WO2021140941A1 - 収穫予測装置、収穫予測方法 - Google Patents

収穫予測装置、収穫予測方法 Download PDF

Info

Publication number
WO2021140941A1
WO2021140941A1 PCT/JP2020/048485 JP2020048485W WO2021140941A1 WO 2021140941 A1 WO2021140941 A1 WO 2021140941A1 JP 2020048485 W JP2020048485 W JP 2020048485W WO 2021140941 A1 WO2021140941 A1 WO 2021140941A1
Authority
WO
WIPO (PCT)
Prior art keywords
harvest
agricultural product
amount
unit
growth
Prior art date
Application number
PCT/JP2020/048485
Other languages
English (en)
French (fr)
Inventor
奈美 中村
Original Assignee
株式会社大林組
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 株式会社大林組 filed Critical 株式会社大林組
Publication of WO2021140941A1 publication Critical patent/WO2021140941A1/ja

Links

Images

Classifications

    • 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
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining

Definitions

  • the present invention relates to a harvest prediction device and a harvest prediction method.
  • harvest indicators such as the yield and harvest time of agricultural products are predicted based on the integrated temperature and many years of experience by the harvester.
  • a difference is likely to occur between the integrated temperature used for the prediction and the temperature actually integrated in the agricultural product.
  • forecasts based on years of experience by harvesters are likely to make a difference between skilled and unskilled harvesters. Therefore, it is required to improve the prediction accuracy of the harvest index in agricultural products by using the harvest prediction device.
  • An object of the present invention is to provide a harvest prediction device and a harvest prediction method capable of improving the prediction accuracy of a harvest index in agricultural products.
  • a harvest prediction device including a control unit connected to an imaging unit.
  • the control unit identifies the growing state of the agricultural product from the image of the agricultural product acquired from the imaging unit, calculates the residual growth amount required to satisfy the harvesting standard of the agricultural product from the growing state, and cultivates the agricultural product. It is configured to acquire the weather information of the area and calculate the harvest index of the crop from the weather information and the residual growth amount.
  • the image of the current agricultural product is reflected in the growing condition, and the harvest index of the agricultural product is predicted from the growing condition, the residual growth amount according to the harvest standard, and the weather information from the present to the harvest time.
  • the harvest index is the yield
  • the current growth rate of the agricultural product is reflected in the forecast of the yield
  • the remaining growth amount which is the number of days from the present to the harvest time, and the current to the harvest time.
  • Weather information is reflected in the yield forecast.
  • the harvest index is the harvest time
  • the current degree of growth of agricultural products is reflected in the prediction of the harvest time, and the residual growth amount required to meet the weight and size that is the harvest standard is calculated from the present.
  • the harvest time is predicted after considering the weather information up to the harvest time. As a result, it is possible to improve the prediction accuracy of the harvest index of agricultural products.
  • the control unit may specify the color of the agricultural product contained in the image, and the harvest amount of the agricultural product satisfying the harvest standard at the harvest time from the color may be used as the harvest index. In this case, it is possible to suppress forcing the harvester to harvest agricultural products that do not meet the harvesting standards. In addition, since it is easy to cultivate agricultural products until they meet the harvesting standards, it is possible to improve the accuracy of the yield of agricultural products having high quality.
  • the control unit identifies at least one of the predicted weight and size of the agricultural product contained in the image from the image, and is based on the growing state and the growth amount of the agricultural product with respect to the photosynthetic amount of the agricultural product.
  • the residual growth amount required to satisfy the harvest standard may be calculated, and the harvest time satisfying the harvest standard may be specified as the harvest index from the residual growth amount.
  • a harvest prediction method using a harvest prediction device provided with a control unit connected to an imaging unit.
  • the control unit identifies the growing state of the agricultural product from the image of the agricultural product acquired from the imaging unit, calculates the residual growth amount required to satisfy the harvesting standard of the agricultural product from the growing state, and cultivates the agricultural product.
  • the weather information of the area is acquired, and the harvest index of the agricultural product is calculated from the weather information and the residual growth amount.
  • the growth state is specified using the image of the agricultural product acquired by the imaging unit, and the residual growth amount is calculated using the growth state, and the weather information and the residual amount from the present to the harvest time in the cultivation area of the agricultural product.
  • the amount of growth is used to predict the yield index of agricultural products. As a result, as described above, it is possible to improve the prediction accuracy of the harvest index of agricultural products.
  • the figure which shows the harvest prediction system of 1st Embodiment The block diagram which shows the functional example of the harvest prediction apparatus of FIG.
  • the figure which shows the harvest prediction system of 2nd Embodiment The block diagram which shows the functional example of the harvest prediction apparatus of FIG.
  • the harvest prediction system of this embodiment is used to calculate the harvest index of agricultural products.
  • the harvest index of an agricultural product is a value related to the harvest of an agricultural product satisfying the shipping standard, and is, for example, any one of the yield amount, the harvest time, and the harvest probability.
  • the yield which is an example of the harvest index, is at least one of the weight of the agricultural product to be harvested, the size such as the dimension in a predetermined direction, and the volume.
  • the harvest time is determined, for example, by the color of the produce, the integrated temperature, and at least one of any preset periods.
  • the color of agricultural products includes at least one of hue, lightness, and saturation.
  • the integrated temperature is the temperature integrated from a certain starting point such as flowering to the time when the agricultural product is harvested. When the integrated temperature exceeds a certain value, the agricultural product matures and the agricultural product becomes suitable for harvesting.
  • the preset arbitrary period is the number of days counted from a certain starting point such as flowering.
  • An example of the harvest probability is, for example, a probability based on a predicted value of the yield, which is the probability that the harvest will exceed a certain amount within a specified period.
  • Another example of a harvest probability is, for example, a probability based on a predicted value of the harvest time, which is the probability of being harvested within a specified period of time.
  • Predicting the yield makes it possible to predict the amount of work required for harvesting, and therefore it is possible to secure the workers required for the harvesting work and to accurately carry out the shipping plan.
  • Predicting the harvest time makes it possible to predict when the agricultural product can be harvested, and it is possible to make a harvest plan according to the predicted harvest time.
  • Predicting the harvest probability makes it possible to numerically evaluate the reliability of the harvest forecast.
  • Agricultural products may be vegetables whose harvest site can be photographed in the pre-harvest state, for example, fruit vegetables including tomatoes, eggplants and cucumbers, fruit vegetables including strawberries, melons and squid, cabbage, spinach and lettuce. It is a leafy vegetable including.
  • a type of agricultural product in which the integrated value of environmental information from the starting point such as flowering to the optimum harvest index is constant is particularly preferable.
  • the integrated value of environmental information from the starting point such as flowering to the optimum harvest index is constant.
  • Agricultural products are provided with shipping standards that determine whether the agricultural products can be shipped or classify the quality and standards at the time of shipping. Shipping standards are divided into grades and grades, and grades relate to quality, shape, and appearance, such as shape, color, and luster. Class is size and weight.
  • a harvest standard is established, which is a standard that determines the harvest time of agricultural products.
  • Harvest standards are standards of grade and class that agricultural products meet at the time of harvest. It is desirable that agricultural products that meet the harvesting standards are harvested.
  • the harvest standard may be the same as the shipping standard, or may be set to a value lower than the shipping standard in consideration of the process from harvesting to shipping.
  • the harvest standard may include a predetermined harvest time.
  • Agricultural products are cultivated in farms.
  • the growing environment of the plantation may or may not be controlled.
  • the growing environment is a factor that influences the photosynthesis of agricultural products, for example, temperature, carbon dioxide concentration, humidity, light conditions, watering amount, fertilizer, air volume and wind direction.
  • at least one of the growing environments is managed.
  • the plantation may be open or sealed, i.e. substantially completely sealed or semi-sealed. Cultivations where the growing environment is controlled are preferably sealed or semi-sealed. In a sealed or semi-sealed cultivated plant, it is possible to suppress changes in the cultivated environment in the cultivated environment that are received from the external environment, and it becomes easier to manage the cultivated environment.
  • the light conditions consist of a long day, a light wavelength, and a light intensity.
  • the long day is the time of the light period in one day, for example, the time when the lighting is turned on.
  • the daytime is set in consideration of the photoperiodism of agricultural products.
  • the light wavelength affects the nutrients, taste, and texture of agricultural products.
  • the light wavelength may be selected according to the characteristics of the agricultural product.
  • the light intensity is the intensity of the light applied to the agricultural product, and is adjusted by the solar radiation shielding member that blocks sunlight. It is desirable that the light intensity is equal to or higher than the light compensation point and lower than the light saturation point. When the light intensity is equal to or higher than the light compensation point, it is possible to promote the growth of agricultural products. When the light intensity is equal to or lower than the light saturation point, it is possible to suppress the cost of the light source and the deterioration of the quality of agricultural products caused by excessive photosynthesis.
  • a plantation in which the growing environment is controlled may be configured to control the growing environment of agricultural products based on at least one of a harvest index and a residual growth amount.
  • the plantation may include a control panel, a sensor, and a growing environment control device.
  • the control panel controls the growth environment control unit by using the residual growth amount up to a predetermined harvest time and the environmental information.
  • the growth environment control unit is a device capable of controlling the growth environment in the cultivation plant, and is, for example, an air conditioner, a carbon dioxide generator, a light source, a blower, a humidifier, and a solar radiation shielding member.
  • the sensor measures the growing environment in the plantation and sends it to the control panel.
  • the control panel controls the growth environment control unit so as to form a growth environment suitable for the growth of agricultural products in consideration of the measurement result of the growth environment received from the sensor.
  • the farm may further be equipped with photosynthesis optimum software.
  • the photosynthesis optimum software calculates the currently optimum photosynthesis rate by using at least one of the residual growth amount and the harvest index transmitted from the harvest prediction device 20 and the environmental information.
  • the photosynthesis optimum software transmits the calculated currently optimum photosynthesis rate to the control panel.
  • the control panel controls the growth environment control unit based on the currently optimum photosynthesis rate received from the photosynthesis optimum software.
  • the control panel controls the growing environment so that the optimum photosynthetic rate can be obtained in consideration of the measurement result of the growing environment received from the sensor.
  • the growth environment control unit should maintain the growth environment. To control.
  • the growing environment control unit controls the growing environment so as to approach the optimum growing environment. ..
  • the harvest prediction system will be described with reference to FIG.
  • the harvest prediction system includes an imaging unit 10, a harvest prediction device 20, and a terminal 40.
  • the imaging unit 10 and the terminal 40 and the harvest prediction device 20 mutually transmit and receive data through a network. Further, the imaging unit 10 and the terminal 40 may mutually transmit and receive data through the network. The imaging unit 10 and the terminal 40 may mutually transmit and receive data without going through a network.
  • the network used for communication between the image pickup unit 10, the harvest prediction device 20, and the terminal 40 may be a general-purpose communication line such as the Internet, or a dedicated communication line for communication of each device. You may. Further, the network may include a plurality of independent networks, or may be a common network.
  • the image pickup unit 10 takes an image of the agricultural product and transmits the taken image to the harvest prediction device 20.
  • the imaging unit 10 may be fixed or movable. Further, the imaging unit 10 may take a bird's-eye view of a group of agricultural products, or may take a close-up shot of one or a bunch of agricultural products.
  • the imaging unit 10 may be capable of shooting a moving image.
  • the timing at which the imaging unit 10 takes a picture may be regular or irregular.
  • the terminal 40 is a computer terminal such as a smartphone, a tablet terminal, or a personal computer. By inputting the harvest standard to the terminal 40, it is possible to transmit the data of the harvest standard to the harvest prediction device 20.
  • the harvesting standard entered may be any value set as the value that the produce meets at the time of harvest. Harvesting standards may be entered as multiple parameters.
  • the terminal 40 displays the harvest index predicted by the harvest prediction device 20.
  • the terminal 40 may be able to browse the image of the agricultural product, the growing state, the location of the agricultural product in the cultivation plant, and the data stored in the harvest prediction device 20. Further, the terminal 40 may transmit the data received from the imaging unit 10 and the harvest prediction device 20 to another terminal.
  • the terminal 40 displays the harvest index by expressing, for example, the predicted value of the harvest index or a predetermined numerical range including the predicted value by colors, figures, pictures, characters, and the like.
  • the terminal 40 may display a code indicating the amount, place, and place of agricultural products that can be harvested in the entire cultivation plant during the designated period.
  • the amount of agricultural products that can be harvested may be the amount of harvest in the entire plantation or the amount of harvest in a part of the plantation.
  • the harvest prediction device 20 will be described with reference to FIG.
  • the harvest prediction device 20 is provided with a memory such as a CPU, RAM, and ROM, acquires weather information of the cultivation area of the agricultural product, and calculates a harvest index of the agricultural product using the weather information and the residual growth amount.
  • the harvest prediction device 20 has a communication unit 21, a control unit 30, and a calculation model 22 connected to the control unit 30.
  • the harvest prediction device 20 may predict one harvest index or may predict a plurality of harvest indexes.
  • the communication unit 21 receives and transmits information from the imaging unit 10, the terminal 40, other terminals, and an external information providing center through the network.
  • the communication unit 21 may receive the data periodically or irregularly.
  • the communication unit 21 may receive or transmit data each time the harvest index is calculated. Further, the communication unit 21 may select a target for receiving data or data to be received based on an instruction from the control unit 30.
  • the communication unit 21 acquires weather information.
  • Weather information is provided, for example, by an external information center.
  • the information provision center is, for example, a server set up by the Japan Meteorological Agency or a specific corporation or individual.
  • the weather information is information on the weather in a cultivation area, which is an area within a predetermined range including a cultivation plant where agricultural products are cultivated.
  • the communication unit 21 may periodically receive the weather information of the cultivation area collectively, or may update the weather information every hour or every day. Further, the communication unit 21 may receive the weather information in response to an inquiry to an external information providing center.
  • the weather information may be, for example, a weekly weather forecast or an hourly weather forecast, but an hourly weather forecast is desirable.
  • an hourly weather forecast is desirable.
  • the weather information may be only the weather information, but it is desirable to include information of one or more of the sunshine duration, the average temperature, and the probability of precipitation.
  • the weather information may be in a table format or a map format.
  • the map format is, for example, a weather map or a rain cloud radar.
  • the control unit 30 processes the information received by the communication unit 21, and has an image analysis unit 31, a residual growth amount calculation unit 32, a harvest index calculation unit 33, and an information providing unit 34.
  • the control unit 30 is connected to the image pickup unit 10 through the communication unit 21.
  • the image analysis unit 31 includes, for example, a processor such as a GPU (Graphics Processing Unit) or an FPGA (Field-Programmable Gate Array) configured for image processing.
  • the image analysis unit 31 identifies the growing state of the agricultural product by analyzing the image received from the image pickup unit 10.
  • the growing condition is the color, luster, size, weight, shape, and large amount of fertilizer of the current agricultural products.
  • the image analysis unit 31 identifies the color of an agricultural product, which is an example of a growing state, with reference to a reference such as a color chart.
  • the color of the agricultural product may be an average value calculated from the color of one agricultural product as a whole, or may be the color at a specific part.
  • the image analysis unit 31 may store, for example, a mathematical model constructed based on actual measurement values or a trained model, and specify the growth state of the agricultural product by image analysis using the model.
  • the image analysis unit 31 may detect individual recognition information when distinguishing individual agricultural products.
  • the individual recognition information is information that can distinguish each agricultural product individually, and is associated with, for example, the position of the agricultural product in the farm or the position of a specific part in the agricultural product.
  • the individual recognition information may be added to the agricultural product by a tag, a color code, a barcode, or a QR code (registered trademark).
  • the individual recognition information makes it possible to recognize an individual even if it is a close-up agricultural product, thereby recording the growth process of one individual agricultural product.
  • the image analysis unit 31 may detect agricultural products that cannot be shipped due to rust fruit, cracked fruit, disease, pest damage, feeding damage, etc. from the image of the agricultural product.
  • a notification that the unshippable agricultural product is detected is transmitted to the user through the terminal 40.
  • the user who receives the notification can take an appropriate action based on the content of the notification.
  • the image analysis unit 31 may create a 3D model of the agricultural product from the images of the agricultural product from a plurality of angles taken by the imaging unit 10, and calculate the volume and weight of the agricultural product from the created 3D model.
  • a mathematical model may be used or a trained model may be used when calculating the volume and weight of the agricultural product from the 3D model of the agricultural product.
  • the residual growth amount calculation unit 32 executes a process of calculating the residual growth amount required to satisfy the harvest standard of the agricultural product by using the growth state.
  • the growing state the growing state in the current agricultural product is provided by the image analysis unit 31.
  • the harvest standard is provided and set in advance through the terminal 40 by the user.
  • the process of calculating the residual growth amount differs depending on the type of harvest index. For example, when predicting the yield as a harvest index, or when predicting the harvest probability based on the harvest, the residual growth amount calculation unit 32 calculates the number of days from the present to a predetermined harvest time as the residual growth amount.
  • the residual growth amount calculation unit 32 first calculates the residual standard value required to satisfy the harvest standard.
  • the remaining standard value is the weight, size, color, etc. of the agricultural product required to meet the harvest standard.
  • the remaining standard value is calculated by comparing the current growth state of the agricultural product calculated by the image analysis unit 31 with the harvest standard. For example, if the color harvesting standards for agricultural products are Red: 255, Green: 22, Blue: 22, and the current growing conditions for agricultural products are Red: 255, Green: 69, Blue: 22, Green: 47. Is the remaining standard value. For example, when the weight harvest standard for agricultural products is 150 g and the current growing state of agricultural products is 100 g, 50 g is the remaining standard value.
  • the residual growth amount calculation unit 32 calculates the residual growth amount required for the agricultural product to satisfy the harvest standard based on the residual standard value.
  • the residual growth amount is the growth amount of agricultural products required to meet the harvest standard.
  • the residual growth amount is, for example, the amount of afterglow synthesis, which is the amount of photosynthesis required to satisfy the harvest standard, or the residual integrated temperature, which is the integrated temperature required to satisfy the harvest standard.
  • the integrated temperature is the integrated daily average temperature in the area including the cultivation plant.
  • the residual growth amount calculation unit 32 uses the previously calculated residual standard value and the model included in the calculation model 22 when calculating the residual growth amount.
  • the harvest index calculation unit 33 executes a process of calculating the harvest index by using the residual growth amount calculated by the residual growth amount calculation unit 32 and the weather information of the cultivation area acquired through the communication unit 21.
  • the harvest index calculation unit 33 predicts, for example, the daily average temperature in the area from the present to the harvest time from the weather information of the cultivation area from the present to the harvest time. At this time, when the weather information includes the average temperature, the harvest index calculation unit 33 may use the average temperature as the daily average temperature. When the weather information includes the maximum temperature and the minimum temperature, the average value of these may be used as the daily average temperature. If the weather information does not include the temperature, the daily average temperature may be predicted from the weather information, and the monthly average temperature for each weather in the previous year is treated as the weather information, and this monthly average temperature is used. The daily average temperature may be predicted from.
  • the harvest index calculation unit 33 predicts the amount of solar radiation in the area from the present to the harvest time, for example, from the weather information of the cultivation area from the present to the harvest time. At this time, the harvest index calculation unit 33 calculates the predicted amount of solar radiation by multiplying the amount of solar radiation in fine weather by the cloudiness coefficient in the predicted weather.
  • the amount of solar radiation in fine weather is the amount of sunlight radiated to the area including the cultivation plant in fine weather, and is calculated by multiplying the amount of solar radiation directly reaching the normal outside the atmosphere by the atmospheric transmittance in fine weather.
  • the atmospheric transmittance in fine weather may be set for each month, for example.
  • the cloudiness coefficient is a coefficient related to the amount of cloudiness, which is the ratio of the cloud-covered part to the entire sky.
  • the cloudiness coefficient is, for example, the monthly average of cloudiness in sunny, cloudy, and rainy weather.
  • the amount of fogging is represented by an integer value in 13 steps of 0+, 0 to 9, 10-10, and the amount of fogging may be indicated by a numerical value in the range of 0 to 1.
  • the cloudiness coefficient is determined from the weather included in the weather information. Further, when a plurality of weathers are included in the daily weather information, the harvest index calculation unit 33 may use the average value of the cloudiness coefficient corresponding to those weathers.
  • the harvest index calculation unit 33 calculates the amount of solar radiation by using the average value of the cloudiness coefficient of sunny and cloudy as the cloudiness coefficient.
  • the process from the harvest to the shipment may be taken into consideration.
  • the date from harvest to shipment, moving conditions, and the like may be input from the terminal 40, and the input date and moving conditions may be reflected in the prediction of the harvest time.
  • the harvest index calculation unit 33 may predict the harvest index of agricultural products in units of a bunch or in units of one.
  • the process of predicting the harvest index differs depending on the type of harvest index. For example, when predicting the yield as a harvest index, or when predicting the harvest probability based on the harvest, the harvest index calculation unit 33 calculates the growth state and residual growth amount of the current agricultural product calculated by the image analysis unit 31.
  • the harvest index is calculated using the number of days which is the residual growth amount calculated in Part 32 and the weather information from the present to the predetermined harvest time.
  • the harvest index calculation unit 33 uses the weight of the agricultural product at a predetermined harvest time from the daily average temperature predicted from the weather information and the growth amount of the agricultural product predicted from the number of days remaining. Calculate a certain yield.
  • the amount of growth is the amount by which an agricultural product grows by photosynthesis, and is at least one of the weight of the agricultural product, the size such as the dimension in a predetermined direction, and the volume.
  • the harvest index calculation unit 33 may use the model included in the calculation model 22 when calculating the harvest index.
  • the harvest index calculation unit 33 uses the residual growth amount calculated by the residual growth amount calculation unit 32 and the communication unit 21.
  • the harvest index is calculated using the acquired weather information from the present to the predetermined harvest time.
  • the harvest index calculation unit 33 outputs, as an example, the time when the integrated temperature predicted from the weather information reaches the remaining integrated temperature as the harvest time.
  • the harvest index calculation unit 33 outputs the time when the integrated photosynthesis amount obtained from the amount of solar radiation predicted from the weather information reaches the afterglow synthesis amount as the harvest time.
  • the harvest index calculation unit 33 may use the model included in the calculation model 22 when calculating the harvest index. Further, when the weather information includes information on the sunshine duration, the amount of solar radiation, and the light intensity, the harvest index calculation unit 33 may use them for calculating the integrated photosynthesis amount.
  • the calculation model 22 stores one or more models for calculating the harvest index.
  • the model stored in the calculation model 22 may be a mathematical model calculated based on the actually measured values, or may be a trained model in which machine learning is performed using the teacher data.
  • a model for calculating the amount of afterglow synthesis as the amount of residual growth correlates at least one residual standard value selected from the group consisting of the color, size, weight, and amount of growth of agricultural products with the amount of photosynthesis. It is a model showing the relationship.
  • the model for calculating the afterglow synthesis amount as the afterglow amount is, for example, to output the afterglow synthesis amount required to satisfy the harvest standard based on the residual standard value Green: 47 which is the input hue change amount. Has been built.
  • a model for calculating the integrated temperature as the residual growth amount is a correlation between the integrated temperature and at least one residual standard value selected from the group consisting of the color, size, weight, and growth amount of agricultural products. It is a model showing.
  • the model for calculating the residual integrated temperature as the residual growth amount is, for example, to output the residual integrated temperature required to satisfy the harvest standard based on the residual standard value Green: 47, which is the input amount of change in hue. Has been built.
  • the model for calculating the harvest index when predicting the yield as a harvest index, or when predicting the harvest probability based on the yield, includes the color, luster, size, weight, shape, and shape of the current agricultural product.
  • the growth state such as a large amount of fertilizer, the number of days remaining to grow, and the daily average temperature based on the weather information from the present to the predetermined harvest time are input.
  • the model for calculating the harvest index is constructed to output the yield by using the correlation between the growth state, the number of days, and the weather information and the yield, which is the weight of the agricultural product.
  • the model for calculating the harvest index when predicting the harvest time as a harvest index, or when predicting the harvest probability based on the harvest time, includes the residual growth amount such as the afterglow synthesis amount and the integrated temperature, and the present.
  • the amount of solar radiation based on the weather information up to the specified harvest time is input.
  • the model for calculating the harvest index is constructed to output the harvest time by using the correlation between the residual growth amount and the weather information and the harvest time.
  • the residual growth amount calculation unit 32 and the harvest index calculation unit 33 may use different mathematical models depending on the cumulative environmental value and the maturity of the agricultural product based on the color of the agricultural product. For agricultural products in which the growth rate of agricultural products relative to the amount of photosynthesis changes depending on the maturity of agricultural products, the growth amount of agricultural products should be calculated more accurately by using the calculation model 22 that matches the maturity of agricultural products. Is possible.
  • the information providing unit 34 creates information to be displayed on the terminal 40.
  • the information providing unit 34 generates information including the harvest index calculated by the harvest index calculation unit 33.
  • the information including the harvest index may include, for example, an image of the agricultural product, a growth state, the amount of afterglow synthesis, the location of the agricultural product in the cultivation plant, and information for distinguishing the individual of the agricultural product.
  • the harvest prediction device 20 may transmit data such as residual growth amount and weather information used for predicting the harvest index, and the prediction result of the harvest index to the plantation.
  • the farm may control the growing environment of the agricultural product based on the data transmitted from the harvest prediction device 20.
  • the method of predicting the harvest index executed by the harvest prediction device 20 will be described.
  • the method of predicting the harvest index is a harvest prediction method using a harvest prediction device provided with a control unit connected to the image pickup unit, and the control unit predicts the growth of the agricultural product from the image of the agricultural product acquired from the image pickup unit.
  • the state is specified, the residual growth amount required to satisfy the harvest standard of the agricultural product is calculated from the growth state, the weather information of the cultivation area of the agricultural product is acquired, and the agricultural product is obtained from the weather information and the residual growth amount. Calculate the harvest index of.
  • the growing state of the agricultural product is specified by analyzing the image of the agricultural product taken by the imaging unit 10 in the image analysis unit 31.
  • the imaging unit 10 takes an image of an agricultural product at the cultivation plant.
  • the imaging unit 10 transmits the captured image of the agricultural product to the harvest prediction device 20.
  • the harvest prediction device 20 recognizes the agricultural product from the image of the agricultural product in the image analysis unit 31 and performs image analysis.
  • the image analysis unit 31 detects a bunch or a single agricultural product.
  • the image analysis unit 31 identifies the growing state of the agricultural product by analyzing the image of the detected agricultural product.
  • the residual growth amount calculation unit 32 calculates the residual growth amount required to satisfy the harvest standard of agricultural products from the growth state. ..
  • the harvest index calculation unit 33 uses the communication unit 21 to obtain the weather information of the cultivated area of the agricultural product. Obtain and calculate the harvest index of agricultural products from the weather information and the amount of residual growth.
  • the residual growth calculation unit 32 calculates the number of days from the present to a predetermined harvest time as the residual growth.
  • the residual growth amount calculation unit 32 when predicting the harvest time as a harvest index, or when predicting the harvest probability based on the harvest time, the residual growth amount calculation unit 32 first determines the residual standard values such as color and weight required to satisfy the harvest standard. calculate. Next, the residual growth amount calculation unit 32 calculates the residual growth amount such as the photosynthetic amount and the integrated temperature required for the agricultural product to satisfy the harvest standard.
  • the information providing unit 34 processes and converts the corresponding data so that the predicted harvest index can be displayed on the terminal 40.
  • the information providing unit 34 transmits the processed or converted data to the terminal 40.
  • the terminal 40 that has received the data provides the prediction result of the harvest index by the harvest prediction device 20.
  • the harvest time may be calculated by predicting the temperature from the weather information. After specifying the harvest time by the color of the agricultural product, the yield that meets the harvest standard may be predicted.
  • the image analysis unit 31 can analyze the image taken by the image pickup unit 10 to identify the growing state of the agricultural product. This makes it possible to reduce the burden of manually measuring the growth state of agricultural products.
  • the harvest prediction device 20 predicts the harvest index from the current growth state and residual growth amount of the agricultural product, and the weather information from the present to the harvest time.
  • the harvest index calculation unit 33 can predict the harvest index. This makes it possible to easily grasp the situation until the agricultural products are harvested. Therefore, it becomes easier to make a harvest plan.
  • the harvest index is the yield
  • the current degree of growth of the agricultural product is reflected in the forecast of the yield
  • the residual growth which is the number of days from the present to the harvest time, and the temperature from the present to the harvest time. Etc. are reflected in the forecast of yield.
  • the harvest index is the harvest time
  • the current degree of growth of agricultural products is reflected in the prediction of the harvest time
  • the residual growth amount required to meet the weight and size that is the harvest standard is the harvest time from the present.
  • the harvest time is predicted after considering the temperature up to. As a result, it is possible to improve the prediction accuracy of the harvest index of agricultural products.
  • the residual growth amount calculation unit 32 can calculate the afterglow synthesis amount. This makes it possible to grasp the amount of photosynthesis required for agricultural products by the time of harvest, and it is possible to grasp the degree of growth of agricultural products numerically. By providing an index for grasping the growth of agricultural products, it becomes easy to grasp the growth status of agricultural products.
  • the harvest standard is at least one of color, weight, and size, it is possible to improve the shipping amount shipped in a state where the shipping standard is satisfied. It is also possible to prevent the harvesting of agricultural products whose color, weight, and size do not meet the harvesting regulations at the time of harvesting, thereby improving the yield and quality of the agricultural products at the time of harvesting. is there. It is also easy to grow agricultural products until they meet shipping standards. Since the harvest standard for identifying the residual growth is at least one of color, weight, and size, it is necessary to improve the accuracy of the yield or the accuracy of the harvest time for high quality agricultural products. Is also possible.
  • the second embodiment of the harvest prediction system including the harvest prediction device will be described with reference to FIGS. 3 and 4, focusing on the differences from the first embodiment.
  • the harvest prediction system according to the second embodiment has an environmental information unit, a log control unit, a learning unit, a log storage unit, a learning information storage unit, and a learning result storage unit, and the harvest time is determined by the learning unit. It differs from the first embodiment in that the prediction of is learned.
  • substantially the same components as those in the first embodiment are designated by the same reference numerals, and redundant description of these components will be omitted.
  • the harvest prediction system further includes an environmental information unit 50.
  • the environmental information unit 50 generates environmental information including the current temperature, carbon dioxide concentration, and light conditions in the area including the plantation.
  • the environmental information unit 50 may acquire the environmental information on a regular basis or may acquire the environmental information irregularly.
  • the environment information unit 50 may be linked with the imaging unit 10.
  • the imaging unit 10 may acquire environmental information at the time of harvesting the agricultural product and transmit it to the environmental information unit 50.
  • the environmental information unit 50 can associate the image captured by the imaging unit 10 with other environmental information.
  • the environmental information unit 50 transmits the actual environmental information in the area including the generated cultivation plant to the harvest prediction device 20 via the network. Further, the environment information unit 50 may transmit and receive data to and from the image pickup unit 10 and the terminal 40.
  • the network used for communication between the environment information unit 50, the imaging unit 10, the harvest prediction device 20, and the terminal 40 may be a general-purpose communication line such as the Internet, or a dedicated communication for communication of each device. It may be a line. Further, the network may include a plurality of independent networks, or may be a common network.
  • control unit 30 further includes a log control unit 35 and a learning unit 36. Further, in addition to the calculation model 22, the log storage unit 23, the learning information storage unit 24, and the learning result storage unit 25 are connected to the control unit 30.
  • the log control unit 35 controls the storage of information related to agricultural products generated by the imaging unit 10, the environmental information unit 50, and the harvest prediction device 20.
  • the log control unit 35 associates the data transmitted from the imaging unit 10, the environment information unit 50, and the harvest prediction device 20 with the date and time, and stores the data in the log storage unit 23.
  • the learning unit 36 performs machine learning using the learning information stored in the learning information storage unit 24.
  • the learning unit 36 acquires a learning result for obtaining an optimum harvest time value from a plurality of values included in the learning information.
  • Machine learning may be supervised learning or unsupervised learning.
  • the supervised learner may be an arithmetic unit that performs linear regression, a support vector machine, a decision tree, or the like. It may be a random forest, AdaBoost, or a neural network.
  • the learning unit 36 stores the learning result in the learning result storage unit 25, and corrects the models used in the image analysis unit 31, the residual growth amount calculation unit 32, and the harvest index calculation unit 33 based on the learning result. ..
  • the log storage unit 23 stores a log in which the information about the agricultural products acquired by the imaging unit 10, the environmental information unit 50, and the harvest prediction device 20 is associated with the date and time.
  • the log storage unit 23 stores, for example, a record in which at least one of the environment information, the captured image, and the calculation model is associated with the date and time information.
  • the learning information storage unit 24 stores learning information.
  • the learning information is data used when the learning unit 36 performs the learning process.
  • the learning information is information in which the information and model used for predicting the harvest index, the predicted harvest index, and the evaluation information for measuring the appropriateness of the harvest index are associated with each other.
  • the learning information may include environmental information in an area including agricultural products, images of agricultural products, and information in which the environmental information and the date and time when the images are acquired are associated with each other.
  • the learning result storage unit 25 stores information indicating the learning result obtained by the learning process of the learning unit 36.
  • the learning result stored by the learning result storage unit 25 is used by the image analysis unit 31, the residual growth amount calculation unit 32, and the harvest index calculation unit 33.
  • the environmental information unit 50 generates environmental information in the cultivation plant. Therefore, the harvest prediction device 20 can acquire information on the growing environment in which the agricultural product grows, and can associate the growing environment with the agricultural product. As a result, the harvest prediction device 20 can cause the learning unit 36 to perform the learning process in consideration of the relationship between the current growing state of the agricultural product and the growing environment up to the present.
  • the learning unit 36 calculates the learning result from the learning information and stores the learning result in the learning result storage unit 25.
  • the image analysis unit 31, the residual growth amount calculation unit 32, and the harvest index calculation unit 33 can predict the harvest index more accurately by correcting the calculation model 22 based on the learning result.
  • the above embodiment can be modified as follows.
  • the growing environment controlled in the cultivation plant may be one or more of temperature, carbon dioxide concentration, and light conditions, and all of temperature, carbon dioxide concentration, and light conditions may not be controlled. If the growing environment is not controlled in the farm, or if the number of controlled growing environments is small, it is not necessary to have a complicated growing environment management system for growing agricultural products in the farm. In addition, it is possible to reduce the cost incurred in managing the growing environment.
  • the harvest prediction device 20 may calculate the temperature in the optimum growing environment for the growth of agricultural products from the amount of solar radiation calculated from the weather information.
  • the harvest prediction device 20 may calculate the amount of photosynthesis of agricultural products from the amount of solar radiation and the optimum temperature, and calculate the harvest index based on the amount of photosynthesis.
  • the growing environment may be controlled to a constant value, or may be controlled to a value that changes regularly.
  • the management of the growing environment in the cultivation plant becomes easy.
  • the growth state is not limited to the information generated from the image, but may be an actual measurement value obtained by measuring the current agricultural product.

Abstract

収穫予測装置は撮像部に接続された制御部を備える。前記制御部は、前記撮像部から取得した農産物の画像から前記農産物の生育状態を特定し、前記生育状態から前記農産物の収穫規格を満たすために必要な残生育量を算出し、前記農産物の栽培地域の天候情報を取得し、前記天候情報及び前記残生育量から前記農産物の収穫指標を算出する。

Description

収穫予測装置、収穫予測方法
　本発明は、収穫予測装置、収穫予測方法に関する。
　果菜類は、環境情報を積算した値である積算環境値が一定の値を超えることにより、収穫時期を迎える。そのため、現在における積算環境値及び収穫までに農産物が要する残りの環境値を推定することで、農産物の収穫時期を予測する技術が開示されている（例えば、特許文献１）。
特開２０１９－１６５６５５号公報
　ところで、農産物の収穫量および収穫時期などの収穫指標は、積算温度や収穫者による長年の経験などに基づいて予測される。しかし、積算温度による予測では、予測に用いられる積算温度と、実際に農産物に積算された温度との間に差異が生じやすい。同様に、収穫者による長年の経験に基づいた予測では、熟練した収穫者と熟練していない収穫者との間に差異が生じやすい。そのため、収穫予測装置を用いることによって、農産物における収穫指標の予測精度を高めることが求められている。
　本発明の目的は、農産物における収穫指標の予測精度を向上可能にした収穫予測装置、収穫予測方法を提供することである。
　一態様では、撮像部に接続された制御部を備えた収穫予測装置を提供する。前記制御部は、前記撮像部から取得した農産物の画像から前記農産物の生育状態を特定し、前記生育状態から前記農産物の収穫規格を満たすために必要な残生育量を算出し、前記農産物の栽培地域の天候情報を取得し、前記天候情報及び前記残生育量から前記農作物の収穫指標を算出するように構成されている。
　この場合、現在の農産物の画像が生育状態に反映されると共に、当該生育状態、収穫規格に応じた残生育量、および、現在から収穫時期までの天候情報から農産物の収穫指標が予測される。例えば、収穫指標が収穫量である場合には、農産物における現在の生育度合いが収穫量の予測に反映されると共に、現在から収穫時期までの日数である残生育量と、現在から収穫時期までの天候情報とが収穫量の予測に反映される。また、収穫指標が収穫時期である場合には、農産物における現在の生育度合いが収穫時期の予測に反映されると共に、収穫規格となる重量や大きさを満たすために要する残生育量に、現在から収穫時期までの天候情報が考慮されたうえで、収穫時期が予測される。結果として、農産物の収穫指標の予測精度を向上することが可能となる。
　前記制御部が、前記画像に含まれる農産物の色を特定し、前記色から収穫時期に収穫規格を満たす農産物の収穫量を前記収穫指標としてもよい。
　この場合、収穫規格を満たさない農産物の収穫を収穫者に強いることが抑制可能ともなる。また、収穫規格を満たすまで農産物を栽培することが容易でもあるから、高い品質を有した農産物に関わる収穫量の精度を向上させることを可能ともする。
　前記制御部が、前記画像から前記画像に含まれる前記農産物の予測重量、および大きさの少なくとも１つを特定し、前記生育状態と、前記農産物の光合成量に対する前記農産物の成長量とに基づいて、前記収穫規格を満たすために必要な前記残生育量を算出し、前記残生育量から前記収穫規格を満たす収穫時期を前記収穫指標として特定してもよい。
　この場合、前記生育状態と、前記農産物の光合成量に対する前記農産物の成長量とに基づいて、収穫規格を満たすために要する残生育量を算出することが可能となる。そして、残生育量と天候情報とから収穫指標である収穫時期の予測を行うことが可能となる。
　別の態様では、撮像部に接続された制御部を備えた収穫予測装置を用いた収穫予測方法を提供する。前記制御部が、前記撮像部から取得した農産物の画像から前記農産物の生育状態を特定し、前記生育状態から前記農産物の収穫規格を満たすために必要な残生育量を算出し、前記農産物の栽培地域の天候情報を取得し、前記天候情報及び前記残生育量から前記農産物の収穫指標を算出する。
　この場合、撮像部が取得した農産物の画像を用いて生育状態が特定されると共に、当該生育状態を用いて残生育量が算出され、農産物の栽培地域における現在から収穫時期までの天候情報及び残生育量を用いて、農産物の収穫指標が予測される。結果として、上述したように、農産物の収穫指標の予測精度を向上することが可能となる。
第１実施形態の収穫予測システムを示す図。 図１の収穫予測装置の機能例を示すブロック図。 第２実施形態の収穫予測システムを示す図。 図３の収穫予測装置の機能例を示すブロック図。
　［第１実施形態］
　図１および図２を参照して、収穫予測装置を備えた収穫予測システムの第１実施形態と収穫予測装置が実行する収穫予測方法について説明する。
　本実施形態の収穫予測システムは、農産物の収穫指標を算出するために使用される。農産物の収穫指標は、出荷規格を満たす農産物の収穫に関わる値であり、例えば、収穫量、収穫時期、および収穫確率のいずれか１つである。
　［収穫指標］
　収穫指標の一例である収穫量は、収穫される農産物の重量、所定の方向における寸法などの大きさ、および体積の少なくとも１つである。
　収穫時期は、例えば、農産物の色、積算温度、および予め設定された任意の期間の少なくとも１つによって定められる。農産物の色は、色相、明度、彩度の少なくとも１つを含む。農産物の色によって収穫時期が定められる場合には、農産物の色が出荷規格もしくは収穫規格を満たした農産物が収穫可能となる。積算温度は、開花などの一定の起点から農産物が収穫されるまでに積算される温度である。積算温度が一定の値を超えることにより農産物が成熟し、農産物が収穫に適した状態となる。予め設定された任意の期間は、例えば、開花など一定の起点から数える日数である。
　収穫確率の一例は、例えば、収穫量の予測値に基づく確率であって、指定された期間内において収穫量が一定の量以上となる確率である。収穫確率の別の例は、例えば、収穫時期の予測値に基づく確率であって、指定された期間内に収穫される確率である。
　収穫量を予測することは、収穫に要する作業量を予測することを可能とし、したがって収穫作業に必要な作業員の確保や出荷計画を精度よく行うことを可能とする。収穫時期を予測することは、農産物を収穫可能である時期を予測することを可能とし、予測された収穫時期に合わせて収穫計画を立てることを可能とする。収穫確率を予測することは、収穫予測の信頼性を数値によって評価することを可能とする。
　［農産物］
　農産物は、収穫前の状態において収穫部位が撮影可能である野菜であればよく、例えば、トマトやなす、きゅうりを含む果菜類や、いちご、メロン、すいかを含む果実的野菜、キャベツ、ほうれんそう、レタスを含む葉茎菜類である。
　成長過程において、例えば、開花などの起点から最適な収穫指標までの環境情報の積算値が一定である種類の農産物が特に好ましい。そうした農産物では、農産物の収穫指標を積算環境値によって予測することが可能であり、収穫規格に加え、成熟度も考慮して収穫指標を予測することが可能である。
　農産物には、農産物が出荷可能であるかを決定する、もしくは、出荷する時の品質や規格を区分する出荷規格が設けられる。出荷規格は、等級と階級とに分けられ、等級は、例えば、形状や、色、ツヤなど、品質や、形、見た目に関わるものである。階級は、大きさや重量である。
　また、農産物には、農産物の収穫時期を定める規格である収穫規格が設けられる。収穫規格は、収穫時において農産物が満たす等級及び階級の基準である。収穫規格を満たした農産物が収穫されることが望ましい。収穫規格は、出荷規格と同様であってもよいし、収穫から出荷までの工程を考慮して、出荷規格よりも低い値に設定されてもよい。なお、収穫指標として収穫量を予測する場合、あるいは収穫量に基づく収穫確率を予測する場合、収穫規格は所定の収穫時期を含んでもよい。
　［栽培所］
　農産物は、栽培所で栽培される。栽培所の生育環境は管理されてもよいし、管理されなくてもよい。生育環境は、農産物の光合成に影響を与える要素であり、例えば、温度、二酸化炭素濃度、湿度、光条件、散水量、肥料、風量や風向きである。生育環境が管理される栽培所では、生育環境のうち少なくとも一つが管理される。
　栽培所は、開放されていてもよいし、密封、すなわち、実質的に完全に密封されていてもよいし、半密封されていてもよい。生育環境が管理される栽培所は、密封または半密封されることが好ましい。密封または半密封される栽培所では、外部環境から受ける栽培所内の生育環境の変化を抑制することが可能であり、より生育環境を管理しやすくなる。
　光条件は、日長時間と光波長と光強度とから構成される。日長時間は、１日における明期の時間であり、例えば、照明が点灯する時間である。日長時間は、農産物の光周性を考慮して設定される。光波長は、農産物の栄養素や味、食感に影響を及ぼす。光波長は、農産物の特徴に合わせて選択されてもよい。
　光強度は、農産物に照射される光の強度であり、太陽光を遮光する日射遮蔽部材によって調整される。光強度は、光補償点以上光飽和点以下であることが望ましい。光強度が光補償点以上である場合、農産物の成長を促すことが可能である。光強度が光飽和点以下である場合、光源のコストを抑えることや、過度な光合成により生じる農産物の品質低下を抑制することが可能である。
　生育環境が制御される栽培所は、収穫指標、および残生育量の少なくとも一方に基づいて、農産物の生育環境を制御されるように構成されてもよい。
　例えば、収穫指標として収穫量を予測する構成において、栽培所は、制御盤と、センサーと、生育環境制御装置とを備えてもよい。制御盤は、所定の収穫時期までの残生育量と、環境情報とを用いて、生育環境制御部を制御する。生育環境制御部は、栽培所内の生育環境を制御可能な装置であり、例えば、空調機や、二酸化炭素発生装置、光源、送風機、加湿器、日射遮蔽部材である。センサーは、栽培所内の生育環境を測定し、制御盤に送信する。制御盤は、センサーから受信された生育環境の測定結果を考慮して、農産物の生育に適した生育環境を形成するように生育環境制御部を制御する。
　例えば、収穫指標として収穫時期を予測する構成において、栽培所は、さらに光合成最適ソフトウェアを備えてもよい。光合成最適ソフトウェアは、収穫予測装置２０から送信される残生育量および収穫指標の少なくとも一方と、環境情報とを用いて、現在最適な光合成速度を算出する。光合成最適ソフトウェアは、算出した現在最適な光合成速度を制御盤に送信する。制御盤は、光合成最適ソフトウェアから受信した、現在最適な光合成速度に基づいて、生育環境制御部を制御する。制御盤は、センサーから受信された生育環境の測定結果を考慮して、最適な光合成速度が得られるように生育環境を制御する。
　例えば、センサーから受信された生育環境の測定結果が、光合成最適ソフトウェアによって算出された最適な光合成速度を保つことが可能であることを示す場合、生育環境制御部は、その生育環境を維持するように制御する。一方、センサーから受信された生育環境の測定結果が、最適な光合成速度を保つことが可能である生育環境とは異なる場合、生育環境制御部は最適な生育環境に近付けるように生育環境を制御する。
　［収穫予測システムの構成］
　図１を参照して、収穫予測システムを説明する。収穫予測システムは、撮像部１０と収穫予測装置２０と端末４０とを有する。
　撮像部１０及び端末４０と、収穫予測装置２０とは、ネットワークを通じて、相互にデータの送信および受信を行う。また、撮像部１０と端末４０とがネットワークを通じて、相互にデータの送信および受信を行ってもよい。撮像部１０と端末４０とがネットワークを介さずに相互にデータの送信および受信を行ってもよい。撮像部１０と、収穫予測装置２０と、端末４０との間の通信に利用されるネットワークは、インターネット等の汎用通信回線であってもよいし、各装置の通信のための専用通信回線であってもよい。また、上記ネットワークは、独立した複数のネットワークを含んでいてもよいし、共通した１つのネットワークであってもよい。
　［撮像部］
　撮像部１０は、農産物の画像を撮影し、撮影した画像を収穫予測装置２０へ送信する。撮像部１０は、固定されていてもよいし、移動可能であってもよい。また、撮像部１０は、一群の農産物を俯瞰的に撮影してもよいし、一個または一房の農産物を接写してもよい。撮像部１０は、動画を撮影可能であってもよい。撮像部１０が撮影するタイミングは、定期的であってもよいし、不定期であってもよい。
　［端末］
　端末４０は、スマートフォンやタブレット端末やパーソナルコンピュータ等のコンピュータ端末である。端末４０に収穫規格を入力することによって、収穫予測装置２０に収穫規格のデータを送信することが可能である。入力される収穫規格は、農産物が収穫時に満たす値として設定される任意の値であってよい。収穫規格は、複数のパラメーターとして入力されてもよい。
　端末４０には、収穫予測装置２０において予測された収穫指標が表示される。端末４０では、収穫指標に加え、農産物の画像、生育状態、栽培所における農産物の場所および収穫予測装置２０に記憶されるデータの閲覧が可能であってもよい。また、端末４０は、撮像部１０や収穫予測装置２０から受信したデータを他の端末に送信してもよい。
　端末４０は、例えば、収穫指標の予測値、あるいは、予測値が含まれる所定の数値範囲を色、図形、絵、文字等によって表現して収穫指標を表示する。また、端末４０は、指定した期間において栽培所全体で収穫可能な農産物の量や場所、場所を示す符号を表示してもよい。収穫可能な農産物の量は、栽培所全体における収穫量であってもよいし、栽培所の一部における収穫量であってもよい。
　［収穫予測装置］
　図２を参照に、収穫予測装置２０について説明する。
　収穫予測装置２０は、ＣＰＵ、ＲＡＭ及びＲＯＭ等のメモリ等を備え、農産物の栽培地域の天候情報を取得して、天候情報及び残生育量を用いて、農産物の収穫指標を算出する。収穫予測装置２０は、通信部２１と、制御部３０と、制御部３０に接続する算出モデル２２とを有する。収穫予測装置２０は、１つの収穫指標を予測してもよいし、複数の収穫指標を予測してもよい。
　通信部２１は、ネットワークを通じて、撮像部１０、端末４０、他の端末および外部の情報提供センターと情報の受信及び送信を行う。通信部２１は、データを定期的に受信してもよいし、不定期に受信してもよい。通信部２１は、収穫指標を算出する都度にデータの受信または送信を行ってもよい。また、通信部２１は、制御部３０からの指示に基づいて、データを受信する対象や、受信するデータを選択してもよい。
　また、通信部２１は、天候情報を取得する。天候情報は、例えば、外部の情報提供センターによって提供される。情報提供センターは、例えば、気象庁や特定の法人または個人によって設置されるサーバーである。天候情報は、農産物が栽培される栽培所を含む所定の範囲の地域である栽培地域における天候に関する情報である。
　通信部２１は、栽培地域の天候情報を定期的にまとめて受信してもよいし、毎時または毎日天候情報を更新してもよい。また、通信部２１は、外部の情報提供センターへの問い合わせに応じて天候情報を受信してもよい。
　天候情報は、例えば、週間天気予報であってもよいし、時間ごとに予報される天気予報であってもよいが、時間ごとの天気予報が望ましい。天候情報として時間単位の天気予報を用いることによって、１日の日射量を予測する精度を高めることが可能である。
　天候情報は、天気だけの情報であってもよいが、日照時間、平均気温、降水確率のうち１以上の情報を含むことが望ましい。特に天候情報が日照時間を含む場合、１日における農産物の日射量の予測精度を向上可能であり、天候情報が平均気温を含む場合、積算温度の予測精度を向上可能である。また、天候情報は、表形式であってもよいし、地図形式であってもよい。地図形式は、例えば、天気図や雨雲レーダーである。
　制御部３０は、通信部２１によって受信された情報を処理し、画像解析部３１と残生育量算出部３２と収穫指標算出部３３と情報提供部３４とを有する。制御部３０は、通信部２１を通じて、撮像部１０に接続される。
　画像解析部３１は、たとえば、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）または画像処理用に構成されたＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）などのプロセッサを含む。画像解析部３１は、撮像部１０から受信した画像を解析することで、農産物の生育状態を特定する。生育状態は、現在の農産物の色、ツヤ、大きさ、重量、形、及び、肥大量等である。
　画像解析部３１は、例えば、カラーチャートなどの基準を参照して、生育状態の一例である農産物の色を特定する。この際、農産物の色は、１つの農産物全体の色から算出される平均値であってもよいし、特定部位における色であってもよい。あるいは、画像解析部３１は、例えば、実測値に基づいて構築された数理モデル、あるいは学習済みモデルを記憶し、当該モデルを用いた画像解析によって、農産物の生育状態を特定してもよい。
　画像解析部３１は、農産物の個体を区別する際に、個体認識情報を検出してもよい。個体認識情報とは、農産物を個々に区別可能である情報であって、例えば、栽培所における農産物の位置や、農産物における特定部位の位置が紐づけられる。個体認識情報は、タグ、カラーコード、バーコード、ＱＲコード（登録商標）によって、農産物に付加されてもよい。個体認識情報は、接写された農産物であっても、個体を認識することを可能とし、それによって一個体の農産物における成長過程を記録することが可能である。
　画像解析部３１は、農産物の画像から、サビ果、裂果、病害、病虫害、食害等により出荷できない農産物を検出してもよい。画像解析部３１が出荷不能な農産物を検出した場合、出荷不能である農産物が検出されたことの通知が端末４０を通じてユーザーに対し送信される。通知を受信したユーザーは、通知の内容に基づく適切な対応を行うことが可能である。農産物の画像から出荷できない農産物を検出し、ユーザーに検出結果を通知することによって、例えば、農産物が病害の被害にあった場合、病害を受けた農産物を早めに取り除くことで、他の農産物への二次被害を抑えることが可能である。
　画像解析部３１は、撮像部１０において撮影された複数の角度からの農産物の画像から農産物の３Ｄモデルを作成して、作成された３Ｄモデルから農産物の体積や重量を算出してもよい。農産物の３Ｄモデルから農産物の体積や重量を算出する際に、数理モデルを使用してもよいし、学習済みモデルを使用してもよい。
　［残生育量算出部］
　残生育量算出部３２は、生育状態を用いて、農産物の収穫規格を満たすために必要な残生育量を算出する処理を実行する。生育状態として、現在の農産物における生育状態が画像解析部３１から提供される。収穫規格は、ユーザーによる端末４０を通じて予め提供設定されている。
　残生育量を算出する処理は、収穫指標の種別ごとに異なる。
　例えば、収穫指標として収穫量を予測する場合、あるいは収穫量に基づく収穫確率を予測する場合、残生育量算出部３２は、現在から所定の収穫時期までの日数を残生育量として算出する。
　例えば、収穫指標として収穫時期を予測する場合、あるいは収穫時期に基づく収穫確率を予測する場合、残生育量算出部３２は、まず、収穫規格を満たすために要する残規格値を算出する。残規格値は、収穫規格を満たすために要する農産物の重量、大きさ、色などである。残規格値は、画像解析部３１において算出された現在の農産物における生育状態と、収穫規格とを比較することによって算出される。例えば、農産物における色の収穫規格が、Ｒｅｄ：２５５、Ｇｒｅｅｎ：２２、Ｂｌｕｅ：２２であり、農産物における現在の生育状態が、Ｒｅｄ：２５５、Ｇｒｅｅｎ：６９、Ｂｌｕｅ：２２である場合、Ｇｒｅｅｎ：４７が残規格値である。例えば、農産物における重量の収穫規格が１５０ｇであり、農産物における現在の生育状態が１００ｇである場合、５０ｇが残規格値である。
　次いで、残生育量算出部３２は、残規格値に基づいて、収穫規格を満たすために農産物が要する残生育量を算出する。残生育量は、収穫規格を満たすまでに要する農産物の生育量である。残生育量は、例えば、収穫規格を満たすまでに要する光合成量である残光合成量や、収穫規格を満たすまでに要する積算温度である残積算温度である。積算温度は、栽培所を含む地域における日平均気温の積算である。残生育量算出部３２は、残生育量の算出に際して、先に算出された残規格値、および算出モデル２２に含まれるモデルを用いる。
　［収穫指標算出部］
　収穫指標算出部３３は、残生育量算出部３２によって算出された残生育量と、通信部２１を通じて取得した栽培地域の天候情報とを用いて、収穫指標を算出する処理を実行する。
　収穫指標算出部３３は、収穫指標の予測に際して、例えば、現在から収穫時期までにわたる栽培地域の天候情報から、現在から収穫時期までにわたる当該地域での日平均気温を予測する。この際、収穫指標算出部３３は、天候情報に平均気温が含まれる場合には、当該平均気温を日平均気温としてもよい。また、天候情報に最高気温と最低気温とが含まれる場合には、これらの平均値を日平均気温としてもよい。また、天候情報に気温が含まれない場合には、天気の情報から日平均気温を予測してもよいし、さらに、前年度における天気ごとの月別平均気温を天候情報として取り扱い、この月別平均気温から日平均気温を予測してもよい。
　収穫指標算出部３３は、収穫指標の予測に際して、例えば、現在から収穫時期までにわたる栽培地域の天候情報から、現在から収穫時期までにわたる当該地域での日射量を予測する。この際、収穫指標算出部３３は、晴天時の日射量と、予報される天気における曇量係数との乗算によって、予測される日射量を算出する。晴天時の日射量は、晴天時において、栽培所を含む地域へ照射される太陽光の量であり、大気圏外法線面直達日射量に対して、晴天時の大気透過率を乗じて算出される。晴天時の大気透過率は、例えば、月別に設定されてもよい。曇量係数は、全天空に占める雲に覆われた部分の割合である曇量に関する係数である。曇量係数は、例えば、晴れ、曇り、雨における曇量の月平均である。曇量は、０＋、０～９、１０－、１０の１３段階の整数値で表されるが、曇量係数は、０～１の範囲内における数値によって示されてもよい。天候情報に含まれる天気から曇量係数は決定される。また、収穫指標算出部３３は、１日の天候情報に複数の天気が含まれる場合、それらの天気に対応する曇量係数の平均値を使用してもよい。例えば、１日の天候情報が晴れのち曇りである場合に、収穫指標算出部３３は、晴れおよび曇りの曇量係数の平均値を曇量係数として用いて、日射量を算出する。なお、収穫指標の算出に際しては、例えば、収穫後から出荷までにおける工程が考慮されてもよい。例えば、収穫後から出荷までの日にちや移動条件などが端末４０から入力されて、入力された日にちや移動条件が収穫時期の予測に反映されてもよい。収穫指標算出部３３は、農産物の収穫指標を一房単位で予測してもよいし、一個単位で予測してもよい。
　収穫指標を予測する処理は、収穫指標の種別ごとに異なる。
　例えば、収穫指標として収穫量を予測する場合、あるいは収穫量に基づく収穫確率を予測する場合、収穫指標算出部３３は、画像解析部３１において算出された現在の農産物における生育状態、残生育量算出部３２で算出された残生育量である日数、および現在から所定の収穫時期までの天候情報を用いて、収穫指標を算出する。この際、収穫指標算出部３３は、一例として、天候情報から予測される日平均気温と、残生育量である日数とから予測される農産物の成長量から、所定の収穫時期における農産物の重量である収穫量を算出する。成長量は、農産物が光合成を行うことで成長する量であり、農産物の重量、所定の方向における寸法などの大きさ、および体積の少なくとも１つである。なお、収穫指標算出部３３は、収穫指標の算出に際して、算出モデル２２に含まれるモデルを用いてもよい。
　例えば、収穫指標として収穫時期を予測する場合、あるいは収穫時期に基づく収穫確率を予測する場合、収穫指標算出部３３は、残生育量算出部３２によって算出された残生育量、および通信部２１を通じて取得した現在から所定の収穫時期までの天候情報を用いて、収穫指標を算出する。この際、収穫指標算出部３３は、一例として、天候情報から予測される積算温度が残積算温度に到達する時期を、収穫時期として出力する。また、収穫指標算出部３３は、他の例として、天候情報から予測された日射量などから得られる積算光合成量が残光合成量に到達する時期を、収穫時期として出力する。なお、収穫指標算出部３３は、収穫指標の算出に際して、算出モデル２２に含まれるモデルを用いてもよい。また、収穫指標算出部３３は、天候情報が日照時間や、日射量、光強度の情報を含む場合、それらを積算光合成量の算出に用いてもよい。
　算出モデル２２は、収穫指標を算出するための１以上のモデルを記憶する。算出モデル２２が記憶するモデルは、実測値に基づいて算出された数理モデルであってもよいし、教師データを用いて機械学習を行なった学習済みモデルであってもよい。
　例えば、残生育量として残光合成量を算出するためのモデルは、農産物の色、大きさ、重量、および、成長量からなる群から選択される少なくとも１つの残規格値と、光合成量との相関関係を示すモデルである。残生育量として残光合成量を算出するためのモデルは、例えば、入力された色相の変化量である残規格値Ｇｒｅｅｎ：４７に基づき、収穫規格を満たすために要する残光合成量を出力するように構築されている。
　例えば、残生育量として積算温度を算出するためのモデルは、農産物の色、大きさ、重量、および、成長量からなる群から選択される少なくとも１つの残規格値と、積算温度との相関関係を示すモデルである。残生育量として残積算温度を算出するためのモデルは、例えば、入力された色相の変化量である残規格値Ｇｒｅｅｎ：４７に基づき、収穫規格を満たすために要する残積算温度を出力するように構築されている。
　例えば、収穫指標として収穫量を予測する場合、あるいは収穫量に基づく収穫確率を予測する場合、収穫指標を算出するためのモデルには、現在の農産物の色、ツヤ、大きさ、重量、形、及び、肥大量などの生育状態、残生育量である日数、および、現在から所定の収穫時期までの天候情報に基づく日平均気温が入力される。収穫指標を算出するためのモデルは、これら生育状態、日数、および天候情報と、農産物の重量である収穫量との相関関係を用い、収穫量を出力するように構築されている。
　例えば、収穫指標として収穫時期を予測する場合、あるいは収穫時期に基づく収穫確率を予測する場合、収穫指標を算出するためのモデルには、残光合成量や積算温度などの残生育量、および現在から所定の収穫時期までの天候情報に基づく日射量が入力される。収穫指標を算出するためのモデルは、これら残生育量、および天候情報と、収穫時期との相関関係を用い、収穫時期を出力するように構築されている。
　なお、残生育量算出部３２、および収穫指標算出部３３は、積算環境値や農産物の色に基づく農産物の成熟度によって、数理モデルを使い分けてもよい。光合成量に対する農産物の生育速度が、農産物の成熟度に依存して変化する農産物については、農産物の成熟度に合わせた算出モデル２２を使用することによって、より正確に農産物の生育量を算出することが可能となる。
　情報提供部３４は、端末４０において表示する情報を作成する。情報提供部３４は、収穫指標算出部３３が算出した収穫指標を含む情報を生成する。収穫指標を含む情報は、例えば、農産物の画像や、生育状態、残光合成量、栽培所における農産物の場所や、農産物の個体を区別する情報を含んでもよい。端末４０において収穫量や収穫時期を表示することによって、収穫に要する作業量を把握することを可能とし、それによって収穫計画を立てやすくすることを可能とする。端末４０において収穫確率を表示することによって、収穫時期の信憑性を把握することを可能とする。
　収穫予測装置２０は、収穫指標の予測に用いた残生育量や天候情報などのデータ、および収穫指標の予測結果を栽培所へ送信してもよい。また、栽培所は、収穫予測装置２０から送信されたデータに基づいて農産物の生育環境を制御してもよい。
　収穫予測装置２０から送信されたデータに基づいて農産物の生育環境が制御されることによって、気候に起因する大幅な収穫指標の変更を抑制する。また、収穫指標を任意の値に変更するように、生育環境を制御することも可能である。収穫予測装置２０から送信されたデータに基づいて農産物の生育環境が制御されることによって、収穫計画を容易に立てることが可能となる。
　［収穫指標の予測方法］
　上記収穫予測装置２０が実行する収穫指標の予測方法について説明する。
　収穫指標の予測方法は、撮像部に接続された制御部を備えた収穫予測装置を用いた収穫予測方法であって、前記制御部が、前記撮像部から取得した農産物の画像から前記農産物の生育状態を特定し、前記生育状態から前記農産物の収穫規格を満たすために必要な残生育量を算出し、前記農産物の栽培地域の天候情報を取得し、前記天候情報及び前記残生育量から前記農産物の収穫指標を算出する。
　撮像部１０から取得した農産物の画像から農産物の生育状態を特定する場合、撮像部１０において撮影された農産物の画像を画像解析部３１において解析することによって、農産物の生育状態を特定する。
　撮像部１０は、栽培所において農産物の画像を撮影する。撮像部１０は、撮影された農産物の画像を収穫予測装置２０へ送信する。収穫予測装置２０は、画像解析部３１において農産物の画像から農産物を認識し、画像解析を行う。画像解析部３１は、一房または一個の農産物を検出する。画像解析部３１は、検出された農産物の画像を解析することによって、農産物の生育状態を特定する。
　農産物の生育状態から農産物の収穫規格を満たすために必要な残生育量を算出する場合、残生育量算出部３２において、生育状態から農産物の収穫規格を満たすために必要な残生育量を算出する。
　農産物の栽培地域の天候情報を取得して、前記天候情報及び前記残生育量から前記農産物の収穫指標を算出する場合、収穫指標算出部３３は、通信部２１において農産物の栽培地域の天候情報を取得し、天候情報及び残生育量から農産物の収穫指標を算出する。
　収穫指標として収穫量を予測する場合、あるいは収穫量に基づく収穫確率を予測する場合、残生育量算出部３２は、現在から所定の収穫時期までの日数を残生育量として算出する。
　一方、収穫指標として収穫時期を予測する場合、あるいは収穫時期に基づく収穫確率を予測する場合、残生育量算出部３２は、まず、収穫規格を満たすために要する色や重量などの残規格値を算出する。次いで、残生育量算出部３２は、収穫規格を満たすために農産物が要する光合成量や積算温度などの残生育量を算出する。
　情報提供部３４は、予測された収穫指標が端末４０において表示可能であるように、対応するデータの加工や変換を行う。情報提供部３４は、加工または変換されたデータを、端末４０へ送信する。データを受信した端末４０は、収穫予測装置２０による収穫指標の予測結果を提供する。
　収穫時期が温度に依存する場合、天候情報から温度を予測することによって、収穫時期を算出してもよい。
　農産物の色によって収穫時期を特定した後に、収穫規格を満たす収穫量を予測してもよい。
　以上、上記実施形態によれば、以下の利点を得ることができる。
　（１）画像解析部３１は、撮像部１０において撮影された画像を解析して農産物の生育状態を特定することが可能である。これにより、農産物の生育状態を手作業によって測定する負担を軽減させることが可能である。
　（２）収穫予測装置２０は、現在の農産物における生育状態、残生育量、および、現在から収穫時期までの天候情報から収穫指標を予測する。収穫指標算出部３３は収穫指標を予測することが可能である。これによって、農産物が収穫されるまでの状況を容易に把握することが可能である。そのため、収穫計画を立てやすくなる。
　（３）収穫指標が収穫量である場合、農産物における現在の生育度合いが収穫量の予測に反映されると共に、現在から収穫時期までの日数である残生育量と、現在から収穫時期までの気温などとが収穫量の予測に反映される。また、収穫指標が収穫時期である場合、農産物における現在の生育度合いが収穫時期の予測に反映されると共に、収穫規格となる重量や大きさを満たすために要する残生育量に、現在から収穫時期までの気温などが考慮されたうえで、収穫時期が予測される。結果として、農産物の収穫指標の予測精度を向上することが可能となる。
　（４）残生育量算出部３２は、残光合成量を算出することが可能である。これによって、農産物が収穫時期までに要する光合成量を把握することが可能であり、農産物の成長度合を数値によって把握することが可能である。農産物の生育を把握する上で指標が設けられることによって、農産物の生育状況の把握を容易となる。
　（５）収穫規格が色、重量、および大きさの少なくとも１つであるため、出荷規格を満たした状態で出荷される出荷量を向上させることが可能である。また、収穫時において、色、重量、および大きさの少なくとも１つが収穫規定を満たさない農産物が収穫されることを抑制し、それによって農産物の収穫量及び収穫時の品質を向上させることが可能である。また、出荷規格を満たすまで農産物を栽培することが容易でもある。残生育量を特定するための収穫規格が、色、重量、および大きさの少なくとも１つであることから、高い品質を有した農産物に関わる収穫量の精度、または収穫時期の精度を向上させることも可能となる。
　（６）端末４０において入力された収穫規格に基づいて、収穫規格を満たした農産物が収穫可能である時期が算出される。そのため、収穫予測装置２０によって収穫可能であると予測された農産物が収穫規格を満たした状態である確率が向上する。
　［第２実施形態］
　図３および図４を参照して、収穫予測装置を備えた収穫予測システムの第２実施形態を、第１実施形態との相違点を中心に説明する。なお、第２実施形態にかかる収穫予測システムは、環境情報部、ログ制御部、学習部、ログ記憶部、学習用情報記憶部、および、学習結果記憶部を有する点と、学習部によって収穫時期の予測が学習される点とにおいて第１実施形態と異なっている。図３および図４では、第１実施形態と実質的に同一の構成要素にはそれぞれ同一の符号を付して示し、それらの構成要素について重複する説明は割愛する。
　［環境情報部］
　図３に示すように、収穫予測システムは、環境情報部５０をさらに有する。環境情報部５０は、栽培所を含む地域での現在の温度、二酸化炭素濃度、および光条件を含む環境情報を生成する。環境情報部５０は、環境情報を定期的に取得してもよいし、不定期に取得してもよい。また、環境情報部５０が撮像部１０と連動してもよい。例えば、撮像部１０が農産物の収穫時に環境情報を取得し、環境情報部５０に送信してもよい。環境情報部５０は、撮像部１０において撮影された画像と、他の環境情報とを対応づけることが可能である。
　環境情報部５０は、生成した栽培所を含む地域における実際の環境情報を、収穫予測装置２０にネットワークを通じて送信する。また、環境情報部５０は、撮像部１０および端末４０との間で相互にデータの送信および受信を行ってもよい。環境情報部５０、撮像部１０、収穫予測装置２０、および端末４０の間の通信に利用されるネットワークは、インターネット等の汎用通信回線であってもよいし、各装置の通信のための専用通信回線であってもよい。また、上記ネットワークは、独立した複数のネットワークを含んでいてもよいし、共通した１つのネットワークであってもよい。
　［収穫予測装置］
　図４に示すように、制御部３０は、ログ制御部３５および学習部３６をさらに有する。また、制御部３０には、算出モデル２２の他に、ログ記憶部２３と、学習用情報記憶部２４と、学習結果記憶部２５とが接続される。
　ログ制御部３５は、撮像部１０、環境情報部５０及び収穫予測装置２０において生成された農産物に関わる情報の記憶を制御する。ログ制御部３５は、撮像部１０、環境情報部５０及び収穫予測装置２０から送信されたデータを日時と対応させ、ログ記憶部２３に記憶させる。
　学習部３６は、学習用情報記憶部２４に記憶されている学習用情報を用いて機械学習を行う。学習部３６は、学習用情報に含まれる複数の値から、最適な収穫時期の値を得るための学習結果を取得する。機械学習は、教師あり学習であってもよいし、教師なし学習であってもよい。また、機械学習が教師あり学習である場合、教師あり学習器は、線形回帰を行う演算器であってもよいし、サポートベクターマシンであってもよいし、決定木であってもよいし、ランダムフォレストであってもよいし、Ａｄａ　Ｂｏｏｓｔであってもよいし、ニューラルネットワークであってもよい。
　学習部３６は、学習結果を学習結果記憶部２５に記憶させ、画像解析部３１、残生育量算出部３２、および、収穫指標算出部３３において使用されるモデルを、学習結果に基づいて補正する。
　ログ記憶部２３は、撮像部１０、環境情報部５０及び収穫予測装置２０において取得された農産物に関する情報と、日時とを対応させたログを記憶する。ログ記憶部２３は、例えば、環境情報、撮影画像、および、算出モデルのうちの少なくとも一つと、日時情報とを対応付けたレコードを記憶する。
　学習用情報記憶部２４は、学習用情報を記憶する。学習用情報とは、学習部３６が学習処理を行う際に用いるデータである。学習用情報は、収穫指標の予測に使用した情報及びモデルと、予測された収穫指標と、収穫指標の適正度を測る評価情報とが対応づけられた情報である。学習用情報は、農産物を含む地域における環境情報と、農産物の画像と、それら環境情報及び画像を取得した日時とが対応づけられた情報を含んでもよい。
　学習結果記憶部２５は、学習部３６の学習処理によって得られた学習結果を示す情報を記憶する。学習結果記憶部２５によって記憶される学習結果は、画像解析部３１、残生育量算出部３２および収穫指標算出部３３によって使用される。
　以上説明したように、本実施形態によれば、上記（１）～（６）の利点に加えて、さらに以下の利点が得られる。
　（７）環境情報部５０は、栽培所における環境情報を生成する。そのため、収穫予測装置２０は、農産物が生育する生育環境の情報を取得することが可能であって、生育環境と農産物とを対応付けることが可能である。これにより、収穫予測装置２０は、現在の農産物における生育状態と、現在までの生育環境との関係性を考慮して、学習部３６に学習処理を行わせることが可能となる。
　（８）学習部３６は、学習情報から学習結果を算出し、その学習結果を学習結果記憶部２５に記憶させる。画像解析部３１、残生育量算出部３２、および、収穫指標算出部３３は、学習結果に基づいて算出モデル２２を補正することで、より正確に収穫指標の予測を行うことが可能となる。
　［他の実施形態］
　なお、上記実施形態は、以下のように変更して実施できる。
　・栽培所において制御される生育環境は、温度、二酸化炭素濃度、光条件のうちの１つ以上であってもよいし、温度、二酸化炭素濃度、光条件の全てが制御されなくてもよい。栽培所において生育環境を制御しないこと、もしくは制御される生育環境の数が少ない場合、栽培所で農産物を生育する上で複雑な生育環境の管理システムを有する必要がない。また、生育環境を管理するために生じるコストを抑えることが可能となる。
　・収穫予測装置２０は、天候情報から算出される日射量から、農産物の生育に最適な生育環境での温度を算出してもよい。収穫予測装置２０は、日射量と最適温度から、農産物の光合成量を算出し、光合成量に基づいて収穫指標を算出してもよい。
　・栽培所では、生育環境が一定の値に制御されてもよく、規則的に変化する値に制御されてもよい。一定の値もしくは規則的に変化する値に生育環境が制御される場合、栽培所における生育環境の管理が容易となる。
　・生育状態は、画像から生成された情報に限らず、現在の農産物を測定して得られる実測値であってもよい。

Claims (4)

  1. 　撮像部に接続された制御部を備えた収穫予測装置であって、
    　前記制御部が、
    　前記撮像部から取得した農産物の画像から前記農産物の生育状態を特定し、
    　前記生育状態から前記農産物の収穫規格を満たすために必要な残生育量を算出し、
    　前記農産物の栽培地域の天候情報を取得し、
    　前記天候情報及び前記残生育量から前記農産物の収穫指標を算出するように構成されている、収穫予測装置。
  2. 　前記制御部が、
    　前記画像に含まれる前記農産物の色を特定し、
    　前記色から収穫時期に前記収穫規格を満たす前記農産物の収穫量を前記収穫指標として特定するようにさらに構成されている
    　請求項１に記載の収穫予測装置。
  3. 　前記制御部が、
    　前記画像から前記画像に含まれる前記農産物の予測重量、および大きさの少なくとも１つを特定し、
    　前記生育状態と、前記農産物の光合成量に対する前記農産物の成長量とに基づいて、前記収穫規格を満たすために必要な前記残生育量を算出し、
    　前記残生育量から前記収穫規格を満たす収穫時期を前記収穫指標として特定するようにさらに構成されている
    　請求項１に記載の収穫予測装置。
  4. 　撮像部に接続された制御部を備えた収穫予測装置を用いた収穫予測方法であって、
    　前記制御部が、
    　前記撮像部から取得した農産物の画像から前記農産物の生育状態を特定し、
    　前記生育状態から前記農産物の収穫規格を満たすために必要な残生育量を算出し、
    　前記農産物の栽培地域の天候情報を取得し、
    　前記天候情報及び前記残生育量から前記農産物の収穫指標を算出する、収穫予測方法。
PCT/JP2020/048485 2020-01-10 2020-12-24 収穫予測装置、収穫予測方法 WO2021140941A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020003178A JP2021108586A (ja) 2020-01-10 2020-01-10 収穫予測装置、収穫予測方法
JP2020-003178 2020-01-10

Publications (1)

Publication Number Publication Date
WO2021140941A1 true WO2021140941A1 (ja) 2021-07-15

Family

ID=76788424

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/048485 WO2021140941A1 (ja) 2020-01-10 2020-12-24 収穫予測装置、収穫予測方法

Country Status (2)

Country Link
JP (1) JP2021108586A (ja)
WO (1) WO2021140941A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023120300A1 (ja) * 2021-12-23 2023-06-29 株式会社クボタ 栽培管理システム
NL2032240B1 (en) * 2022-06-22 2024-01-08 Univ Tarim Red dates maturity and picking analysis method and system considering environmental factors

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102505930B1 (ko) * 2022-01-27 2023-03-07 조성재 농축수산물관련 프로토콜 투자 방법 및 투자 플랫폼 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005151851A (ja) * 2003-11-21 2005-06-16 Mayekawa Mfg Co Ltd 農作物需給管理システム、加工食品受発注システム及び農業支援システム
JP2016049102A (ja) * 2014-08-29 2016-04-11 株式会社リコー 圃場管理システム、圃場管理方法、プログラム
JP2018166416A (ja) * 2017-03-29 2018-11-01 西日本電信電話株式会社 情報処理装置、情報処理方法、及びプログラム
JP6609681B1 (ja) * 2018-08-24 2019-11-20 西日本電信電話株式会社 判定システム、判定装置、判定方法及びコンピュータープログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005151851A (ja) * 2003-11-21 2005-06-16 Mayekawa Mfg Co Ltd 農作物需給管理システム、加工食品受発注システム及び農業支援システム
JP2016049102A (ja) * 2014-08-29 2016-04-11 株式会社リコー 圃場管理システム、圃場管理方法、プログラム
JP2018166416A (ja) * 2017-03-29 2018-11-01 西日本電信電話株式会社 情報処理装置、情報処理方法、及びプログラム
JP6609681B1 (ja) * 2018-08-24 2019-11-20 西日本電信電話株式会社 判定システム、判定装置、判定方法及びコンピュータープログラム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023120300A1 (ja) * 2021-12-23 2023-06-29 株式会社クボタ 栽培管理システム
NL2032240B1 (en) * 2022-06-22 2024-01-08 Univ Tarim Red dates maturity and picking analysis method and system considering environmental factors

Also Published As

Publication number Publication date
JP2021108586A (ja) 2021-08-02

Similar Documents

Publication Publication Date Title
WO2021140941A1 (ja) 収穫予測装置、収穫予測方法
US20170161560A1 (en) System and method for harvest yield prediction
JP2019187259A (ja) 栽培支援方法、栽培支援プログラム、栽培支援装置、および栽培支援システム
KR101936317B1 (ko) 단말기를 이용한 스마트 파밍 방법
CN113469746A (zh) 一种农产品预测方法和系统
CN113297925A (zh) 一种果蔬全链条质量智能预警方法及系统
EP3422280A1 (en) A method for forecasting the parameters of a phenomenon or the activities of an object, particularly animate, in a given geographic area
JP7137426B2 (ja) 施設栽培果実の収穫予測システム
CN114743100A (zh) 一种农产品长势监测方法和系统
Johansen et al. Predicting biomass and yield at harvest of salt-stressed tomato plants using UAV imagery
JP7138012B2 (ja) 花粉交配用昆虫の管理装置及び花粉交配用昆虫の管理方法
JP2021073860A (ja) 農作物生育推定装置、農作物生育推定システム、農作物生育推定方法、及びプログラム
JP2021057071A (ja) 農作物の栽培方法提案プログラム及びシステム
US11666004B2 (en) System and method for testing plant genotype and phenotype expressions under varying growing and environmental conditions
JP6964851B2 (ja) 保存環境判別プログラム
US20220107297A1 (en) Platform for real-time identification and resolution of spatial production anomalies in agriculture
WO2022067419A1 (en) Reduction of time of day variations in plant-related data measurements
CN115297714A (zh) 试验调整的生长协议目标值
CN115135135A (zh) 一种植物生长监测系统和方法
Webb et al. Climate services for agriculture: Tools for informing decisions relating to climate change and climate variability in the Wine industry
JP5386753B2 (ja) 農作物判定システム
CN115004994B (zh) 一种基于数字地图的果树病虫害防控系统
KR102545118B1 (ko) 식재도를 이용한 과수원의 관리 방법 및 시스템
EP4144199A1 (en) Method and system for providing a site-specific fertilizer recommendation
Choe et al. Design of Crop Harvest Time Prediction System Using Thermal Imaging

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20912045

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20912045

Country of ref document: EP

Kind code of ref document: A1