KR20190128656A - 정보 처리 장치 및 정보 처리 방법 - Google Patents

정보 처리 장치 및 정보 처리 방법 Download PDF

Info

Publication number
KR20190128656A
KR20190128656A KR1020197028230A KR20197028230A KR20190128656A KR 20190128656 A KR20190128656 A KR 20190128656A KR 1020197028230 A KR1020197028230 A KR 1020197028230A KR 20197028230 A KR20197028230 A KR 20197028230A KR 20190128656 A KR20190128656 A KR 20190128656A
Authority
KR
South Korea
Prior art keywords
information
greenhouse
prediction
weather
electric
Prior art date
Application number
KR1020197028230A
Other languages
English (en)
Inventor
사토시 이토
마우삼 자인
Original Assignee
봇슈 가부시키가이샤
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 봇슈 가부시키가이샤 filed Critical 봇슈 가부시키가이샤
Publication of KR20190128656A publication Critical patent/KR20190128656A/ko

Links

Images

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; 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
    • Y02A40/268—
    • Y02A40/274—

Abstract

센서의 설치 및 메인테넌스 등에 드는 비용을 억제하면서, 장래의 온실 내부 환경의 예측에 관한 정확성을 향상시킨다. 기상 관측 정보를 입력하여 온실의 내부 환경에 관한 실적 정보에 기초하여 행해지는 기계 학습에 의해 얻어지는 온실내 환경 예측 모델을 사용하여, 기상 예측 정보에 기초하여 상기 온실의 내부 환경을 예측하는 예측부와, 예측된 상기 온실의 내부 환경에 관한 예측 정보의 출력을 제어하는 출력 제어부를 구비하는 정보 처리 장치가 제공된다.

Description

정보 처리 장치 및 정보 처리 방법
본 발명은 정보 처리 장치 및 정보 처리 방법에 관한 것이다.
최근, 시설 원예에 있어서, 온실의 내부 환경을 예측하고, 그 예측 결과에 기초하여 온실의 내부 환경을 제어하는 기술이 개발되고 있다. 이러한 온실의 내부 환경을 사전에 예측하고, 예측 결과를 사용하여 온실의 내부 환경을 제어함으로써, 장래의 수확량 및 병해 리스크를 사전에 파악할 수 있으며, 또한, 그 병해 리스크를 회피하여, 수확량의 저하를 억제할 수 있다.
예를 들면, 특허문헌 1에는, 온실 내부에 설치되는 복수의 난방기의 운전 패턴의 조합에 기초하는 시뮬레이션에 의해 목표 온도에 근접하는 최적 운전 패턴을 선정하고, 선정된 최적 운전 패턴에 기초하여 난방기를 제어하는 기술이 개발되어 있다.
또한, 특허문헌 2 및 특허문헌 3에는, 외기온 센서 또는 태양광 센서 등으로부터 입력되는 정보에 기초하여, 난방 등의 온실의 내부 환경을 조정하는 기기를 제어하는 기술이 개발되어 있다.
일본 공개특허공보 제2012-57931호 일본 공개특허공보 제2002-48354호 일본 공개특허공보 제(평)5-227661호
그러나, 상기 특허문헌에 개시된 발명에 있어서는, 온실 주위에 외기온 센서 또는 태양광 센서 등의 환경 센서를 적절히 설치할 필요가 있었다. 이로 인해, 당해 환경 센서의 도입 비용 및 메인테넌스 비용이 든다는 문제가 있었다.
그래서, 본 발명은, 상기 문제를 감안하여 이루어진 것이며, 본 발명의 목적으로 하는 부분은, 비용을 억제하면서, 장래의 온실 내부 환경의 예측에 관한 정확성을 향상시키는 것이 가능한, 신규하고 개량된 정보 처리 장치 및 정보 처리 방법을 제공하는 것에 있다.
상기 과제를 해결하기 위해, 본 발명의 어떤 관점에 의하면, 기상 예측 정보를 입력하여 온실의 내부 환경에 관한 실적 정보에 기초하여 행해지는 기계 학습에 의해 얻어지는 온실 내부 환경 예측 모델을 사용하여, 기상 예측 정보에 기초하여 상기 온실의 내부 환경을 예측하는 예측부와, 예측된 상기 온실의 내부 환경에 관한 예측 정보의 출력을 제어하는 출력 제어부를 구비하는 정보 처리 장치가 제공된다.
상기 온실내 환경 예측 모델에 입력되는 정보는, 기상의 예측 대상 시각에 관한 정보를 포함해도 좋다.
상기 기상의 예측 대상 시각에 관한 정보는, 상기 기상의 예측 대상 시각이 속하는 시간대에 관한 정보를 포함해도 좋다.
상기 기상의 예측 대상 시각에 관한 정보는, 상기 기상의 예측 대상 시각이 속하는 월에 관한 정보를 포함해도 좋다.
상기 온실내 환경 예측 모델에 입력되는 정보는, 상기 온실을 식별하는 식별 정보를 포함해도 좋다.
상기 온실내 환경 예측 모델에 입력되는 정보는, 상기 온실의 내부 환경을 제어 가능한 환경 제어 기기에 관한 정보를 포함해도 좋다.
상기 환경 제어 기기에 관한 정보는, 상기 환경 제어 기기의 설치 유무에 관한 정보를 포함해도 좋다.
상기 환경 제어 기기에 관한 정보는, 상기 환경 제어 기기의 운전 상황을 나타내는 정보를 포함해도 좋다.
상기 기상 예측 정보는, 상기 온실의 외부 기온, 상기 온실의 외부 상대 습도, 일사량 및 우량 중 적어도 어느 하나에 관한 정보를 포함해도 좋다.
상기 정보 처리 장치는, 기상 관측 정보를 입력하고, 상기 온실의 내부 환경에 관한 실적 정보에 기초하여, 상기 온실내 환경 예측 모델의 기계 학습을 행하는 기계 학습부를 추가로 구비해도 좋다.
상기 기계 학습부는, 상기 온실의 내부 환경에 관한 예측 정보와, 당해 온실의 내부 환경에 관한 예측 정보에 대응하는 예측 대상 시각에 있어서의 상기 온실의 내부 환경에 관한 실적 정보에 기초하여, 상기 온실내 환경 예측 모델을 갱신해도 좋다.
상기 온실의 내부 환경에 관한 예측 정보는, 상기 온실의 내부 기온 및 상기 온실 내부의 상대 습도 중 적어도 어느 하나에 관한 정보를 포함해도 좋다.
또한, 상기 과제를 해결하기 위해, 본 발명의 다른 관점에 의하면, 기상 관측 정보를 입력하여 온실의 내부 환경에 관한 실적 정보에 기초하여 행해지는 기계 학습에 의해 얻어지는 온실내 환경 예측 모델을 사용하여, 기상 예측 정보에 기초하여 상기 온실의 내부 환경을 예측하는 예측 스텝과, 예측된 상기 온실의 내부 환경에 관한 예측 정보의 츨력을 제어하는 출력 제어 스텝을 포함하는 정보 처리 방법이 제공된다.
이상 설명한 바와 같이 본 발명에 의하면, 비용을 억제하면서, 장래의 온실내의 환경 예측에 관한 정확성을 향상시키는 것이 가능하다.
도 1은 본 발명의 일 실시형태에 따르는 정보 처리 시스템의 개요를 설명하기 위한 도면이다.
도 2는 동 실시형태에 따르는 정보 처리 시스템의 개략적인 기능 구성의 예를 도시하는 블록도이다.
도 3은 동 실시형태에 따르는 정보 처리 시스템의 기계 학습 처리에 있어서의 처리 전체의 흐름의 예를 개념적으로 도시하는 도면이다.
도 4는 동 실시형태에 따르는 정보 처리 서버의 기계 학습 처리의 예를 개념적으로 도시하는 플로우 차트이다.
도 5는 동 실시형태에 따르는 정보 처리 시스템의 예측 처리에 있어서의 처리 전체의 흐름의 예를 개념적으로 도시하는 도면이다.
도 6은 동 실시형태에 따르는 정보 처리 서버의 예측 처리의 예를 개념적으로 도시하는 플로우 차트이다.
도 7은 동 실시형태에 따르는 정보 처리 서버의 하드웨어 구성예를 도시한 블록도이다.
이하에 첨부 도면을 참조하면서, 본 발명의 적합한 실시형태에 관해서 상세하게 설명한다. 또한, 본 명세서 및 도면에 있어서, 실질적으로 동일한 기능 구성을 갖는 구성 요소에 관해서는, 동일한 부호를 붙임으로써 중복 설명을 생략한다.
<<1. 개요>>
우선, 도 1을 참조하여, 본 발명의 일 실시형태에 따르는 정보 처리 시스템(1)의 개요에 관해서 설명한다. 도 1은, 본 발명의 일 실시형태에 따르는 정보 처리 시스템(1)의 개요를 설명하기 위한 도면이다.
정보 처리 시스템(1)은, 기상 정보 및 온실의 내부 환경에 관한 정보 등을 수집하는 수집 기능, 및 수집한 정보에 기초하는 온실의 내부 환경의 예측 기능을 가진다. 또한, 정보 처리 시스템(1)은, 예측 기능에 의해 얻어지는 예측 정보를 제시하는 제시 기능을 가져도 좋다.
구체적으로는, 정보 처리 시스템(1)은, 정보 수집 기능 및 정보 전송 기능을 갖는 정보 처리 서버(100), 정보 열람 기능을 갖는 정보 처리 단말(200), 및 온실(3)(3A 내지 3C)에 각각 설치되며, 관측 기능 및 관측 정보 전송 기능을 갖는 계측 제어 장치(300)(300A 내지 300C)를 구비한다.
예를 들면, 정보 처리 서버(100)는, 기상 정보 서버(400)로부터 기상 정보(기상 예측 정보를 포함한다)를 수집한다. 여기서, 기상 예측 정보란, 일기 예보 등, 장래에 있어서의 미관측 기상 정보를 의미한다. 그리고, 정보 처리 서버(100)는, 수집된 기상 정보를 온실내 환경 예측 모델에 입력한다. 다음에, 정보 처리 서버(100)는, 온실내 환경 예측 모델로부터 출력되는 온실(3) 내부의 장래 환경의 예측 정보를 출력하고, 정보 처리 단말(200)로 전송한다.
또한, 정보 처리 서버(100)는, 기계 학습된 온실내 환경 예측 모델을 사용한다. 이러한 기계 학습은, 적어도 기상 관측 정보를 입력하여, 온실의 내부 환경에 관한 실적 정보에 기초하여 행해지는 것이다. 여기서, 기상 관측 정보란, 과거의 날씨 등, 과거에 있어서 관측된 기상 정보를 의미한다.
예를 들면, 정보 처리 서버(100)는, 기계 학습 기능을 가져도 좋다. 구체적으로는, 정보 처리 서버(100)는, 계측 제어 장치(300)로부터 온실의 내부 환경에 관한 실적 정보를 취득한다. 또한, 정보 처리 서버(100)는, 기상 정보 서버(400)로부터 기상 관측 정보를 취득한다. 그리고, 정보 처리 서버(100)는, 기상 관측 정보와 온실의 내부 환경에 관한 실적 정보에 기초하여, 온실내 환경 예측 모델의 기계 학습을 행한다.
이와 같이, 기계 학습된 온실내 환경 예측 모델을 사용함으로써, 기상 예측 정보를 입력하는 것만으로, 장래 온실의 내부 환경을 예측하는 것이 가능해진다. 따라서, 환경 센서 등의 설치 및 유지를 요하지 않고, 비용을 억제하면서, 온실의 내부 환경을 예측에 관한 정확성을 향상시키는 것이 가능해진다.
또한, 상기한 정보 처리 서버(100)의 기능은, 복수의 장치로 실현되어도 좋다. 예를 들면, 상기한 정보 처리 서버(100)의 기능은, 복수의 장치를 갖는 클라우드 컴퓨팅에 의해 실현되어도 좋다. 또한, 도 1에서는, 정보 처리 단말(200)이 스마트폰과 같은 휴대 통신 단말인 예를 설명했지만, 정보 처리 단말(200)은 거치형의 퍼스널 컴퓨터 등의 정보 통신 장치라도 좋다.
<<2. 본 발명의 일 실시형태>>
이상, 본 발명의 일 실시형태에 따르는 정보 처리 시스템(1)의 개요에 관해서 설명하였다. 다음에, 본 발명의 일 실시형태에 따르는 정보 처리 시스템(1)의 상세에 관해서 설명한다.
<2.1. 시스템의 구성>
우선, 도 2를 참조하여, 정보 처리 시스템(1)의 기능 구성에 관해서 설명한다. 도 2는, 본 발명의 일 실시형태에 따르는 정보 처리 시스템(1)의 개략적인 기능 구성의 예를 도시하는 블록도이다.
도 2에 도시한 바와 같이, 정보 처리 시스템(1)은, 정보 처리 서버(100), 정보 처리 단말(200) 및 계측 제어 장치(300)를 구비한다. 정보 처리 서버(100), 정보 처리 단말(200) 및 계측 제어 장치(300) 및 후술하는 기상 정보 서버(400)는, 통신 네트워크를 개재하여 접속되어 있다. 이들 장치는, 예를 들면 인터넷 등의 WAN(Wide Area Network)을 개재하여 접속된다.
(정보 처리 서버)
정보 처리 서버(100)는, 정보 처리 장치로서 동작하며, 통신부(110), 기억부(120) 및 제어부(130)를 구비한다.
(통신부)
통신부(110)는, 정보 처리 단말(200), 계측 제어 장치(300) 및 기상 정보 서버(400)와 통신한다. 구체적으로는, 통신부(110)는, 계측 제어 장치(300)로부터 온실의 내부 환경에 관한 실적 정보를, 기상 정보 서버(400)로부터 기상 정보를 수신한다. 또한, 통신부(110)는, 출력 제어부(133)에 의해 출력되는 정보를 송신한다. 예를 들면, 통신부(110)는, 온실(3)의 내부 환경에 관한 예측 정보를, 정보 처리 단말(200), 또는 계측 제어 장치(300)로 송신할 수 있다.
통신부(110)는, 예를 들면, 네트워크에 접속하기 위한 통신 인터페이스 등에 의해 실현된다.
(기억부)
기억부(120)는, 제어부(130)의 처리에 관한 정보를 기억한다. 구체적으로는, 기억부(120)는, 통신부(110)에 의해 수신된 정보(예를 들면, 온실(3)의 내부 환경에 관한 실적 정보 및 기상 정보 등)를 기억한다. 또한, 기억부(120)는 온실내 환경 예측 모델을 기억한다.
기억부(120)는, 예를 들면, 데이터 저장용의 스토리지 장치 등에 의해 실현된다.
(제어부)
제어부(130)는, 정보 처리 서버(100)의 동작을 전체적으로 제어한다. 구체적으로는, 제어부(130)는, 도 2에 도시한 바와 같이 기계 학습부(131), 예측부(132) 및 출력 제어부(133)를 구비하고, 온실(3)의 내부 환경의 예측에 관련된 처리를 제어하는 기능을 가진다. 제어부(130)는, 예를 들면, CPU(Central Processing Unit), ROM(Read Only Memory) 및 RAM(Random Access Memory)에 의해 구성되는 연산 처리 장치 및 제어 장치 등에 의해 실현된다.
(기계 학습부)
기계 학습부(131)는, 온실내 환경 예측 모델의 기계 학습을 행한다. 구체적으로는, 기계 학습부(131)는, 기억부(120)에 기억되는 온실(3)의 내부 환경에 관한 실적 정보 및 당해 실적 정보에 대응하는 기상 관측 정보에 기초하여, 온실내 환경 예측 모델의 기계 학습을 행한다.
상세하게는, 기계 학습부(131)는, 과거의 소정 기간에 있어서의 온실(3)의 내부 환경에 관한 실적 정보, 및 당해 소정 기간에 있어서의 기상 관측 정보를 기억부(120)로부터 취득한다. 그리고, 기계 학습부(131)는, 기상 관측 정보를 입력하여, 온실(3)의 내부 환경에 관한 실적 정보를 출력하는 교사 데이터를 사용하여, 온실내 환경 예측 모델의 기계 학습을 행한다. 기계 학습후의 온실내 환경 예측 모델은, 기억부(120)에 기억된다.
또한, 온실내 환경 예측 모델에 입력되는 기상 관측 정보로서, 예를 들면, 온실(3)의 외부의 기온, 상대 습도, 일사량, 우량의 실적값 등을 들 수 있다. 또한, 온실(3)의 내부 환경에 관한 실적 정보로서, 예를 들면, 온실의 내부 기온 및 상대 습도의 실적값 등을 들 수 있다. 기타, 온실(3)의 내부 환경에 관한 실적 정보로서, 온실(3) 내부의 이산화탄소 농도 또는 토양 수분량 등을 나타내는 실적값 등을 들 수 있다.
또한, 상기한 기상 관측 정보 외에, 온실내 환경 예측 모델에 입력되는 정보로서, 예를 들면, 기상의 관측 시각(관측 대상 시각)에 관한 정보가 사용되어도 좋다. 예를 들면, 관측 대상 시각이 오전 7시인 경우, 「오전 7시」라는 정보가, 온실내 환경 예측 모델에 입력될 수 있다. 또한, 당해 관측 대상 시각에 관한 정보는, 관측 대상 시각이 속하는 시간대에 관한 정보라도 좋다. 예를 들면, 당해 시간대가 1시간마다 설정되는 경우, 관측 시각이 오후 9시 20분이면, 당해 시간대에 관한 정보로서,「21-22(오후 9시와 오후 10시 사이)」라는 정보가, 온실내 환경 예측 모델에 입력될 수 있다.
온실(3)에서는, 공장과는 달리, 일사(日射)의 유무나 아침 저녁의 한란(寒暖)의 변화에 따라, 온실(3)의 외부 뿐만 아니라, 온실(3)의 내부 온도나 습도 등의 기상 등의 환경은 하루 동안에 크게 변화할 수 있다. 이로 인해, 온실내 환경 예측 모델에 입력되는 정보로서, 시간대 등의 시각에 관한 정보가 사용됨으로써, 온실(3)의 내부 환경의 시계열 변화를 고려할 수 있다. 따라서, 온실(3)의 내부 환경의 예측에 관한 정확성을 향상시키는 것이 가능해진다.
또한, 기상의 관측 대상 시각에 관한 정보는, 기상의 관측 대상 시각이 속하는 월에 관한 정보라도 좋다. 온실(3)의 내부 환경은, 하룻 동안 뿐만 아니라, 1년에 있어서의 계절에 따라서도 크게 변동할 수 있다. 이로 인해, 온실내 환경 예측 모델에 입력되는 정보로서, 관측 대상 시각이 속하는 월의 상방이 사용됨으로써, 온실(3)의 내부 환경의 보다 긴 스팬에 있어서의 시계열 변화를 고려할 수 있다. 따라서, 온실(3)의 내부 환경의 예측에 관한 정확성을 향상시키는 것이 가능해진다.
또한, 온실내 환경 예측 모델에 입력되는 정보로서, 예를 들면, 온실(3)을 식별하는 식별 정보가 사용되어도 좋다. 복수의 온실(3) 사이에 있어서는, 온실(3)의 구조, 온실(3)에 설치되는 온실의 내부 환경을 제어하는 제어 기기의 유무 및 성능, 또는 온실(3)의 설치 위치 차이에 따라, 온실의 내부 환경이 크게 상이해질 수 있다. 그래서, 온실내 환경 예측 모델에 입력되는 정보로서 온실(3)을 식별하는 식별 정보가 사용됨으로써, 온실(3)별로 적합한 온실내 환경 예측 모델을 구축하는 것이 가능하다.
또한, 이러한 온실내 환경 예측 모델은, 온실(3)별로 독립하여 구축되어도 좋다. 한편, 예를 들면, 복수의 온실(3)이 소정의 영역 내에 밀집되어 있는 경우, 이러한 소정의 영역에 있어서의 온실외의 기상 등의 환경은 같은 경우가 많다. 이로 인해, 온실(3)을 식별하는 식별 정보를 온실내 환경 예측 모델에 입력되는 정보로서 사용함으로써, 하나의 공통되는 온실내 환경 예측 모델을 구축하는 것만으로, 복수의 온실(3) 내의 환경을 충분히 높은 정밀도로 예측할 수 있다.
또한, 온실내 환경 예측 모델에 입력되는 정보로서, 예를 들면, 온실(3)의 내부 환경을 제어 가능한 환경 제어 기기에 관한 정보가 사용되어도 좋다. 환경 제어 기기는, 예를 들면, 온실의 내부 온도를 제어하는 난방 기기나, 온실 내부로의 일사량을 조정하는 차광 커튼 등이다.
환경 제어 기기에 관한 정보란, 예를 들면, 환경 제어 기기의 설치 유무에 관한 정보를 포함한다. 환경 제어 기기가 온실의 내부에 설치되어 있는지 여부에 따라, 온실의 내부 환경의 변화(예를 들면 온도의 변화 등)의 패턴이 변화될 수 있다. 그래서, 환경 제어 기기의 설치 유무에 관한 정보를 온실내 환경 예측 모델에 입력되는 정보로서 사용함으로써, 온실의 내부 환경의 제어에 의한 온실의 내부 환경의 변환에 대한 영향을 고려할 수 있다. 따라서, 온실(3)의 내부 환경의 예측에 관한 정확성을 향상시키는 것이 가능해진다.
또한, 환경 제어 기기에 관한 정보란, 예를 들면, 환경 제어 기기의 운전 상황을 나타내는 정보를 포함한다. 환경 제어 기기가 온실의 내부에 설치되어 있는 경우에 당해 환경 제어 기기의 운전 상황(예를 들면 운전 또는 정지의 상태, 또는 운전에 있어서의 환경 제어 기기의 제어 상황)에 따라, 온실의 내부 환경 변화의 패턴이 변화할 수 있다. 그래서, 환경 제어 기기의 운전 상황을 나타내는 정보를 온실내 환경 예측 모델에 입력되는 정보로서 사용함으로써, 운전 상황에 의한 온실의 내부 환경의 변화에 대한 영향을 고려할 수 있다. 따라서, 온실(3)의 내부 환경 예측에 관한 정확성을 향상시키는 것이 가능해진다.
또한, 온실(3)을 식별하는 식별 정보 및 환경 제어 기기에 관한 정보는, 예를 들면, 온실(3)의 각각에 설치되어 있는 계측 제어 장치(300)로부터 적절히 취득 가능하다.
본 명세서에서는, 이하, 기상 관측(예측) 정보, 시각에 관한 정보, 온실(3)의 식별 정보 및 환경 제어 기기에 관한 정보 등을, 입력 정보라고도 칭한다. 이들 입력 정보는, 정량적인 데이터라도, 정성적인 데이터라도 좋다. 또한, 이들 입력 정보는, 연속 데이터라도 좋고, 복수 단계로 구분된 이산(離散) 데이터라도 좋다.
예를 들면, 온실내 환경 예측 모델에 있어서의 온실(3)의 내부 기온 및 상대 습도에 관한 예측식은, 하기 수학식 1 및 수학식 2와 같이 나타내어도 좋다.
Figure pct00001
Figure pct00002
여기서, 각 변수는 이하와 같이 정의된다.
Tin: 온실(3)의 내부 기온의 예측값
Tout: 온실(3)의 외부 기온의 예측값
S: 온실(3)의 외부 일사량의 예측값
Z1(t), Z2(t): 예측 대상 시각이 속하는 시간대에 대응하는 변수
Hin: 온실(3) 내부의 상대 습도의 예측값
Hout: 온실(3) 외부의 상대 습도의 예측값
M(t): 예측 대상 시각이 속하는 월에 대응하는 변수
또한, 계수 A1, A2, B1 및 B2, 및 변수 Z1(t), Z2(t) 및 M(t)은, 예를 들면, 후술하는 기계 학습을 행함으로써 산출된다.
또한, 기계 학습부(131)는, 공지의 기계 학습 모델을 사용하여, 온실내 환경 예측 모델을 구축할 수 있다. 또한, 상기의 기계 학습 모델은, 기존의 기계 학습 모델 중, 온실내 환경 예측 모델의 기계 학습에 이용 가능한 모델 중 어느 것이라도 좋다. 예를 들면, 기계 학습 모델은, 선형 회귀, 칼만 필터 등의 필터, 서포트 벡터 머신, 랜덤 포레스트, 근방법, 딥러닝 등의 뉴럴 네트워크 또는 베이지안 네트워크 등을 사용한 계산 모델이면 좋다.
또한, 기계 학습부(131)는, 후술하는 예측부(132)에 의해 얻어지는 예측 정보와, 당해 예측 정보에 대응하는 예측 대상 시각에 있어서의 온실(3)의 내부 환경에 관한 실적 정보에 기초하여, 온실내 환경 예측 모델을 갱신해도 좋다. 이것에 의해, 예측 정보와 실적 정보의 괴리 정도에 따라, 온실내 환경 예측 모델을 자동적으로 수정할 수 있다. 따라서, 온실의 내부 환경의 예측에 관련된 정밀도를 높게 유지하는 것이 가능해진다.
상세하게는, 기계 학습부(131)는, 축차 얻어지는 기상 관측 정보 등을 입력 데이터로 하고, 축차 얻어지는 온실(3)의 내부 환경에 관한 실적 정보를 교사 데이터로서 사용하여, 적절히 기계 학습을 행함으로써, 온실내 환경 예측 모델의 계수 등을 자동적으로 최적화하는 것이 가능해진다. 기계 학습을 사용하여 축차 온실내 환경 예측 모델을 갱신함으로써, 당해 예측 시스템이 신규로 도입된 온실에 관해서도, 선형 모델 등에 의한 과거의 실적 정보만으로부터의 예측보다도, 단기간에 정밀도가 높은, 온실(3)의 내부 환경에 관한 예측 정보를 제공할 수 있다.
또한, 기계 학습에 의한 온실내 환경 예측 모델의 갱신에 있어서, 기계 학습에 사용되는 기술에 의해 이하와 같은 이점이 얻어진다. 예를 들면, 칼만 필터는, 예측 정보에 있어서의 예측값과 실적 정보에 있어서의 실측값의 차를 고려하여, 온실내 환경 예측 모델을 구성하는 계수를 정기적으로 조정할 수 있다. 이것에 의해, 일별 변화나, 계절별 변화에 대응할 수 있다. 또한, 예를 들면, 뉴럴 네트워크는, 선형 모델이나 칼만 필터에서는 예측이 곤란한 비선형의 변화(예를 들면 난방기 등의 온실 환경 제어 장치의 설정 변경 등)에도 용이하게 대응할 수 있다. 이들 기계 학습에 관한 기술은, 복합적으로 사용되어도 좋다.
(예측부)
예측부(132)는, 온실내 환경 예측 모델을 사용하여, 기상 예측 정보로부터 온실(3)의 내부 환경을 예측한다. 구체적으로는, 예측부(132)는, 기억부(120)에 기억되는 온실내 환경 예측 모델 및 기상 정보 서버(400)로부터 취득한 기상 예측 정보에 기초하여, 당해 기상 예측 정보에 대응하는 시각 또는 기간에 있어서의 온실(3)의 내부 환경을 예측하여, 예측 정보를 생성한다.
상세하게는, 예측부(132)는, 현재 또는 장래의 소정 시점 또는 소정 기간에 있어서의 기상 예측 정보, 및 이미 기계 학습부(131)에 의해 구축된 온실내 환경 예측 모델을 기억부(120)로부터 취득한다. 그리고, 예측부(132)는, 기상 예측 정보를 온실내 환경 예측 모델에 입력하고, 이러한 온실내 환경 예측 모델로부터 상기 소정 시점 또는 소정 기간에 있어서의 온실(3)의 내부 환경에 관한 예측 정보를 생성한다. 이러한 예측 정보는, 기억부(120)에 기억된다.
또한, 온실내 환경 예측 모델에 입력되는 기상 예측 정보로서, 기상 관측 정보와 같이, 예를 들면, 온실(3)의 외부 기온, 상대 습도, 일사량, 우량의 실적값 등을 들 수 있다. 또한, 기계 학습부(131)에 의한 기계 학습에 사용된 정보는, 예측부(132)에 의한 예측 처리에도 온실내 환경 예측 모델에 입력되는 정보로서 사용되어도 좋다. 예를 들면, 기상의 예측 대상 시각(시간대 및 월을 포함한다)에 관한 정보, 온실(3)을 식별하는 식별 정보, 또는 환경 제어 기기에 관한 정보가 사용되어도 좋다. 이들 정보를 기상 예측 정보와 함께 복합적으로 사용함으로써, 예측 정보의 정밀도를 보다 높게 할 수 있다.
또한, 온실(3)의 내부 환경에 관한 예측 정보로서, 실적 정보와 같이, 예를 들면, 온실(3)의 내부 기온 및 상대 습도의 예측값 등을 들 수 있다. 그 외, 온실(3)의 내부 환경에 관한 예측 정보로서, 온실(3) 내부의 이산화탄소 농도 또는 토양 수분량 등을 나타내는 예측값 등을 들 수 있다.
(출력 제어부)
출력 제어부(133)는, 예측부(132)에 의해 생성된 예측 정보의 출력을 제어하는 기능을 가진다.
예를 들면, 출력 제어부(133)는, 예측 정보에 관한 표시 정보를 생성할 수 있다. 이러한 표시 정보로서, 예를 들면, 예측부(132)에 의한 예측 대상 시각(기간을 포함한다)에 있어서의 온실(3)의 내부 환경의 예측 결과(예를 들면, 온실(3)의 내부 기온, 상대 습도 등의 예측값)가 포함된다. 보다 상세하게는, 출력 제어부(133)는, 제공 요구 정보가 통신부(110)에 의해 수신되면, 제공 요구 정보로부터 특정되는 시각 또는 기간의 예측 정보를 취득한다. 그리고, 출력 제어부(133)는, 취득된 예측 정보를 가공함으로써 표시 정보를 생성하고, 생성된 표시 정보를 통신부(110)로 출력할 수 있다. 또한, 출력 제어부(133)는, 취득된 예측 정보를 표시 정보로 가공하지 않고 통신부(110)로 출력해도 좋다.
또한, 출력 제어부(133)에 의해 출력 제어되는 예측 정보의 출력 형태는 특별히 한정되지 않는다. 예를 들면, 출력 제어부(133)는, 예측 정보를, 문자, 음성, 바이브레이션에 의한 진동, 발광 등의 각종 형태에 의해 출력하도록 제어해도 좋다.
(정보 처리 단말)
정보 처리 단말(200)은, 도 2에 도시하는 바와 같이, 조작 입력부(210), 제어부(220), 통신부(230) 및 표시부(240)를 구비한다.
(조작 입력부)
조작 입력부(210)는, 정보 처리 단말(200)에 대한 조작을 접수하는 기능을 가진다. 구체적으로는, 조작 입력부(210)는, 입력되는 조작을 접수하고, 접수되는 조작에 따라 각종 정보를 생성한다. 생성된 각종 정보는, 제어부(220)로 출력된다. 여기서, 조작 입력부(210)에 의해 생성되는 각종 정보란, 예를 들면, 제공 요구 정보 또는 기기 조작 정보이다. 제공 요구 정보는, 표시 정보 제공의 정보 처리 서버(100)에 대한 요구를 나타내는 정보이다. 또한, 기기 조작 정보는, 계측 제어 장치(300)에 대한 온실(3)의 환경 제어 기기로의 조작 내용을 나타내는 정보이다. 예를 들면, 표시부(240)에 의해 입력 화면이 표시되며, 유저가 입력 화면에 대해 조작함으로써, 상기한 각종 정보가 생성된다.
또한, 조작 입력부(210)는, 예를 들면, 버튼, 키보드 또는 터치패널 등에 의해 실현된다.
(제어부)
제어부(220)는, 정보 처리 단말(200)의 동작을 전체적으로 제어한다. 구체적으로는, 제어부(220)는, 통신부(230) 및 표시부(240)의 동작을 제어한다. 예를 들면, 제어부(220)는, 조작 입력부(210)에 의해 생성된 정보를 통신부(230)로 송신시킨다. 또한, 제어부(220)는, 정보 처리 서버(100)로부터 제공되는 표시 정보에 기초하여 화상 정보를 생성하고, 표시부(240)에 화상 정보를 제공함으로써 화상을 표시시킨다.
또한, 제어부(220)는, 예를 들면, CPU, ROM 및 RAM에 의해 구성되는 연산 처리 장치 및 제어 장치 등에 의해 실현될 수 있다.
(통신부)
통신부(230)는, 정보 처리 서버(100)와 통신한다. 구체적으로는, 통신부(230)는, 정보 처리 서버(100)로 조작 입력부(210)에 의해 생성된 제공 요구 정보를 송신한다. 또한, 통신부(230)는, 정보 처리 서버(100)로부터 표시 정보를 수신한다. 또한, 정보 처리 단말(200)은, 계측 제어 장치(300) 또는 기상 정보 서버(400)와 통신하고, 온실(3)의 내부 환경에 관한 실적 정보나 기상 정보를 수신하고, 또는 기기 조작 정보를 송신해도 좋다.
또한, 통신부(230)는, 예를 들면, 네트워크에 접속하기 위한 통신 인터페이스 등에 의해 실현된다.
(표시부)
표시부(240)는, 제어부(220)의 지시에 기초하여 화상을 표시한다. 구체적으로는, 표시부(240)는, 제어부(220)로부터 제공되는 화상 정보에 기초하여 정보 표시 화면 및 조작 입력 화면을 표시한다.
또한, 표시부(240)는, 디스플레이 등의 표시 장치에 의해 실현된다. 또한, 조작 입력부(210)와 표시부(240)의 기능은, 예를 들면 터치패널 등에 의해 일체화되어 실현되어도 좋다.
(계측 제어 장치)
계측 제어 장치(300)는, 온실(3)에 설치되고, 온실(3)의 내부 환경의 계측 및 제어에 관한 기능을 가진다. 상세하게는, 계측 제어 장치(300)는, 온실(3)의 내부에 설치된 센서로부터 신호를 취득하고, 온실(3)의 내부 환경에 관한 실적 정보를 생성한다. 또한, 계측 제어 장치(300)는, 온실(3)에 설치된 환경 제어 기기의 제어를 행한다. 여기서 말하는 환경 제어 기기의 제어란, 환경 제어 기기의 운전 목표를 조정하는 제어를 의미한다. 예를 들면, 계측 제어 장치(300)는, 통신부, 제어부 및 기억부 및 구비한다.
통신부는, 정보 처리 서버(100) 또는 정보 처리 단말(200)과 통신한다. 예를 들면, 통신부는, 생성된 온실(3)의 내부 환경에 관한 실적 정보를 정보 처리 서버(100) 또는 정보 처리 단말(200)로 송신한다. 또한, 통신부는, 실적 정보가 생성될 때마다 송신을 행해도 좋고, 소정의 시간 간격으로 송신을 행해도 좋다. 또한, 통신부는, 실적 정보 이외의 정보, 예를 들면, 온실(3)을 식별하는 식별 정보 및 환경 제어 기기에 관한 정보를 송신해도 좋다. 또한, 통신부는, 예를 들면, 네트워크에 접속하기 위한 통신 인터페이스 등에 의해 실현된다.
제어부는, 센서에 의해 생성된 신호에 기초하여 온실(3)의 내부 환경에 관한 실적 정보를 생성한다. 또한, 제어부는, 정보 처리 서버(100)로부터 취득한 온실(3)의 내부 환경에 관한 예측 정보나, 정보 처리 단말(200)로부터 취득한 기기 조작 정보에 기초하여, 환경 제어 기기의 제어를 행해도 좋다. 예측 정보에 기초하는 제어에 있어서는, 예를 들면, 예측 정보에 따라 자동적으로 설정되는 운전 목표값으로의 피드백 제어가 행해질 수 있다. 기기 조작 정보에 기초하는 제어에 있어서는, 온실(3)의 관리자가 온실(3)의 내부 환경에 관한 예측 정보로부터 얻은 지견을 기초로 입력되는 운전 목표값으로의 피드백 제어가 행해질 수 있다. 또한, 제어부는, 예를 들면, CPU, ROM 및 RAM에 의해 구성되는 연산 처리 장치 및 제어 장치 등에 의해 실현될 수 있다.
기억부는, 제어부에 의해 생성된 온실(3)의 내부 환경에 관한 실적 정보나, 통신부를 개재하여 취득된 온실(3)의 내부 환경에 관한 예측 정보 또는 기기 조작 정보 등을 기억한다. 또한, 기억부는, 센서에 의해 생성된 신호의 데이터 그 자체를 기억해도 좋다. 또한, 기억부는, 예를 들면, 데이터 저장용 스토리지 장치 등에 의해 실현된다.
또한, 온실(3)의 내부에 설치되는 센서는, 예를 들면, 온도 센서, 습도 센서, 일사 센서, 이산화탄소 농도 센서 또는 토양 수분 센서 등의 센서이다. 또한, 이러한 센서로서, 예를 들면, 촬상 센서 및 수분량 센서가 설치되어도 좋다. 또한, 계측 제어 장치(300)는, 온실(3)의 내부에 설치되어도 좋고, 온실(3)의 외부에 설치되어도 좋다. 또한, 계측 제어 장치(300)는, 온실(3)과는 상이한 장소에 설치되어도 좋다. 이 경우, 계측 제어 장치(300)는, 환경 제어 기기의 제어나 센서에 의해 생성된 신호의 취득 처리를, 통신 네트워크 등을 개재한 통신에 의해 행해도 좋다.
(기상 예측 서버)
기상 정보 서버(400)는, 기상 정보를 외부의 장치에 제공한다. 구체적으로는, 기상 정보 서버(400)는, 기상 정보가 정보 처리 서버(100)로부터 요구되면, 요구된 기상 정보에 정보 처리 서버(100)로 송신한다. 예를 들면, 기상 정보는, 기온, 습도, 일사량 또는 우량을 나타내는 정보이다. 이러한 기상 정보는, 기상 관측 정보 및 기상 예측 정보를 포함한다. 기상 관측 정보는 현재 또는 과거에 실제로 관측된 기상 정보이다. 또한, 기상 예측 정보는, 현재 이후에 있어서 예측되고 있는 기상 정보이다.
<2.2. 시스템의 처리>
다음에, 정보 처리 시스템(1)의 처리에 관해서 설명한다.
본 실시형태에 따르는 정보 처리 시스템(1)의 처리는, 기계 학습 처리와, 예측 처리로 분류된다. 이하에서는, 기계 학습 처리 및 예측 처리의 각각에 있어서의, 정보 처리 시스템(1)의 처리 전체의 흐름, 및 정보 처리 서버(100)에 있어서의 처리의 흐름에 관해서 각각 설명한다.
(기계 학습 처리)
도 3은, 본 발명의 일 실시형태에 따르는 정보 처리 시스템(1)의 기계 학습 처리에 있어서의 처리 전체의 흐름의 예를 개념적으로 도시하는 도면이다.
계측 제어 장치(300)는, 온실(3)의 내부 환경에 관한 실적 정보를 정보 처리 서버(100)로 송신한다(스텝 S501). 구체적으로는, 계측 제어 장치(300)는, 센서로부터 얻어진 신호에 기초하여 생성된 온실(3)의 내부 환경에 관한 실적 정보를 정보 처리 서버(100)로 송신한다.
또한, 기상 정보 서버(400)는, 기상 관측 정보를 정보 처리 서버(100)로 송신한다(스텝 S502). 구체적으로는, 기상 정보 서버(400)는, 기상 관측 정보를 생성하고 또는 다른 장치로부터 기상 관측 정보를 취득한다. 그리고, 기상 정보 서버(400)는, 정보 처리 서버(100)의 요구에 따라 또는 정기적으로, 기상 관측 정보를 정보 처리 서버(100)로 송신한다.
정보 처리 서버(100)는, 수신된 정보를 사용하여 온실내 환경 예측 모델의 기계 학습을 행한다(스텝 S503). 구체적으로는, 통신부(110)는, 계측 제어 장치(300)로부터 수신된 온실(3)의 내부 환경에 관한 실적 정보 및 기상 정보 서버(400)로부터 수신된 기상 관측 정보를 기억부(120)에 기억시킨다. 그리고, 기계 학습부(131)는, 기억된 이들 정보를 사용하여 온실내 환경 예측 모델의 기계 학습을 행한다.
다음에, 온실내 환경 예측 모델의 기계 학습 처리의 흐름에 관해서 설명한다. 도 4는, 본 발명의 일 실시형태에 따르는 정보 처리 서버(100)의 기계 학습 처리의 예를 개념적으로 도시하는 플로우 차트이다.
정보 처리 서버(100)는, 온실(3)의 내부 환경에 관한 실적 정보 및 기상 관측 정보를 취득한다(스텝 S601). 구체적으로는, 기계 학습부(131)는, 기억부(120)에 축적된 온실(3)의 내부 환경에 관한 실적 정보 및 기상 관측 정보를 취득한다.
또한, 정보 처리 서버(100)는, 기존의 온실내 환경 예측 모델을 취득한다(스텝 S602). 구체적으로는, 기계 학습부(131)는, 기억부(120)에 기억되어 있는 온실내 환경 예측 모델을 취득한다. 또한, 이러한 온실내 환경 예측 모델은, 미리 기계 학습부(131)에 의해 학습된 것이라도 좋고, 미학습된 것이라도 좋다.
다음에, 정보 처리 서버(100)는, 온실(3)의 내부 환경에 관한 실적 정보 및 기상 관측 정보를 사용하여 온실내 환경 예측 모델을 갱신한다(스텝 S603). 구체적으로는, 기계 학습부(131)는, 복수의 기계 학습 모델 중 1개를 선택하고, 선택된 기계 학습 모델과 온실(3)의 내부 환경에 관한 실적 정보 및 당해 실적 정보에 대응하는 기상 관측 정보를 사용하여 온실내 환경 예측 모델의 기계 학습을 행한다.
또한, 이 때, 기계 학습부(131)는, 기상 관측 정보 외에, 기상의 관측 대상 시각에 관한 정보, 온실(3)을 식별하는 식별 정보, 또는 환경 제어 기기에 관한 정보 등의 입력 정보를 추가로 사용하여 온실내 환경 예측 모델의 기계 학습을 행해도 좋다.
또한, 기계 학습부(131)는, 기계 학습에 의해 얻어진 새로운 온실내 환경 예측 모델에 테스트용 입력 데이터를 입력하고, 출력된 값과 테스트용 출력 데이터를 비교함으로써 온실내 환경 예측 모델의 정확성을 산출해도 좋다.
다음에, 정보 처리 서버(100)는, 갱신후의 온실내 환경 예측 판정 모델을 기억한다(스텝 S604). 구체적으로는, 기계 학습부(131)는, 갱신후의 온실내 환경 예측 판정 모델을 기억부(120)에 기억시킨다. 또한, 스텝 S603에 있어서, 온실내 환경 예측 모델의 정확성을 산출한 경우에 있어서, 당해 산출값이 소정의 임계값 이상인 경우인 한, 기계 학습부(131)는, 갱신후의 온실내 환경 예측 판정 모델을 기억해도 좋다. 또한, 당해 산출값이 소정의 임계값 미만인 경우에는, 다시 온실내 환경 예측 판정 모델의 갱신 처리가 행해져도 좋다.
(예측 처리)
도 5는, 본 발명의 일 실시형태에 따르는 정보 처리 시스템(1)의 예측 처리에 있어서의 처리 전체의 흐름의 예를 개념적으로 도시하는 도면이다.
우선, 정보 처리 단말(200)은, 온실(3)의 내부 환경의 예측에 관한 제공 요구 정보를 정보 처리 서버(100)로 송신한다(스텝 S701). 구체적으로는, 통신부(230)는, 유저의 조작에 기초하여 조작 입력부(210)에 의해 생성된 온실(3)의 내부 환경 예측에 따르는 표시 정보에 관한 제공 요구 정보를 정보 처리 서버(100)로 송신한다. 이러한 제공 요구 정보에는, 예측 대상인 온실(3) 및 예측 대상 시각(기간을 포함한다)에 관한 정보가 포함된다.
기상 정보 서버(400)는, 기상 예보 정보를 정보 처리 서버(100)로 송신한다(스텝 S702). 구체적으로는, 기상 정보 서버(400)는, 정보 처리 서버(100)의 요구에 따라 기상 예측 정보를 정보 처리 서버(100)로 송신한다. 또한, 정보 처리 서버(100)는, 정기적으로 기상 예측 정보를 기상 정보 서버(400)로부터 취득해도 좋다.
다음에, 정보 처리 서버(100)는, 온실내 환경 예측 모델을 사용하여 온실(3)의 내부 환경의 예측을 행한다(스텝 S703). 구체적으로는, 예측부(132)는, 기상 예보 정보가 수신되면, 기상 예보 정보를 온실내 환경 예측 모델로 입력한다. 예측부(132)는, 온실내 환경 예측 모델로부터 예측 결과를 출력한다. 그리고, 예측부(132)는, 예측 결과에 기초하여 온실(3)의 내부 환경에 관한 예측 정보를 생성하고, 기억부(120)에 기억시킨다. 또한, 상세에 관해서는 후술한다.
또한, 이 때, 온실내 환경 예측 모델로 입력되는 정보로서, 기상 관측 정보 외에, 기상 관측 대상 시각에 관한 정보, 온실(3)을 식별하는 식별 정보, 또는 환경 제어 기기에 관한 정보 등이 사용되고 있는 것으로 한다. 이 경우, 예측부(132)는, 기상 관측 정보 외에, 기상의 예측 대상 시각에 관한 정보, 온실(3)을 식별하는 정보 식별, 또는 환경 제어 기기에 관한 정보 등을 추가로 사용하여 예측 처리를 행해도 좋다. 이들 정보는, 정보 처리 서버(100)나 계측 제어 장치(300) 등으로부터 적절히 취득 가능하다.
정보 처리 서버(100)는, 수신된 제공 요구 정보에 대한 응답으로서 표시 정보를 정보 처리 단말(200)로 송신한다(스텝 S704). 구체적으로는, 출력 제어부(133)는, 스텝 S701에 있어서 통신부(110)에 의해 제공 요구 정보가 수신되면, 기억부(120)에 기억되어 있는, 예측 대상인 온실(3)의 내부 환경에 관한 예측 정보로부터 표시 정보를 생성한다. 그리고, 출력 제어부(133)는, 통신부(110)에, 생성된 표시 정보를 정보 처리 단말(200)로 송신시킨다.
정보 처리 단말(200)은, 수신된 표시 정보에 기초하여 온실(3)의 내부 환경에 관한 예측 정보를 표시한다(스텝 S705). 구체적으로는, 제어부(220)는, 통신부(230)에 의해 수신된 표시 정보로부터 화상 정보를 생성하고, 생성된 화상 정보를 표시부(240)에 제공한다. 표시부(240)는, 제공된 화상 정보에 기초하여 온실(3)의 내부 환경의 예측 결과 화면을 표시한다.
다음에, 온실내 환경 예측 모델의 기계 학습 처리의 흐름에 관해서 설명한다. 도 6은, 본 발명의 일 실시형태에 따르는 정보 처리 서버의 예측 처리의 예를 개념적으로 도시하는 플로우 차트이다.
정보 처리 서버(100)는, 예측 대상의 온실(3) 및 예측 대상 시각을 설정한다(스텝 S801). 구체적으로는, 예측부(132)는, 정보 처리 단말(200)로부터 취득한 제공 요구 정보로부터, 기상의 예측 대상인 온실(3) 및 기상의 예측 대상 시각을 설정한다.
다음에, 정보 처리 서버(100)는, 지정된 예측 대상 시각에 있어서의 기상 관측 정보 등을 취득한다(스텝 S802). 구체적으로는, 예측부(132)는, 지정된 예측 대상 시각에 있어서의 기상 관측 정보나, 다른 입력 정보를 취득한다.
다음에, 정보 처리 서버(100)는, 온실내 환경 예측 모델을 취득한다(스텝 S803). 구체적으로는, 예측부(132)는, 기억부(120)에 기억되어 있는 온실내 환경 예측 모델을 취득한다.
다음에, 정보 처리 서버(100)는, 온실내 환경 예측 모델을 사용하여 온실(3)의 내부 환경에 관한 예측 정보를 생성한다(스텝 S804). 구체적으로는, 예측부(132)는, 기상 관측 정보나 다른 입력 정보를 온실내 환경 예측 모델에 입력한다. 그리고, 예측부(132)는, 이러한 온실내 환경 예측 모델로부터 예측 결과를 얻어, 당해 예측 결과를 바탕으로 온실(3)의 내부 환경에 관한 예측 정보를 생성한다.
그리고, 정보 처리 서버(100)는, 생성된 온실(3)의 내부 환경에 관한 예측 정보를 기억한다(스텝 S805). 구체적으로는, 예측부(132)는, 생성된 예측 정보를 기억부(120)에 기억시킨다.
<2.3. 요약>
이와 같이, 본 발명의 일 실시형태에 의하면, 정보 처리 서버(100)는, 온실(3)의 내부 환경에 관한 실적 정보에 기초하여, 기상 관측 정보를 입력하는 온실내 환경 예측 모델의 기계 학습을 행한다. 그리고, 정보 처리 서버(100)는, 당해 기계 학습에 의해 얻어지는 온실내 환경 예측 모델을 사용하여, 기상 예측 정보로부터 온실(3)의 내부 환경에 관한 예측 정보를 출력한다.
이러한 구성에 의해, 일기 예보 등의 기상 예측 정보를 사용하는 것만으로, 온실(3)의 내부 환경을 예측할 수 있다. 따라서, 비용을 억제하면서, 온실(3)의 내부 환경에 관한 정확성을 유지하는 것이 가능한다. 또한, 기상 예측 정보 이외에도, 예측 대상 시각(관측 대상 시각)에 관한 정보나, 온실에 관한 정보를 사용함으로써, 환경의 시계열 변화나, 따라서, 온실(3)의 내부 환경에 관한 예측 정밀도를 향상시킬 수 있다.
또한, 이러한 온실내 환경 예측 모델은, 정보 처리 서버(100)에 의한 예측 처리의 운용과 병행하여, 축적되는 실적 정보와 예측 정보를 사용한 피드백에 의해 적절히 갱신될 수 있다. 이것에 의해, 온실내 환경 예측 모델은, 사람의 손을 거치지 않고, 자동적으로 개선될 수 있다. 따라서, 모델의 개선에 따르는 시간 및 비용을 저감시키고, 또한, 정량 데이터에 기초하는 모델의 개선이 가능해진다.
<<3. 정보 처리 서버의 하드웨어 구성예>
이상, 본 발명의 실시형태를 설명한다. 상기한 정보 처리 서버(100)의 처리는, 소프트웨어와, 이하에 설명하는 정보 처리 서버(100)의 하드웨어의 협동에 의해 실현된다.
도 7은, 본 발명의 일 실시형태에 따르는 정보 처리 서버(100)의 하드웨어 구성예를 도시한 블록도이다. 도 7에 도시한 바와 같이, 정보 처리 서버(100)는, 프로세서(141)와, 메모리(142)와, 내부 버스(143)와, 인터페이스(144)와, 입력 장치(145)와, 출력 장치(146)와, 스토리지 장치(147)와, 접속 포트(148)와, 통신 모듈(149)을 구비한다.
(프로세서)
프로세서(141)는, 연산 처리 장치 및 제어 장치로서 기능하고, 각종 프로그램과 협동하여 제어부(130)(기계 학습부(131), 병해충 발생 판정부(132), 표시 정보 전송 제어부(133))의 기능을 실현한다. 프로세서(141)는, 제어 회로를 사용하여 메모리(142) 또는 스토리지 장치(147) 등의 다른 기억 매체에 기억되는 프로그램을 실행함으로써, 정보 처리 서버(100)의 다양한 논리적 기능을 동작시킨다. 예를 들면, 프로세서(141)는 CPU 또는 GPU(Graphics Processing Unit)일 수 있다. 또한, 프로세서(141)는, 마이크로 프로세서라도 좋다.
(메모리)
메모리(142)는, 프로세서(141)가 사용하는 프로그램 또는 연산 파라미터 등을 기억한다. 예를 들면, 메모리(142)는, RAM 및 ROM을 포함하고, 프로세서(141)의 실행에 있어서 사용하는 프로그램 또는 실행에 있어서 적절히 변화하는 파라미터 등을 일시 기억한다. 또한, 접속 서포트(148) 또는 통신 모듈(149) 등을 개재하여 외부의 스토리지 장치가 메모리(142)의 일부로서 이용되어도 좋다.
또한, 프로세서(141) 및 메모리(142)는, CPU 버스 등을 구비하는 내부 버스(143)에 의해 상호 접속되어 있다. 또한, 인터페이스(144)는, 내부 버스(143)와, 입력 장치(145), 출력 장치(146), 스토리지 장치(147), 접속 포트(148) 및 통신 모듈(149)을 접속한다.
(입력 장치)
입력 장치(145)는, 정보를 입력하기 위한 입력 수단과, 입력에 기초하여 입력 신호를 생성하고, 당해 입력 신호를 프로세서(141)로 출력하는 입력 제어 회로를 구비하고, 조작부의 기능을 실현한다. 예를 들면, 당해 입력 수단으로서는, 버튼, 스위치, 레버 및 마이크로폰 등이 있다. 입력 장치(145)가 조작됨으로써, 정보 처리 서버(100)에 대해 각종 데이터가 입력되거나 처리 동작이 지시되거나 한다.
(출력 장치)
출력 장치(146)는, 출력 신호에 기초하여 소리 또는 빛 등을 출력하고, 출력부의 기능을 실현한다. 예를 들면, 출력 장치(146)는, 스피커 및 헤드폰 등의 음 출력 장치, 및 LED(Light Emitting Diode) 등을 사용한 램프, 액정 디스플레이(LCD: Liquid Crystal Display) 장치, OLED(Organic Light Emitting Diode) 장치 및 프로젝터 장치 등의 표시 장치를 포함한다.
(스토리지 장치)
스토리지 장치(147)는, 데이터 저장용 장치이며, 기억부(120)의 기능을 실현한다. 스토리지 장치(147)는, 기억 매체, 기억 매체에 데이터를 기록하는 기록 장치, 기억 매체로부터 데이터를 판독하는 판독 장치 및 기억 매체에 기록된 데이터를 삭제하는 삭제 장치 등을 포함해도 좋다. 스토리지 장치(147)는, 프로세서(141)가 실행하는 프로그램이나 각종 데이터를 저장한다.
(접속 포트)
접속 포트(148)는, 기기를 정보 처리 서버(100)에 직접 접속하기 위한 포트이다. 예를 들면, 접속 포트(148)는, USB(Universal Serial Bus) 포트, IEEE 1394 포트, RS-232C 포트, HDMI(등록상표)(High-Definition Multimedia Interface) 포트 등이라도 좋다. 접속 포트(148)에 외부 기기를 접속함으로써, 정보 처리 서버(100)와 당해 외부 기기 사이에서 데이터가 교환되어도 좋다.
(통신 모듈)
통신 모듈(149)은, 네트워크에 접속하기 위한 통신 디바이스이며, 통신부(110)의 기능을 실현한다. 예를 들면, 통신 모듈(149)은, 무선 LAN(Local Area Network) 대응 통신 디바이스라도, 3G 또는 LTE 대응 통신 디바이스라도 좋다. 또한, 통신 모듈(149)은, 유선에 의한 통신을 행하는 와이어 통신 대응 디바이스라도 좋다.
<<4. 결론>>
이상, 첨부 도면을 참조하면서 본 발명의 적합한 실시형태에 관해서 상세하게 설명했지만, 본 발명은 이러한 예로 한정되지 않는다. 본 발명이 속하는 기술 분야에 있어서의 통상의 지식을 가진 자라면, 특허청구의 범위에 기재된 기술적 사상의 범주 내에 있어서, 각종 변경예 또는 수정예에 상도할 수 있는 것은 명백하며, 이들에 관해서도, 당연히 본 발명의 기술적 범위에 속하는 것으로 이해된다.
예를 들면, 상기 실시형태에서는, 온실내 환경 예측 모델에 입력되는 정보는 기상 예측 정보, 식별 정보 및 환경 제어 기기에 관한 정보인 예를 설명했지만, 본 발명은 이러한 예로 한정되지 않는다. 예를 들면, 온실내 환경 예측 모델에 입력되는 정보로서, 온실의 외부에 설치되는 센서로부터 얻어지는 정보가 사용되어도 좋다. 이러한 센서는, 예를 들면 환경 센서 등이라도 좋고, 기존 설치된 센서가 사용되어도 좋다. 환경 센서는, 예를 들면, 온실 밖에 설치되는 토양 센서, 우량계, 온도계 또는 습도계 등이라도 좋다.
또한, 상기의 실시형태의 플로우 차트에 나타낸 스텝은, 기재된 순서에 따라 시계열적으로 행해지는 처리는 물론, 반드시 시계열적으로 처리되지 않아도, 병렬적으로 또는 개별적으로 실행되는 처리도 포함한다. 또한 시계열적으로 처리되는 스텝이라도, 경우에 따라서는 적절히 순서를 변경하는 것이 가능한 것은 말할 필요도 없다.
또한, 정보 처리 서버(100)에 내장되는 하드웨어에 상기한 정보 처리 서버(100)의 각 기능 구성과 동등한 기능을 발휘시키기 위한 컴퓨터 프로그램도 작성 가능한다. 또한, 당해 컴퓨터 프로그램이 기억된 기억 매체도 제공된다.
1 정보 처리 시스템
100 정보 처리 서버
110 통신부
120 기억부
130 제어부
131 기계 학습부
132 예측부
133 출력 제어부
200 정보 처리 단말
210 조작 입력부
220 제어부
230 통신부
240 표시부
300 계측 제어 장치
400 기상 정보 서버

Claims (13)

  1. 기상 관측 정보를 입력하여 온실의 내부 환경에 관한 실적 정보에 기초하여 행해지는 기계 학습에 의해 얻어지는 온실내 환경 예측 모델을 사용하여, 기상 예측 정보에 기초하여 전기 온실의 내부 환경을 예측하는 예측부와,
    예측된 전기 온실의 내부 환경에 관한 예측 정보의 출력을 제어하는 출력 제어부
    를 구비하는 정보 처리 장치.
  2. 제1항에 있어서,
    전기 온실내 환경 예측 모델에 입력되는 정보는, 기상의 예측 대상 시각에 관한 정보를 포함하는, 정보 처리 장치.
  3. 제2항에 있어서,
    전기 기상의 예측 대상 시각에 관한 정보는, 전기 기상의 예측 대상 시각이 속하는 시간대에 관한 정보를 포함하는, 정보 처리 장치.
  4. 제2항 또는 제3항에 있어서,
    전기 기상의 예측 대상 시각에 관한 정보는, 전기 기상의 예측 대상 시각이 속하는 월에 관한 정보를 포함하는, 정보 처리 장치.
  5. 제1항 내지 제4항 중의 어느 한 항에 있어서,
    전기 온실내 환경 예측 모델에 입력되는 정보는, 전기 온실을 식별하는 식별 정보를 포함하는, 정보 처리 장치.
  6. 제1항 내지 제5항 중의 어느 한 항에 있어서,
    전기 온실내 환경 예측 모델에 입력되는 정보는, 전기 온실의 내부 환경을 제어 가능한 환경 제어 기기에 관한 정보를 포함하는, 정보 처리 장치.
  7. 제6항에 있어서,
    전기 환경 제어 기기에 관한 정보는, 전기 환경 제어 기기의 설치 유무에 관한 정보를 포함하는, 정보 처리 장치.
  8. 제6항 또는 제7항에 있어서,
    전기 환경 제어 기기에 관한 정보는, 전기 환경 제어 기기의 운전 상황을 나타내는 정보를 포함하는, 정보 처리 장치.
  9. 제1항 내지 제8항 중의 어느 한 항에 있어서,
    전기 기상 예측 정보는, 전기 온실의 외부 기온, 전기 온실의 외부 상대 습도, 일사량 및 우량의 적어도 어느 하나에 관한 정보를 포함하는, 정보 처리 장치.
  10. 제1항 내지 제9항 중의 어느 한 항에 있어서,
    적어도 기상 관측 정보를 입력하고, 전기 온실의 내부 환경에 관한 실적 정보에 기초하여, 전기 온실내 환경 예측 모델의 기계 학습을 행하는 기계 학습부를 추가로 구비하는, 정보 처리 장치.
  11. 제10항에 있어서,
    전기 기계 학습부는, 전기 온실의 내부 환경에 관한 예측 정보와, 당해 온실의 내부 환경에 관한 예측 정보에 대응하는 예측 대상 시각에 있어서의 전기 온실의 내부 환경에 관한 실적 정보에 기초하여, 전기 온실내 환경 예측 모델을 갱신하는, 정보 처리 장치.
  12. 제1항 내지 제11항 중의 어느 한 항에 있어서,
    전기 온실의 내부 환경에 관한 예측 정보는, 전기 온실의 내부 기온 및 전기 온실 내부의 상대 습도의 적어도 어느 하나에 관한 정보를 포함하는, 정보 처리 장치.
  13. 기상 관측 정보를 입력하고 온실의 내부 환경에 관한 실적 정보에 기초하여 행해지는 기계 학습에 의해 얻어지는 온실내 환경 예측 모델을 사용하여, 기상 예측 정보에 기초하여 전기 온실의 내부 환경을 예측하는 예측 스텝과,
    예측된 전기 온실의 내부 환경에 관한 예측 정보의 출력을 제어하는 출력 제어 스텝
    을 포함하는 정보 처리 방법.
KR1020197028230A 2017-03-27 2018-03-05 정보 처리 장치 및 정보 처리 방법 KR20190128656A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JPJP-P-2017-060620 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 (1)

Publication Number Publication Date
KR20190128656A true KR20190128656A (ko) 2019-11-18

Family

ID=63675487

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197028230A KR20190128656A (ko) 2017-03-27 2018-03-05 정보 처리 장치 및 정보 처리 방법

Country Status (5)

Country Link
EP (1) EP3604957A4 (ko)
JP (1) JP6942790B2 (ko)
KR (1) KR20190128656A (ko)
CN (2) CN113283661A (ko)
WO (1) WO2018180239A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210074501A (ko) * 2019-12-12 2021-06-22 대한민국(농촌진흥청장) 클라우드 기반 일간 온실 환경 의사결정지원 서버 및 이를 이용한 일간 온실 환경 의사결정지원 시스템

Families Citing this family (12)

* 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
US20220076014A1 (en) * 2018-12-27 2022-03-10 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
US20220279731A1 (en) * 2019-06-17 2022-09-08 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
US11947325B2 (en) 2020-08-18 2024-04-02 Qatar University Controller for microgrid powered interconnected greenhouses
US20230301246A1 (en) * 2020-08-31 2023-09-28 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
EP4138036A1 (en) * 2021-06-18 2023-02-22 Space Shift, Inc. Learning model, signal processing device, flying body, and program
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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05227661A (ja) 1992-02-18 1993-09-03 Shikoku Sogo Kenkyusho:Kk 植物栽培温室の室内環境調整装置
JP2002048354A (ja) 2000-07-28 2002-02-15 Nepon Inc 施設園芸用温室における暖房用熱源水の温度制御方法
JP2012057931A (ja) 2010-08-10 2012-03-22 Shibaura Institute Of Technology 暖房機の制御方法、及び、暖房機

Family Cites Families (12)

* 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
JP2003014280A (ja) * 2001-06-27 2003-01-15 Mitsubishi Electric Corp エネルギー機器運用システム
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
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
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
JP6399426B2 (ja) * 2013-05-13 2018-10-03 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
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
JPH05227661A (ja) 1992-02-18 1993-09-03 Shikoku Sogo Kenkyusho:Kk 植物栽培温室の室内環境調整装置
JP2002048354A (ja) 2000-07-28 2002-02-15 Nepon Inc 施設園芸用温室における暖房用熱源水の温度制御方法
JP2012057931A (ja) 2010-08-10 2012-03-22 Shibaura Institute Of Technology 暖房機の制御方法、及び、暖房機

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210074501A (ko) * 2019-12-12 2021-06-22 대한민국(농촌진흥청장) 클라우드 기반 일간 온실 환경 의사결정지원 서버 및 이를 이용한 일간 온실 환경 의사결정지원 시스템

Also Published As

Publication number Publication date
CN110651157A (zh) 2020-01-03
EP3604957A4 (en) 2020-05-06
JP6942790B2 (ja) 2021-09-29
CN113283661A (zh) 2021-08-20
JPWO2018180239A1 (ja) 2019-12-12
WO2018180239A1 (ja) 2018-10-04
EP3604957A1 (en) 2020-02-05

Similar Documents

Publication Publication Date Title
KR20190128656A (ko) 정보 처리 장치 및 정보 처리 방법
US11573541B2 (en) Future state estimation device and future state estimation method
JP2020038699A (ja) 汎用学習済モデルの生成方法
JP2018029568A (ja) 萎れ具合予測システム及び萎れ具合予測方法
KR20180054413A (ko) 농작물 생산 효율 최적화 방법 및 장치
WO2021145081A1 (ja) 支援システム、及び支援方法
JP6086875B2 (ja) 発電量予測装置および発電量予測方法
KR20160086079A (ko) 작물 생육에 대한 최적 환경 정보를 이용한 온실 환경 제어 및 생산량 예측 장치 및 방법
WO2021157260A1 (ja) 予測装置、予測システム、及び予測方法
WO2018235777A1 (ja) 画像データ加工装置、植物栽培システム及び画像データ加工方法
JPWO2019224909A1 (ja) パラメータ選択方法、パラメータ選択プログラム、及び情報処理装置
JP2019083745A (ja) 生長状態予測装置
EP3984349A1 (en) Information processing device and method
WO2021039465A1 (ja) 病害予測システム、病害予測方法及びプログラム
CN111511195B (zh) 信息处理装置和信息处理方法
US20230301246A1 (en) Information processing device and information processing system
JP7058364B1 (ja) 情報処理装置、情報処理プログラム、情報処理方法及び飛行装置
JP7079663B2 (ja) 電力需要予測システム、学習装置及び電力需要予測方法
CN116227899A (zh) 小区房屋能耗预测方法、装置、电子设备及可读存储介质
KR20190089792A (ko) 생존 자연물 관찰을 통한 환경변화 예측 시스템, 단말기,방법, 및 컴퓨터 판독 가능한 기록매체
CN113434690A (zh) 基于聚类算法的用电预测评估方法、装置、系统及介质

Legal Events

Date Code Title Description
N231 Notification of change of applicant
E902 Notification of reason for refusal
E90F Notification of reason for final refusal