判定モジュール４２は、特定したこの熟度管理データベースにおける育成情報に対応付けられた熟度を特定する。熟度判定モジュール４２は、認識したトマトの実１００の育成情報と、熟度管理データベースにおける育成情報とを比較し、認識したトマトの実１００の育成情報に近似（一致又は類似）する育成情報に対応付けられた熟度を特定する。熟度判定モジュール４２は、この特定した熟度を、トマトの実１００の熟度として判定する。

予測モジュール４３は、この判定した熟度に基づいて、この収穫物の育成状況を予測する（ステップＳ１４）。ステップＳ１４において、予測モジュール４３は、育成状況として、収穫物の収穫時期（出荷可能予定日、出荷可能予定期間等）又は収穫量（各レーン又は全体の出荷可能な収穫物の総数、特定期間における出荷可能な収穫物の数等）のうちの少なくとも一つを予測する。

このとき、予測モジュール４３は、特定した収穫物の熟度の値に基づいて、収穫時期を予測する。具体的には、予測モジュール４３は、この収穫物の熟度が１００％である場合、この熟度の判定をした日付から所定の期間（当日又は数日）を収穫時期として予測する。また、予測モジュール４３は、この収穫物の熟度が１００％未満である場合、収穫時期を熟度が１００％になるまでに必要な日数を加味して予測する。すなわち、予測モジュール４３は、熟度の判定をした日付に熟度が１００％になるまでに必要な日数を加算した日付から所定の期間（数日後）を収穫時期として予測する。また、予測モジュール４３は、この収穫物の熟度が１００％を超える場合、収穫時期が既に過ぎていることから当日中を収穫時期として予測する。

なお、収穫物の熟度が１００％を大幅（例えば、１２０％以上）に超えている場合、収穫時期の予測を中止し、廃棄を予測してもよい。

予測モジュール４３は、特定した収穫物の熟度に基づいて、収穫量を予測する。具体的には、予測モジュール４３は、この収穫物の熟度が１００％であるものの個数を、収穫量として予測する。また、予測モジュール４３は、この収穫物の熟度が１００％未満であるものの個数を、収穫可能ではないことから収穫量を０として予測する。また、予測モジュール４３は、この収穫物の熟度が１００％を超えるものの個数を、熟度の値に応じて、収穫量として予測する（例えば、１００％〜１１０％のものはカウントし、１１０％以上のものはカウントしない）。

なお、収穫物の熟度が１００％を大幅（例えば、１２０％以上）に超えている場合、収穫量の予測を中止し、廃棄を予測してもよい。

また、予測モジュール４３は、特定した収穫物の熟度の値に基づいて、収穫時期及び収穫量を予測してもよい。

通知モジュール２１は、この予測した結果を、作業者端末等に通知する（ステップＳ１５）。ステップＳ１５において、通知モジュール２１は、この予測した育成状況を、育成状況データとして、作業者端末等に送信する。作業者端末は、この育成状況データを受信し、表示部等に表示することにより、作業者に育成状況を通知する。通知モジュール２１は、収穫物の育成状況を作業者端末等に表示させることにより、作業者に収穫物の育成状況を通知する。

以上が、第一予測処理である。

［第二予測処理］
図４に基づいて、収穫時期予測システム１が実行する第二予測処理について説明する。図４は、コンピュータ１０が実行する第二予測処理のフローチャートを示す図である。上述した各モジュールが実行する処理について、本処理に併せて説明する。

なお、上述した第一予測処理と同様の処理については、その詳細な説明は省略する。

画像取得モジュール２０は、農作物の画像を取得する（ステップＳ２０）。ステップＳ２０の処理は、上述したステップＳ１０の処理と同様である。

解析モジュール４０は、取得した画像を画像解析する（ステップＳ２１）。ステップＳ２１の処理は、上述したステップＳ１１の処理と同様である。

認識モジュール４１は、取得した画像から、農作物の収穫物を認識する（ステップＳ２２）。ステップＳ２２の処理は、上述したステップＳ１２の処理と同様である。

熟度判定モジュール４２は、収穫物の熟度を判定する（ステップＳ２３）。ステップＳ２３の処理は、上述したステップＳ１３の処理と同様である。

環境データ取得モジュール２２は、農作物の一定期間の環境データを取得する（ステップＳ２４）。ステップＳ２４において、環境データとは、積算温度、積算日射量又は農作物の位置情報のうちの少なくとも一つである。環境データ取得モジュール２２は、所定範囲（例えば、複数のレーンで農作物を栽培している場合、各レーン）における環境データを取得する。積算温度とは、所定期間における日平均気温が基準温度を超過した分の温度を合計したものである。積算日射量とは、所定期間における所定の範囲（例えば、複数のレーンで農作物を栽培している場合、各レーン）における日射量を所定の計算式で計算したものである。農作物の位置情報とは、所定の範囲（例えば、複数のレーンで農作物を栽培している場合、各レーン）における代表的な位置情報である。

環境データ取得モジュール２２が取得する環境データの其々について説明する。積算温度は、所定の範囲に設置された積算温度計が、所定期間において測定した積算温度である。環境データ取得モジュール２２は、この積算温度計が測定した積算温度を取得することにより、一定期間の積算温度を取得する。また、積算日射量は、所定の範囲に設置された日射計が、所定期間において測定した日射量に基づいたものである。環境データ取得モジュール２２は、この日射計が測定した日射量を取得し、所定の計算をすることにより、一定期間の積算日射量を取得する。また農作物の位置情報は、予め作業者端末等により登録された農作物の位置情報である。環境データ取得モジュール２２は、この登録された位置情報を取得することにより、農作物の位置情報を取得する。

記憶モジュール３０は、取得した環境データを、環境データデータベースとして記憶する（ステップＳ２５）。ステップＳ２５において、記憶モジュール３０は、環境データを取得した一定期間における所定の範囲と、各環境データとを対応付けて記憶する。

［環境データデータベース］
図８に基づいて、記憶モジュール３０が記憶する環境データデータベースについて説明する。図８は、記憶モジュール３０が記憶する環境データデータベースの一例を模式的に示した図である。記憶モジュール３０は、環境データを取得した一定期間における環境データを取得した範囲と、各環境データとを対応付けて記憶する。この環境データデータベースにおいて、一定期間として「６月１日〜６月１５日」、環境データを取得した範囲として「レーン名」、環境データとして「積算温度」、「積算日射量」、「位置情報」が登録されている。これは、この環境データを取得した期間と、場所と、この場所における環境データが登録されていることを意味する。すなわち、今回、環境データ取得モジュール２２が環境データを取得したのは、「６月１日〜６月１５日」の期間であり、環境データを取得した場所が「各レーン」であり、この「各レーン」における「積算温度」と、「積算日射量」と、「位置情報」とを対応付けて登録している。レーン１は、積算温度が５度、積算日射量が０．９２ＭＪ／ｍ^２、位置情報がＸ１，Ｙ１である。レーン２は、積算温度が３度、積算日射量が０．８１ＭＪ／ｍ^２、位置情報がＸ２，Ｙ２である。

コンピュータ１０は、このように記憶した環境データを、後述する処理に利用する。

なお、環境データ取得モジュール２２が環境データを取得し記憶するタイミングは、上述したタイミングに限らず、ステップＳ２０の処理からステップＳ２３の処理の間の任意のタイミングであってもよい。

予測モジュール４３は、判定した熟度及び取得した環境データに基づいて、この収穫物の育成状況を予測する（ステップＳ２６）。ステップＳ２６において、予測モジュール４３は、育成状況として、収穫物の収穫時期（出荷可能予定日、出荷可能予定期間等）又は収穫量（各レーン又は全体の出荷可能な収穫物の総数、特定期間における出荷可能な収穫物の数等）のうちの少なくとも一つを予測する。

予測モジュール４３は、取得した環境データが生育に適したものである場合、熟度のみで予測したものよりも短い収穫時期を予測し、取得した環境データが生育に適さないものである場合、熟度のみで予測したものよりも長い収穫時期を予測する。

このとき、予測モジュール４３は、特定した収穫物の熟度の値と、取得した環境データとに基づいて、収穫時期を予測する。この収穫時期の予測に関して、予測モジュール４３は、各レーンにおける収穫物の収穫時期を其々予測し、各レーンにおいて予測した結果を、合算したものを収穫時期として予測する。レーン１を例として説明する。レーン１において、積算温度が５度、積算日射量が０．９２ＭＪ／ｍ^２、位置情報が「Ｘ１，Ｙ１」である。

予測モジュール４３は、収穫物の熟度が１００％である場合、この熟度における日数に、この積算温度、積算日射量又は位置情報を加味して収穫時期を予測する。例えば、熟度のみで判定した場合の収穫時期が当日又は３日以内であるとした場合、この積算温度、積算日射量又は位置情報が通常よりも生育に適したものである場合、熟度のみで予測した場合に比べて同じ日数であってもより熟すことが予測される。その結果、予測モジュール４３は、この収穫物の収穫時期を、熟度のみで判定した場合と比較してより短い期間（例えば、熟度のみで判定した場合の収穫時期が当日又は３日以内である場合、今回の予測を当日又は２日以内）であるものと予測する。一方、この積算温度、積算日射量又は位置情報が通常よりも生育に適さないものである場合、熟度のみで予測した場合に比べて同じ日数であってもより熟さないことが予測される。その結果、予測モジュール４３は、この収穫物の収穫時期を、熟度のみで判定した場合と比較してより長い期間（例えば、熟度のみで判定した場合の収穫時期が当日又は３日以内である場合、今回の予測を当日又は５日以内）であるものと予測する。

予測モジュール４３は、収穫物の熟度が１００％未満である場合、熟度が１００％になるまでに必要な日数に、この積算温度、積算日射量又は位置情報を加味して収穫時期を予測する。例えば、熟度のみで判定した場合の収穫時期が３日後であるとした場合、この積算温度、積算日射量又は位置情報が通常よりも生育に適したものである場合、熟度のみで予測した場合に比べて同じ日数であってもより熟すことが予測される。その結果、予測モジュール４３は、この収穫物の収穫時期を、熟度のみで判定した場合と比較してより短い期間（例えば、熟度のみで判定した場合の収穫時期が３日後である場合、今回の予測を２日後）であるものと予測する。一方、この積算温度、積算日射量又は位置情報が通常よりも生育に適さないものである場合、熟度のみで予測した場合に比べて同じ日数であってもより熟さないことが予測される。その結果、予測モジュール４３は、この収穫物の収穫時期を、熟度のみで判定した場合と比較してより長い期間（例えば、熟度のみで判定した場合の収穫時期が３日後である場合、今回の予測を５日後）であるものと予測する。

予測モジュール４３は、収穫物の熟度が１００％を超える場合、収穫時期が既に過ぎていることに加え、この積算温度、積算日射量又は位置情報を加味して収穫時期を予測する。例えば、熟度のみで判定した場合の収穫時期が当日中であるとした場合、この積算温度、積算日射量又は位置情報が通常よりも生育に適したものである場合、熟度のみで予測した場合に比べて同じ日数であってもより熟すことが予測される。その結果、予測モジュール４３は、この収穫物の収穫時期を、熟度のみで判定した場合と比較してより短い期間（例えば、熟度のみで判定した場合の収穫時期が当日中である場合、今回の予測を収穫には不適切）であるものと予測する。一方、この積算温度、積算日射量又は位置情報が通常よりも生育に適さないものである場合、熟度のみで予測した場合に比べて同じ日数であってもより熟さないことが予測される。その結果、予測モジュール４３は、この収穫物の収穫時期を、熟度のみで判定した場合と比較してより長い期間（例えば、熟度のみで判定した場合の収穫時期が当時中である場合、今回の予測を当日又は２日後）であるものと予測する。

なお、収穫物の熟度が１００％を大幅（例えば、１２０％以上）に超えている場合、収穫時期の予測を中止し、廃棄を予測してもよい。

予測モジュール４３は、取得した環境データが生育に適したものである場合、熟度のみで予測したものよりも少ない又は多い収穫量を予測し、取得した環境データが生育に適さないものである場合、熟度のみで予測したものよりも少ない収穫量を予測する。

このとき、予測モジュール４３は、特定した収穫物の熟度の値と、取得した環境データとに基づいて、収穫量を予測する。この収穫量の予測に関して、予測モジュール４３は、各レーンにおける収穫物の収穫量を其々予測し、各レーンにおいて予測した結果を、合算したものを収穫量として予測する。レーン１を例として説明する。レーン１において、積算温度が５度、積算日射量が０．９２ＭＪ／ｍ^２、位置情報が「Ｘ１，Ｙ１」である。

予測モジュール４３は、収穫物の熟度が１００％である場合、収穫量を、この熟度における個数に、この積算温度、積算日射量又は位置情報を加味して収穫量を予測する。例えば、熟度のみで判定した場合の収穫量が２である場合、この積算温度、積算日射量又は位置情報が通常よりも生育に適したものである場合、熟度のみで予測した場合に比べてより熟していることが予測される。その結果、予測モジュール４３は、この収穫物の収穫量を、熟度のみと判定した場合と比較してより多い個数（例えば、熟度のみで判定した場合の収穫量が２個である場合、今回の予測を４個）であるものと予測する。一方、この積算温度、積算日射量又は位置情報が通常よりも生育に適さないものである場合、熟度のみで予測した場合に比べてより熟さないことが予測される。その結果、予測モジュール４３は、この収穫物の収穫量を、熟度のみで判定した場合と比較してより少ない個数（例えば、熟度のみで判定した場合の収穫量が２個である場合、今回の予測を１個）であるものと予測する。

予測モジュール４３は、収穫物の熟度が１００％未満である場合、収穫量を、この熟度における個数に、この積算温度、積算日射量又は位置情報を加味して収穫量を予測する。例えば、熟度のみで判定した場合の収穫量が未熟であることから０であるが、この積算温度、積算日射量又は位置情報が通常よりも生育に適したものである場合、熟度のみで予測した場合に比べてより熟していることが予測される。その結果、予測モジュール４３は、この収穫物の収穫量を、熟度のみと判定した場合と比較してより多い個数（例えば、熟度のみで判定した場合の収穫量が０個である場合、今回の予測を２個）であるものと予測する。一方、この積算温度、積算日射量又は位置情報が通常よりも生育に適さないものである場合、熟度のみで予測した場合に比べてより熟さないことが予測される。その結果、予測モジュール４３は、この収穫物の収穫量を、熟度のみで判定した場合と比較してより少ない個数（例えば、熟度のみで判定した場合の収穫量が０個である場合、今回の予測を０個）であるものと予測する。

予測モジュール４３は、収穫物の熟度が１００％を超える場合、収穫量を、この熟度における個数に、この積算温度、積算日射量又は位置情報を加味して収穫量を予測する。例えば、熟度のみで判定した場合の収穫量が熟度の値に応じて収穫量を予測するもの（例えば、１００％〜１１０％のものはカウントし、１１０％以上のものはカウントしない。）であるが、この積算温度、積算日射量又は位置情報が通常よりも生育に適したものである場合、熟度のみで予測した場合に比べてより熟していることが予測される。その結果、予測モジュール４３は、この収穫物の収穫量を、熟度のみと判定した場合と比較してより少ない個数（例えば、熟度のみで判定した場合の収穫量において、１００％〜１２０％のものをカウントし、１２０％以上のものはカウントしない）であるものと予測する。一方、この積算温度、積算日射量又は位置情報が通常よりも生育に適さないものである場合、熟度のみで予測した場合に比べてより熟さないことが予測される。その結果、予測モジュール４３は、この収穫物の収穫量を、熟度のみで判定した場合と比較してより多い個数（例えば、熟度のみで判定した場合の収穫量において、１００％〜１１０％のものをカウントし、１１０％以上のものはカウントしない）であるものと予測する。

なお、収穫物の熟度が１００％を大幅（例えば、１３０％以上）に超えている場合、収穫量の予測を中止し、廃棄を予測してもよい。

また、予測モジュール４３は、特定した収穫物の熟度の値に基づいて、収穫時期及び収穫量を予測してもよい。

通知モジュール２１は、この予測した結果を、作業者端末等に通知する（ステップＳ２７）。ステップＳ２７の処理は、上述したステップＳ１５の処理と同様である。

以上が、第二予測処理である。

［学習処理］
図５に基づいて、収穫時期予測システム１が実行する学習処理について説明する。図５は、コンピュータ１０が実行する学習処理のフローチャートを示す図である。上述した各モジュールが実行する処理について、本処理に併せて説明する。

なお、上述した第一予測処理又は第二予測処理と同様の処理については、その詳細な説明は省略する。

育成状況取得モジュール２３は、実際に収穫物を収穫した際の収穫物の育成状況を取得する（ステップＳ３０）。ステップＳ３０において、育成状況取得モジュール２３は、作業者端末から、実際に農作物の収穫物の育成状況を取得する。このとき、作業者端末は、作業者からの入力操作を受け付け、収穫した時点における収穫物の育成状況の入力を受け付ける。ここでは、作業者端末は、この収穫物の収穫時の画像と、収穫時期と、収穫量との入力を受け付ける。育成状況取得モジュール２３は、この作業者端末に入力された育成状況を取得する。

なお、ここで、作業者端末は、上述した環境データの入力を受け付けていてもよい。この場合、育成状況取得モジュール２３は、収穫物の育成状況に加えて、この環境データを取得する構成であってもよい。

学習モジュール４４は、取得した育成状況を教師データとして学習する（ステップＳ３１）。ステップＳ３１において、学習モジュール４４は、取得した収穫物の育成状況と、この収穫物の画像とを教師データとして学習する。

記憶モジュール３０は、学習した教師データを記憶する（ステップＳ３２）。

コンピュータ１０は、上述したステップＳ３０−Ｓ３２の処理を繰り返して実行することにより、教師データの精度を向上させていく。

コンピュータ１０は、上述した第一予測処理におけるステップＳ１４以降の処理又は上述した第二予測処理におけるステップＳ２５以降の処理において、この教師データを加味して、収穫物の育成状況を予測する。

以上が、学習処理である。

上述した手段、機能は、コンピュータ（ＣＰＵ、情報処理装置、各種端末を含む）が、所定のプログラムを読み込んで、実行することによって実現される。プログラムは、例えば、コンピュータからネットワーク経由で提供される（ＳａａＳ：ソフトウェア・アズ・ア・サービス）形態で提供される。また、プログラムは、例えば、フレキシブルディスク、ＣＤ（ＣＤ−ＲＯＭなど）、ＤＶＤ（ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭなど）等のコンピュータ読取可能な記録媒体に記録された形態で提供される。この場合、コンピュータはその記録媒体からプログラムを読み取って内部記録装置又は外部記録装置に転送し記録して実行する。また、そのプログラムを、例えば、磁気ディスク、光ディスク、光磁気ディスク等の記録装置（記録媒体）に予め記録しておき、その記録装置から通信回線を介してコンピュータに提供するようにしてもよい。

以上、本発明の実施形態について説明したが、本発明は上述したこれらの実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。

１ 収穫時期予測システム、１００ 指示者端末、２００ 被指示者端末

本発明は、各レーンにおける農作物の画像を取得する画像取得手段と、
前記画像から前記農作物の収穫物を認識する認識手段と、
認識した前記収穫物の熟度を判定する熟度判定手段と、
前記各レーンにおける一定期間の環境データを取得する環境データ取得手段と、
認識した前記収穫物の画像から判定した前記熟度と、取得した前記環境データとから、各レーンにおける当該収穫物の状況又は状態を予測する予測手段と、
を備え、
前記予測手段は、前記環境データが生育に適したものである場合、前記熟度のみで予測した前記収穫物の状況又は状態よりも熟すものとして予測し、当該環境データが生育に適したものでない場合、当該熟度のみで予測した当該収穫物の状況又は状態よりも熟さないものとして予測する、
ことを特徴とするコンピュータシステムを提供する。

本発明によれば、コンピュータシステムは、各レーンにおける農作物の画像を取得し、前記画像から前記農作物の収穫物を認識し、認識した前記収穫物の熟度を判定し、前記各レーンにおける一定期間の環境データを取得し、認識した前記収穫物の画像から判定した前記熟度と、取得した前記環境データとから、各レーンにおける当該収穫物の状況又は状態を予測し、前記環境データが生育に適したものである場合、前記熟度のみで予測した前記収穫物の状況又は状態よりも熟すものとして予測し、当該環境データが生育に適したものでない場合、当該熟度のみで予測した当該収穫物の状況又は状態よりも熟さないものとして予測する。

Claims (7)

1. 農作物の画像を取得する画像取得手段と、
   前記画像から前記農作物の収穫物を認識する認識手段と、
   認識した前記収穫物の画像から、当該収穫物の状況又は状態を予測する予測手段と、
   を備えることを特徴とするコンピュータシステム。
2. （追加）
   前記収穫物の状況又は状態は、当該収穫物の収穫時期、収穫量のうちの少なくとも一つである、
   ことを特徴とする請求項１に記載のコンピュータシステム。
3. 前記農作物周辺における一定期間の環境データを取得する環境データ取得手段と、
   をさらに備え、
   前記予測手段は、前記農作物の画像に加え、取得した前記環境データに基づいて予測する、
   ことを特徴とする請求項１に記載のコンピュータシステム。
4. （追加）
   前記環境データは、積算温度、積算日射量、前記農作物の位置情報のうちの少なくとも一つである、
   ことを特徴とする請求項３に記載のコンピュータシステム。
5. 実際に前記収穫物を収穫した際の当該収穫物の状況又は状態の少なくとも一つを教師データとして学習する学習手段と、
   をさらに備え、
   前記予測手段は、前記農作物の画像に加え、学習した前記教師データに基づいて、予測を行う、
   ことを特徴とする請求項１に記載のコンピュータシステム。
6. コンピュータシステムが実行する収穫時期予測方法であって、
   農作物の画像を取得するステップと、
   前記画像から前記農作物の収穫物を認識するステップと、
   認識した前記収穫物の画像から、当該収穫物の状況又は状態を予測するステップと、
   を備えることを特徴とする収穫時期予測方法。
7. コンピュータシステムに、
   農作物の画像を取得するステップ、
   前記画像から前記農作物の収穫物を認識するステップ、
   認識した前記収穫物の画像から、当該収穫物の状況又は状態を予測するステップ、
   を実行させるためのコンピュータ読み取り可能なプログラム。

Images