KR20210025015A - 정보 처리 장치, 정보 처리 시스템, 및 프로그램 - Google Patents

정보 처리 장치, 정보 처리 시스템, 및 프로그램 Download PDF

Info

Publication number
KR20210025015A
KR20210025015A KR1020207037211A KR20207037211A KR20210025015A KR 20210025015 A KR20210025015 A KR 20210025015A KR 1020207037211 A KR1020207037211 A KR 1020207037211A KR 20207037211 A KR20207037211 A KR 20207037211A KR 20210025015 A KR20210025015 A KR 20210025015A
Authority
KR
South Korea
Prior art keywords
occurrence
event
period
information
infection
Prior art date
Application number
KR1020207037211A
Other languages
English (en)
Inventor
사토시 이토
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 KR20210025015A publication Critical patent/KR20210025015A/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
    • 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
    • A01G13/00—Protecting plants
    • 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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • 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
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Environmental Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Toxicology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)

Abstract

병해충에 의한 작물에 대한 피해 발생으로 이어질 사상이 발생한 사상 발생시를 추정한다. 병해충에 의한 작물에 대한 피해 발생시의 정보를 포함하는 병해충 발생 정보 및 상기 작물의 재배 환경을 포함한 환경 정보를 취득하는, 취득부와, 상기 병해충 발생 정보를 사용하여, 상기 작물에 대한 상기 피해 발생으로 이어질 사상이 발생한 것으로 의심되는 추정 사상 발생 기간과 상기 피해 발생으로 이어질 상기 사상이 발생하고 있지 않은 무사상 기간을 결정하는, 사상 기간 결정부와, 상기 추정 사상 발생 기간의 상기 환경 정보와, 상기 무사상 기간의 상기 환경 정보를 비교하여, 상기 추정 사상 발생 기간으로부터 상기 사상이 발생한 사상 발생시를 추정하는, 사상 추정부를 구비하는, 정보 처리 장치가 제공된다.

Description

정보 처리 장치, 정보 처리 시스템, 및 프로그램
본 발명은, 정보 처리 장치, 정보 처리 시스템, 및 프로그램에 관한 것이다.
작물의 수확을 좌우하는 요인으로서 병해충의 발생을 들 수 있다. 최근, 정보 통신 기술을 사용하여 이러한 병해충으로부터 작물을 보호하는 기술이 연구 개발되고 있다. 병해충에는, 작물에 대한 감염, 잠복, 발병(발생)의 3가지의 단계가 있고, 병해충의 발생을 예측함으로써, 농작물의 효율적인 생산에 도움이 될 수 있는 기술이 여러 가지 개발되고 있다. 특허문헌 1 및 특허문헌 2에는, 병해충의 발생을 예측하는 기술이 개시되어 있다. 이들은, 과거의 환경 정보, 작물의 재배 정보 등으로부터 병해충의 발생으로 이어질 조건을 탐색하는 기술이다. 이 병해충 발생 예측을 바탕으로, 농가에서는 농약을 살포하는 등 하여, 작물을 병해충으로부터 보호하고 있다.
특허문헌 1: 일본 공개특허공보 특개평11-287871호 특허문헌 2: 일본 공개특허공보 특개2003-167975호 특허문헌 3: 일본 공개특허공보 특개2009-106261호
그러나, 농약의 살포는, 병해충의 발병(발생)보다도 병해충에 대한 감염 전후, 혹은 감염 전에 행하면 보다 효과적이다. 예를 들어, 특허문헌 3에는, 감염의 우려가 있는 병해를 예측하는 동시에, 최적의 농약을 선정하는 기술이 개시되어 있다. 이와 같이 병해의 감염을 예측하는데 있어서, 감염과 발병의 관계를 파악하는 것은 중요하다. 한편으로, 특허문헌 3에는, 병해의 감염 추정에 관한 구체적인 기술은 없다. 감염은 발병과 같이 검지하는 것이 어렵고, 발병 시기로부터 감염 시기를 추정하여, 장래의 감염 예측을 행하는 것은 용이하지 않다. 특히, 발병 전의 데이터에는, 병해의 감염으로 이어질 조건과 병해의 감염으로 이어지지 않는 조건이 혼재하여, 그 중에서, 감염 시기를 추정하는 것은 곤란하다. 이상과 같은 이유로 인해, 병해충으로부터 작물을 보호하는데 있어서, 병해충에 대한 감염 추정의 정밀도의 향상이 요구되고 있었다.
따라서, 본 발명은, 상기 문제점을 감안하여 이루어진 것으로, 본 발명의 목적으로 하는 바는, 병해충에 의한 작물에 대한 피해 발생으로 이어질 사상(事象)이 발생한 사상 발생시를 추정하는 것이 가능한, 새로우면서 개량된 정보 처리 장치를 제공하는 것에 있다.
상기 과제를 해결하기 위해, 본 발명의 한 관점에 따르면, 병해충에 의한 작물에 대한 피해 발생시의 정보를 포함하는 병해충 발생 정보 및 상기 작물의 재배 환경을 포함한 환경 정보를 취득하는, 취득부와, 상기 병해충 발생 정보를 사용하여, 상기 작물에 대한 상기 피해 발생으로 이어질 사상이 발생한 것으로 의심되는 추정 사상 발생 기간과 상기 피해 발생으로 이어질 상기 사상이 발생하고 있지 않은 무사상 기간을 결정하는, 사상 기간 결정부와, 상기 추정 사상 발생 기간의 상기 환경 정보와, 상기 무사상 기간의 상기 환경 정보를 비교하여, 상기 추정 사상 발생 기간으로부터 상기 사상이 발생한 사상 발생시를 추정하는, 사상 추정부를 구비하는, 정보 처리 장치가 제공된다.
또한, 상기 과제를 해결하기 위해, 본 발명의 다른 관점에 따르면, 컴퓨터를, 병해충에 의한 작물에 대한 피해 발생시의 정보를 포함하는 병해충 발생 정보 및 상기 작물의 재배 환경을 포함한 환경 정보를 취득하는, 취득부와, 상기 병해충 발생 정보를 사용하여, 상기 작물에 대한 상기 피해 발생으로 이어질 사상이 발생한 것으로 의심되는 추정 사상 발생 기간과 상기 피해 발생으로 이어질 상기 사상이 발생하고 있지 않은 무사상 기간을 결정하는, 사상 기간 결정부와, 상기 추정 사상 발생 기간의 상기 환경 정보와, 상기 무사상 기간의 상기 환경 정보를 비교하여, 상기 추정 사상 발생 기간으로부터 상기 사상이 발생한 사상 발생시를 추정하는, 사상 추정부로서 기능시키기 위한 프로그램이 제공된다.
또한, 상기 과제를 해결하기 위해, 본 발명의 다른 관점에 따르면, 병해충에 의한 작물에 대한 피해 발생시의 정보를 포함하는 병해충 발생 정보 및 상기 작물의 재배 환경을 포함한 환경 정보를 취득하는, 취득부와, 상기 병해충 발생 정보를 사용하여, 상기 작물에 대한 상기 피해 발생으로 이어질 사상이 발생한 것으로 의심되는 추정 사상 발생 기간과 상기 피해 발생으로 이어질 상기 사상이 발생하고 있지 않은 무사상 기간을 결정하는, 사상 기간 결정부와, 상기 추정 사상 발생 기간의 상기 환경 정보와, 상기 무사상 기간의 상기 환경 정보를 비교하여, 상기 추정 사상 발생 기간으로부터 상기 사상이 발생한 사상 발생시를 추정하는, 사상 추정부를 포함하는, 정보 처리 시스템이 제공된다.
상기 구성에 의해, 작물에 대한 피해 발생으로 이어질 사상이 발생한 기간이 적어도 하나 이상 포함되는 추정 사상 발생 기간의 환경 정보와, 작물에 대한 피해 발생으로 이어질 사상이 발생하고 있지 않은 무사상 기간의 환경 정보를 비교함으로써, 추정 사상 발생 기간 중으로부터 사상 발생시를 보다 정확하게 추정할 수 있다.
이상 설명한 바와 같이 본 발명에 의하면, 병해충에 의한 작물에 대한 피해 발생으로 이어질 사상이 발생한 사상 발생시를 보다 정확하게 추정할 수 있다.
도 1은, 본 발명의 실시형태에 따른 개념을 나타내는 개념도이다.
도 2는, 동 실시형태에서 사용되는 기계 학습의 개념도이다.
도 3은, 동 실시형태에 따른 정보 처리 시스템의 기능 및 구성을 나타내는 블록도이다.
도 4는, 동 실시형태에 따른 정보 처리 시스템에 있어서, 사상 발생의 추정이 행해지는 일례를 나타낸 도면이다.
도 5는, 동 실시형태에 따른 정보 처리 시스템의 동작 플로우의 일례를 나타내는 플로우 차트이다.
도 6은, 동 실시형태에 따른 정보 처리 시스템의 동작 플로우의 일례를 나타내는 플로우 차트이다.
도 7은, 동 실시형태에 따른 정보 처리 시스템의 동작 플로우의 일례를 나타내는 플로우 차트이다.
도 8은, 동 실시형태에 따른 정보 처리 시스템의 하드웨어 구성의 일례를 나타내는 도면이다.
이하에 첨부 도면을 참조하면서, 본 발명의 적합한 실시형태에 대하여 상세하게 설명한다. 또한, 본 명세서 및 도면에 있어서, 실질적으로 동일한 기능 구성을 갖는 구성 요소에 대해서는, 동일한 부호를 붙임으로써 중복 설명을 생략한다.
<1. 정보 처리 시스템 개략>
(1.1. 기술 개요)
본 발명은, 작물에 대한 병해충에 의한 피해 발생시 정보 및 상기 작물의 환경 정보에 기초하여, 작물에 대한 피해 발생으로 이어질 사상이 발생한 사상 발생시를 추정하는 기술에 관한 것이다.
도 1을 참조하여, 상기 사상 발생시를 추정하는 정보 처리 장치(100)와 상기 사상 발생 추정에 필요한 정보를 취득, 및 출력하는 기타 구성을 포함한 정보 처리 시스템(1)에 관하여 설명한다. 정보 처리 시스템(1)에는, 정보 처리 장치(100)와, 재배 센서(300)와, 기상 서버(400)와, 정보 처리 단말(200)이 구비되어 있다.
정보 처리 장치(100)는, 작물에 병해충이 발생했을 때에, 정보 처리 단말(200)에 유저 등이 입력 등 한 병해충 발생 정보를 취득한다. 여기서 말하는 병해충 발생 정보는, 예를 들면 작물에 병해충이 발생했을 때의 정보를 포함한 정보이다. 이 병해충 발생 정보와, 하우스 내의 재배에 관한 정보를 취득하는 재배 센서(300) 및 기상 서버(400)로부터 얻어지는 환경 정보에 기초하여, 정보 처리 장치(100)는, 작물에 대한 피해 발생으로 이어질 사상이 발생한 사상 발생시를 추정한다.
정보 처리 장치(100)에서는, 이 사상 발생시의 추정시에, 멀티 인스턴스 학습(Multiple Instances Learning)으로 칭해지는 기계 학습 수법을 사용한다. 이 수법을 사용함으로써, 환경 정보 중에 혼재된 작물에 대한 피해 발생으로 이어질 사상과 이어지지 않을 사상 중에서, 작물에 대한 피해 발생으로 이어질 특징량을 추출하고, 특징량에 기초하여, 사상이 발생할 확률을 산출하고, 상기 확률에 기초하여, 사상 발생시를 정밀하게 추정한다.
(1.2. 기계 학습)
도 2를 참조하여, 멀티 인스턴스 학습(Multiple Instances Learning)을 사용한 기계 학습 수법에 관하여 설명한다. 본 수법에서는, 예를 들어, 복수의 샘플을, 둘로 분류할 때에, 그 분류가 무엇에 의해 분류되어 있는가를 파악할 수 있다. 본 수법에서는, 복수의 샘플을 하나의 집합체(bag)로서 취급한다. 여기에서는, 복수의 샘플을 둘로 분류할 때에 관해서 설명을 행하지만, 분류는 두가지에 한정되지 않고 셋 이상의 복수 행해져도 좋다.
도 2에서는, 7종류의 방의 풍경 11, 풍경 12, 풍경 13, 풍경 14, 풍경 15, 풍경 16, 풍경 17이 나타나져 있다. 각 풍경에는, 다양한 아이템 S, 아이템 X1, 아이템 X2, 아이템 X3, 아이템 X4, 아이템 X5가 포함되어 있다.
풍경 11에는, 아이템 S와 아이템 X1이 포함되어 있으며, 풍경 12에는, 아이템 X1과 아이템 X2와 아이템 S가 포함되어 있다. 풍경 13에는, 아이템 X2와 아이템 X3와 아이템 S가 포함되어 있으며, 풍경 14에는, 아이템 X2와 아이템 S와 아이템 X4가 포함되어 있다.
풍경 15에는, 아이템 X5와 아이템 X6가 포함되고, 풍경 16에는, 아이템 X1과, 아이템 X5가 포함되고, 풍경 17에는, 아이템 X4와 아이템 X5가 포함되어 있다.
이러한 풍경 11 내지 풍경 17을 복수의 샘플로 했을 때에, 본 수법에서는, 우선 풍경 11 내지 풍경 14를 하나의 Bag으로 하고, 풍경 15 내지 풍경 17을 다른 Bag으로 한다. 구체적으로는, 풍경 11 내지 풍경 14를, PositiveBag(이하, PB로 칭함.)으로 하여 결정한다. 한편, 풍경 15 내지 풍경 17을, NegativeBag(이하, NB로 칭함.)으로 하여 결정한다.
여기서, PB에서는, 풍경 15 내지 풍경 17과 풍경 11 내지 풍경 14를 분류하는 인자가 하나 이상은, 포함되어 있다. 한편, NB에서는, 풍경 15 내지 풍경 17과 풍경 11 내지 풍경 14를 분류하는 인자가 하나도 포함되어 있지 않다. 이와 같이, 복수의 샘플로부터 PB 및 NB의 Bag을 결정한다.
본 수법에서는, 이와 같이 PB 및 NB로 분류된 복수의 Bag으로부터, PB로 분류되는 Bag 및 NB로 분류되는 Bag을 비교함으로써, PB 및 NB의 분류에 있어서 영향을 주는 각 Bag 내의 인자를 추출한다.
도 2에서는, PB 및 NB로 분류되는 Bag을 비교함으로써, PB 및 NB는 아이템 S가 포함되는지 여부로 분류된 것을 발견할 수 있다. 즉, 풍경 11 내지 풍경 14와 풍경 15 내지 풍경 17을 비교하면, 풍경 11 내지 풍경 14에는 아이템 S가 포함되어 있지만, 풍경 15 내지 풍경 17에는, 아이템 S는 포함되어 있지 않다. 여기에서는, 아이템 S를 영향 인자인 특징량으로 하여, 풍경 11 내지 풍경 14가 PB, 풍경 15 내지 풍경 17이 NB로서 분류되어 있는 것을 알 수 있다. 이와 같이 본 수법에서는, PB 및 NB를 비교함으로써, 분류할 때의 특징량이 S인 것을 발견했다.
본 기술에서는, PB 중에, 특징량을 포함하는 Positive인 샘플과, 특징량이 포함되지 않는 Negative인 샘플이 혼재하는 경우에, PB와 NB를 나누는 특징량을 발견할 수 있다. 또한, 본 수법에서는, 상술한 바와 같이 특징량을 발견함으로써, 미지의 Bag에 대하여, Positive인지, Negative인지를 판정할 수 있다. 추가로 본 수법에서는, 상기 특징량을 사용하여, PB 중의 어떤 Bag이 Positive 샘플인지 등을 판정할 수 있다.
상기와 같은 수법을 사용하여, 본 발명의 일 실시형태에 따른 정보 처리 장치(100)에서는, 작물의 피해 발생으로 이어질 사상이 발생할 것으로 의심되는 추정 사상시 발생 기간의 환경 정보를 PB, 사상이 발생하고 있지 않은 무사상 기간의 환경 정보 NB로 하여 비교한다. 이 비교에 의해, 사상 발생으로 이어질 특징량을 파악하고, 추정 사상시 발생 기간으로부터 사상 발생시를 추정한다.
추가로, 본 발명에서는, 사상 발생시의 추정에 기초한 사상 발생 예측 모델의 기계 학습이 행하여진다. 이와 같이, 사상 발생 예측 모델을 기계 학습시킴으로써, 자율적으로 사상 발생 예측 모델을 갱신할 수 있다. 따라서, 사상 발생 확률의 산출의 정확성을 향상시키는 것이 가능하다.
추가로 또한, 정보 처리 장치(100)에서는, 기계 학습 후의 사상 발생 예측 모델에 대하여, 작물의 환경 정보, 구체적으로는, 작물에 대한 환경 정보의 예측값, 또는 현재값 등이 새롭게 입력된다. 이러한 환경 정보에 기초하여, 정보 처리 장치(100)에서는, 작물에 대하여, 현재 또는 미래의 사상 발생 확률의 경시적인 변화를 출력할 수 있다. 또한, 현재 또는 미래에 한정되지 않고, 과거에 대해서도 사상 발생 확률을 산출해도 좋은 것은 말할 것도 없다.
<2. 정보 처리 장치의 기능 구성>
이상, 본 발명의 일 실시형태에 따른 정보 처리 시스템의 개략에 대하여 설명했다. 다음으로, 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 기능 구성에 대하여 설명한다. 구체예로서, 작물에 대하여 병해충에 의한 피해가 발생했을 때에, 피해로 이어질 사상이 발생한 사상 발생시를 추정하는 예를 들어 설명한다. 이하에서는, 사상을 병해충에 대한 감염, 피해 발생을 발병으로 하여 설명한다.
도 3을 참조하여, 정보 처리 시스템(1)의 기능 구성에 대하여 설명한다. 도 3은, 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 개략적인 기능 구성의 예를 나타내는 블록도이다.
도 3에 나타낸 바와 같이, 정보 처리 시스템(1)은, 정보 처리 장치(100)와, 정보 처리 단말(200)과, 재배 센서(300)와, 기상 서버(400)를 구비한다. 정보 처리 시스템(1)에서는, 정보 처리 장치(100)가, 정보 처리 단말(200)과, 재배 센서(300) 또는 기상 서버(400)로부터 취득되는 정보를 사용하여, 작물에 대한 병해충 감염 예측을 행한다. 이하에서는, 우선 정보 처리 장치(100)가 정보 처리를 행할 때에 요하는 정보를 취득하는 정보 처리 단말(200)과, 재배 센서(300)와, 기상 서버(400)를 순서대로 설명한다.
(정보 처리 단말)
정보 처리 단말(200)은, 입력부(210)와 표시부(230)와 통신부(220)를 구비한다. 정보 처리 단말(200)에서는, 병해충 발생 정보를 취득하는 기능을 갖고, 취득된 병해충 발생 정보는, 정보 처리 장치(100)의 취득부(110)로 출력된다. 정보 처리 단말(200)은, 스마트폰과 같은 휴대 단말이라도 좋고, 컴퓨터 등의 정보 처리 장치라도 좋다. 또한, 병해충 발생 정보는, 반드시 정보 처리 단말(200)을 통해서 취득될 필요는 없고, 정보 처리 장치(100)에서, 취득할 수 있으면 취득 방법은 한정되지 않는다.
((입력부))
입력부(210)에서는, 유저에 의한 입력 등에 의해, 병해충에 의한 병해 등이 작물에 발병했을 때의 정보를 포함한 병해충 발생 정보가 입력된다. 병해충 발생 정보는, 병해충에 의한 병해 등이 작물에 발병한 발병 일시의 정보를 포함한다. 발병이란, 작물에 대하여 피해가 발생한 것, 혹은 감염 후에 잠복 기간이 종료되어, 병충해에 의한 감염의 증상이 발증한 것이 검지 또는 인지되는 것을 말한다. 예를 들어, 발병의 판단은, 상기 작물의 생육 상황을 관찰하는 센서 등이 있으면, 센서 등이 검지한 정보를 바탕으로 행해져도 좋고, 유저가 상기 작물의 관찰시에, 작물에 대한 발병을 인지함으로써 행해져도 좋다. 또한, 발병시란, 발병으로 판단된 때를 포함하는 임의의 기간을 나타내고, 발병일 또는 발병 시각이라도 좋다.
병해충 발생 정보는, 병해충에 의한 병해 등이 발병한 일시의 정보 외에, 발생한 병해충의 종류에 관한 정보도 포함한다. 구체적으로는. 미생물병, 해충병, 생리 장해, 잡초에 의한 생리 장해 등의 정보를 포함한다. 또한, 각 종류의 추가적인 상세에 관한 정보도 포함한다. 예를 들어, 미생물병이면, 잿빛 곰팡이병, 잎곰팡이병 등의 병의 종류에 관한 정보를 포함한다.
또한, 병해충 발생 정보는, 병해충의 감염 또는 기생에서 발병까지의 잠복 기간의 정보도 포함한다. 병해의 잠복 기간이란, 병해의 감염에서 발병까지 요하는 일수를 말하고, 충해의 잠복 기간이란, 벌레가 산란하고, 알에서 유충이 부화하고, 작물을 먹는 등 하여 발병(또는 충해 발생)이 인지될 때까지의 기간을 말한다. 즉, 잠복 기간이란, 병충해에 의한 작물에 대한 피해가 발생할 때까지의 기간을 나타낸다. 이 잠복 기간은, 병충해 발생 이력, 문헌 또는 조사 등에 의해 얻어지는 정보라도 좋다.
또한, 정보 처리 단말(200)은, 병해충 발생 정보뿐만 아니라, 작물이 재배되는 공간의 환경 정보 및 작물 재배의 재배 상황에 관한 환경 정보(이하, 대체로 환경 정보라고 칭함.)를 취득해도 좋다. 또한, 정보 처리 단말(200)에서 취득되는 환경 정보는, 후술하는 재배 센서(300)로, 검지가 곤란한 정보라도 좋다.
정보 처리 단말(200)에서 취득되는 환경 정보로서, 예를 들어, 작물의 재배 상황을 들 수 있다. 작물 재배 상황이란, 구체적으로는, 작물의 품종, 상기 작물의 재배 장소의 고도, 토양의 종류, 토양의 영양 상태, 상기 작물의 파종 일시, 정식(定植) 일시, 상기 작물의 잎의 적엽의 상황, 약제의 살포 이력, 약제의 잔효 상황, 제초의 상황, 수세(樹勢)의 상황, 작물의 생육 스테이지 등의 정보를 포함한다.
정보 처리 단말(200)로, 환경 정보가 취득되는 경우에는, 예를 들어 유저 등에 의한 보조 입력의 작업에 의해 행해져도 좋다. 즉, 환경 정보는, 후술하는 재배 센서(300)로 취득되는 정보뿐만 아니라, 정보 처리 단말(200)로 취득되는 정보에 의해, 정보 처리 시스템(1)에 취득되어도 좋다. 정보 처리 단말(200) 또는 재배 센서(300)에 의해 취득되는 환경 정보는, 과거의 이력을 포함하는 환경 정보라도 좋고, 현재값 또는 예측값을 나타낸 환경 정보라도 좋다.
((통신부))
통신부(220)는, 입력부(210)에서 입력된 병해충 발생 정보 또는 환경 정보를 취득하고, 정보 처리 장치(100)에 출력하는 기능을 갖는다. 또한, 통신부(220)에서는, 정보 처리 장치(100)에 의해 처리된 정보가 취득되고, 표시부(230)에 출력하는 기능도 갖는다. 통신부(220)에서는, 병해충 발생 정보 또는 환경 정보가 취득될 때에, 적절하게 통신을 행해도 좋고, 연속적으로 통신을 행해도 좋다. 또한, 정보 처리 장치(100)의 지시에 의해, 통신을 행해도 좋다.
((표시부))
표시부(230)는, 통신부(220)로부터 출력된 정보를 출력하는 기능을 갖는다. 예를 들어, 표시부(230)는, 정보 처리 장치(100)에서 예측된 감염 확률을, 유저에게 제시한다.
(재배 센서)
재배 센서(300)는, 작물이 재배되는 공간의 환경 정보를 취득하는 기능을 갖는다. 재배 센서(300)는, 환경 정보를 센싱하는 센서부(310)와, 센싱한 환경 정보를 출력하는 통신부(320)를 구비한다.
((센서부))
센서부(310)는, 환경 정보를 센싱한다. 센서부(310)는, 예를 들어, 온도계, 습도계, 일사량계, 이산화탄소 농도계, 토양의 수분률을 계측하는 수분률계 등에 의해 구성되어도 좋다.
재배 센서(300)가 취득하는 환경 정보의 작물이 재배되는 공간이란, 작물이 재배되고 있는 장소를 둘러싸는 공간이라도 좋고, 예를 들면, 비닐 하우스 등의 작물 재배를 행하는 농업 시설이라도 좋다. 작물이 재배되고 있는 장소라면, 둘러싸여 있지 않아도 좋고, 밭 또는 논 등의 해방된 공간이라도 좋다.
재배 센서(300)는, 예를 들어, 작물의 주위 환경의 온도, 습도, 일사량, 이산화탄소 농도, 작물이 재배되는 토양의 수분률 등의 환경 정보를 취득한다.
((통신부))
통신부(320)는, 센서부(310)에서 취득된 환경 정보를 정보 처리 장치(100)에 출력하는 기능을 갖는다. 통신부(320)에서는, 환경 정보가 취득될 때에, 적절하게 통신을 행해도 좋고, 연속적으로 통신을 행해도 좋다. 또한, 정보 처리 장치(100)의 지시에 의해, 통신을 행해도 좋다.
(기상 서버)
기상 서버(400)는, 작물의 재배를 행하는 지역의 기상에 관한 환경 정보를 출력하는 기능을 갖는다. 출력하는 환경 정보로서는, 기온, 습도, 일사량, 강우량 등을 들 수 있다. 기상 서버(400)는, 정보 처리 장치(100)에 요구됨으로써, 정보 처리 장치(100)에 사용되는 정보를 선택적으로 출력해도 좋다. 기상 서버(400)에 의해 출력되는 환경 정보는, 과거의 이력이라도 좋고, 환경 정보의 현재값 또는 예측값이라도 좋다.
(정보 처리 장치)
정보 처리 장치(100)는, 정보 처리 단말(200)과 재배 센서(300)와 기상 서버(400)에 의해 출력된 정보를 취득하여, 병해충에 의한 작물에 대한 병해 등의 발병으로 이어질 감염이 발생한 감염시를 추정하는 기능을 주로 갖는다. 정보 처리 장치(100)는, 취득부(110)와, 기억부(120)와, 추정 감염 기간 결정부(130)와, 감염 발생 추정부(140)와, 기계 학습부(150)와, 감염 발생 예측부(160)를 구비한다.
((취득부))
취득부(110)는, 정보 처리 단말(200)과 재배 센서(300)와 기상 서버(400)에 의해 출력된 환경 정보 및 병해 발생 정보를 취득하는 기능을 갖는다. 취득한 환경 정보 및 병해 발생 정보는, 기억부(120)에 기억된다.
((기억부))
기억부(120)는, 취득부(110)에서 취득한 정보를 기억하는 기능을 갖는다. 구체적으로는, 기억부(120)는, 취득부(110)에서 취득한 병해 발생 정보 및 환경 정보를 기억한다. 또한, 기억부(120)에서는, 후술하는 감염 추정에서의 기계 학습에 관한 파라미터, 감염 예측 모델 등도 기억한다.
((추정 감염 기간 결정부))
추정 감염 기간 결정부(130)는, 병해충 발생 정보를 사용하여, 작물에 대한 발병으로 이어질 감염이 발생한 것으로 의심되는 추정 감염 기간과 발병으로 이어질 감염이 발생하고 있지 않은 무감염 기간을 결정하는 기능을 갖는다.
추정 감염 기간은, 작물에 대한 발병으로 이어질 감염이 발생한 기간을 적어도 1점 포함하는 기간이면 좋다. 구체적으로 추정 감염 기간에는, 작물에 대한 감염이 발생한 일시가 포함되어도 좋다. 또한, 추정 감염 기간에는, 작물에 대한 감염이 발생하는 기간이 복수 포함되어 있어도 좋다.
추정 감염 기간에는, 감염이 발생한 일시 및 감염이 발생하고 있지 않은 일시가 혼재되어 포함되어 있다. 추정 감염 기간으로서, 예를 들어, 추정 감염 기간 결정부(130)에서는, 발병시에서, 상기 병해충의 잠복 기간의 일수를 거슬러 올라간 기간을 추정 감염 기간으로서 결정해도 좋다. 추정 감염 기간은, 감염이 발생하는 기간을 포함하고 있으면 좋고, 병해충의 종류, 감염 예측의 필요한 정밀도에 따라 적절하게 결정되어도 좋다. 예를 들어, 기지(旣知)의 병해충의 잠복 기간이 환경 등에 따라 변화할 가능성이 있는 경우에는, 잠복 기간을 더욱 길게 설정하여, 추정 감염 기간을 보다 길게 잡아도 좋다.
한편, 추정 감염 기간 결정부(130)에서는, 감염이 발생하고 있지 않은 것이 기지인 기간을 무감염 기간으로서 결정하면 좋다. 예를 들어, 발병이 확인되고 있지 않은 시점으로부터, 적어도 상기 병해충의 잠복 기간을 거슬러 올라간 기간을 무감염 기간으로서 결정한다. 무감염 기간은, 연속된 무감염 일시를 포함하는 기간이라도 좋고, 임의의 일시를 일 시점으로 한 기간이라도 좋다. 또한, 무감염 기간으로서, 임의의 일시를 일 시점으로 하여, 복수의 일시가 결정되어도 좋다.
((감염 발생 추정부))
감염 발생 추정부(140)는, 추정 감염 기간 결정부(130)에 의해 결정된 추정 감염 기간의 환경 정보와, 무감염 기간의 환경 정보를 비교하여, 추정 감염 기간으로부터 감염이 발생한 감염시를 추정하는 기능을 갖는다.
도 4를 참조하여, 감염 발생 추정부(140)에서의 감염 추정에 대하여 구체적으로 설명한다. 도 4에서는, 시간축 T가 나타내어져 있다. 여기에서는 우선, 발병 시점 A를 11월 30일로 한다. 상기 병해충의 잠복 기간이 3 내지 7일의 사이인 경우에, 추정 감염 기간의 시작점 C는, 발병 일시 A로부터 잠복 기간의 최장 일수인 7일을 거슬러 올라간 11월 23일이 된다. 또한, 추정 감염 기간의 종점 B는, 발병 일시 A로부터 잠복 기간의 최단 일수인 3일을 거슬러 올라간 11월 27일이 된다.
한편으로, 무감염 기간은, 감염이 발생하고 있지 않는 것이 기지의 일시이면 좋고, 적어도 추정 감염 기간의 시작점 C보다도 전의 기간이면, 적절히 결정되어도 좋다. 또한, 무감염 기간은, 추정 감염 기간 이외의 기간이라도 좋다. 도 4에서는, 무감염 기간은, 추정 감염 기간의 시작점 C보다도 전의 일시 D, 즉 10월 21일, 및 일시 E, 즉 10월 20일로 결정되어 있다.
감염 발생 추정부(140)에서는, 추정 감염 기간의 환경 정보와, 무감염 기간의 환경 정보를 지정하여 비교한다. 추정 감염 기간의 환경 정보를 각각 PositiveBag(PB), 무감염 기간의 환경 정보를 각각 NegativeBag(NB)으로서 지정한다. 또한, 추정 감염 기간은, 11월 23일부터 11월 27일의 5일간이다.
여기에서 PB로 분류되는 일시에 대응하는 환경 정보를 각각, 11월 23일은 PB1으로 지정하고, 11월 24일은 PB2로 지정하고, 11월 25일은 PB3로 지정하고, 11월 26일은 PB4로 지정하고, 11월 27일은 PB5로 지정한다. 한편으로, NB로 분류되는 일시에 대응하는 환경 정보를 각각, 10월 20일은 NB1으로 지정하고, 10월 21일은 NB2로 지정한다.
환경 정보에 포함되는 인자를 모식적으로, 흰 원, 검정 원, 검정 삼각형, 흰 삼각형으로 나타내고 있다. 무감염 기간이 되는 10월 20일의 일시 E의 환경 정보 NB1에는, 흰 원이 4개, 검정 원이 2개, 검정 삼각형이 2개 포함되어 있으며, 10월 21일의 일시 D의 환경 정보 NB2에는, 흰 원이 4개, 검정 원이 3개, 검정 삼각형이 2개 포함되어 있다. 한편, 추정 감염 기간이 되는 일시에서는, 11월 23일의 환경 정보 PB1은, 흰 원이 4개, 검정 원이 2개, 검정 삼각형이 2개, 흰 삼각형이 3개 포함되어 있으며, 11월 24일의 환경 정보 PB2에는, 흰 원이 4개, 검정 원이 3개, 검정 삼각형이 하나, 흰 삼각형이 하나 포함되어 있다. 마찬가지로, 11월 25일의 환경 정보 PB3는, 흰 원이 3개, 검정 원이 3개, 검정 삼각형이 2개 포함되고, 11월 26일의 환경 정보 PB4에는, 흰 원이 4개, 검정 원이 2개, 검정 삼각형이 2개, 흰 삼각형이 3개 포함되고, 11월 27일의 환경 정보 PB5에는, 흰 원이 3개, 검정 원이 3개, 검정 삼각형이 2개, 흰색 삼각형이 하나 포함되어 있다.
여기에서, 감염 발생 추정부(140)에서는, 무감염 기간의 환경 정보 NB1 및 환경 정보 NB2와, 추정 감염 기간의 환경 정보 PB1 내지 환경 정보 PB5를 비교한다. 감염 발생 추정부(140)에서는, 이 비교에 의해, 무감염 기간의 환경 정보 NB1 및 환경 정보 NB2에는, 흰 삼각형이 포함되지 않고, 추정 감염 기간의 환경 정보 PB1 내지 환경 정보 PB5에는, 흰 삼각형이 포함되는 것을 파악한다. 이로써, 환경 정보의 인자 중 흰 삼각형이 발병으로 이어질 특징량 S인 것으로 하여 추출한다.
감염 발생 추정부(140)에서는, 추출한 특징량 S를 사용하여, 추가로 추정 감염 기간 중에서의, 상기 특징량 S의 변화에 의한 감염 확률을 산출한다. 도 4에서는, 무감염 기간 및 추정 감염 기간의 일시 X, 작물에 대한 발병으로부터 각 일시를 거슬러 올라간 일수 Y, 및 각 일시에서의 특징량의 변화 Z를 표로서 나타내고 있다. 또한, 구체적으로, 도 4에서는, 특징량 S를 습도(%)로서 나타내고 있다.
특징량의 변화 Z의 란에 주목하면, 습도(%)가 11월 23일은 95%, 11월 24일은 60%, 11월 25일은 55%, 11월 26일은 95%, 11월 27일은 50%이다. 한편, 무감염 기간에서의 습도는 10월 20일이 55%, 10월 21일이 60%이다. 이러한 특징량 S를 사용하여, 감염 발생 추정부(140)에서는, 추정 감염 기간 중으로부터 감염시를 추정한다.
예를 들어, 도 4에 나타낸 예에서는, 습도가 높을수록, 감염 확률은 높아기 때문에, 추정 감염 기간으로, 습도가 최고값이었던 11월 23일, 및 11월 26일이 감염시로 추정된다. 이러한 예에서는, 특징량의 값이 높아질수록, 감염 확률이 높아지는 경우를 들었지만, 특징량의 값이 낮아질수록, 감염 확률이 높아지는 경우라도 좋다.
추가로, 특징량의 변화가 급격할수록, 감염의 발생 확률이 높아지는 등, 특징량의 종류 및 특징량의 변화 추이에 따라, 감염의 발생 확률이 산출되어도 좋다. 또한, 감염 발생 추정부(140)에서는, 이와 같이, 추정 감염 기간 중에서, 복수의 감염 일시를 추정해도 좋고, 하나의 일시가 추정되어도 좋다.
감염 발생 추정부(140)에서는, 감염 확률에 임계값을 설정하여, 감염이 발생하였는지 여부를 판정해도 좋다. 예를 들어, 상기 임계값보다 높은 감염 확률을 나타낸 경우에, 감염시로서 추정해도 좋다. 한편으로, 상기 임계값보다 낮은 감염 확률을 나타낸 경우에는, 재차, 감염 발생 추정부(140)에서, 감염 확률의 산출을 행해도 좋다.
추가로, 감염 발생 추정부(140)에서는, 추정된 감염시의 신뢰성을 높이기 위해, 추정된 감염시가 적절한지 여부를 판정하고, 적절한 감염시를 선택하는 기능을 가져도 좋다. 예를 들어, 추정 감염 기간 중에서, 복수의 감염 일시가 추정된 경우에, 추정된 감염시가 적절하지 않다고 판정하여, 복수의 감염시로부터 보다 확실한 감염시를 선택해도 좋다. 본 기능은, 유저에 의해 행해져도 좋다. 즉, 추정된 복수의 감염시가, 유저에 의해 적절한지 여부가 판정되고, 상기 추정된 복수의 감염시 중에서 적절한 감염시가, 유저에 의해 선택되어도 좋다. 이와 같이 하여, 감염 발생 추정부(140)에서는, 감염시가 보다 정밀하게 추정된다.
((기계 학습부))
기계 학습부(150)는, 감염 발생 추정부(140)에 의해 추정된 감염시에서의 환경 정보에 관해서 기계 학습을 행하여, 현재 또는 미래의 감염 확률을 예측하기 위한 감염 예측 모델을 구축하는 기능을 갖는다. 감염 발생 추정부(140)에서는, 감염시가 추정되기 때문에, 발병으로 이어질 감염에 대하여, 환경 정보 중의 어느 인자가 감염을 발생시키는지 등의 정보가 축적된다. 이러한, 감염을 발생시키는 환경 정보를 기계 학습함으로써, 기계 학습부(150)에서는, 환경 정보 내의 각 인자와 감염과의 관계성을 나타낸 감염 예측 모델을 구축할 수 있다.
기계 학습부(150)는, 감염 예측 모델을 구축하고, 추가로, 기억부(120)에 출력한다. 기억부(120)에 기억된 감염 예측 모델은, 작물의 감염 예측에 적절하게 사용된다.
((감염 발생 예측부))
감염 발생 예측부(160)는, 기억부(120)에 기억된 감염 예측 모델과, 작물의 환경 정보의 현재값 또는 예측값을 사용하여, 감염 확률을 예측하는 기능을 갖는다. 여기에서, 작물의 환경 정보란, 병해충의 발병이 예측되는 작물에 대한 환경 정보이며, 재배 센서(300)에서 출력된 환경 정보와 기상 서버(400)에서 출력된 환경 정보 중 적어도 어느 한쪽에 의해 출력된 환경 정보라도 좋다.
현재값 또는 예측값이란, 작물에 대한 현재의 환경 정보 또는, 예측된 환경 정보를 나타낸다. 예를 들어, 현재값이란, 재배 센서(300)에 의해, 현재까지 연속하여 취득되는 환경 정보라도 좋고, 정기적으로 갱신 취득되는 환경 정보라도 좋다. 또한, 현재값이란, 정기적으로 갱신되지 않아도, 정보 처리 장치(100) 또는 유저의 지시 등에 의해, 적절히 취득되어도 좋다. 또한, 예측값이란, 현재값보다도 후의 미래의 환경 정보를 나타내고, 현재로부터 수 시간 후, 수 일 후, 수 주간 후 등의 예측값을 나타내고 있다. 예를 들어, 환경 정보의 예측값이란, 기상 서버(400)로부터 출력되는 기상 예보 등을 나타낸다.
감염 발생 예측부(160)는, 상술한 환경 정보의 현재값 또는 예측값을 사용하여, 감염이 발생할 확률의 예측을 행한다. 감염 확률은, 작물의 경시적인 변화에 대하여, 임의의 시점에서의 감염 확률이라도 좋고, 경시적인 변화에 대응하여, 연속된 감염 확률이라도 좋다. 또한, 확률뿐만 아니라, 감염이 발생하는지 여부를 예측해도 좋다. 또한, 과거에 대하여, 감염 확률을 예측해도 좋다.
또한, 감염 발생 예측부(160)는, 병해충의 종류별로 감염 확률을 산출해도 좋다. 이로써, 복수의 병충해에 대하여, 감염 확률을 예측할 수 있어, 병충해 대책의 강화가 가능하다.
감염 발생 예측부(160)는, 또한 예측된 감염 확률을 정보 처리 단말(200)에 출력하는 기능을 갖는다. 정보 처리 단말(200)에서는, 예를 들면, 표시부(230)에서 감염 확률을 표시하여, 유저에게 제시한다. 유저는, 감염 확률을 정보 처리 단말(200)에서 확인하여, 농약 등의 약제의 살포 등을 계획할 수 있다. 또한, 감염 확률의 출력처는 정보 처리 단말(200)에 한정되지 않고, 복수의 정보 처리 단말이라도 좋다.
<3. 동작 플로우>
이상까지, 정보 처리 시스템(1)의 기능 구성을 설명했다. 다음으로, 도 5 내지 도 7을 참조하여, 정보 처리 시스템(1)의 동작 플로우를 설명한다.
정보 처리 시스템(1)에서는, 대략적으로 2개의 처리를 행한다. 즉, 정보 처리 시스템(1)은, 우선 감염 예측 모델을 구축하고(S100), 다음으로, 구축한 감염 예측 모델을 사용하여, 감염 확률을 예측한다(S200). 이하 각각의 동작 플로우를 상세하게 설명한다.
(감염 예측 모델의 구축)
감염 예측 모델을 구축할 때에는, 우선, 정보 처리 장치(100)의 취득부(110)에서, 병해충 발생 정보 및 환경 정보의 취득이 행해진다(S102). 병해충 발생 정보는, 발병 일시를 나타내는 정보를 포함하고, 정보 처리 단말(200) 등을 통해, 정보 처리 장치(100)에 취득된다. 환경 정보는, 예를 들어, 작물의 재배 환경에 설치된 재배 센서(300) 또는 기상 서버(400)에서 출력된 정보이며, 재배 센서(300) 또는 기상 서버(400) 중 적어도 한쪽을 통해, 정보 처리 장치(100)에 취득될 수 있다.
다음으로, 정보 처리 장치(100)의 추정 감염 기간 결정부(130)에서, 추정 감염 기간 및 무감염 기간이 결정된다(S104). 추정 감염 기간은, 작물의 병해 감염이 적어도 하나는 발생한 기간이 포함된 기간이며, 무감염 기간은, 감염이 확인되어 있지 않은 기간이다.
여기서, 추정 감염 기간 결정부(130)에서는, 예를 들어, 추정 감염 기간 및 무감염 기간에서의 복수의 환경 정보에 대하여 Bag 번호의 부여를 행하고, 추정 감염 기간에 해당하는 환경 정보에 PositiveBag(PB) 번호를 부여하고, 무감염 기간에 해당하는 환경 정보에 NegativeBag(NB) 번호를 부여한다.
무감염 기간에 해당하는 환경 정보 NB를 선택할 때에는, 감염 예측 모델 구축의 대상이 되는 병해충의 발병이 확인된 병해 발생 정보의 이력에서, 무감염 기간에 해당하는 환경 정보에 NB 번호를 부여한다. 이때, 병해충 발생 정보로서, 복수의 농가에서 보고가 된 병해충 발생 정보를 사용함으로써, NB수를 늘려 감염 예측 모델의 정밀도를 높일 수 있다. 예를 들어, 어느 농가에서의 병해 발생 정보에 기초한 무감염 기간에서의 환경 정보에 NB1을 부여하고, 다른 농가에서의 병해 발생 정보에 기초한 무감염 기간에서의 환경 정보에 NB2를 부여한다. 이와 같이, 감염을 예측하는 작물과 동종의 작물, 및 감염 예측을 행하는 병해충과 동종의 병해충에 의한 감염에 대응하는 무감염 기간의 환경 정보에 NB 번호를 부여하여, NB 번호의 지정에 의해, 다음 처리에서 감염시가 추정된다.
다음으로, 감염 발생 추정부(140)는, 추정 감염 기간의 환경 정보 및 무감염 기간의 환경 정보를 비교하여, 추정 감염 기간 중에서 감염시의 추정을 행한다(S106). 상술한 PB 번호 및 NB 번호가 부여된 환경 정보를 비교해서, 감염이 발생하는 특징량을 추출하여, 감염시의 추정이 행해진다.
또한, 감염 발생 추정부(140)에서는, 추정된 감염시가 적절하게 추정된지 여부의 판정이 행해진다(S108). 예를 들어, 이 판정은, 추정된 감염시를 유저가 확인함으로써 행해져도 좋다.
추정된 감염시가 적절(S108/Yes)하면, 다음 처리로 이행한다. 한편, 추정된 감염시가 부적절(S108/No)하면, 재차, 감염 발생 추정부(140)에서, 추정 감염 기간의 환경 정보 및 무감염 기간의 환경 정보를 비교하여, 감염시의 추정을 행해도 좋다.
또한, 추정된 감염시가 부적절하다는 것은, 추정 감염 기간 내에서 추정된 감염시가 복수 있는 경우, 또는, 감염시의 추정에 있어서, 감염의 확률이 적절한 범위로서, 임계값 범위가 설정됐을 때에, 감염 확률이 임계값 범위로부터 벗어나는 경우 등을 들 수 있다.
다음으로, 감염 발생 추정부(140)에서는, 추정한 감염시의 확정 처리가 행해진다(S110). 전처리에서 추정된 감염시가 적절(S108/Yes)하면, 그대로 감염시의 확정 처리가 행해진다. 한편, 추정된 감염시가 부적절(S108/No)한 경우에는, 재차 감염시의 추정을 행하지 않고도, 추정된 감염시로부터, 가장 감염의 확실성이 높은 감염시를 유저 등이 선택하여, 감염시를 확정시켜도 좋다.
다음으로, 기계 학습부(150)에서는, 감염시 추정에서의 감염시의 환경 정보에 관해서 기계 학습을 행하여, 감염 예측 모델을 구축한다(S112).
(감염 예측 모델을 사용한 감염 예측)
이상까지, 감염 예측 모델 구축을 행할 때까지의 동작 플로우를 설명했다. 다음으로, 상기 감염 예측 모델을 사용한 작물의 병해충 감염 예측에 관해서 도 7을 참조하여 설명을 행한다.
우선, 감염 발생 예측부(160)에서는, 기억부(120)로부터 감염 예측 모델을 취득한다(S202). 기억부(120)에는, 상술한 방법으로 구축된 감염 예측 모델이 기억되어 있으며, 감염 발생 예측부(160)의 지시에 의해, 기억부(120)로부터 감염 예측 모델이 출력된다.
추가로, 감염 발생 예측부(160)에서는, 기억부(120)에 기억된 환경 정보의 현재값 또는 예측값을 취득한다(S204). 기억부(120)에는, 재배 센서(300) 또는 기상 서버(400)로부터 취득된 환경 정보의 현재값 또는 예측값이 기억되어 있으며, 감염 발생 예측부(160)의 지시에 의해, 기억부(120)로부터 환경 정보의 현재값 또는 예측값이 출력된다.
다음으로, 감염 발생 예측부(160)에서는, 감염 예측 모델과 작물의 환경 정보의 현재값 또는 예측값을 사용하여 감염 확률을 예측한다(S206).
감염 발생 예측부(160)는, 예측된 감염 확률을 출력한다(S208). 출력처는, 예를 들면, 정보 처리 단말(200) 등의 감염 확률을 필요로 하는 유저가 소지하는 단말이라도 좋고, 컴퓨터 또는 스마트폰 등의 단말이라도 좋다.
이상과 같은, 동작 플로우에 의해 정보 처리 시스템(1)에서, 감염시의 추정이 정밀하게 행해진다. 추가로, 작물에 대한 현재 이후의 감염 확률을 예측할 수도 있다.
<4. 하드웨어 구성예>
다음으로, 도 8을 참조하여, 본 실시형태에 따른 정보 처리 장치의 하드웨어 구성에 대하여 설명한다. 도 8은, 본 실시형태에 따른 정보 처리 시스템(1)의 하드웨어 구성의 일례를 나타내는 블록도이다. 또한, 도 8에 나타내는 정보 처리 장치(900)는, 예를 들어, 도 3에 나타낸 정보 처리 시스템(1)을 실현할 수 있다. 본 실시형태에 따른 정보 처리 시스템(1)에 의한 정보 처리는, 소프트웨어와, 이하에 설명하는 하드웨어의 협동에 의해 실현된다.
도 8에 나타내는 바와 같이, 정보 처리 장치(900)는, CPU(Central Processing Unit)(901), ROM(Read Only Memory)(902), RAM(Random Access Memory)(903) 및 호스트 버스(904a)를 구비한다. 또한, 정보 처리 장치(900)는, 브릿지(904), 외부 버스(904b), 인터페이스(905), 입력 장치(906), 출력 장치(907), 스토리지 장치(908), 드라이브(909), 접속 포트(911) 및 통신 장치(913)를 구비한다. 정보 처리 장치(900)는, CPU(901) 대신에, 또는 이와 함께, 전기 회로, DSP(Digital Signal Processor) 혹은 ASIC(Application Specific Integrated Circuit) 등의 처리 회로를 가져도 좋다.
CPU(901)는, 연산 처리 장치 및 제어 장치로서 기능하고, 각종 프로그램에 따라 정보 처리 장치(900) 내의 동작 전반을 제어한다. 또한, CPU(901)는, 마이크로 프로세서라도 좋다. ROM(902)은, CPU(901)가 사용하는 프로그램이나 연산 파라미터 등을 기억한다. RAM(903)은, CPU(901)의 실행에서 사용하는 프로그램이나, 그 실행에서 적절하게 변화하는 파라미터 등을 일시 기억한다. CPU(901)는, 예를 들어, 도 3에 나타내는 정보 처리 장치(100) 또는 정보 처리 단말(200)의 기능을 실행할 수 있다.
CPU(901), ROM(902) 및 RAM(903)은, CPU 버스 등을 포함하는 호스트 버스(904a)에 의해 상호 접속되어 있다. 호스트 버스(904a)는, 브릿지(904)를 통해서, PCI(Peripheral Component Interconnect/Interface) 버스 등의 외부 버스(904b)에 접속되어 있다. 또한, 반드시 호스트 버스(904a), 브릿지(904) 및 외부 버스(904b)를 분리 구성할 필요는 없고, 하나의 버스에 이러한 기능을 실장해도 좋다.
입력 장치(906)는, 예를 들어, 마우스, 키보드, 터치 패널, 버튼, 마이크로폰, 스위치 및 레버 등, 유저에 의해서 정보가 입력되는 장치에 의해 실현된다. 또한, 입력 장치(906)는, 예를 들어, 적외선이나 기타 전파를 이용한 리모트 컨트롤 장치라도 좋고, 정보 처리 장치(900)의 조작에 대응한 휴대 전화나 PDA(Personal Digital Assistant) 등의 외부 접속 기기라도 좋다. 추가로, 입력 장치(906)는, 예를 들어, 상기의 입력 수단을 사용하여 유저에 의해 입력된 정보에 기초하여 입력 신호를 생성하고, CPU(901)에 출력하는 입력 제어 회로 등을 포함하고 있어도 좋다. 정보 처리 장치(900)의 유저는, 이 입력 장치(906)를 조작함으로써, 정보 처리 장치(900)에 대하여 각종의 데이터를 입력하거나 처리 동작을 지시하거나 할 수 있다. 입력 장치(906)는, 도 3에 나타내는 정보 처리 단말(200)의 입력부(210)에 대응해도 좋다.
출력 장치(907)는, 취득한 정보를 유저에 대하여 시각적 또는 청각적으로 통지하는 것이 가능한 장치로 형성된다. 이러한 장치로서, CRT(Cathode Ray Tube) 디스플레이 장치, 액정 디스플레이 장치, 플라즈마 디스플레이 장치, EL(electroluminescence) 디스플레이 장치, 레이저 프로젝터, LED 프로젝터 및 램프 등의 표시 장치나, 스피커 및 헤드폰 등의 음성 출력 장치 등이 있다. 출력 장치(907)는, 예를 들어, 정보 처리 장치(900)가 행한 각종 처리에 의해 얻어진 결과를 출력한다. 구체적으로는, 출력 장치(907)는, 정보 처리 장치(900)가 행한 각종 처리에 의해 얻어진 결과를, 텍스트, 이미지, 표, 그래프 등, 다양한 형식으로 시각적으로 표시한다. 한편, 음성 출력 장치를 사용하는 경우는, 재생된 음성 데이터나 음향 데이터 등으로 이루어진 오디오 신호를 아날로그 신호로 변환하여 청각적으로 출력한다. 출력 장치(907)는, 예를 들어, 도 3에 나타내는 정보 처리 단말(200)의 표시부(230)의 기능을 실행할 수 있다.
스토리지 장치(908)는, 정보 처리 장치(900)의 기억부의 일례로서 형성된 데이터 격납용의 장치이다. 스토리지 장치(908)는, 예를 들어, HDD(Hard Disk Drive) 등의 자기 기억부 디바이스, 반도체 기억 디바이스, 광 기억 디바이스 또는 광 자기 기억 디바이스 등에 의해 실현된다. 스토리지 장치(908)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. 이 스토리지 장치(908)는, CPU(901)가 실행하는 프로그램이나 각종 데이터 및 외부로부터 취득한 각종 데이터 등을 격납한다. 스토리지 장치(908)는, 예를 들어, 도 3에 나타내는 정보 처리 장치(100)의 기억부(120)의 기능을 실행할 수 있다.
드라이브(909)는, 기억 매체용 리더/라이터이며, 정보 처리 장치(900)에 내장, 혹은 외장된다. 드라이브(909)는, 장착되어 있는 자기 디스크, 광 디스크, 광 자기 디스크, 또는 반도체 메모리 등의 리무버블 기억 매체에 기록되어 있는 정보를 판독하여, RAM(903)에 출력한다. 또한, 드라이브(909)는, 리무버블 기억 매체에 정보를 기록할 수도 있다.
접속 포트(911)는, 외부 기기와 접속되는 인터페이스로서, 예를 들면 USB(Universal Serial Bus) 등에 의해 데이터 전송 가능한 외부 기기와의 접속구이다.
통신 장치(913)는, 예를 들어, 네트워크(920)에 접속하기 위한 통신 디바이스 등으로 형성된 통신 인터페이스이다. 통신 장치(913)는, 예를 들어, 유선 혹은 무선 LAN(Local Area Network), LTE(Long Term Evolution), Bluetooth(등록 상표) 또는 WUSB(Wireless USB)용의 통신 카드 등이다. 또한, 통신 장치(913)는, 광 통신용의 라우터, ADSL(Asymmetric Digital Subscriber Line)용의 라우터 또는 각종 통신용의 모뎀 등이라도 좋다. 이 통신 장치(913)는, 예를 들어, 인터넷이나 다른 통신 기기와의 사이에서, 예를 들어 TCP/IP 등의 소정의 프로토콜에 따라서 신호 등을 송수신할 수 있다. 통신 장치(913)는, 예를 들어, 도 3에 나타내는 재배 센서(300)의 통신부(220), 또는 정보 처리 단말(200)의 통신부(220) 등의 기능을 실행할 수 있다.
또한, 네트워크(920)는, 네트워크(920)에 접속되어 있는 장치로부터 송신되는 정보의 유선, 또는 무선의 전송로이다. 예를 들어, 네트워크(920)는, 인터넷, 전화 회선망, 위성 통신망 등의 공중 회선망이나, Ethernet(등록 상표)을 포함한 각종 LAN(Local Area Network), WAN(Wide Area Network) 등을 포함해도 좋다. 또한, 네트워크(920)는, IP-VPN(Internet Protocol-Virtual Private Network) 등의 전용 회선망을 포함해도 좋다.
또한, 정보 처리 시스템(1)에 내장되는 CPU, ROM 및 RAM 등의 하드웨어를 상술한 본 실시형태에 따른 정보 처리 시스템(1)의 각 구성과 동등한 기능을 발휘시키기 위한 컴퓨터 프로그램도 작성 가능하다. 또한, 상기 컴퓨터 프로그램을 기억시킨 기록 매체도 제공된다.
<5. 변형예>
이상까지, 본 발명이, 작물에 대한 피해 발생으로 이어질 사상의 발생을 추정하는 경우, 병충해의 발생을 주로 예로서 설명했다. 본 발명은, 이러한 예에 한정되지 않고, 피해 발생과 피해로 이어질 사상 발생이 동시에 일어나지 않는 사례에 관하여 적용 가능하다. 본 발명은, 구체적으로는, 동물의 감염증, 동물의 식중독 발생 등에 대해서도 사용할 수 있다.
(동물의 감염증)
본 실시형태에서는, 작물에 병충해가 발생하는 예를 들어서 설명했지만, 본 발명은, 동물이 감염증을 발병했을 때의 감염 일시의 특정에 적용 가능하다. 동물이 감염증을 발증할 때까지는, 감염증의 감염이 일어나고, 상기 감염증의 잠복 기간을 거쳐, 상기 감염증이 발증한다. 동물의 감염증의 경우, 감염증이 발증하고나서 보다도, 발증 전, 특히 감염 전후에 약제를 복약하는 편이, 감염증 억제 효과가 높은 경우가 많다. 따라서, 동물을 생육시키는 데에, 감염 확률을 예측하는 것은 중요하다.
동물의 감염증에 있어서, 본 발명이 적용되는 경우에는, 동물에 대한 피해 발생시, 즉 감염증 발생 일시를 포함하는 감염증 발생 정보와, 동물의 생육 환경을 포함한 환경 정보가 취득된다. 감염증 발생 정보를 사용하여, 동물에 감염증이 감염된 것으로 의심되는 기간을 추정 사상 발생 기간, 감염 의심이 없는 기간을 무사상 기간으로 한다.
상기 추정 사상 발생 기간과 상기 무사상 기간의 생육 환경 정보를 비교하여, 생육 환경 정보 중에서 감염증에 감염되는 인자가 되는 특징량을 추출한다. 이 특징량을 사용하여, 상기 추정 사상 발생 기간으로부터, 사상 발생시를 추정한다.
(동물의 식중독 발생)
본 발명은, 동물이 식중독을 발생했을 때에, 원인 식품의 특정, 또는 독 섭취 시기의 특정 등에도 적용 가능하다. 동물이 식중독을 발병할 때까지는, 식중독의 섭취, 식중독을 일으키는 바이러스 또는 균 등의 증식이 일어난다. 증식이 임계값을 초과하는 경우에, 동물에 대하여 식중독의 증상이 발증한다. 식중독의 경우, 바이러스 또는 균 등의 증식이 일어나기 전에, 약제를 복용함으로써 식중독의 증상이 완화 또는 억제될 가능성이 높아진다. 또한, 식중독의 원인에 따라, 복약하는 약제도 다르기 때문에, 식중독의 원인이 특정되는 것은, 증상을 완화하는 데 중요해진다.
동물의 식중독에 있어서, 본 발명이 적용되는 경우에는, 식중독의 발증시가 피해 발생시로 된다. 즉, 식중독 발증 일시를 포함하는 식중독 발생 정보와, 동물이 식품 등을 섭취한 섭취 정보가 취득된다. 이 식중독 발생 정보를 사용하여, 식중독의 원인이 되는 식품 등을 섭취한 것으로 의심되는 기간을 추정 사상 발생 기간, 섭취 의심이 없는 기간을 무사상 기간으로 한다.
상기 추정 사상 발생 기간과 상기 무사상 기간의 섭취 정보를 비교하여, 섭취 정보 중에서 식중독의 원인이 되는 특징량, 즉 식품 등을 추출한다. 이 특징량을 사용하여, 상기 추정 사상 발생 기간으로부터, 사상 발생시를 추정할 수 있다.
이상, 첨부 도면을 참조하면서 본 발명의 적합한 실시형태에 대하여 상세하게 설명했지만, 본 발명은 이러한 예에 한정되지 않는다. 본 발명이 속하는 기술의 분야에서의 통상의 지식을 가진 자라면, 특허청구의 범위에 기재된 기술적 사상의 범주 내에서, 각종의 변경예 또는 수정예에 상도할 수 있는 것은 분명하며, 이들에 대해서도, 당연히 본 발명의 기술적 범위에 속하는 것으로 이해된다.
100 정보 처리 장치
110 취득부
120 기억부
130 추정 감염 기간 결정부
140 감염 발생 추정부
150 기계 학습부
160 감염 발생 예측부
200 정보 처리 단말
210 입력부
220 통신부
230 표시부
300 재배 센서
310 센서부
320 통신부
400 기상 서버

Claims (9)

  1. 병해충에 의한 작물에 대한 피해 발생시의 정보를 포함하는 병해충 발생 정보 및 상기 작물의 재배 환경을 포함한 환경 정보를 취득하는, 취득부와,
    상기 병해충 발생 정보를 사용하여, 상기 작물에 대한 상기 피해 발생으로 이어질 사상이 발생한 것으로 의심되는 추정 사상 발생 기간과 상기 피해 발생으로 이어질 상기 사상이 발생하고 있지 않은 무사상 기간을 결정하는, 사상 기간 결정부와,
    상기 추정 사상 발생 기간의 상기 환경 정보와, 상기 무사상 기간의 상기 환경 정보를 비교하여, 상기 추정 사상 발생 기간으로부터 상기 사상이 발생한 사상 발생시를 추정하는, 사상 추정부를 구비하는, 정보 처리 장치.
  2. 제 1 항에 있어서, 상기 사상 추정부는, 상기 추정 사상 발생 기간의 상기 환경 정보 중에서, 상기 피해 발생에 영향을 주는 특징량을 추출하는, 정보 처리 장치.
  3. 제 2 항에 있어서, 상기 특징량을 사용하여, 상기 추정 사상 발생 기간에서의 상기 사상이 발생할 사상 발생 확률을 산출하고,
    상기 사상 발생 확률에 기초하여, 상기 사상 발생시를 추정하는, 정보 처리 장치.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서, 상기 추정 사상 발생 기간은, 상기 작물에 대한 상기 피해 발생시보다도 전의 기간이고, 상기 사상 발생시를 포함하는 기간이 적어도 하나 이상 포함되는, 정보 처리 장치.
  5. 제 3 항에 있어서, 상기 사상 추정부에 의해 추정된 상기 사상 발생시에서의 상기 환경 정보에 관하여 기계 학습을 행함으로써, 상기 사상 발생 확률을 예측하기 위한 사상 발생 예측 모델을 구축하는 기계 학습부를 구비하는, 정보 처리 장치.
  6. 제 5 항에 있어서, 상기 사상 발생 예측 모델과, 상기 작물의 상기 환경 정보의 현재값 또는 예측값을 사용하여, 상기 작물의 상기 사상 발생 확률을 예측하는, 정보 처리 장치.
  7. 제 6 항에 있어서, 상기 병해충의 종류별로 상기 사상 발생 확률을 출력하는 출력부를 구비하는, 정보 처리 장치.
  8. 컴퓨터를,
    병해충에 의한 작물에 대한 피해 발생시의 정보를 포함하는 병해충 발생 정보 및 상기 작물의 재배 환경을 포함한 환경 정보를 취득하는, 취득부와,
    상기 병해충 발생 정보를 사용하여, 상기 작물에 대한 상기 피해 발생으로 이어질 사상이 발생한 것으로 의심되는 추정 사상 발생 기간과 상기 피해 발생으로 이어질 상기 사상이 발생하고 있지 않은 무사상 기간을 결정하는, 사상 기간 결정부와,
    상기 추정 사상 발생 기간의 상기 환경 정보와, 상기 무사상 기간의 상기 환경 정보를 비교하여, 상기 추정 사상 발생 기간으로부터 상기 사상이 발생한 사상 발생시를 추정하는, 사상 추정부로서 기능시키기 위한 프로그램.
  9. 병해충에 의한 작물에 대한 피해 발생시의 정보를 포함하는 병해충 발생 정보 및 상기 작물의 재배 환경을 포함한 환경 정보를 취득하는, 취득부와,
    상기 병해충 발생 정보를 사용하여, 상기 작물에 대한 상기 피해 발생으로 이어질 사상이 발생한 것으로 의심되는 추정 사상 발생 기간과 상기 피해 발생으로 이어질 상기 사상이 발생하고 있지 않은 무사상 기간을 결정하는, 사상 기간 결정부와,
    상기 추정 사상 발생 기간의 상기 환경 정보와, 상기 무사상 기간의 상기 환경 정보를 비교하여, 상기 추정 사상 발생 기간으로부터 상기 사상이 발생한 사상 발생시를 추정하는, 사상 추정부를 포함하는, 정보 처리 시스템.
KR1020207037211A 2018-07-02 2019-06-04 정보 처리 장치, 정보 처리 시스템, 및 프로그램 KR20210025015A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018126001 2018-07-02
JPJP-P-2018-126001 2018-07-02
PCT/JP2019/022084 WO2020008777A1 (ja) 2018-07-02 2019-06-04 情報処理装置、情報処理システム、およびプログラム

Publications (1)

Publication Number Publication Date
KR20210025015A true KR20210025015A (ko) 2021-03-08

Family

ID=69059550

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207037211A KR20210025015A (ko) 2018-07-02 2019-06-04 정보 처리 장치, 정보 처리 시스템, 및 프로그램

Country Status (7)

Country Link
US (1) US20210248691A1 (ko)
EP (1) EP3819856A4 (ko)
KR (1) KR20210025015A (ko)
CN (1) CN112400184A (ko)
AU (2) AU2019297721A1 (ko)
BR (1) BR112020026869A2 (ko)
WO (1) WO2020008777A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6828926B1 (ja) * 2020-02-25 2021-02-10 株式会社Ｅｃｏ‐Ｐｏｒｋ 疾病情報管理システム、疾病情報管理サーバ、疾病情報管理方法、及び疾病情報管理プログラム
EP4203671A1 (en) * 2020-08-31 2023-07-05 Bayer CropScience K.K. Information processing device and information processing system
CN113115679B (zh) * 2021-04-21 2023-04-07 中国农业科学院农业信息研究所 一种基于苹果病害预测的智能调控方法及其装置
JP7416025B2 (ja) * 2021-07-30 2024-01-17 横河電機株式会社 栽培支援システム、栽培支援方法、及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11287871A (ja) 1998-03-31 1999-10-19 Ntt Data Corp 病害虫の発生予察及び情報提供のためのシステム並びに方法
JP2003167975A (ja) 2001-11-30 2003-06-13 Fujitsu Ltd 病害虫の対応策情報提供方法、プログラム、記録媒体及びシステム
JP2009106261A (ja) 2007-10-30 2009-05-21 Asuzac Inc 作物の栽培支援装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2466978A1 (en) * 2004-05-07 2005-11-07 Isca Technologies, Inc. Method for pest management using pest identification sensors and network accessible database
KR20090002711A (ko) * 2007-07-04 2009-01-09 순천대학교 산학협력단 무선 센서 네트워크를 이용한 병해충 예측 관리 시스템
CN103616482B (zh) * 2013-12-04 2015-10-28 吉林省农业科学院 害虫发生期自动预警仪
US20160232621A1 (en) * 2015-02-06 2016-08-11 The Climate Corporation Methods and systems for recommending agricultural activities
CN106960267B (zh) * 2016-01-08 2021-01-12 生态环境部南京环境科学研究所 一种食叶类农业虫害风险评估方法
US9563852B1 (en) * 2016-06-21 2017-02-07 Iteris, Inc. Pest occurrence risk assessment and prediction in neighboring fields, crops and soils using crowd-sourced occurrence data
CN109643431A (zh) * 2016-09-07 2019-04-16 博世株式会社 信息处理装置和信息处理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11287871A (ja) 1998-03-31 1999-10-19 Ntt Data Corp 病害虫の発生予察及び情報提供のためのシステム並びに方法
JP2003167975A (ja) 2001-11-30 2003-06-13 Fujitsu Ltd 病害虫の対応策情報提供方法、プログラム、記録媒体及びシステム
JP2009106261A (ja) 2007-10-30 2009-05-21 Asuzac Inc 作物の栽培支援装置

Also Published As

Publication number Publication date
BR112020026869A2 (pt) 2021-04-06
US20210248691A1 (en) 2021-08-12
AU2023200270A1 (en) 2023-02-16
EP3819856A4 (en) 2021-10-06
EP3819856A1 (en) 2021-05-12
WO2020008777A1 (ja) 2020-01-09
AU2019297721A1 (en) 2021-02-25
JPWO2020008777A1 (ja) 2021-07-08
CN112400184A (zh) 2021-02-23

Similar Documents

Publication Publication Date Title
KR20210025015A (ko) 정보 처리 장치, 정보 처리 시스템, 및 프로그램
Early et al. Forecasting the global extent of invasion of the cereal pest Spodoptera frugiperda, the fall armyworm
EP3482630B1 (en) Method, system and computer program for performing a pest forecast
Knape et al. Effects of weather and climate on the dynamics of animal population time series
CN106940824B (zh) 用于估计有效害虫严重程度指数的系统和方法
Borgmann et al. The nest-concealment hypothesis: new insights from a comparative analysis
US11564384B2 (en) Manage and control pests infestation using machine learning in conjunction with automated devices
Dhau et al. Testing the capability of spectral resolution of the new multispectral sensors on detecting the severity of grey leaf spot disease in maize crop
Chappell et al. Interacting virus abundance and transmission intensity underlie tomato spotted wilt virus incidence: an example weather-based model for cultivated tobacco
Stack Whitney et al. Explicit modeling of abiotic and landscape factors reveals precipitation and forests associated with aphid abundance
WO2020137085A1 (ja) 情報処理装置及び情報処理システム
Knutson et al. A degree-day model initiated by pheromone trap captures for managing pecan nut casebearer (Lepidoptera: Pyralidae) in pecans
Law et al. Forest bat population dynamics over 14 years at a climate refuge: effects of timber harvesting and weather extremes
WO2020184241A1 (ja) 農作物の収穫量予測プログラム、栽培環境判別プログラム
JP2021057071A (ja) 農作物の栽培方法提案プログラム及びシステム
He et al. Modeling the potential global distribution of light brown apple moth Epiphyas postvittana (Lepidoptera: Tortricidae) using CLIMEX
Demirel et al. Artificial intelligence in integrated pest management
Reboud et al. Effective biodiversity monitoring could be facilitated by networks of simple sensors and a shift to incentivising results
JP7511470B2 (ja) 情報処理装置、情報処理システム、およびプログラム
Gow et al. Survival and habitat use by fledgling northern flickers in a fragmented forest landscape
Enders et al. Spatiotemporal distribution and environmental drivers of Barley yellow dwarf virus and vector abundance in Kansas
Bebber et al. Biotic interactions and climate in species distribution modelling
Parry et al. Having your cake and eating it: a modelling framework to combine process-based population dynamics and dispersal simulation
Neufeld et al. Evaluation of a Model for Predicting the Infection Risk of Squash and Cantaloupe by Pseudoperonospora cubensis
EP3839871A1 (en) Information processing device and program

Legal Events

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