KR20230119567A - 정보 처리 시스템 및 분광 계측기 - Google Patents

정보 처리 시스템 및 분광 계측기 Download PDF

Info

Publication number
KR20230119567A
KR20230119567A KR1020220028113A KR20220028113A KR20230119567A KR 20230119567 A KR20230119567 A KR 20230119567A KR 1020220028113 A KR1020220028113 A KR 1020220028113A KR 20220028113 A KR20220028113 A KR 20220028113A KR 20230119567 A KR20230119567 A KR 20230119567A
Authority
KR
South Korea
Prior art keywords
data
plant
light source
wavelengths
light
Prior art date
Application number
KR1020220028113A
Other languages
English (en)
Inventor
유키히로 다카하시
다츠하루 오노
노부야스 나루세
유리노 이시다
Original Assignee
국립대학법인 홋가이도 다이가쿠
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 국립대학법인 홋가이도 다이가쿠 filed Critical 국립대학법인 홋가이도 다이가쿠
Publication of KR20230119567A publication Critical patent/KR20230119567A/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
    • G01J3/0227—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using notch filters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0264—Electrical interface; User interface
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0275—Details making use of sensor-related data, e.g. for identification of sensor parts or optical elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N21/03—Cuvette constructions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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"
    • 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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N2021/4704—Angular selective
    • G01N2021/4711—Multiangle measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/061—Sources
    • G01N2201/0616—Ambient light is used
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098—Plants or trees
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G01N33/025—Fruits or vegetables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Medicinal Chemistry (AREA)
  • Botany (AREA)
  • Wood Science & Technology (AREA)
  • Food Science & Technology (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Computational Mathematics (AREA)

Abstract

(과제) 장래의 식물 상태 및/또는 수확에 관한 정보를 취득하기 위해서 필요한 파장을, 측정 조건을 고려하여 결정하는 기술을 제공한다.
(해결수단) 정보 처리 시스템은, 기억 장치와, 인터페이스 장치와, 연산 회로를 구비하고 있다. 기억 장치는, 광원으로부터의 광에 관한 스펙트럼 데이터 및 광의 측정 시의 측정 조건 데이터와, 식물의 생장에 관련하는 식물 상태 데이터 및/또는 수확 결과 데이터를 미리 대응시킨 데이터베이스를 저장한다. 인터페이스 장치는, 식물에 대해, 사용자에 의한 측정 시에 적용되는 사용자 측정 조건으로서, 측정 시의 각도에 관한 데이터, 및 예측하고 싶은 식물 상태 및/또는 수확 결과에 관한 데이터를 포함하는 사용자 측정 조건의 입력을 받는다. 연산 회로는, 사용자 측정 조건에 근거하여 데이터베이스를 참조하는 것에 의해, 사용자 측정 조건 하에서 측정해야 할, 광원으로부터의 광에 포함되는 적어도 2개의 파장을 결정한다.

Description

정보 처리 시스템 및 분광 계측기{INFORMATION PROCESSING SYSTEM AND SPECTROSCOPIC INSTRUMENT}
본 개시는, 정보 처리 시스템 및 분광 계측기에 관한 것이다.
특허문헌 1은, 측정 대상에 광을 비추어 측정 대상을 촬상하고, 측정 대상 그 자체의 종류나 특징 등의 정보를 구하는 기술을 개시한다. 보다 구체적으로는, 특허문헌 1의 정보 시스템은, 특정해야 할 측정 대상을 포함하는 물품의 분광 정보를 나타내는 데이터베이스를 갖고 있다. 데이터베이스는 측정 대상을 특정할 수 있는 특정의 파장 영역, 또는 특정 파장에 관한 정보도 더 포함하고 있다. 정보 시스템은, 측정 대상으로부터의 반사광을 받고, 특정의 파장 영역의 광을 촬상하여 분광 정보(분광 화상)를 취득한다. 정보 시스템은, 얻어진 분광 화상과 데이터베이스를 이용하여 촬상된 측정 대상의 특정을 행하고, 측정 대상의 종류나 특징, 촬상 영역에 있어서의 존재의 유무 등의 정보를 구한다.
[특허문헌 1] 일본 공개특허공개 제2020－122681호 공보
특허문헌 1의 기술에서는, 측정 대상을 특정할 수 있는 특정 파장을 구해 두고, 그 특정 파장의 광을 검출함으로써 측정 대상을 특정한다. 특정 파장은 측정 대상마다 미리 결정되어 있고, 촬영 조건에 관계없이 고정되어 있다. 또, 특허문헌 1의 기술은, 현재의 측정 대상의 특징 등을 구하는 것은 가능하지만, 그 측정 대상이 장래 어떠한 특징을 구비하는지를 판단할 수는 없다.
본 개시의 목적 중 하나는, 장래의 식물 상태 및/또는 수확에 관한 정보를 취득하기 위해서 필요한 파장을, 측정 조건을 고려하여 결정하는 것이다. 또 본 개시의 다른 목적은, 그와 같이 하여 결정한 파장으로부터, 그 식물의 장래 상태 및/또는 수확에 관한 정보를 예측하는 것이다.
본 개시의 한 태양에 따른 정보 처리 시스템은, 기억 장치와, 인터페이스 장치와, 연산 회로를 구비한다. 기억 장치는 광원으로부터의 광에 관한 스펙트럼 데이터 및 광의 측정 시의 측정 조건 데이터와, 식물의 생장에 관련하는 식물 상태 데이터 및/또는 수확 결과 데이터를 미리 대응시킨 데이터베이스를 저장한다. 인터페이스 장치는, 식물에 대해, 사용자에 의한 측정 시에 적용되는 사용자 측정 조건으로서, 측정 시의 각도에 관한 데이터, 및 예측하고 싶은 식물 상태 및/또는 수확 결과에 관한 데이터를 포함하는 사용자 측정 조건의 입력을 받는다. 연산 회로는, 사용자 측정 조건에 근거하여 데이터베이스를 참조하는 것에 의해, 사용자 측정 조건 하에서 측정해야 할, 광원으로부터의 광에 포함되는 적어도 2개의 파장을 결정한다.
본 개시의 한 태양에 따른 정보 처리 시스템에 있어서, 연산 회로는, 복수의 파장으로부터, 서로 다른 2개의 파장의 조를 선택하고, 복수의 장소의 각각에 있어서의 상기 2개의 파장의 조의 지표치를 산출하고, 복수의 장소의 각각에 있어서의 식물 상태 및/또는 수확 결과를 취득하고, 지표치와 식물 상태 및/또는 수확 결과의 상관의 정도를 나타내는 상관 계수를 산출하고, 상관 계수가 0.7 이상을 나타내는 2개의 파장의 조를, 적어도 2개의 파장으로서 결정한다.
본 개시의 한 태양에 따른 분광 계측기는, 상술한 정보 처리 시스템에 의해 결정된 적어도 2개의 파장의 광을 각각 통과시키는 광학 필터와, 광학 필터를 투과한, 적어도 2개의 파장의 광을 검출하는 이미지 센서를 구비하고 있다.
본 개시의 다른 한 태양에 따른 정보 처리 시스템은, 기억 장치와, 인터페이스 장치와, 연산 회로를 구비한다. 기억 장치는, 광원으로부터의 광에 관한 스펙트럼 데이터 및 광의 측정 시의 측정 조건 데이터와, 식물의 생장에 관련하는 식물 상태 데이터 및/또는 수확 결과 데이터를 미리 대응시킨 데이터베이스를 저장한다. 인터페이스 장치는, 상술한 분광 계측기를 이용한 식물의 촬영시의 촬영 조건으로서, 촬영시의 적어도 2개의 파장의 광의 강도, 식물로부터의 반사광의 강도, 광원과 분광 계측기의 방위각차, 분광 계측기의 앙각, 및, 광원의 앙각의 데이터를 포함하는 촬영 조건의 입력을 받는다. 연산 회로는, 촬영 조건, 및, 적어도 2개의 파장의 각 값에 근거하여 데이터베이스를 참조하는 것에 의해, 식물의 장래 상태 및/또는 수확 결과를 예측한다.
본 개시의 임의의 태양에 의하면, 식물의 장래 상태 및/또는 수확에 관한 정보를 취득하기 위해서 필요한 파장을, 측정 조건을 고려하여 결정하는 것이 가능하다.
또 본 개시의 다른 태양에 의하면, 그와 같이 하여 결정한 파장으로부터, 그 식물의 장래의 식물 상태 및/또는 수확에 관한 정보를 예측하는 것이 가능하다.
도 1은 예시적인 실시의 형태에 따른 분광 계측기(1)의 사용예의 개략도,
도 2는 예시적인 실시의 형태에 의한 데이터베이스 DB1의 데이터 구조의 일례를 나타내는 도면,
도 3은 분광 계측기(1)에 의한 광원(12)에 대한 대상물(11)로부터의 반사 스펙트럼의 측정의 설명도,
도 4는 건강시 및 물 부족시의 가이와레 무의 파장-분광 반사율 특성을 나타내는 그래프,
도 5는 대상물(11)인 가이와레 무에 대해 광원(12)이 취할 수 있는 각도(θ2)와, 반사광을 측정하는 분광 계측기(1)인 LCTF 카메라가 취할 수 있는 각도(θ1)의 예를 나타내는 도면,
도 6a는 가이와레 무에 대한 각도에 따른 분광 반사율의 차이를 나타내는 삼차원 그래프,
도 6b는 완두순에 대한 각도에 따른 분광 반사율의 차이를 나타내는 삼차원 그래프,
도 7은 분광 계측기(1)와 대상물(11)인 벼의 각도를 나타내는 도면,
도 8a는 복각(伏角)이 5˚인 경우에 있어서의, 분광 계측기(1)에 의해 취득되는 벼의 화상을 나타내는 도면,
도 8b는 복각이 15˚인 경우에 있어서의, 분광 계측기(1)에 의해 취득되는 벼의 화상을 나타내는 도면,
도 8c는 복각이 28˚인 경우에 있어서의, 분광 계측기(1)에 의해 취득되는 벼의 화상을 나타내는 도면,
도 8d는 복각이 37˚인 경우에 있어서의, 분광 계측기(1)에 의해 취득되는 벼의 화상을 나타내는 도면,
도 8e는 복각이 48˚인 경우에 있어서의, 분광 계측기(1)에 의해 취득되는 벼의 화상을 나타내는 도면,
도 9는 복각에 따라 분광 반사율이 변화하는 것을 나타내는 그래프,
도 10은 측정 시기에 따라 분광 반사율이 다른 것을 나타내는 그래프,
도 11은 예시적인 실시의 형태에 따른 정보 처리 시스템(100)의 구성도,
도 12는 정보 처리 시스템(100)을 이용한 파장의 선출 처리에 이용되는 하드웨어 구성도,
도 13은 벼의 장래의 수확량에 강한 상관을 갖는 복수의 파장을 선출하기 위한, 정보 처리 시스템(100)의 처리의 순서를 나타내는 흐름도,
도 14는 도 13의 스텝 S12의 처리의 상세를 나타내는 흐름도,
도 15는 정규화 분광 지수 NDSI(i, j)와 수확량의 상관 계수의 히트 맵을 나타내는 도면,
도 16은 정보 처리 시스템(100)을 이용한, 장래의 식물에 관한 추정 처리에 이용되는 하드웨어 구성도,
도 17은 벼의 장래의 수확량을 예측하기 위한, 정보 처리 시스템(100)의 처리의 순서를 나타내는 흐름도,
도 18은 복수의 품종에 대해, 어느 해의 7월의 정규화 분광 지수 NDSI와, 9월의 수확량의 관계를 나타내는 도면,
도 19는 정규화 분광 지수 NDSI와, 대두의 수확량의 관계를 나타내는 도면,
도 20a는 오일 팜의 재배 지역 상공으로부터 촬영한 화상을 나타내는 도면,
도 20b는 병해충의 발생의 정도에 대해 장래의 예측 결과를 나타내는 도면,
도 21a는 사탕무의 갈반병의 진행의 모습을 나타내는 공중 촬영 사진의 일례를 나타내는 도면,
도 21b는 병해충의 발생의 정도에 대해 장래의 예측 결과를 나타내는 도면,
도 22는 촬영 방법에 관한 변형예를 설명하기 위한 도면이다.
이하, 적당히 도면을 참조하면서, 실시의 형태를 상세하게 설명한다. 단, 필요 이상으로 상세한 설명은 생략하는 경우가 있다. 예를 들면, 이미 잘 알려진 사항의 상세 설명이나 실질적으로 동일한 구성에 대한 중복 설명을 생략하는 경우가 있다. 이것은, 이하의 설명이 불필요하게 장황하게 되는 것을 피해 당업자의 이해를 용이하게 하기 위한 것이다. 또 발명자(들)는, 당업자가 본 개시를 충분히 이해하기 위해서 첨부 도면 및 이하의 설명을 제공하는 것으로서, 이들에 의해 특허 청구의 범위에 기재의 주제를 한정하는 것을 의도하는 것은 아니다.
상하 좌우 등의 위치 관계는, 특별히 명시하지 않는 이상 도면에 나타내는 위치 관계에 근거하는 것으로 한다. 이하의 실시의 형태에 있어서 설명하는 각 도면은, 모식적인 도면이며, 각 도면 중의 각 구성 요소의 크기 및 두께 각각의 비가, 반드시 실제의 치수비를 반영하고 있다고는 할 수 없다. 또, 각 요소의 치수 비율은 도면에 도시된 비율에 한정되는 것은 아니다.
[1. 실시의 형태]
[1. 1　구성]
[1. 1. 1　전체 구성]
도 1은, 본 실시의 형태에 따른 분광 계측기(1)의 사용예의 개략도이다. 분광 계측기(1)는, 광원(12)에 대한 대상물(11)의 반사 스펙트럼의 측정을 행한다.
본 실시의 형태에 있어서, 대상물(11)은, 벼이다. 대상물(11)은, 벼 이외의 농작물이어도 좋다. 대상물(11)은, 농작물 이외의 식물이어도 좋다. 대상물(11)은, 개체가 아니라, 군체여도 좋다. 예를 들면, 대상물(11)은, 한 그루의 나무가 아니라, 측정 범위 내에 존재하는 복수 그루의 나무, 또는 삼림이어도 좋다. 또, 대상물(11)은, 목초여도 좋다.
본 실시의 형태에 있어서, 광원(12)은, 태양이다. 광원(12)은, 태양으로 한정되지 않고, 할로겐 램프, LED 램프, 자외선 램프, 적외선 램프 등의 여러 가지의 광원 중에서 선택될 수 있다. 광원(12)은, 대상물(11)로부터 소망의 파장 범위의 반사 스펙트럼이 얻어지도록 선택되어도 좋다.
분광 계측기(1)에 의한 측정의 결과는, 정보 처리 시스템(100)에서의 처리에 이용된다. 분광 계측기(1)는, 정보 처리 시스템(100)에서의 처리의 대상이 되는 정보를 제공한다.
정보 처리 시스템(100)은, 대상물(11)에 관한 여러 가지의 정보 처리를 실행한다. 도 1의 정보 처리 시스템(100)은, 데이터베이스 장치(110)와, 서버 장치(120)를 포함한다.
데이터베이스 장치(110)는, 1 이상의 컴퓨터 시스템에 의해 구축될 수 있다. 데이터베이스 장치(110)는, 데이터베이스 DB1을 저장한다. 데이터베이스 DB1은, 서버 장치(120)에서 실행될 수 있는 정보 처리에 이용될 수 있다. 데이터베이스 DB1은, 서버 장치(120)에서 이용하는 정보의 집합이며, 여기에서는, 데이터베이스 DB1을 라이브러리 DB1이라고 하는 경우가 있다.
도 2는, 본 실시의 형태에 의한 데이터베이스 DB1의 데이터 구조의 일례를 나타내고 있다.
데이터베이스 DB1은, 대상물(11)인 식물에 관한 복수의 레코드(엔트리)를 포함한다. 복수의 레코드의 각각은, 스펙트럼 데이터, 측정 조건 데이터, 식물 상태 데이터, 및, 수확 결과 데이터를 포함한다.
스펙트럼 데이터는, 대상물(11)의 반사 스펙트럼의 데이터, 및, 광원(12)의 스펙트럼의 데이터를 포함한다. 대상물(11)의 반사 스펙트럼의 데이터는, 소정의 파장 범위에 있어서, 소정의 파장 간격의, 광원(12)으로부터의 광 중 대상물(11)에서 반사된 광의 강도(반사 강도：O(·))를 나타낸다. 광원(12)의 스펙트럼의 데이터는, 소정의 파장 범위에 있어서, 소정의 파장 간격의, 광원(12)으로부터의 광의 강도(S(·))를 나타낸다. 소정의 파장 범위는, 예를 들면 약 420nm~약 840nm이며, 소정의 파장 간격은, 예를 들면 약 4nm이다. 도 2에서는, 파장 λ1~λ100이, 소정의 파장 범위 내에 들어가고, 또한, 소정의 파장 간격마다의 파장을 나타내고 있다. 파장 λ(λ1, λ2, …, λ100)에 대해, 대상물인 식물의 반사 강도(O(λ)) 및 광원으로서의 태양의 광의 강도 S(λ)가 취득되고, 기술되어 있다. 본 실시의 형태에 있어서, 스펙트럼 데이터는, 화상에 관한 데이터를 포함할 수 있다. 화상의 예로서는, 대상물(11)에 관련하는 화상과 광원(12)에 관련하는 화상을 들 수 있다. 도 2에서는, 1개의 엔트리에 복수의 파장이 기술되고, 그 각각에 대해, 반사 강도 O(λ) 및 S(λ)가 기술되어 있다. 이것은, 분광 계측기(1)를 이용하여 1회의 측정으로 취득된 파장이 λ1에서 λ100에 걸치는 파장 대역인 것을 나타내고 있다.
측정 조건 데이터는, 스펙트럼 데이터를 얻기 위한 측정에 관한 조건을 나타낸다. 분광 계측기(1)에서 측정되는 광원(12)에 대한 대상물(11)의 반사 스펙트럼은, 광원(12)과 분광 계측기(1)의 위치 관계의 영향을 받을 수 있다. 즉, 광원(12)과 분광 계측기(1)의 위치 관계가 다르면, 동일한 대상물(11)이어도, 분광 계측기(1)에서 측정되는 반사 스펙트럼은 다를 수 있다. 광원(12)에 대한 대상물(11)의 반사 스펙트럼을 올바르게 평가하기 위해서는, 이 반사 스펙트럼의 측정 시의 광원(12)과 분광 계측기(1)의 위치 관계의 정보를 이용하는 것이 바람직하다.
도 3은, 분광 계측기(1)에 의한 광원(12)에 대한 대상물(11)로부터의 반사 스펙트럼의 측정의 설명도이다. 광원(12)과 분광 계측기(1)의 위치 관계는, 대상물(11)에 대한 분광 계측기(1)의 각도, 대상물(11)에 대한 광원(12)의 각도, 및, 광원(12)과 분광 계측기(1)의 방위각차에 의해 특정될 수 있다. 대상물(11)에 대한 분광 계측기(1)의 각도는, 예를 들면, 수직 방향 V에 대한 분광 계측기(1)의 각도 θ1［˚］ 또는 수평면에 대한 분광 계측기(1)의 각도(90˚－θ1)로 나타내어질 수 있다. 대상물(11)에 대한 광원(12)의 각도는, 예를 들면, 수직 방향 V에 대한 광원(12)의 각도 θ2［˚］ 또는 수평면에 대한 광원(12)의 각도(90˚－θ2)로 나타내어질 수 있다. 광원(12)과 분광 계측기(1)의 방위각차는, 예를 들면, 분광 계측기(1)와 대상물(11)을 포함하여 수평면에 직교하는 수직면 P1과, 광원(12)과 대상물(11)을 포함하여 수평면에 직교하는 수직면 P2 사이의 각도 Az［˚］로 나타내어질 수 있다. 도 3에 있어서, Az는 반시계 방향으로 증가하는 것으로서 정의되어 있다.
본 실시의 형태에 있어서, 측정 조건 데이터는, 예를 들면, 광원(12)과 분광 계측기(1)의 방위각차(Az), 대상물(11)에 대한 분광 계측기(1)의 각도(θ1) 및, 대상물(11)에 대한 광원(12)의 각도(θ2)를 포함한다.
또한, 측정 조건 데이터는, 측정 시의 광원(12)의 조건 또는 상태에 관한 것이다. 예를 들면, 측정 조건 데이터는, 광원(12)의 확대의 평가치를 포함한다. 광원(12)의 확대의 평가치는, 대상물(11)의 주위 환경에 의한 광원(12)으로부터의 광의 산란의 정도를 나타낸다. 대상물(11)의 주위 환경에 의한 광원(12)으로부터의 광의 산란의 정도는, 대기의 투명도, 기후(예를 들면, 구름이 많음), 대기 중의 에어로졸이 많음 등의 영향을 받는다. 일례로서, 광원(12)의 확대의 평가치는, 광원(12)으로부터 대상물(11)에 직접적으로 도달하는 광(직접 도달하는 광 성분)의 양에 대한, 대상물(11)의 주위 환경에 의한 산란된 광(산란광 성분)의 비율로 나타내어질 수 있다. 광원(12)으로부터 대상물(11)에 어떻게 광이 비춰지는지는, 대상물(11)의 주위 환경의 영향을 받는다. 예를 들면, 맑을 때와 흐릴 때에, 광원(12)으로부터의 광이 대상물(11)에 비춰지는 방식은 변화한다. 맑을 때에는, 광원(12)으로부터 대상물(11)에는 한 방향으로 광이 비춰진다고 생각해도 좋지만, 흐릴 때에는 구름에 의해 광원(12)으로부터의 광이 산란되고, 광원(12)으로부터 대상물(11)에는 경우에 따라서는 모든 방향으로부터 광이 비춰진다고 생각된다. 맑을 때와 흐릴 때를 비교하면, 반사 스펙트럼에는, 맑을 때쪽이, 흐릴 때보다, 광원(12)과 분광 계측기(1)의 위치 관계에 의한 영향이 나타나기 쉽다. 따라서, 광원(12)에 대한 대상물(11)의 반사 스펙트럼을 올바르게 평가하기 위해서, 측정 조건 데이터는, 광원(12)의 확대의 평가치를 포함하는 것이 바람직하다. 광원(12)의 확대의 평가치에 의해, 맑을 때와 흐릴 때의 흐림 가감의 정량화 또는 판별이 가능하게 된다. 또, 맑을 때와 흐릴 때의 흐림의 정도에 따라, 반사 스펙트럼의 취득의 방법을 바꾸어도 좋다. 예를 들면, 반사광을 취득할 때의 권장 각도를, 맑을 때에는 기준보다 좁게 하고, 흐릴 때에는 기준보다 넓게 해도 좋다.
도 2에 나타내듯이, 데이터베이스 DB1에는, 동일한 대상물(11)(식물)에 관해서, 적어도, 예를 들면, 광원(12)(태양)과 분광 계측기(1)의 방위각차(Az), 대상물(11)(식물)에 대한 분광 계측기(1)의 각도(앙각(仰角)：θ1), 및, 대상물(11)(식물)에 대한 광원(12)(태양)의 각도(앙각：θ2)의 조합이 다른 복수의 레코드가 있는 것이 바람직하다. 예를 들면, Az, θ1 및 θ2는, 각각, 20˚마다, 바람직하게는 10˚마다, 보다 바람직하게는 5˚마다 다르도록, 복수의 레코드가 존재하면 좋다.
상태 데이터는, 대상물(11)에 관한 상태를 나타낸다. 본 실시의 형태에 있어서, 대상물(11)은 벼이며, 상태 데이터는, 시간에 따라 변화할 수 있는 벼에 관한 상태에 관한 것이다. 상태 데이터의 예로서는, 생육 상태에 관한 평가치, 병해충에 관한 평가치, 함유 성분에 관한 평가치, 및 토양 상태에 관한 평가치를 들 수 있다. 상태 데이터는, 스펙트럼 데이터를 얻기 위한 측정의 시기에 검사 등을 실시하는 것으로 얻어질 수 있다.
결과 데이터는, 대상물(11)에 관한 결과를 나타낸다. 대상물(11)에 관한 결과는, 예를 들면, 대상물(11) 상태의 종착점에 관련한다. 본 실시의 형태에 있어서, 대상물(11)은 벼이며, 결과 데이터는, 벼의 생육 상태의 종착점인, 수확에 관한 데이터를 포함할 수 있다. 결과 데이터의 예로서는, 수확량, 및, 수확 시기를 포함한다. 결과 데이터는, 스펙트럼 데이터를 얻기 위한 측정의 시기는 아니고, 실제로 벼가 수확되었을 때에 생성될 수 있다. 수확량은, 실제로 벼를 수확하여 계측되고, 수확 시기는, 실제로 벼를 수확한 날에 근거하여 결정될 수 있다.
서버 장치(120)(도 1)는, 1 이상의 컴퓨터 시스템에 의해 구축될 수 있다. 서버 장치(120)는, 유선 또는 무선 네트워크를 통해서, 데이터베이스 장치(110)와 통신 가능하게 접속될 수 있다. 서버 장치(120)는, 후술의 컴퓨터 판독 가능 매체(40)가 착탈 가능하게 접속되는 스토리지 인터페이스를 구비한다.
서버 장치(120)는, 데이터베이스 DB1의 관리, 데이터베이스 DB1과 사용자 측정 조건을 이용한 2 이상의 파장의 결정, 취득한 2 이상의 파장의 각 데이터와 데이터베이스 DB1을 이용한 추론, 데이터베이스 DB1을 이용한 학습 완료 모델의 생성을 실행할 수 있다.
데이터베이스 DB1의 관리는, 데이터베이스 DB1의 레코드(엔트리)의 추가, 삭제, 및 편집을 포함할 수 있다. 본 실시의 형태에 있어서, 서버 장치(120)는, 분광 계측기(1)로부터 얻어지는 정보를 이용하여, 레코드의 추가를 행하는 일이 생긴다.
데이터베이스 DB1과 사용자 측정 조건을 이용한 2 이상의 파장의 결정은, 사용자가 재배하고, 육성하는 식물을 광학적으로 측정할 때의, 측정해야 할 2 이상의 파장을 선정하는 것이다. 선정된 2 이상의 파장은, 그 파장을 투과시키는 광학 필터를 결정하기 위해 이용된다. 그러한 광학 필터를 장착한 분광 계측기 또는 촬상 장치를 이용하여 그 식물을 촬영함으로써, 그 식물에 있어서 반사된 광으로부터, 소망의 파장의 스펙트럼 데이터가 얻어지고, 다음에 설명하는 추론이 행해진다. 본 처리의 자세한 것은 후술한다.
데이터베이스 DB1을 이용한 추론은, 주어진 스펙트럼 데이터의 일부 또는 전부 및 측정 조건 데이터의 일부 또는 전부에 근거하여, 상태 데이터의 일부 또는 전부 또는 결과 데이터의 일부 또는 전부를 구하는 처리이다. 데이터베이스 DB1로부터, 스펙트럼 데이터와 측정 조건 데이터의 조합에 대해서, 상태 데이터 또는 결과 데이터를 관련짓고 있다. 그 때문에, 데이터베이스 DB1에 존재하지 않는 스펙트럼 데이터 및 측정 조건 데이터의 조로부터, 당해 조에 대응하는 상태 데이터 또는 결과 데이터의 예측이 가능하다.
데이터베이스 DB1을 이용한 학습 완료 모델의 생성은, 데이터베이스 DB1을 이용한 추론을 실행하는 학습 완료 모델의 생성을 포함할 수 있다. 서버 장치(120)는, 예를 들면, 데이터베이스 DB1로부터, 스펙트럼 데이터 및 측정 조건 데이터를 설명 변수, 상태 데이터 또는 결과 데이터를 목적 변수로 하여, 학습용 데이터 세트를 생성한다. 서버 장치(120)는, 학습용 데이터 세트를 이용하여, 학습 완료 파라미터를 생성하고, 학습 완료 파라미터를 추론 프로그램에 편입하는 것에 의해, 학습 완료 모델을 생성할 수 있다.
[1. 1. 2　본 발명자들의 지견에 근거하는 데이터베이스]
본 발명자들은, 여러 가지의 연구를 행하고, 광원(12)으로부터의 광을 식물에 비추어 그 반사광을 관측하는 것에 의해, 대상물(11)로서의 식물의 생육 상태를 검출할 수 있는 것을 알았다. 다만, 그 때에는 여러 가지의 조건에 따른 경우 분류가 필요하다는 결론에 이르렀다. 조건이란, 식물의 품종, 광원(12)으로부터 대상물(11)인 식물에 광을 비추는 각도, 식물로부터의 반사광을 분광 계측기(1)에서 계측하는 각도, 계측하는 시기 등이다. 이하, 구체적으로 설명한다.
도 4는, 건강시 및 물 부족시의 가이와레 무의 파장-분광 반사율 특성을 나타내는 그래프이다. 그래프의 가로축은 파장, 세로축은 분광 반사율을 나타내고 있다. 분광 반사율은, 460nm에서 780nm의 파장 대역에 대해 각각 구해지고 있다. 실선 A는 건강한 가이와레 무의 분광 반사율 특성을 나타내고 있고, 점선 B는 물 부족에 의한 가이와레 무의 분광 반사율 특성을 나타내고 있다. 「B」, 「G」 및 「R」는 각각 청색, 녹색 및 적색의 대략적인 파장 대역을 나타내고 있다. 분광 계측기(1)로서, 액정 파장 가변 필터(LCTF) 카메라를 채용했다. 광원(12)으로서 할로겐 램프를 채용했다.
건강시 및 물 부족시의 가이와레 무의 스펙트럼은, 적색의 파장 대역보다 긴 파장 대역인 적외선 대역에 있어서, 보다 현저하게 높아진다. 따라서, 가이와레 무가 현재 건강한지 여부는, 적외선 대역의 파장에 있어서의 분광 반사율을 이용하면 좋은 것이 이해된다.
분광 반사율은, (반사광의 강도/광원으로부터의 광의 강도)에 의해 구해진다. 반사광의 강도 및 광원으로부터의 광의 강도는, 광원의 광을 어떠한 각도로 가이와레 무에 비추는지, 및, 반사광을 어느 위치에서 측정하는지에 따라 변동한다.
도 5는, 대상물(11)인 가이와레 무에 대한 할로겐 광원(12)이 취할 수 있는 각도(θ2)와, 반사광을 측정하는 분광 계측기(1)인 LCTF 카메라가 취할 수 있는 각도(θ1)의 예를 나타내고 있다. 이 중, 도 4의 그래프는,θ1=10˚, θ2=0˚의 측정 조건 하에서 측정된 경우의 예이다. 또 이러한 각도는, 도 3에 나타난 각도 θ1 및 θ2를 의미한다.
본 발명자들은, 광원(12)의 각도 θ2를 고정하고, 분광 계측기(1)의 각도 θ1을 변화시키는 것에 의해, 분광 반사율이 방위각 의존성을 갖는 것을 검증했다.
도 6a는, 가이와레 무에 대한 각도에 따른 분광 반사율의 차이를 나타내는 삼차원 그래프이다. 또 도 6b는, 완두순에 대한 각도에 따른 분광 반사율의 차이를 나타내는 삼차원 그래프이다. 삼차원 그래프는, 460nm에서 780nm까지의 파장을 나타내는 축과, 0˚에서 360˚까지의 각도를 나타내는 축과, 0에서 0.7까지의 분광 반사율을 나타내는 축으로 확장되어 있다. 광원(12)의 각도 θ2는 45˚로 고정되어 있다. 도면으로부터, 분광 계측기(1)의 각도 θ1을 45˚에서 360˚(=0˚)를 거쳐 45˚까지 변화시키면, 분광 계측기(1)와 광원(12)의 상대 방위각(Az)은 0˚에서 360˚까지 변화한다. 도 6a 및 도 6b의 각각에 도시되는 바와 같이, 동일한 파장이어도 분광 계측기(1)와 광원(12)의 상대 방위각이 변화하면 분광 반사율이 변화하는 것이 이해된다. 또, 측정 환경은 옥내의 실험실이다.
또, 도 6a 및 도 6b를 대비하면, 가이와레 무와 완두순의 사이에서는, 분광 계측기(1)와 광원(12)의 상대 방위각의 차이에 따라 분광 상태도 변화하는 것이 나타나고 있다. 즉, 동일한 측정 조건이어도, 식물의 종류에 따라 계측되는 분광 반사율은 다르다고 할 수 있다.
또한 본 발명자들은 벼에 대해서도 각도 의존성을 검증했다. 도 3에 나타내는 모식도에서는, 대상물(11)은 1개 또는 복수 개의 벼이며, 광원(12)은 태양이다. 벼를 재배하는 동일한 농장(논)의 임의의 시각에 있어서 θ2는 고정치이다. 즉 대상물(11)인 벼와 분광 계측기(1)의 각도가 변화할 수 있다.
도 7은, 분광 계측기(1)와 대상물(11)인 벼의 각도를 나타내고 있다. 도 3의 예에서는, 대상물(11)에 대한 분광 계측기(1)의 각도는, 수직 방향 V에 대한 분광 계측기(1)의 각도 θ1［˚］로서 정의되어 있었지만, 도 7에서는, 수평면 H에 대한 분광 계측기(1)의 각도 θ3(=90˚－θ1)으로 나타내어질 수 있다. θ3은 「복각(伏角)」이라고도 불릴 수 있다. 설명의 편의상, 이하의 도 8a~도 8e, 및 도 9에 대해서는 「복각」을 이용하여 설명하지만, 상술한 바와 같이, 앙각(仰角)으로서의 각도 θ1을 이용해도 좋다.
도 8a~도 8e는, 복각이 다른 경우에 있어서의, 분광 계측기(1)에 의해 취득되는 벼의 화상의 차이를 나타내고 있다. 도 8a는 복각 5˚에서 취득된 화상을 나타내고, 도 8b는 복각 15˚에서 취득된 화상을 나타내고, 도 8c는 복각 28˚에서 취득된 화상을 나타내고, 도 8d는 복각 37˚에서 취득된 화상을 나타내고, 도 8e는 복각 48˚에서 취득된 화상을 나타낸다. 또 도 8a~8e 및 도 9의 측정에 대해서는, 동일한 농장은 아니고, 2개의 농장에 있어서 측정한 결과이다.
그리고 도 9는, 복각에 따라 분광 반사율이 변화하는 것을 나타내는 그래프이다. 복각 28˚의 경우는, 파장에 따른 분광 반사율의 변화를 파악하기 어렵다. 한편, 복각 5˚, 15˚, 37˚ 및 48˚은, 파장 680nm 이상의 파장 대역의 분광 반사율과 파장 680nm 미만의 분광 반사율이 크게 상위하고 있다.
그런데, 복각이 커지면, 벼만이 아니라 물이나 흙 등의 벼 이외의 피사체가 분광 계측기(1)의 시야에 들어갈 수 있다. 그 때문에, 본래의 벼만을 측정할 수 있도록, 복각이 작은 것이 적절하다.
이들을 고려하여, 본 발명자들은, 벼의 분광 반사율을 취득할 때는 복각 15˚ 이하가 적정이라고 판단했다. 이와 같이, 분광 반사율이 파장에 따라 변화하고 있는 것 뿐만이 아니고, 다른 측정 조건도 더 고려하여, 적정한 복각을 결정할 수 있다.
도 10은, 측정 시기에 따라 분광 반사율이 다른 것을 나타내는 그래프이다. 세밀한 점선은, 어느 해의 7월 10일의 벼의 측정 결과에 근거하는 분광 반사율을 나타내고, 큰 점선은 동 8월 1일, 실선은 8월 16일의 분광 반사율을 나타내고 있다. 동일한 벼라 해도, 측정한 시기 또는 계절에 의해 분광 반사율이 다른 것이 확인되었다.
상술한 검증 결과를 토대로, 본 발명자들은, 도 2에 나타내는 데이터베이스 DB1에는, 엔트리마다, 스펙트럼 데이터, 측정 조건 데이터, 식물 상태 데이터, 및 수확 결과 데이터를 갖게 해 두는 것, 및, 각각의 데이터는 아래와 같은 상세를 포함하는 것이 바람직하다고 판단했다.
·스펙트럼 데이터：
광원으로부터의 광에 포함되는 복수의 파장, 각 파장의 강도, 및 식물에 있어서 반사된 각 파장의 광의 반사 강도. 식물에 있어서 반사된 광은, 식물 표면에서 생긴 경면 반사에 의한 광의 성분 및 식물 내부에 입사하고, 내부에서 산란되고, 재차 표면으로부터 출사한 광의 성분의 양쪽 모두를 포함한다.
·측정 조건 데이터：광을 계측기에서 측정한 시점에 있어서의, 계측기로부터 본 광원의 앙각, 계측기의 앙각, 및 계측기와 광원의 방위각차
·식물 상태 데이터：식물의 생육 상태, 식물에 발생한 병해충 상태, 식물의 성분, 및 식물이 생육한 토양의 상태 중 적어도 1개.
·수확 결과 데이터：식물의 수확량, 및 식물의 수확 시기
또 엔트리 번호와는 별도로 각 엔트리의 일시, 경도·위도, 표고(標高) 등의 데이터를 포함해도 좋고, 엔트리 번호 자체에, 그 엔트리의 스펙트럼 데이터가 측정된 일자를 포함해도 좋다. 또, 식물 상태 데이터 및 수확 결과 데이터는, 양쪽 모두 포함해도 좋고, 어느 한쪽을 포함해도 좋다. 이것들은 후술하는 추정 처리와의 관계로 결정하면 좋다. 즉, 현재의 식물의 스펙트럼 데이터 및 측정 조건 데이터로부터 식물 상태를 추정하고 싶은 것인지, 또는, 수확 결과를 추정하고 싶은 것인지에 따라, 어느 한쪽을 마련해도 좋다.
또, 본 실시의 형태에서는 벼를 예시하여 설명하기 위해, 도 2에 나타내는 데이터베이스 DB1에는, 예시되는 식물 상태 데이터 및/또는 수확 결과 데이터를 포함하고 있다. 그러나, 벼 이외의 식물의 경우에는 다른 종류의 데이터가 데이터베이스 DB1에 포함될 수 있다.
이러한 데이터베이스 DB1을 미리 구축해 두는 것에 의해, 본 발명자들은, 이하에 설명하는 정보 처리 시스템을 실현했다. 이하, 본 실시의 형태에 따른 정보 처리 시스템의 구성을 설명한다.
[1. 1. 3　정보 처리 시스템의 구성]
도 11은, 본 실시의 형태에 따른 정보 처리 시스템(100)의 구성을 나타내고 있다. 정보 처리 시스템(100)은, 예를 들면 1대의 정보 처리 장치로서 실현되고, 전형적으로는 서버 컴퓨터이다.
정보 처리 시스템(100)은, 연산을 행하는 CPU(21)와, 다른 기기와 통신을 행하기 위한 인터페이스 장치(I/F)(22)와, 데이터베이스 DB1 및 컴퓨터 프로그램(26)을 기억하는 기억 장치(23)를 구비한다. 또 도 1에서는, 데이터베이스 DB1은 데이터베이스 장치(110)에 저장되어 있다고 설명했지만, 도 11의 예에서는 데이터베이스 장치(110)의 실체는 기억 장치(23)이다. 이하에서는, 컴퓨터 프로그램(26)을 「프로그램(26)」이라고 약기한다.
CPU(21)는, 본 실시 형태에 있어서의 정보 처리 시스템(100)의 연산 회로의 일례이다. CPU(21)는, 기억 장치(23)에 저장된 프로그램(26)의 실행에 의해, 후술하는 처리를 실현한다. 또, 본 실시 형태에서 CPU(21)로서 구성되는 연산 회로는, MPU 또는 GPU 등의 여러 가지의 프로세서로 실현되어도 좋고, 1개 또는 복수의 프로세서로 구성되어도 좋다.
I/F(22)는, 예를 들면 USB 단자, IEEE802. 11, 4 G, 또는 5G 등의 규격에 준거하여 통신을 행하는 통신 회로이다. I/F(22)는, 인터넷 등의 통신 네트워크에 접속 가능해도 좋다. 또, 정보 처리 시스템(100)은, I/F(22)를 거쳐 다른 기기와 직접 통신을 행해도 좋고, 액세스 포인트 경유로 통신을 행해도 좋다. 본 실시의 형태에서는, I/F(22)는, 식물을 재배하는 사용자로부터의, 그 식물에 관한 데이터의 입력을 받아들이기 위해 이용된다.
기억 장치(23)는, 정보 처리 시스템(100)의 기능을 실현하기 위해 필요한 데이터를 기억하는 기억 매체이며, CPU(21)에서 실행되는 프로그램(26), 데이터베이스 DB1 등의 각종 데이터를 저장하고 있다. 기억 장치(23)는, 예를 들면 하드 디스크 드라이브(HDD) 또는 반도체 기억 장치인 솔리드 스테이트 드라이브(SSD)로 구성된다. 기억 장치(23)는, 예를 들면 DRAM 또는 SRAM 등의 RAM에 의해 구성되는 일시적인 기억 소자를 구비해도 좋고, CPU(21)의 작업 영역으로서 기능해도 좋다. 또 데이터베이스 DB1은, 도 2를 참조하면서 설명한 대로이며, 스펙트럼 데이터, 측정 조건 데이터, 식물 상태 데이터, 및, 수확 결과 데이터를 포함하고 있다.
또 데이터베이스 DB1은, 특정의 1 종류의 식물, 또는 1 품종의 식물에 관한 데이터를 포함해도 좋고, 다종 또는 다품종의 식물의 각각에 관한 데이터를 포함해도 좋다. 예를 들면, 데이터베이스 DB1은, 벼의 1 품종인 「나나츠보시」에 특화되어 있어도 좋고, 복수의 품종의 「벼」에 특화되어 있어도 좋다.
[1. 2　정보 처리 시스템에 의한 처리]
이하, 항목 [1. 2. 1] 및 [1. 2. 2]에 있어서, 정보 처리 시스템(100)을 이용한 처리를 설명한다. 항목 [1. 2. 1]에서는 정보 처리 시스템(100)을 이용한 파장의 선출 처리를 설명한다. 항목 [1. 2. 2]에서는, 정보 처리 시스템(100)을 이용한 장래의 식물에 관한 추정 처리를 설명한다. 이하에서는, 항목 [1. 2. 1] 및 [1. 2. 2]의 각 처리는, 동일한 정보 처리 시스템(100)의 처리로서 설명된다. 그러나, 양 항목의 처리는, 반드시 공통의 정보 처리 시스템(100)을 이용할 필요는 없다. 각각의 처리에 있어서, 정보 처리 시스템(100)과 동일한 구성을 갖는 별개의 정보 처리 시스템이 이용될 수 있다.
본 실시의 형태에 있어서, 항목 [1. 2. 1] 및 [1. 2. 2]의 각 처리는, 벼농사 농가인 사용자가 현재 재배 중인 벼의 데이터로부터, 장래의 벼 상태 및/또는 수확 결과(수확량 및/또는 수확 시기)를 예측하기 위해서 실행된다. 말할 것도 없이, 높은 정확도의 예측 결과를 얻을 수 있는 것이 바람직하다. 또, 사용자의 부담이 작아지도록, 그러한 예측 결과를 얻기 위해 필요한 데이터를 간단하고 쉽게 취득할 수 있는 것이 바람직하다. 이하에 설명하는 각 항목의 처리에 의하면, 이것들을 실현하는 것이 가능하다.
본 실시의 형태에서는, 사용자는 「사용자 측정 조건」을, 정보 처리 시스템(100)의 운영자에게 제공한다. 「사용자 측정 조건」은, 사용자에 의한 측정 시에 적용되는 조건이다. 보다 구체적으로는, 「사용자 측정 조건」은, (1) 측정 시의 각도에 관한 데이터, 및, (2) 예측하고 싶은 식물 상태 및/또는 수확 결과에 관한 데이터를 포함한다. (1)의 데이터는, 도 2에 있어서의 「측정 조건 데이터」에 대응한다. 또(2)의 데이터는, 도 2에 있어서의 「식물 상태 데이터」 및/또는 「수확 결과 데이터」의 어느 것을 예측하고 싶은지를 특정하는 데이터이다.
정보 처리 시스템(100)은 항목 [1. 2. 1]의 처리에 의해, 그 「사용자 측정 조건」 하에서 측정했을 때의, 벼의 장래의 수확량 및/또는 수확 시기에 강한 상관을 갖는 복수의 파장을 선출한다. 복수의 파장이 선출되면, 정보 처리 시스템(100)의 운영자 등은, 당해 복수의 파장을 각각 투과하는 1 또는 복수의 광학 필터를 촬상 장치에 세트하여, 그 촬상 장치를 사용자에게 우송한다. 이러한 촬상 장치는 분광 계측기의 한 종류이다. 사용자는, 그 촬상 장치를 이용하여, 당초 제공한 「사용자 측정 조건」에 합치하는 측정 조건 하에서 벼를 단지 촬영하면 좋다. 촬상 장치는, 실장된 이미지 센서를 이용하여 당해 복수의 파장을 주로 포함하는 광을 검출하고, 기억 장치 또는 메모리 카드에 화상 정보를 보존한다. 즉, 그러한 광학 필터가 세트된 촬상 장치는, 입사광으로부터 광학 필터의 투과 파장의 광을 선별하는 분광 계측기(1)로서 기능한다.
사용자는, 촬영한 「화상」을, 정보 처리 시스템(100)의 운영자에게 제공한다. 제공 방법은 임의이다. 예를 들면, 사용자가 촬상 장치를, 취득된 데이터와 함께 정보 처리 시스템(100)의 운영자에게 반송하는 것에 의해 제공되어도 좋다. 또는, 사용자가, 촬상 장치의 기억 장치로부터 화상 정보를 추출하고, 통신 회선을 거쳐 정보 처리 시스템(100)에 송신하는 것에 의해 실현되어도 좋다.
정보 처리 시스템(100)은, 당해 복수의 파장을 주로 포함하는 화상 정보를 추출하고, 항목 [1. 2. 2]의 처리에 의해, 그 벼의 장래의 수확량 및/또는 수확 시기를 예측한다. 정보 처리 시스템(100)은, 사용자에게 그 예측 결과를 수치, 그래프 등의 방법으로 제시한다. 사용자는 그 예측 결과를 토대로 현재의 재배 방법을 수정하거나 판매 계획을 작성하거나 할 수 있다.
이하에서는, 설명의 편의를 위해, 벼의 수확량을 예측하는 예를 설명한다.
[1. 2. 1　정보 처리 시스템을 이용한 파장의 선출 처리]
도 12는, 정보 처리 시스템(100)을 이용한 파장의 선출 처리에 이용되는 하드웨어 구성도이다. 정보 처리 시스템(100)은, 사용자 단말(200)로부터 사용자 측정 조건 U의 데이터를 받는다. 사용자 단말(200)은 PC여도 좋고, 스마트 폰, 타블렛 단말 등일 수 있다.
또, 도 13은, 벼의 장래의 수확량에 강한 상관을 갖는 복수의 파장을 선출하기 위한, 정보 처리 시스템(100)의 처리의 순서를 나타내는 흐름도이다.
스텝 S10에 있어서, 정보 처리 시스템(100)의 CPU(21)는, 사용자 단말(200)로부터, I/F(22)를 거쳐 사용자 측정 조건 U의 입력을 받는다. 사용자 측정 조건 U의 일례는, 사용자가 벼를 촬영할 예정의 연월일, 시각, 태양과 촬상 장치의 방위각차(Az), 촬상 장치의 앙각(θ1), 태양의 앙각(θ2), 농장의 위도 및 경도, 배치, 장소, 벼의 품종 등이다. I/F(22)는, 예를 들면 통신 회로이다.
스텝 S12에 있어서, CPU(21)는, 기억 장치(23)에 저장된 데이터베이스 DB1을 참조하여, 사용자 측정 조건 U로부터 수확량 예측에 이용하는 파장 λk(k=1, …, N；N=2 이상의 정수)의 조합을 결정한다.
스텝 S14에 있어서, CPU(21)는 결정한 파장의 정보를, I/F(22)를 거쳐 출력한다. I/F(22)는, 예를 들면 통신 회로, 또는 정보 처리 시스템(100)의 운영자의 모니터 출력 단자이다.
또, 파장의 구체적인 값이 출력될 필요는 없다. 예를 들면 파장 λk를 포함하는 소정폭, 예를 들면 스펙트럼 반값폭의 파장 대역 Bk를 출력해도 좋다. 「스펙트럼 반값폭」이란, 광출력의 스펙트럼 분포에 있어서, 상대 방사 강도가, 피크치의 50%가 되는 파장의 폭을 말한다. 소정폭은, 예를 들면 30nm 미만의 폭을 갖고 있으면 좋고, 전형적으로는 20nm이다. 후술하는 정규화 분광 지수 NDSI를 이용하는 경우, 보다 작은 값인 것이 보다 바람직하고, 예를 들면 소정폭은 10nm이다. 또는, 파장 λk 또는 파장 대역 Bk에 1 대 1로 대응하는, 미리 정해진 번호 k를 출력해도 좋다. 번호 k는, 예를 들면 그 파장 λk 또는 파장 대역 Bk를 투과하는 광학 필터에 대응시켜 두는 것에 의해, 번호 k로부터 용이하게 광학 필터를 결정할 수 있다. 광학 필터는 항목 [1. 2. 2]에 있어서 사용된다.
여기서, 도 14를 참조하면서, 스텝 S12의 상세를 설명한다. 스텝 S12는, 사용자 측정 조건 U 하에서 식물을 측정했을 때의, 벼의 장래의 수확량 및/또는 수확 시기에 강한 상관을 갖는 복수의 파장을 결정하는 처리이다.
도 14는, 스텝 S12의 처리의 상세를 나타내는 흐름도이다.
스텝 S122에 있어서, CPU(21)는, 데이터베이스 DB1을 참조하여 사용자 측정 조건 U에 잘 합치하는 엔트리를 결정한다. 예를 들면, 데이터베이스 DB1이 복수의 품종의 벼에 관한 엔트리를 포함하는 경우, 사용자 측정 조건 U에 포함되는 벼의 품종의 정보에 의해, 데이터베이스 DB1의 참조 범위를 같은 품종의 벼의 엔트리로 설정한다. 또한 CPU(21)는, 데이터베이스 DB1의 참조 범위 중에서, 사용자 측정 조건 U와 일치하는 엔트리, 또는 가까운 엔트리를 결정한다. 합치에 관한 비교는, 예를 들면 사용자가 벼를 촬영할 예정의 연월일, 시각, 태양과 촬상 장치의 방위각차(Az), 촬상 장치의 앙각(θ1), 태양의 앙각(θ2)에 대해 행해진다. CPU(21)는, 사용자 측정 조건 U와 데이터베이스 DB1 내의 엔트리가, 미리 정해진 허용 범위 내, 예를 들면 5% 이하에 들어가 있는 경우에는 「가까운 엔트리」라고 판정해도 좋다. 또, 논의 장소는 비교하지 않아도 된다. 그 벼에 대하여, 수확량과 상관이 강한 파장의 조합을 구하려 하고 있기 때문이다.
스텝 S124에 있어서, CPU(21)는, 데이터베이스 DB1을 참조하여, 엔트리마다, 2개의 파장의 모든 조합의 각각으로부터 정규화 분광 지수 NDSI를 구한다. 정규화 분광 지수 NDSI(NDSI；Normalized Difference Spectral Index)는, 2개의 파장의 조의 지표치이다. 이제, 도 2에 나타내는 각 엔트리에 기술되는 파장 λ1, λ2, …, λ100 중 파장 λ1 및 λ2에 대한 정규화 분광 지수 NDSI를 설명한다. 정규화 분광 지수 NDSI는, 파장 λ1 및 λ2를 이용하여 아래와 같은 식에 의해 구할 수 있다.
수학식 1에서는, I(λ)는 파장 λ에 관한 반사율을 나타내고 있다. 반사율 I(λ)는, 도 2에 나타내는 태양광의 강도 S(λ) 및 식물의 반사 강도 O(λ)를 이용하여 이하의 식에 의해 정의된다.
수학식 2에 의하면, 파장 λ1 및 λ2의 각각에 대해 반사율 I(λ1) 및 I(λ2)가 정해지고, 그 결과, 수학식 1에 의해 파장 λ1 및 λ2에 대한 정규화 분광 지수 NDSI(λ1, λ2)가 구해진다.
마찬가지의 순서로, CPU(21)는, 정규화 분광 지수 NDSI(λ1, λ3), NDSI(λ1, λ4), …, NDSI(λ1, λ100), NDSI(λ2, λ1), …, NDSI(λ2, λ100), …, NDSI(λ100, λ99)에 대해서 모든 종류의 NDSI를 구한다. 또, 동일한 파장의 조합 NDSI(λ, λ)는 제외했다.
다음에, 스텝 S126에 있어서, CPU(21)는, 수확량과의 상관이 강한 정규화 분광 지수 NDSI를 부여하는 2개의 파장의 조합을 결정한다. 상관 계수 R를 구하기 위한 식은 이하와 같다.
각 문자의 의미는 이하와 같다.
Sxy：x와 y의 공분산
Sx：x의 표준 편차
Sy：y의 표준 편차
n：2 변수 데이터의 (x, y)의 총수
xi, yi：x 및 y의 개개의 수치
x와 그 위의 「－」, y와 그 위의 「－」：x 및 y의 각 평균치
본 실시의 형태에 있어서는, x는 정규화 분광 지수이며, y는 수확량이다. 보다 구체적으로는, xi 및 yi는, 사용자 측정 조건으로 지정된 연월일 및 시각에 있어서, 여러 가지의 장소 i에서 측정한 파장 λp, λq로부터 구해진 정규화 분광 지수 NDSI(λp, λq)의 값, 및, 장소 i마다의 수확량의 값이다. 장소 i는, 다른 농장이어도 좋고, 동일한 농장 내의 다른 위치여도 좋다. 다만, 장소 i마다 수확량의 데이터가 기록되어 있을 필요가 있다. 수확량의 값은, 달마다의 수확량이어도 좋고, 연중의 수확량이어도 좋다. 수확량의 값의 세밀함(해상도)는, 그 사용자의 벼의 수확량을 예측할 때의 예측 단위로 될 수 있다. 다음에, CPU(21)는, (λp, λq)와는 다른 2개의 파장의 조합에 근거하여 정규화 분광 지수 NDSI를 구해 수확량과의 상관 계수를 구한다. 이와 같이, 다른 2개의 파장의 조합에 대해 정규화 분광 지수 NDSI를 구해 수확량과의 상관 계수를 계산하고, 모든 파장의 조에 대해 정규화 분광 지수 NDSI와 수확량의 상관 계수를 구할 수 있다. 그리고 CPU(21)는, 구한 상관 계수 중에서, 강한 상관을 주는 파장의 조합을 결정한다. 2개의 파장을 결정하는 경우에는, 가장 강한 상관을 주는 파장을 결정하면 좋다. 4개의 파장을 결정하는 경우에는, 가장 강한 상관을 주는 상위 2조의 파장을 결정하면 좋다.
본 실시의 형태에 있어서, 정규화 분광 지수 NDSI와 수확량의 상관이 강하다는 것은, 상관 계수가 0.7 이상을 나타내고 있는 것을 말한다. 보다 강한 상관을 구하는 경우는, 예를 들면 상관 계수가 0.9 이상을 나타내고 있는 것을 말한다.
상술한 예에서는, 본 발명자는 지표치로서 정규화 분광 지수 NDSI를 채용했다. 그 이유는, 예측 결과인 수확량과 실제의 수확량 사이의 차이가 작기, 즉 예측 결과의 정밀도가 높기 때문이다. 예를 들면, 이 정규화 분광 지수 NDSI를 대신하여, 식생 지수(NDVI)를 이용하는 것을 생각된다. 식생 지수(NDVI)는 이하와 같이 정의될 수 있다.
여기서, NIR는 적외선 부근 파장 대역의 평균치를 나타낸다. R는 적색 영역의 평균치를 의미한다.
식생 지수 NDVI는, 식물 활성 등의 여러 가지의 조건을 반영하는 값으로서 알려져 있다. 그 때문에 식물의 생장을 평가할 때에도 유용하다고 생각되어 왔다. 그러나 본 발명자들이 식생 지수 NDVI와 수확량의 상관 관계를 조사해 보았는데, 상관 계수 R는 약 0.5이며, 지극히 약한 상관이 있거나, 또는 상관이 있다고 하는 정도에 지나지 않는 것이 판명되었다.
또, 식생 지수 NDVI에서는, 파장의 폭은 50~100nm 정도이고 비교적 넓기 때문에, 강한 상관을 특정하기 어렵다고 생각된다. 본 실시의 형태에서는, 각 파장을 포함하는 소정폭의 파장 대역이 10nm이기 때문에, 수확량과 강한 상관 관계가 있는 파장 또는 파장 대역을 특정 가능하다.
도 15는, 정규화 분광 지수 NDSI(i, j)와 수확량의 상관 계수의 히트 맵을 나타내고 있다. 가로축은 파장 i(nm), 세로축은 파장 j(nm)를 나타내고 있다. 상관 계수의 값은, 색의 농도로 표현되어 있다.
도 15에서는, 설명의 편의를 위해, 상관 계수의 수치 범위에 경계를 마련하여 나타내고 있다. 구체적으로는, 영역(120)은, 상관 계수가 0.3 미만인 값을 포함한다. 영역(122)은 상관 계수가 0.3 이상, 0.6 미만인 값을 포함한다. 영역(124 및 126)은, 상관 계수가 0.6 이상인 영역을 포함한다.
상술한 방법에 의해 구한 정규화 분광 지수 NDSI는, i=690(nm), j=766(nm)이며, 상관 계수는 0.9 이상이며, 영역(126)에 속하고 있다.
한편, 식생 지수 NDVI와 수확량의 상관 관계는, 약 0.5~0.6의 범위 내이며, 영역(122)에 속하고 있다. 또 식생 지수 NDVI를 구하기 위한 파장 대역은, 정규화 분광 지수 NDSI의 그것보다 크다. 도 15 상의 정규화 분광 지수 NDSI 및 식생 지수 NDVI의 각각의 범위는, 파장 대역의 넓이가 반영되어 있다.
본 실시의 형태에서는, 2개의 파장을 선정하고, 그러한 파장을 이용하여 촬영한 현재의 벼의 화상으로부터 벼의 장래의 수확량을 예측한다. 본 발명자들에 의한 검증에서는, 정규화 분광 지수 NDSI를 이용하여 2개의 파장을 선정했을 때의 예측 정밀도는, 식생 지수 NDVI를 이용하여 2개의 파장을 선정했을 때의 예측 정밀도보다, 높아지는 것이 확인되었다. 이하, 추정 처리의 상세를 설명한다.
[1. 2. 2　정보 처리 시스템을 이용한 장래의 식물에 관한 추정 처리]
도 16은, 정보 처리 시스템(100)을 이용한, 장래의 식물에 관한 추정 처리에 이용되는 하드웨어 구성도이다. 분광 계측기(1)에 의해 벼가 촬영되면, 그에 따라 취득된 화상 정보 등에 근거하여, 정보 처리 시스템(100)은 그 벼의 장래적인 수확량을 추정한다. 이하, 보다 자세하게 설명한다.
정보 처리 시스템(100)은, 분광 계측기(1)로부터, 벼의 화상 정보를 취득했을 때에 적용되어 있던 촬영 조건을 받아들인다. 정보 처리 시스템(100)은 촬영 조건을 받아들여, 촬영 조건에 근거하여 벼의 수확량을 예측한다. 도 16에는, 정보 처리 시스템(100)의 출력으로서, 가로축이 시기이며, 세로축이 예측된 수확량인 수확량 곡선 C가 모식적으로 나타나고 있다. 이하, 촬영 조건을 자세하게 설명한다.
우선, 분광 계측기(1)는, 복수의 파장의 광을 투과시키는 1 또는 복수의 광학 필터(130)와, 입사한 광의 강도에 따른 신호를 출력하는 1 또는 복수의 이미지 센서(132)를 갖고 있다. 1 또는 복수의 광학 필터(130)는, 상술한 항목 [1. 2. 1]에 있어서 강한 상관이 있는 것으로서 결정된 복수의 파장의 광을 각각 투과시키도록 구성되어 있다. 즉, 상술한 항목 [1. 2. 1]의 처리의 결과, 결정된 복수의 파장에 근거하여, 각 파장을 투과시키는 1 또는 복수의 광학 필터(130)가 선택되고, 분광 계측기(1)에 세트되어 있다. 또 분광 계측기(1)는, 태양광을, 소정의 파장마다 분광하고, 그 파장마다 광의 강도를 측정할 수도 있다.
분광 계측기(1)의 1 또는 복수의 이미지 센서(132)는, 1 또는 복수의 광학 필터(130)를 투과해 온 각 광을 검출하여, 그 광의 강도에 따른 신호를 출력한다. 이것에 의해, 1 또는 복수의 광학 필터(130)의 투과 파장에 대응하는 광에 근거하는 화상 정보가 생성된다. 각 투과 파장에 대응하는 화상 정보는, 식물로부터의 반사광의 강도를 나타내고 있다.
또한 1 또는 복수의 이미지 센서(132)는, 소정의 파장마다 분광한 태양광의 파장마다의 강도를 측정하고, 화상 정보를 생성한다. 각 파장에 대응하는 화상 정보는, 식물로부터의 파장마다의 반사광의 강도를 나타내고 있다. 이 중의 1 또는 복수의 광학 필터(130)의 각 투과 파장의 강도는, 파장마다 얻어진 식물의 반사 강도를 나타내고 있다.
또, 분광 계측기(1)에 의한 계측시에는, 도 8a~도 8e 및 도 9를 참조하면서 설명한 바와 같이, 분광 계측기(1)를 벼의 경우는 복각 15˚이하로 하여 촬영이 행해진다. 복각은 앙각과 일의로 대응하고 있고, 복각에 근거하여 얻어지는 앙각(θ1)은, 상술한 촬영 조건의 일부를 구성한다. 또한 광원(12)인 태양과 분광 계측기(1)의 방위각차(Az), 및 태양의 앙각(θ2)도 또한 분광 계측기(1)의 촬영시에 결정된다.
이상으로부터, 촬영 조건은, 촬영시의 복수의 파장의 광의 강도, 식물로부터의 반사광의 강도, 광원과 분광 계측기의 방위각차, 분광 계측기의 앙각, 및, 광원의 앙각의 데이터를 포함한다.
도 17은, 벼의 장래의 수확량을 예측하기 위한, 정보 처리 시스템(100)의 처리의 순서를 나타내는 흐름도이다.
스텝 S20에 있어서, CPU(21)는, I/F(22)를 거쳐 분광 계측기(1)로부터 촬영 조건 V를 취득한다.
스텝 S22에 있어서, CPU(21)는, 촬영 조건 V에 포함되는, 1 또는 복수의 광학 필터(130)의 투과 파장에 대응하는 광에 근거하는 화상 정보 중에서, 노이즈가 허용 범위 내인 화상 정보를 선정한다. 예를 들면 사용자가 상정보다 큰 복각에서 분광 계측기(1)를 이용한 촬영을 행한 경우, 화상 정보에는, 지면이나 수면 등의 벼 이외의 피사체가 포함되어 버리는 일이 있다. 벼의 본래의 색인 녹색보다 흑색에 가까운 색 성분(노이즈 성분)이 많이 포함되기 때문에, 벼로부터의 반사광의 강도가 정확하게 취득되어 있지 않다고 생각된다. 그러한 경우에 대비하여, 노이즈 성분이라고 인정하기 위한 임계값을 설정해 두는 것이 생각된다. 이것에 의하면, 그 임계값보다 흑색에 가까운 화소수가 소정 이상의 비율 또는 절대수를 차지하는 경우에는, CPU(21)는, 노이즈 성분을 많이 포함하는 화상이라고 하여 예측의 기초로서 사용하지 않는다.
스텝 S24에 있어서, CPU(21)는, 선정한 촬영 조건 V에 근거하여 데이터베이스를 참조하여, 벼의 수확량을 예측한다. 이 처리도 또한, CPU(21)가, 데이터베이스 DB1을 참조하여 촬영 조건 V에 잘 합치하는 엔트리를 결정한다. 이 「잘 합치하는 엔트리」의 결정 방법은, 도 13의 스텝 S122의 처리와 동일하다. 잘 합치하는 엔트리에는, 수확량의 값이 기술되어 있다. CPU(21)는, 그 값을 예측 결과로서 추출한다.
스텝 S26에 있어서, CPU(21)는 I/F(22)를 거쳐, 예측 결과를 출력한다. 출력 방법은, 예를 들면 도 12에 나타내는 사용자 단말(200)에, 그 예측 정보를 표시하기 위한 화상 데이터 또는 문자 데이터를 송신한다.
이상의 처리에 의해, 정보 처리 시스템(100)은, 분광 계측기(1)를 이용하여 취득한, 소정의 복수의 파장의 각각에 대해 화상 정보를 포함하는 촬영 조건 V에 근거하여, 수확량을 예측할 수 있다. 당해 복수의 파장과 수확량 사이에는 강한 상관이 존재하기 때문에, 예측의 정밀도는 충분히 높다.
본 발명자들은, 어느 1 품종의 벼만이 아니고 다른 복수의 품종에 대해서도, 정규화 분광 지수 NDSI를 이용하여 복수의 파장을 선택하고, 당해 파장의 화상 정보를 취득하는 것에 의해 수확량의 예측을 행했다. 그러면, 90% 이상의 정확도로 수확량을 예측할 수 있는 것을 확인했다. 도 18은, 복수의 품종에 대해, 어느 해의 7월의 정규화 분광 지수 NDSI와, 9월의 수확량의 관계를 나타내고 있다. 가로축이 특정의 2 파장에 대한 정규화 분광 지수 NDSI를 나타내고, 세로축이 수확량(g/m2)을 나타내고 있다. 품종의 차이는 색의 차이에 따라 표현되어 있다. 도 18에는, 근사 직선이 점선으로 나타나고 있다. 품종에 관계없이, 각 점은 근사 직선에 따라 분포하고 있는 것이 이해된다. 즉, 특정의 2 파장에 근거하는 정규화 분광 지수 NDSI를 이용하면, 품종의 차이의 영향을 크게 받지 않고, 수확량의 예측을 행하는 것이 가능하다고 할 수 있다.
상술한 설명에서는, 벼의 장래의 수확량에 강한 상관을 갖는 복수의 파장을 결정할 때, 사용자 측정 조건 U에 잘 합치하는, 데이터베이스 DB1 내의 엔트리를 결정했다(도 14). 데이터베이스 DB1 내의 각 엔트리는 실측치이기 때문에, 모든 측정 조건을 망라하는 것이 곤란한 경우도 있을 수 있다. 그래서, 내삽 보간 또는 외삽 보간을 행하는 것에 의해, 기존의 복수의 엔트리로부터 새로운 엔트리를 생성해도 좋다. 구체적으로는, CPU(21)는, 데이터베이스 DB1의 측정 조건 데이터에 있어서의 태양의 앙각, 분광 계측기(1)의 앙각, 및 분광 계측기(1)와 태양의 방위각차에 근거하여 내삽 보간 또는 외삽 보간을 행한다. 내삽 보간 또는 외삽 보간 후의 데이터를, 사용자 측정 조건에 포함되는 각도에 관한 데이터와 일치시킨다. 그리고, 스펙트럼 데이터에도 동일한 내삽 보간 또는 외삽 보간을 행하고, 그것에 의해 얻어진 새로운 스펙트럼 데이터를 이용하여, 복수의 파장을 결정할 수 있다.
또, 새롭게 생성한 엔트리는 데이터베이스 DB1에 편입되어도 좋고, 편입되지지 않아도 좋다. CPU(21)는, 도 14의 처리 등에 맞추어 가상의 엔트리로서 일시적으로 생성하여 이용하는 것만으로도 좋다.
마찬가지로, 장래의 식물 상태 및/또는 수확 결과를 예측할 때에도, 내삽 보간 또는 외삽 보간을 행해도 좋다. 구체적으로는, CPU(21)는, 데이터베이스 DB1의 측정 조건 데이터에 있어서의 태양의 앙각, 분광 계측기(1)의 앙각, 및 분광 계측기(1)와 태양의 방위각차에 근거하여 내삽 보간 또는 외삽 보간을 행한다. 내삽 보간 또는 외삽 보간에 의해, 촬영 조건 V에 포함되는, 광원(12)인 태양과 분광 계측기(1)과의 방위각차, 분광 계측기(1)의 앙각, 및, 태양의 앙각의 데이터와 일치시킬 수 있다. 그리고, CPU(21)는, 동일한 내삽 보간 또는 외삽 보간을 식물 상태 데이터 및/또는 수확 결과 데이터에도 행함으로써, 그 데이터를 이용하여, 식물의 장래 상태 및/또는 수확 결과를 예측하면 좋다.
[2. 변형예]
본 개시의 실시의 형태는, 상기 실시의 형태에 한정되지 않는다. 상기 실시의 형태는, 본 개시의 과제를 달성할 수 있으면, 설계 등에 따라 여러 가지의 변경이 가능하다. 이하에, 상기 실시의 형태의 변형예를 열거한다. 이하에 설명하는 변형예는, 적당히 조합하여 적용 가능하다.
지금까지는 주로 벼를 예시하여 설명했다. 본 개시에 따른 기술은, 벼 이외의 다른 식물에도 적용 가능하고, 또 수확량 이외의 예측에도 이용 가능하다. 본 발명자들이 확인한 예를 이하에 나타낸다.
우선, 다른 식물의 예로서 대두를 든다. 본 발명자는, 상술한 수법을 대두에 적용하는 것을 생각했다.
도 19는, 정규화 분광 지수 NDSI와, 대두의 수확량의 관계를 나타내는 도면이다. 가로축은 수확량을 나타내고 있다. 단위는, 10 아르당 킬로그램수이다. 도시되는 바와 같이, 수확량이 다르면, 정규화 분광 지수 NDSI도 다르다. 본 발명자들은, 대두에 대해, 「특정의 2 파장」의 정규화 분광 지수 NDSI와, 수확량의 상관 계수가 0.94의 매우 강한 상관에 있는 것을 발견했다. 「특정의 2 파장」은, 상술한 실시의 형태의 수법에 따라 결정하는 것이 가능하다. 그러한 2 파장의 정규화 분광 지수 NDSI를 이용하여 수확량을 예측함으로써, 본 발명자들은, 90% 이상의 정확도로 수확량을 예측할 수 있는 것을 확인했다.
만일, 특정의 2 파장의 정규화 분광 지수 NDSI를 이용하여 예측한 수확량이 예상보다 낮은 경우, 대두 농가는 보다 수확량에 기여하도록, 재배 계획을 다시 고칠 수 있다. 예를 들면, 시비(施肥)를 행하는 것에 의해, 일정 기간 경과 후에 재차 예측을 행하여, 수확량이 개선될 지 여부를 판단할 수 있다.
다음에, 또 다른 식물에 대해 병해충의 발생 예측을 행하는 예를 설명한다.
도 20a는, 오일 팜의 재배 지역 상공으로부터 촬영한 화상을 나타내고 있다. 일부의 오일 팜(140)에는 병해충이 발생하고 있는 것을 알고 있다.
본 발명자들은, 우선, 오일 팜에 대한 데이터베이스 DB1을 구축해 두었다. 그 데이터베이스 DB1에서는, 엔트리마다, 식물 상태 데이터의 병해충의 항목에 병해충이 발생하고 있는 정도를 나타내는 데이터가 기술되어 있다. 병해충이 발생하고 있는 정도를 나타내는 데이터는, 예를 들면 0에서 3의 4 단계로 나누어져 있다. 상관 계수를 구할 때는, 정규화 분광 지수 NDSI와, 병해충이 발생하고 있는 정도를 이용한다.
본 발명자들은, 스펙트럼 데이터 및 계측 조건 데이터를 이용하여, 상술한 바와 마찬가지의 수법에 의해 상관 계수가 0.9 이상으로 되는 정규화 분광 지수 NDSI를 결정하고, 그 정규화 분광 지수 NDSI를 주는 복수의 파장을 결정했다. 그 파장을 투과하는 광학 필터를 이용하여 분광 계측기(1)로 오일 팜의 재배지역을 촬영하여, 병해충의 발생을 예측했다.
도 20b는, 병해충의 발생의 정도에 대해 장래의 예측 결과를 나타내고 있다. 병해충이 발생하고 있을 가능성이 높은 나무일수록, 색이 진하게 표시되어 있다. 도 20a에 있어서의 오일 팜(140)의 식생 지역(142)의 색이 진하게 표시되어 있는 것이 이해된다. 본 수법에 의하면, 병해충이 발생하고 있는 나무를 87% 이상의 정확도로 판별할 수 있었다.
도 21a는, 사탕무의 갈반병의 진행의 모습을 나타내는 공중촬영 사진의 일례이다. 사진은 흑백화되어 있다. 촬영일은, (a)는 7월 15일, (b)는 8월 4일, (c)는 8월 26일이다.
본 발명자들은, (a)의 촬영시보다 전에 취득된 촬영 조건에 근거하여, 갈반병과 매우 상관이 높은 정규화 분광 지수 NDSI를 주는 복수의 파장을 구하고, (a) 시기의 갈반병의 진단을 시도했다. 또, (a)의 촬영시에 취득된 촬영 조건에 근거하여 복수의 파장을 다시 구하고, (b) 시기에 있어서의 갈반병의 진단을 시도했다. 마찬가지로, (b)의 촬영시에 취득된 촬영 조건에 근거하여 복수의 파장을 구하고 (c) 시기에 있어서의 갈반병의 진단을 시도했다.
도 21b는, 병해충의 발생의 정도에 대해 장래의 예측 결과를 나타내고 있다. (a)~(c)는, 도 21a의 (a)~(c)와 같은 시기의 예측 결과를 나타내고 있다. 흑백화 된 도 21a와, 도 21b의 대비로부터는, 진단 결과가 언뜻 보아 대응하고 있는 것이 분명하다고는 할 수 없다. 그러나 본 발명자들은, 지금까지보다 높은 정확도로 갈반병의 예측이 가능해지는 것을 확인했다. 달마다 정규화 분광 지수 NDSI에 근거하는 복수의 파장을 다시 산출하고, 얻어진 파장에 따라 광학 필터를 결정하는 것이, 보다 정확한 예측에 기여하고 있다고 추측된다. 이것에 의해, 병해충이 발생하고 있다고 예측된 지역의 사탕무에 병해충 구제의 대책을 채택할 수 있다.
도 22는, 촬영 방법에 관한 변형예를 설명하기 위한 도면이다. 식물의 종류에 따라서는, 분광 계측기(1)에 의해 목초의 화상 정보를 취득할 때의 복각은 변화할 수 있다. 벼의 경우에는, 매우 적합하게는, 복각은 약 15˚이하라고 설명했다. 예를 들면 목초의 경우, 매우 적합하게는, 수평선 H를 기준으로 한 복각 θ3은, 흙이나 물이 비치지 않는, 대상의 목초만이 시야에 들어가는 각도이다. 이것에 의해, 목초만의 화상 정보를 취득할 수 있다. 본 발명자들은, 상술한 복각의 범위이면, 목초의 생육 예측만이 아니라, 목초와 목초에 혼재하여 생육하는 잡초의 종류, 생육의 정도를 예측할 수 있는 것도 확인하고 있다.
[3. 태양]
상기 실시의 형태 및 변형예로부터 분명하듯이, 본 개시는, 아래와 같은 태양을 포함한다. 이하에서는, 실시의 형태와의 대응 관계를 명시하기 위한 것인 만큼, 부호를 괄호 첨부로 부여하고 있다. 또 문장의 보기 쉬움을 고려하여 2번째 이후의 괄호 첨부의 부호의 기재를 생략하는 경우가 있다.
제1의 태양은, 정보 처리 시스템(100)으로서, 광원(12)으로부터의 광에 관한 스펙트럼 데이터 및 상기 광의 측정 시의 측정 조건 데이터와, 식물(11)의 생장에 관련하는 식물 상태 데이터 및/또는 수확 결과 데이터를 미리 대응시킨 데이터베이스를 저장하는 기억 장치(23)와, 상기 식물에 대해, 사용자에 의한 측정 시에 적용되는 사용자 측정 조건으로서, 측정 시의 각도에 관한 데이터, 및 예측하고 싶은 식물 상태 및/또는 수확 결과에 관한 데이터를 포함하는 사용자 측정 조건의 입력을 받아들이는 인터페이스 장치(22)와, 상기 사용자 측정 조건에 근거하여 상기 데이터베이스를 참조하는 것에 의해, 상기 사용자 측정 조건 하에서 측정해야 할, 상기 광원으로부터의 광에 포함되는 적어도 2개의 파장을 결정하는 연산 회로(21)를 구비하고 있다.
제2의 태양은, 제1의 태양에 근거하는 정보 처리 시스템(100)이다. 제2의 태양에 있어서, 상기 연산 회로는, 적어도 2개의 파장 대역으로서, 각각이 상기 적어도 2개의 파장을 한개씩 포함하는 파장 대역을 결정한다.
제3의 태양은, 제2의 태양에 근거하는 정보 처리 시스템(100)이다. 제3의 태양에 있어서 상기 광원은 태양이며, 상기 연산 회로(21)는, 상기 태양의 광에 포함되는 파장 대역으로부터, 상기 적어도 2개의 파장의 각각을 포함하는, 30나노미터 미만의 폭, 및, 스펙트럼 반값폭의 한쪽을 갖는 파장 대역을 결정한다.　
제4의 태양은, 제1 내지 제3의 태양의 어느 하나에 근거하는 정보 처리 시스템(100)이다. 제4의 태양에 있어서, 연산 회로(21)는, 결정한 상기 적어도 2개의 파장의 값을 포함하는 정보를 출력한다.
제5의 태양은, 제1 내지 제4의 태양의 어느 하나에 근거하는 정보 처리 시스템(100)이다. 상기 데이터베이스에 있어서, 상기 스펙트럼 데이터는, 상기 광원으로부터의 광에 포함되는 복수의 파장, 각 파장의 강도, 및 상기 식물에 있어서 반사된 상기 각 파장의 광의 반사 강도의 데이터를 포함한다. 상기 측정 조건 데이터는, 상기 광을 계측기에서 측정한 시점에 있어서의, 상기 계측기로부터 본 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차의 데이터를 포함한다. 상기 식물 상태 데이터가 포함되는 경우에는, 상기 식물 상태 데이터는, 상기 식물의 생육 상태, 상기 식물에 발생한 병해충 상태, 상기 식물의 성분, 및 상기 식물이 생육한 토양의 상태 중 적어도 1개를 나타내는 데이터를 포함한다. 상기 수확 결과 데이터가 포함되는 경우에는, 상기 수확 결과 데이터는, 상기 식물의 수확량, 및 상기 식물의 수확 시기 중 적어도 1개를 나타내는 데이터를 포함한다.
제6의 태양은, 제5의 태양에 근거하는 정보 처리 시스템(100)이다. 제6의 태양에 있어서, 상기 연산 회로(21)는, 상기 사용자 측정 조건에 포함되는 상기 각도에 관한 데이터가, 상기 데이터베이스의 상기 측정 조건 데이터에 있어서의 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차와 일치하거나 또는 소정 범위 내에 들어가는 경우에, 상기 측정 조건 데이터에 대응시킨 상기 스펙트럼 데이터를 이용하여, 상기 적어도 2개의 파장을 결정한다.
제7의 태양은, 제5의 태양에 근거하는 정보 처리 시스템(100)이다. 제7의 태양에 있어서, 상기 연산 회로는, 상기 사용자 측정 조건에 포함되는 상기 각도에 관한 데이터와 일치하도록, 상기 데이터베이스의 상기 측정 조건 데이터에 있어서의 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차에 근거하여 내삽 보간 또는 외삽 보간을 행하고, 동일한 내삽 보간 또는 외삽 보간을 행한 스펙트럼 데이터를 이용하여, 상기 적어도 2개의 파장을 결정한다.
제8의 태양은, 제1 내지 제7의 태양의 어느 하나에 근거하는 정보 처리 시스템(100)이다. 제8의 태양에 있어서, 상기 연산 회로(21)는, 상기 복수의 파장으로부터, 서로 다른 2개의 파장의 조를 선택하고, 복수의 장소의 각각에 있어서의 상기 2개의 파장의 조의 지표치를 산출하고, 복수의 장소의 각각에 있어서의 식물 상태 및/또는 수확 결과를 취득하고, 지표치와 식물 상태 및/또는 수확 결과의 상관의 정도를 나타내는 상관 계수를 산출하고, 상기 상관 계수가 0.7 이상을 나타내는 상기 2개의 파장의 조를, 상기 적어도 2개의 파장으로서 결정한다.
제9의 태양은, 제8의 태양에 근거하는 정보 처리 시스템(100)이다. 제9의 태양에 있어서, 상기 연산 회로(21)는, 상기 상관 계수가 0.9 이상을 나타내는 상기 2개의 파장의 조를, 상기 적어도 2개의 파장으로서 결정한다.
제10의 태양은, 제8 또는 제9의 태양에 근거하는 정보 처리 시스템(100)이다. 제10의 태양에 있어서, 상기 연산 회로(21)는, 상기 복수의 장소에 있어서의 각 측정 조건 하에서 계측된 상기 2개의 파장의 각각의 강도, 및, 각 파장의 상기 식물에 있어서의 반사 강도로부터, 상기 각 파장의 반사율을 산출하고, 상기 2개의 파장의 조의 지표치로서, 상기 각 파장의 반사율을 이용하여 상기 2개의 파장의 정규화 분광 지수를 산출한다.
제11의 태양은, 분광 계측기(1)로서, 제8 내지 제10의 태양의 어느 하나에 근거하는 정보 처리 시스템(100)에 의해 결정된 상기 적어도 2개의 파장의 광을 각각 통과시키는 광학 필터(130)와, 상기 광학 필터(130)를 투과한, 상기 적어도 2개의 파장의 광을 검출하는 이미지 센서(132)를 구비하고 있다.
제12의 태양은, 정보 처리 시스템(100)으로서, 광원(12)으로부터의 광에 관한 스펙트럼 데이터 및 상기 광의 측정 시의 측정 조건 데이터와, 식물(11)의 생장에 관련하는 식물 상태 데이터 및/또는 수확 결과 데이터를 미리 대응시킨 데이터베이스를 저장하는 기억 장치(23)와, 제11의 태양에 근거하는 분광 계측기(1)를 이용한 상기 식물의 촬영시의 촬영 조건으로서, 촬영시의 상기 적어도 2개의 파장의 광의 강도, 상기 식물로부터의 반사광의 강도, 상기 광원과 상기 분광 계측기의 방위각차, 상기 분광 계측기의 앙각, 및, 상기 광원의 앙각의 데이터를 포함하는 촬영 조건의 입력을 받아들이는 인터페이스 장치(22)와, 상기 촬영 조건, 및, 상기 적어도 2개의 파장의 각 값에 근거하여 상기 데이터베이스를 참조하는 것에 의해, 장래의 상기 식물 상태 및/또는 수확 결과를 예측하는 연산 회로(21)를 구비하고 있다.
제13의 태양은, 제12의 태양에 근거하는 정보 처리 시스템(100)이다. 상기 데이터베이스에 있어서, 상기 스펙트럼 데이터는, 상기 광원으로부터의 광에 포함되는 복수의 파장, 각 파장의 강도, 및 상기 식물에 있어서 반사된 상기 각 파장의 광의 반사 강도의 데이터를 포함한다. 상기 측정 조건 데이터는, 상기 광을 계측기에서 측정한 시점에 있어서의, 상기 계측기로부터 본 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차의 데이터를 포함한다. 상기 식물 상태 데이터가 포함되는 경우에는, 상기 식물 상태 데이터는, 상기 식물의 생육 상태, 상기 식물에 발생한 병해충 상태, 상기 식물의 성분, 및 상기 식물이 생육한 토양의 상태 중 적어도 1개를 나타내는 데이터를 포함한다. 상기 수확 결과 데이터가 포함되는 경우에는, 상기 수확 결과 데이터는, 상기 식물의 수확량, 및 상기 식물의 수확 시기 중 적어도 1개를 나타내는 데이터를 포함한다.
제14의 태양은, 제13의 태양에 근거하는 정보 처리 시스템(100)이다. 제14의 태양에 있어서, 상기 연산 회로(21)는, 상기 촬영 조건에 포함되는, 상기 광원과 상기 분광 계측기의 방위각차, 상기 분광 계측기의 앙각, 및, 상기 광원의 앙각의 데이터가, 상기 데이터베이스의 상기 측정 조건 데이터에 있어서의 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차와 일치하거나 또는 소정 범위 내에 들어가는 경우에, 상기 측정 조건 데이터에 대응시킨 상기 식물 상태 데이터 및/또는 수확 결과 데이터를 이용하여, 장래의 상기 식물 상태 및/또는 수확 결과를 예측한다.
제15의 태양은, 제13의 태양에 근거하는 정보 처리 시스템(100)이다. 제15의 태양에 있어서, 상기 연산 회로(21)는, 상기 촬영 조건에 포함되는, 상기 광원과 상기 분광 계측기의 방위각차, 상기 분광 계측기의 앙각, 및, 상기 광원의 앙각의 데이터와 일치하도록, 상기 데이터베이스의 상기 측정 조건 데이터에 있어서의 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차에 근거하여 내삽 보간 또는 외삽 보간을 행하고, 동일한 내삽 보간 또는 외삽 보간을 행한 상기 식물 상태 데이터 및/또는 수확 결과 데이터를 이용하여, 장래의 상기 식물 상태 및/또는 수확 결과를 예측한다.
본 개시는, 식물의 장래의 식물 상태 및/또는 수확에 관한 정보를 예측하는 정보 처리 시스템에 적용 가능하다.
1 : 분광 계측기
11 : 대상물
12 : 광원
21 : CPU
22 : 인터페이스 장치
23 : 기억 장치
100 : 정보 처리 시스템
130 : 광학 필터
132 : 이미지 센서

Claims (15)

  1. 광원으로부터의 광에 관한 스펙트럼 데이터 및 상기 광의 측정 시의 측정 조건 데이터와, 식물의 생장에 관련하는 식물 상태 데이터 및/또는 수확 결과 데이터를 미리 대응시킨 데이터베이스를 저장하는 기억 장치와,
    상기 식물에 대해, 사용자에 의한 측정 시에 적용되는 사용자 측정 조건으로서, 측정 시의 각도에 관한 데이터, 및 예측하고 싶은 식물 상태 및/또는 수확 결과에 관한 데이터를 포함하는 사용자 측정 조건의 입력을 받아들이는 인터페이스 장치와,
    상기 사용자 측정 조건에 근거하여 상기 데이터베이스를 참조하는 것에 의해, 상기 사용자 측정 조건 하에서 측정해야 할, 상기 광원으로부터의 광에 포함되는 적어도 2개의 파장을 결정하는 연산 회로
    를 구비하는 정보 처리 시스템.
  2. 제 1 항에 있어서,
    상기 연산 회로는, 적어도 2개의 파장 대역으로서, 각각이 상기 적어도 2개의 파장을 한개씩 포함하는 파장 대역을 결정하는 정보 처리 시스템.
  3. 제 2 항에 있어서,
    상기 광원은 태양이며,
    상기 연산 회로는, 상기 태양의 광에 포함되는 파장 대역으로부터, 상기 적어도 2개의 파장의 각각을 포함하는, 30나노미터 미만의 폭, 및, 스펙트럼 반값폭의 한쪽을 갖는 파장 대역을 결정하는
    정보 처리 시스템.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 연산 회로는, 결정한 상기 적어도 2개의 파장의 값을 포함하는 정보를 출력하는 정보 처리 시스템.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
    상기 데이터베이스에 있어서,
    상기 스펙트럼 데이터는,
    상기 광원으로부터의 광에 포함되는 복수의 파장,
    각 파장의 강도, 및
    상기 식물에 있어서 반사된 상기 각 파장의 광의 반사 강도의 데이터를 포함하고,
    상기 측정 조건 데이터는, 상기 광을 계측기에서 측정한 시점에 있어서의,
    상기 계측기로부터 본 상기 광원의 앙각,
    상기 계측기의 앙각, 및
    상기 계측기와 상기 광원의 방위각차의 데이터를 포함하고,
    상기 식물 상태 데이터가 포함되는 경우에는, 상기 식물 상태 데이터는,
    상기 식물의 생육 상태,
    상기 식물에 발생한 병해충 상태,
    상기 식물의 성분, 및
    상기 식물이 생육한 토양의 상태 중 적어도 1개를 나타내는 데이터를 포함하고,
    상기 수확 결과 데이터가 포함되는 경우에는, 상기 수확 결과 데이터는,
    상기 식물의 수확량, 및
    상기 식물의 수확 시기 중 적어도 1개를 나타내는 데이터를 포함하는
    정보 처리 시스템.
  6. 제 5 항에 있어서,
    상기 연산 회로는, 상기 사용자 측정 조건에 포함되는 상기 각도에 관한 데이터가, 상기 데이터베이스의 상기 측정 조건 데이터에 있어서의 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차와 일치하거나 또는 소정 범위 내에 들어가는 경우에, 상기 측정 조건 데이터에 대응시킨 상기 스펙트럼 데이터를 이용하여, 상기 적어도 2개의 파장을 결정하는 정보 처리 시스템.
  7. 제 5 항에 있어서,
    상기 연산 회로는, 상기 사용자 측정 조건에 포함되는 상기 각도에 관한 데이터와 일치하도록, 상기 데이터베이스의 상기 측정 조건 데이터에 있어서의 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차에 근거하여 내삽 보간 또는 외삽 보간을 행하고, 동일한 내삽 보간 또는 외삽 보간을 행한 스펙트럼 데이터를 이용하여, 상기 적어도 2개의 파장을 결정하는 정보 처리 시스템.
  8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
    상기 연산 회로는,
    상기 복수의 파장으로부터, 서로 다른 2개의 파장의 조를 선택하고,
    복수의 장소의 각각에 있어서의 상기 2개의 파장의 조의 지표치를 산출하고,
    상기 복수의 장소의 각각에 있어서의 식물 상태 및/또는 수확 결과를 취득하고,
    상기 지표치와 상기 식물 상태 및/또는 수확 결과의 상관의 정도를 나타내는 상관 계수를 산출하고,
    상기 상관 계수가 0.7 이상을 나타내는 상기 2개의 파장의 조를, 상기 적어도 2개의 파장으로서 결정하는
    정보 처리 시스템.
  9. 제 8 항에 있어서,
    상기 연산 회로는, 상기 상관 계수가 0.9 이상을 나타내는 상기 2개의 파장의 조를, 상기 적어도 2개의 파장으로서 결정하는 정보 처리 시스템.
  10. 제 8 항 또는 제 9 항에 있어서,
    상기 연산 회로는, 상기 복수의 장소에 있어서의 각 측정 조건 하에서 계측된 상기 2개의 파장의 각각의 강도, 및, 각 파장의 상기 식물에 있어서의 반사 강도로부터, 상기 각 파장의 반사율을 산출하고, 상기 2개의 파장의 조의 지표치로서 상기 각 파장의 반사율을 이용하여 상기 2개의 파장의 정규화 분광 지수를 산출하는 정보 처리 시스템.
  11. 청구항 8 내지 10 중 어느 한 항에 기재된 정보 처리 시스템에 의해 결정된 상기 적어도 2개의 파장의 광을 각각 통과시키는 광학 필터와,
    상기 광학 필터를 투과한, 상기 적어도 2개의 파장의 광을 검출하는 이미지 센서
    를 구비하는 분광 계측기.
  12. 광원으로부터의 광에 관한 스펙트럼 데이터 및 상기 광의 측정 시의 측정 조건 데이터와, 식물의 생장에 관련하는 식물 상태 데이터 및/또는 수확 결과 데이터를 미리 대응시킨 데이터베이스를 저장하는 기억 장치와,
    청구항 11에 기재된 분광 계측기를 이용한 상기 식물의 촬영시의 촬영 조건으로서, 촬영시의 상기 적어도 2개의 파장의 광의 강도, 상기 식물로부터의 반사광의 강도, 상기 광원과 상기 분광 계측기의 방위각차, 상기 분광 계측기의 앙각, 및, 상기 광원의 앙각의 데이터를 포함하는 촬영 조건의 입력을 받아들이는 인터페이스 장치와,
    상기 촬영 조건, 및, 상기 적어도 2개의 파장의 각 값에 근거하여 상기 데이터베이스를 참조하는 것에 의해, 장래의 상기 식물 상태 및/또는 수확 결과를 예측하는 연산 회로
    를 구비하는 정보 처리 시스템.
  13. 제 12 항에 있어서,
    상기 데이터베이스에 있어서,
    상기 스펙트럼 데이터는,
    상기 광원으로부터의 광에 포함되는 복수의 파장,
    각 파장의 강도, 및
    상기 식물에 있어서 반사된 상기 각 파장의 광의 반사 강도의 데이터를 포함하고,
    상기 측정 조건 데이터는, 상기 광을 계측기에서 측정한 시점에 있어서의,
    상기 계측기로부터 본 상기 광원의 앙각,
    상기 계측기의 앙각, 및
    상기 계측기와 상기 광원의 방위각차의 데이터를 포함하고,
    상기 식물 상태 데이터가 포함되는 경우에는, 상기 식물 상태 데이터는,
    상기 식물의 생육 상태,
    상기 식물에 발생한 병해충 상태,
    상기 식물의 성분, 및
    상기 식물이 생육한 토양의 상태 중 적어도 1개를 나타내는 데이터를 포함하고,
    상기 수확 결과 데이터가 포함되는 경우에는, 상기 수확 결과 데이터는,
    상기 식물의 수확량, 및
    상기 식물의 수확 시기 중 적어도 1개를 나타내는 데이터를 포함하는
    정보 처리 시스템.
  14. 제 13 항에 있어서,
    상기 연산 회로는, 상기 촬영 조건에 포함되는, 상기 광원과 상기 분광 계측기의 방위각차, 상기 분광 계측기의 앙각, 및, 상기 광원의 앙각의 데이터가, 상기 데이터베이스의 상기 측정 조건 데이터에 있어서의 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차와 일치하거나 또는 소정 범위 내에 들어가는 경우에, 상기 측정 조건 데이터에 대응시킨 상기 식물 상태 데이터 및/또는 수확 결과 데이터를 이용하여, 장래의 상기 식물 상태 및/또는 수확 결과를 예측하는 정보 처리 시스템.
  15. 제 13 항에 있어서,
    상기 연산 회로는, 상기 촬영 조건에 포함되는, 상기 광원과 상기 분광 계측기의 방위각차, 상기 분광 계측기의 앙각, 및, 상기 광원의 앙각의 데이터와 일치하도록, 상기 데이터베이스의 상기 측정 조건 데이터에 있어서의 상기 광원의 앙각, 상기 계측기의 앙각, 및 상기 계측기와 상기 광원의 방위각차에 근거하여 내삽 보간 또는 외삽 보간을 행하고, 동일한 내삽 보간 또는 외삽 보간을 행한 상기 식물 상태 데이터 및/또는 수확 결과 데이터를 이용하여, 장래의 상기 식물 상태 및/또는 수확 결과를 예측하는 정보 처리 시스템.
KR1020220028113A 2022-02-07 2022-03-04 정보 처리 시스템 및 분광 계측기 KR20230119567A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2022-017173 2022-02-07
JP2022017173A JP7189585B1 (ja) 2022-02-07 2022-02-07 情報処理システムおよび分光計測器

Publications (1)

Publication Number Publication Date
KR20230119567A true KR20230119567A (ko) 2023-08-16

Family

ID=80623746

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220028113A KR20230119567A (ko) 2022-02-07 2022-03-04 정보 처리 시스템 및 분광 계측기

Country Status (7)

Country Link
US (1) US11768152B2 (ko)
EP (1) EP4224145A1 (ko)
JP (1) JP7189585B1 (ko)
KR (1) KR20230119567A (ko)
CN (1) CN116593411A (ko)
AU (1) AU2022201472A1 (ko)
CA (1) CA3150702A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020122681A (ja) 2019-01-29 2020-08-13 セイコーエプソン株式会社 情報システムおよび特定方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0437111Y2 (ko) 1986-09-09 1992-09-01
JP5020444B2 (ja) 2001-06-29 2012-09-05 独立行政法人農業・食品産業技術総合研究機構 作物生育量測定装置、作物生育量測定方法、作物生育量測定プログラム及びその作物生育量測定プログラムを記録したコンピュータ読取可能な記録媒体
JP2010166851A (ja) * 2009-01-22 2010-08-05 Chiharu Hongo 作物の収量予測方法及びその装置
US8902413B2 (en) * 2012-02-21 2014-12-02 Trimble Navigation Limited Cell phone NDVI sensor
KR102109245B1 (ko) 2015-05-12 2020-05-11 코니카 미놀타 가부시키가이샤 식물 생육 지표 측정 장치 및 그의 방법 그리고 식물 생육 지표 측정 시스템
KR102321554B1 (ko) 2016-08-22 2021-11-04 국립대학법인 홋가이도 다이가쿠 물체 상태 검출 전송 시스템
CA3085358A1 (en) * 2018-01-18 2019-07-25 Wisconsin Alumni Research Foundation System for detection of disease in plants
EP3922966A4 (en) 2019-02-06 2022-02-16 NEC Corporation FILTER LEARNING DEVICE, FILTER LEARNING METHOD AND NON-TRANSITORY COMPUTER READABLE MEDIA
JP7415347B2 (ja) 2019-07-03 2024-01-17 ソニーグループ株式会社 情報処理装置、情報処理方法、プログラム、センシングシステム
US11003908B2 (en) * 2019-07-23 2021-05-11 Regents Of The University Of Minnesota Remote-sensing-based detection of soybean aphid induced stress in soybean
JP7044285B2 (ja) 2020-04-20 2022-03-30 国立研究開発法人農業・食品産業技術総合研究機構 農作物関連値導出装置および農作物関連値導出方法
JP2021174062A (ja) 2020-04-20 2021-11-01 富士通株式会社 機械学習プログラム、機械学習方法および機械学習装置
US11710232B2 (en) 2020-05-23 2023-07-25 Reliance Industries Limited Image processing based advisory system and a method thereof
CN113159420A (zh) * 2021-04-21 2021-07-23 苏州科技大学 一种GSA-MLs相结合的小麦LAI估算方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020122681A (ja) 2019-01-29 2020-08-13 セイコーエプソン株式会社 情報システムおよび特定方法

Also Published As

Publication number Publication date
CA3150702A1 (en) 2023-08-07
CN116593411A (zh) 2023-08-15
EP4224145A1 (en) 2023-08-09
JP2023114709A (ja) 2023-08-18
JP7189585B1 (ja) 2022-12-14
US11768152B2 (en) 2023-09-26
AU2022201472A1 (en) 2023-08-24
US20230251185A1 (en) 2023-08-10

Similar Documents

Publication Publication Date Title
Qiao et al. Improving estimation of LAI dynamic by fusion of morphological and vegetation indices based on UAV imagery
Marinello Last generation instrument for agriculture multispectral data collection
Virlet et al. Field Scanalyzer: An automated robotic field phenotyping platform for detailed crop monitoring
Stanton et al. Unmanned aircraft system-derived crop height and normalized difference vegetation index metrics for sorghum yield and aphid stress assessment
Lee et al. Estimation of rice growth and nitrogen nutrition status using color digital camera image analysis
AU752868B2 (en) Method for monitoring nitrogen status using a multi-sprectral imaging system
Zarco-Tejada et al. Chlorophyll fluorescence effects on vegetation apparent reflectance: II. Laboratory and airborne canopy-level measurements with hyperspectral data
JP5021293B2 (ja) 作物の生育状況分析方法、作物の生育状況分析装置及び作物の生育状況分析プログラム
JP2006250827A (ja) 作物の生育状況分析方法
WO2019143906A1 (en) System for detection of disease in plants
Schulze‐Brüninghoff et al. Remote sensing data fusion as a tool for biomass prediction in extensive grasslands invaded by L. polyphyllus
JP2015077113A (ja) 植物判定装置、植物判定方法、及びプログラム
EP3969899A1 (en) Systems and methods for phenotyping
Zhang et al. High-throughput phenotyping of plant leaf morphological, physiological, and biochemical traits on multiple scales using optical sensing
Jayasinghe et al. Image‐based high‐throughput phenotyping for the estimation of persistence of perennial ryegrass (Lolium perenne L.)—A review
De Ocampo et al. Estimation of Triangular Greenness Index for Unknown PeakWavelength Sensitivity of CMOS-acquired Crop Images
Bruce et al. Classification of soybean pubescence from multispectral aerial imagery
Noble et al. The use of spectral properties for weed detection and identification-a review
KR20230119567A (ko) 정보 처리 시스템 및 분광 계측기
Tang et al. Chlorophyll detector development based on snapshot-mosaic multispectral image sensing and field wheat canopy processing
CN113514402A (zh) 一种冬小麦叶绿素含量的预测系统及方法
Okamoto et al. Unified hyperspectral imaging methodology for agricultural sensing using software framework
JP2021001777A (ja) 植物の生育状態評価方法および評価装置
Khalesi et al. Uncertainty Model for NDVI Estimation from Multispectral Camera Measurements
Rahman et al. Multispectral Image Analysis for Crop Health Monitoring System