WO2021157032A1 - 生育診断システム、生育診断サーバ及び生育診断方法 - Google Patents

生育診断システム、生育診断サーバ及び生育診断方法 Download PDF

Info

Publication number
WO2021157032A1
WO2021157032A1 PCT/JP2020/004639 JP2020004639W WO2021157032A1 WO 2021157032 A1 WO2021157032 A1 WO 2021157032A1 JP 2020004639 W JP2020004639 W JP 2020004639W WO 2021157032 A1 WO2021157032 A1 WO 2021157032A1
Authority
WO
WIPO (PCT)
Prior art keywords
growth
state value
crop
shooting
diagnosis system
Prior art date
Application number
PCT/JP2020/004639
Other languages
English (en)
French (fr)
Inventor
千大 和氣
洋 柳下
宏記 加藤
Original Assignee
株式会社ナイルワークス
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 株式会社ナイルワークス filed Critical 株式会社ナイルワークス
Priority to PCT/JP2020/004639 priority Critical patent/WO2021157032A1/ja
Priority to JP2021575532A priority patent/JP7175537B2/ja
Priority to CN202080095040.2A priority patent/CN115023134B/zh
Priority to US17/797,122 priority patent/US20230169640A1/en
Publication of WO2021157032A1 publication Critical patent/WO2021157032A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • 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

Definitions

  • the present invention relates to a growth diagnosis system, a growth diagnosis server, and a growth diagnosis method.
  • JP2015-00049A In Japanese Patent Application Laid-Open No. 2015-00049A (hereinafter referred to as "JP2015-00049A”), the yield is high by using aerial images and time-series meteorological data at a specific growth stage of crops while suppressing the number of survey fields as much as possible. The challenge is to estimate with accuracy (summary). In order to solve this problem, in JP2015-00049A (summary), the actual field to be investigated should be investigated from the images of the survey area and the attribute information of the field accumulated in the past and the aerial image of the field to be surveyed.
  • the candidates for the actual measurement field are selected. Select to concentrate as much as possible.
  • a parameter group that correlates with the growth situation is calculated, and the yield estimation using the image feature amount, field attribute information, and the parameter group as explanatory variables.
  • JP2015-00049A uses a yield estimation model that uses a model such as Equation 3 to Equation 5 ([0056] to [0059]).
  • JP2018-082648A aims to provide a fertilizer application design method capable of determining the nitrogen application rate in a field more easily than before (summary, [0009]).
  • JP2018-082648A summary
  • the leaf color and the number of stems of the growing crop in this term are measured (S31), and the amount of absorbed nitrogen of the crop is obtained from the measured leaf color and the number of stems (S32).
  • JP2015-00049A (summary) it is used as a growth diagnosis model for performing yield estimation.
  • JP2018-082648A (summary) uses a growth diagnosis model for determining the nitrogen application rate for the next growth.
  • the present invention has been made in consideration of the above problems, and an object of the present invention is to provide a growth diagnosis system, a growth diagnosis server, and a growth diagnosis method capable of improving the accuracy of a growth diagnosis model.
  • the growth diagnosis system is A growth diagnosis device that diagnoses the growth state of crops in the field using a growth diagnosis model, A camera that acquires an image of the field and A detection state value calculation unit that calculates a detection growth state value, which is a growth state value of the crop, based on the image of the field.
  • a divergence determination unit that compares the estimated growth state value, which is the growth state value of the crop calculated by the growth diagnosis model, with the detected growth state value. It is characterized by having a model modification unit that modifies the growth diagnosis model according to the comparison result by the deviation determination unit.
  • the growth diagnosis model is modified by comparing the estimated growth state value calculated by the growth diagnosis model with the detected growth state value based on the image of the field acquired by the camera.
  • the growth state value of the crop is, for example, the number of paddy of the crop, the effective light receiving area ratio which is the area ratio of the leaves which photosynthesize in the field, or the red light absorbed by the crop in the image of the field. It may include the red light absorption rate which is a ratio. Further, as the growth state value of the crop, the effective light receiving area obtained by multiplying the effective light receiving area ratio by the target area or the red light absorption amount obtained by multiplying the red light absorption rate by the target area can also be used.
  • the model modification unit may modify the growth diagnosis model. Thereby, the modification can be performed only when it is highly necessary to modify the growth diagnosis model.
  • the effective light receiving area ratio referred to here means the ratio of the leaves (and stems) that perform photosynthesis to the entire image of the field.
  • the red light absorption rate indicates the rate at which the wavelength band of red light is absorbed by the crop in the image of the field, and is one of the indexes showing the amount of chlorophyll for photosynthesis.
  • the growth diagnosis system may further include a imaging defect determination unit that determines the presence or absence of imaging defects by the camera based on the image of the field.
  • the detection state value calculation unit may calculate the detection growth state value based on the image of the field determined by the photography defect determination unit that there was no imaging defect. This makes it possible to use the detected growth state value only when there is no imaging defect (that is, when the imaging is normal).
  • the growth diagnosis system may further include a re-imaging requesting unit that requests re-imaging by the camera when the imaging defect determining unit determines that the imaging defect has occurred. This makes it possible to improve the reliability of the growth diagnosis model by improving the accuracy of the detected growth state value by re-imaging.
  • the imaging defect determination unit may determine the presence or absence of the imaging defect for each of the fields or for each partial region included in the field.
  • the re-photographing requesting unit may request the re-photographing of the field where the imaging defect is found. This makes it possible to reacquire the detected growth state value for each field.
  • the imaging defect determination unit may determine the presence or absence of the imaging defect for each partial region included in the field.
  • the re-imaging requesting unit may request the re-imaging of the partial region where the imaging is defective. As a result, the man-hours can be reduced by re-shooting only the partial region where the shooting is defective.
  • the re-shooting requesting unit may request the re-shooting at a time zone different from the previous shooting or at a different solar altitude. This makes it possible to reduce the possibility that shooting defects will be reproduced.
  • the re-shooting requesting unit requests the re-shooting in a direction in which the relative positional relationship between the camera and the sun is different from the previous shooting. May be good. This makes it possible to reduce the possibility that shooting defects will be reproduced.
  • the re-shooting requesting unit may request the re-shooting in a weather different from the previous shooting. This makes it possible to reduce the possibility that shooting defects will be reproduced.
  • the re-shooting requesting unit requests the re-shooting in a direction in which the relative positional relationship between the camera and the field is different from the previous shooting. You may. This makes it possible to reduce the possibility that shooting defects will be reproduced.
  • the estimated effective light receiving area ratio Calculated based on the estimated number of paddy of the crop, the estimated effective light receiving area ratio, the estimated red light absorption rate, the estimated effective light receiving area or the estimated red light absorption amount calculated by the growth diagnosis model, and the image of the field.
  • the absolute value or the ratio of the difference between the detected paddy number of the crop, the detected effective light receiving area ratio, the detected red light absorption rate, the detected effective light receiving area or the detected red light absorption amount is the first difference. If the threshold is exceeded, the coefficient or initial value of the growth diagnosis model may be modified. This makes it possible to more preferably modify the growth diagnosis model when the cause of the discrepancy between the estimated growth state value and the detected growth state value is the coefficient or initial value of the growth diagnosis model.
  • the growth diagnosis system may further include a drone equipped with the camera and a schedule management unit that manages a shooting schedule by the drone for comparison between the estimated growth state value and the detected growth state value. good.
  • the schedule management unit starts the next shooting of the initial plan.
  • a new shooting schedule may be added before, or the next shooting time may be earlier than the initial plan. This makes it possible to reconfirm at a relatively early stage whether there is a discrepancy between the estimated growth state value and the detected growth state value, in other words, whether the growth diagnosis model is highly reliable.
  • the schedule management unit may return the shooting schedule to the initial plan.
  • the schedule management unit When the absolute value of the difference between the estimated growth state value and the detected growth state value or the ratio of the difference is below the third difference threshold value and the growth of the crop is as planned or earlier than planned, the schedule management unit , The number of shots may be reduced from the original plan. As a result, when it is possible to determine that the difference between the estimated growth state value and the detected growth state value is sufficiently small, in other words, when it can be determined that the reliability of the growth diagnosis model is sufficiently high, the shooting timing of the drone is determined. It is possible to delay.
  • the schedule management department may advance the timing of the final shooting. This makes it possible to avoid shooting at unnecessary timings.
  • the schedule management unit is at a timing when the amount of change in the growth state value of the crop, the amount of change in the growth state value of the crop per unit period, or the absolute value of the growth state value is larger than the first frequency determination threshold value.
  • the frequency of the shooting may be increased. This makes it easier to confirm the reliability of the growth diagnosis system at the timing when the amount of change in the growth state value of the crop, the amount of change in the growth state value per unit period, or the absolute value of the growth state value is large.
  • "increasing the frequency" referred to here may be either shortening the minimum schedule interval (interval) of shooting or increasing the number of shootings in a predetermined period.
  • the schedule management unit may use the schedule management unit. You may reduce the frequency of shooting. As a result, it is possible to suppress the shooting frequency of the drone at the timing when the absolute value of the growth state value, the change amount of the growth state value of the crop per unit period, or the absolute value of the change amount of the growth state value is small.
  • the schedule management unit may switch the first frequency determination threshold value or the second frequency determination threshold value according to the growth phase of the crop. This makes it possible to switch the shooting frequency according to the growing phase of the crop.
  • the transition frequency which is the imaging frequency of the drone during the transition period of the growth phase of the crop, may be higher than the normal frequency, which is the normal imaging frequency at a time other than the transition period of the growth phase of the crop.
  • the shooting frequency that can be set by the schedule management unit when the deviation determination unit determines that the absolute value or the ratio of the difference between the estimated growth state value and the detected growth state value exceeds the first difference threshold value.
  • the maximum frequency at the time of divergence which is the maximum value, may be higher than the frequency at the time of the transition. This makes it possible to increase the frequency of imaging when there is a discrepancy between the estimated growth state value and the detected growth state value, and to improve the reliability of the growth diagnosis system.
  • the growth diagnosis system may include a yield sensor for measuring the yield, which is the number or weight of the harvested crop, and a yield input unit for inputting the measured yield, which is the measured number of paddy or the weight.
  • the estimated growth state value may include an estimated yield which is the number or weight of the paddy of the crop calculated by the growth diagnosis model.
  • the model modification unit may modify the growth diagnosis model by comparing the measured yield with the estimated yield. As a result, when the measured yield is more accurate than the detected yield (the number or weight of paddy of the crop calculated based on the image), the comparison result of the measured yield and the estimated yield is preferentially used for growth. It is possible to improve the reliability of the diagnostic system.
  • the growth diagnosis system includes a waste rice rate measuring device that measures the ratio of immature rice contained in a unit amount of rice after harvesting, and a measurement waste rice that is the measured waste rice rate. It may be provided with a waste rice rate input unit for inputting a rate.
  • the estimated growth state value may include an estimated waste rice rate, which is the waste rice rate calculated by the growth diagnosis model.
  • the model modification unit may modify the growth diagnosis model by comparing the measured waste rice rate with the estimated waste rice rate.
  • the comparison result of the measured waste rice rate and the estimated waste rice rate is used preferentially to grow. It is possible to improve the reliability of the diagnostic system.
  • the growth diagnosis server diagnoses the growth state of a crop by using a growth diagnosis model.
  • a detection state value calculation unit that calculates a detection growth state value, which is a growth state value of the crop, based on an image of the crop acquired by a camera.
  • a divergence determination unit that compares the estimated growth state value, which is the growth state value of the crop calculated by the growth diagnosis model, with the detected growth state value. It is characterized by having a model modification unit that modifies the growth diagnosis model according to the comparison result by the deviation determination unit.
  • the growth diagnosis method is a method for diagnosing the growth state of a crop by using a growth diagnosis model. Based on the image of the crop acquired by the camera, the detection state value calculation step of calculating the detected growth state value which is the growth state value of the crop, and the detection state value calculation step. A divergence determination step of comparing the estimated growth state value, which is the growth state value of the crop calculated by the growth diagnosis model, with the detected growth state value, It is characterized by having a model modification step of modifying the growth diagnosis model according to the comparison result in the deviation determination step.
  • FIG. 1 is an overall configuration diagram showing an outline of a growth diagnosis system 10 according to an embodiment of the present invention.
  • the growth diagnosis system 10 (hereinafter, also referred to as “system 10”) can diagnose the growth of the crop 502 growing in the field 500 and spray the chemical (including liquid fertilizer) on the crop 502.
  • the crop 502 of the present embodiment is rice (paddy rice), but other crops may be used as described later.
  • Field 500 is a paddy field.
  • the system 10 includes a field sensor group 20, a growth diagnosis server 22, a drone 24, a first user terminal 26, a second user terminal 28, a third user terminal 30, and a yield sensor. It has 32 and a rice grader 34 (waste rice rate measuring instrument).
  • the field sensor group 20, the drone 24, the first user terminal 26, and the second user terminal 28 can wirelessly communicate with each other via the communication network 38 (including the radio base station 36), and also with the growth diagnosis server 22. Communication is possible.
  • the wireless communication communication that does not go through the wireless base station 36 (for example, LTE (Long Term Evolution), WiFi, etc.) can be used.
  • the growth diagnosis server 22 can also communicate with the information providing server 40 via the communication network 38.
  • the field sensor group 20 is installed in the field 500 as a paddy field, detects various data in the field 500, and provides the growth diagnosis server 22 and the like.
  • the field sensor group 20 includes, for example, a water temperature sensor, a temperature sensor, a precipitation sensor, an illuminance meter, an anemometer, a barometer and a hygrometer.
  • the water temperature sensor detects the water temperature of the field 500, which is a paddy field.
  • the temperature sensor detects the air temperature of the field 500.
  • the precipitation sensor detects the amount of precipitation in the field 500.
  • the illuminometer detects the amount of sunshine in the field 500.
  • the anemometer detects the wind speed of the field 500.
  • the barometer detects the barometric pressure in the field 500.
  • the hygrometer detects the humidity of the field 500.
  • FIG. 2 is a configuration diagram simply showing the configuration of the growth diagnosis server 22 of the present embodiment.
  • the growth diagnosis server 22 (hereinafter, also referred to as “diagnosis server 22”) performs growth diagnosis using the growth diagnosis model, and gives a work instruction to the user based on the diagnosis result.
  • Work instructions include fertilizer application timing, fertilizer type / amount, pesticide application timing, pesticide type / amount, and the like.
  • the diagnostic server 22 has an input / output unit 50, a communication unit 52, a calculation unit 54, and a storage unit 56.
  • the communication unit 52 has a modem or the like (not shown).
  • the communication unit 52 can communicate with the field sensor group 20, the drone 24, the first user terminal 26, the second user terminal 28, the third user terminal 30, the information providing server 40, and the like via the communication network 38. be.
  • the arithmetic unit 54 includes a central processing unit (CPU) and operates by executing a program stored in the storage unit 56. Some of the functions executed by the arithmetic unit 54 can also be realized by using a logic IC (Integrated Circuit). The arithmetic unit 54 may also configure a part of the program with hardware (circuit components). The same applies to the arithmetic unit and the like of the drone 24, which will be described later.
  • CPU central processing unit
  • the arithmetic unit 54 may also configure a part of the program with hardware (circuit components). The same applies to the arithmetic unit and the like of the drone 24, which will be described later.
  • the storage unit 56 stores programs and data used by the calculation unit 54, and includes a random access memory (hereinafter referred to as “RAM”).
  • RAM random access memory
  • a volatile memory such as a register and a non-volatile memory such as a hard disk and a flash memory can be used.
  • the storage unit 56 may have a read-only memory (ROM) in addition to the RAM. The same applies to the storage unit of the drone 24, which will be described later.
  • the calculation unit 54 includes a drone flight management unit 60 and a growth diagnosis unit 62.
  • the drone flight management unit 60 manages the flight (route, etc.) of the drone 24.
  • the growth diagnosis unit 62 performs a growth diagnosis using a growth diagnosis model.
  • the drone flight management unit 60 has a flight route generation unit 70 and a re-shooting request unit 72.
  • the flight route generation unit 70 generates the flight route of the drone 24.
  • the shooting defect determination unit 81 (described later) determines that the shooting by the drone 24 is not normal, the re-shooting requesting unit 74 requests the re-shooting by the drone 24.
  • the growth diagnosis unit 62 includes a schedule management unit 80, a photographing defect determination unit 81, an image processing unit 82, a deviation determination unit 83, a model correction unit 84, and a diagnosis execution unit 85.
  • the schedule management unit 80 manages the calibration schedule of the growth diagnosis model.
  • the shooting defect determination unit 81 determines the shooting defect by the drone 24 at the time of calibration.
  • the image processing unit 82 processes the image taken by the drone 24 to calculate the growth state value V (detection growth state value Vd) of the crop 502.
  • the divergence determination unit 83 compares the estimated growth state value Ve, which is the growth state value V of the crop calculated by the growth diagnosis model, with the detected growth state value Vd, and determines the divergence between the two.
  • the model correction unit 84 modifies the growth diagnosis model according to the comparison result by the deviation determination unit 83.
  • the diagnosis execution unit 85 executes the growth diagnosis control.
  • the storage unit 56 stores the program and data used by the calculation unit 54 to realize the drone flight management unit 60, the growth diagnosis unit 62, etc., and also has a field database 90 (hereinafter referred to as “field DB 90”) and a growth diagnosis. It has a database 92 (hereinafter referred to as “growth diagnosis DB 92”).
  • the field DB 90 accumulates information (flying field information) for each field 500 required for the flight of the drone 24.
  • the flight field information includes, for example, the position information of the field 500.
  • the growth diagnosis DB 92 accumulates various information (growth diagnosis information) related to the growth diagnosis.
  • the growth diagnosis information includes, for example, a growth diagnosis schedule, past diagnosis results (including the type of crop 502 cultivated in the past, yield Q, and waste rice rate R), and a growth diagnosis model (parameters including coefficients and initial values). Etc.), and photographed data (image of field 500) are included.
  • FIG. 3 is a configuration diagram simply showing the configuration of the drone 24 of the present embodiment.
  • the drone 24 functions as a means for acquiring a field image for calibration of a growth diagnosis model and also as a means for spraying a chemical solution (including a liquid fertilizer) on the crop 502.
  • the drone 24 takes off and landing at the departure and arrival point 510 (FIG. 1).
  • the drone 24 includes a drone sensor group 100, a communication unit 102, a flight mechanism 104, an imaging mechanism 106, a spraying mechanism 108, and a drone control unit 110.
  • the drone sensor group 100 includes a global positioning system sensor (hereinafter referred to as "GPS sensor"), a speedometer, an altimeter, a gyro sensor, a liquid level sensor (none of which is shown), and the like.
  • GPS sensor global positioning system sensor
  • the speedometer detects the flight speed of the drone 24.
  • the altimeter detects the altitude above ground level as the distance to the ground below the drone 24.
  • the gyro sensor detects the angular velocity of the drone 24.
  • the liquid amount sensor detects the amount of liquid in the tank of the spraying mechanism 108.
  • the communication unit 102 is capable of radio wave communication via the communication network 38, and includes, for example, a radio wave communication module.
  • the communication unit 102 can communicate with the growth diagnosis server 22, the first user terminal 26, the second user terminal 28, and the like via the communication network 38 (including the radio base station 36).
  • the flight mechanism 104 is a mechanism for flying the drone 24, and has a plurality of propellers and a plurality of propeller actuators.
  • the propeller actuator includes, for example, an electric motor.
  • the photographing mechanism 106 is a mechanism for photographing an image of the field 500 or the crop 502 (hereinafter, also referred to as a “drone image” or a “field image”), and has a camera 120.
  • the camera 120 of the present embodiment is a multispectral camera, and particularly acquires an image capable of analyzing the growth state of the crop 502.
  • the photographing mechanism 106 may further include an irradiation unit that irradiates the field 500 with light rays having a specific wavelength, and may be capable of receiving the reflected light from the field 500 with respect to the light rays.
  • the light rays having a specific wavelength may be, for example, red light (wavelength of about 650 nm) and near-infrared light (wavelength of about 774 nm).
  • red light wavelength of about 650 nm
  • near-infrared light wavelength of about 774 nm
  • the camera 120 is arranged at the lower part of the main body of the drone 24, and outputs image data related to peripheral images taken around the drone 24.
  • the camera 120 is a video camera that shoots a moving image.
  • the camera 120 may be capable of capturing both moving images and still images, or only still images.
  • the orientation of the camera 120 (the posture of the camera 120 with respect to the main body of the drone 24) can be adjusted by a camera actuator (not shown). Alternatively, the position of the camera 120 with respect to the main body of the drone 24 may be fixed.
  • the spraying mechanism 108 is a mechanism for spraying chemicals (including liquid fertilizer), and has, for example, a chemical tank, a pump, a flow rate adjusting valve, and a chemical nozzle.
  • the drone control unit 110 controls the entire drone 24, such as flying, photographing, and spraying chemicals on the drone 24.
  • the drone control unit 110 includes an input / output unit, a calculation unit, and a storage unit (not shown).
  • the drone control unit 110 includes a flight control unit 130, an imaging control unit 132, and a spray control unit 134.
  • the flight control unit 130 controls the flight of the drone 24 via the flight mechanism 104.
  • the shooting control unit 132 controls shooting by the drone 24 via the shooting mechanism 106.
  • the spraying control unit 134 controls the drug spraying by the drone 24 via the spraying mechanism 108.
  • the first user terminal 26 controls the drone 24 by the operation of the user 600 (FIG. 1) as an operator in the field 500, and also receives information (for example, position, drug amount, battery level, camera) received from the drone 24. It is a mobile information terminal that displays images, etc.).
  • the flight state (altitude, attitude, etc.) of the drone 24 is not remotely controlled by the first user terminal 26, but is autonomously controlled by the drone 24. Therefore, when a flight command is transmitted from the user 600 to the drone 24 via the first user terminal 26, the drone 24 performs autonomous flight.
  • manual operations may be possible during basic operations such as takeoff and return, and in emergencies.
  • the first user terminal 26 includes an input / output unit (including a touch panel and the like), a communication unit, a calculation unit, and a storage unit (not shown), and is composed of, for example, a general tablet terminal.
  • the first user terminal 26 of the present embodiment receives and displays a work instruction or the like from the growth diagnosis server 22.
  • the second user terminal 28 is a mobile information terminal used by a user 602 (FIG. 1) other than the operator in the field 500, and is for the flight information (current flight status, scheduled flight end time, etc.) of the drone 24 and the user 602. Work instructions, growth diagnosis information, etc. are received from the diagnosis server 22 or the drone 24 and displayed.
  • the second user terminal 28 includes an input / output unit (including a touch panel and the like), a communication unit, a calculation unit, and a storage unit (not shown), and is composed of, for example, a general smartphone.
  • the third user terminal 30 is a terminal used by the users 600, 602 and the like in order to use the growth diagnosis by the growth diagnosis server 22 in a place other than the field 500 (for example, the company to which the users 600 and 602 belong).
  • the third user terminal 30 includes an input / output unit (including a keyboard and a display unit) (not shown), a communication unit, a calculation unit, and a storage unit, and is composed of, for example, a desktop personal computer (PC) or a notebook PC. NS.
  • the yield sensor 32 is a device for measuring the yield Q of the cut crop 502.
  • the yield Q here is the number of paddy crops 502 (paddy rice) that have been cut.
  • the yield Q may be the weight of the cut crop 502.
  • the yield sensor 32 is arranged, for example, in a warehouse (not shown) for storing the crop 502 after harvesting.
  • the yield sensor 32 may be provided in the harvesting combine (not shown).
  • the yield Q measured by the yield sensor 32 (hereinafter, also referred to as “measured yield Qm”) is input by the third user terminal 30 and transmitted to the growth diagnosis server 22 together with the ID of the field 500. ..
  • the measured yield Qm may be automatically transmitted to the growth diagnosis server 22 via the communication network 38.
  • the measurement of the yield Q using the yield sensor 32 is not only after the harvest of the entire field 500 (cutting of the entire field 500), but also as the yield Q of the crop 502 by cutting the crop 502 only for a part of the field 500. It also includes the case of measuring.
  • the rice grader 34 (waste rice rate measuring device) is a device for measuring the waste rice rate R of the crop 502 (paddy rice) after harvesting.
  • the waste rice ratio R is the ratio of immature rice (for example, rice passing through a sieve having a mesh width of 1.7 mm) contained in the crop 502 per unit amount.
  • the rice grader 34 is placed, for example, in a warehouse (not shown) for storing the post-harvest crop 502.
  • the waste rice rate R measured by the rice grader 34 (hereinafter, also referred to as “measured waste rice rate Rm”) is input to the growth diagnosis server 22 together with the ID of the field 500 by the third user terminal 30. Will be sent.
  • the measured waste rice rate Rm may be automatically transmitted to the growth diagnosis server 22 via the communication network 38.
  • the information providing server 40 provides the growth diagnosis server 22 with information (field information) about the field 500 obtained by a meteorological satellite or the like.
  • the field information referred to here includes, for example, the temperature, precipitation, and the like of the field 500.
  • the growth diagnosis control is a control for performing a growth diagnosis of the crop 502 based on various detected values from the field sensor group 20 and the like.
  • the drone flight management control is a control for managing the flight of the drone 24 in the field 500 for growth diagnosis control, growth diagnosis model calibration management control, and the like.
  • the growth diagnosis model calibration management control is a control for calibrating the growth diagnosis model.
  • the growth diagnosis control is a control for performing a growth diagnosis of the crop 502 based on various detected values from the field sensor group 20, and is mainly a growth diagnosis server 22 (particularly, a diagnosis execution unit of the growth diagnosis unit 62). 85) executes.
  • the growth diagnosis referred to here includes, for example, calculation and presentation of an estimated value (estimated yield Qe) of yield Q for each field 500, and calculation and provision of the time of each growth phase of crop 502.
  • work instructions regarding fertilization, chemical spraying, etc. are also given. The work instruction is displayed, for example, on the display unit of the first user terminal 26, the second user terminal 28, or the third user terminal 30.
  • growth diagnosis control for example, those described in JP2015-00049A or JP2018-082648A can be used.
  • the drone flight management control is a control for managing the flight of the drone 24 in the field 500 for growth diagnosis control, growth diagnosis model calibration management control, etc., and is mainly a growth diagnosis server 22 (particularly the drone flight management unit). 60) executes. Specifically, in the drone flight management control, the flight path, the target speed, the target altitude, and the like when photographing the field 500 are calculated and transmitted to the drone 24.
  • the growth diagnosis model calibration management control (hereinafter, also referred to as “calibration management control”) is a control for calibrating the growth diagnosis model, and is mainly a growth diagnosis server 22 (mainly a growth diagnosis unit 62). ) Executes.
  • the calibration of the growth diagnosis model referred to here is to calibrate (or modify) the parameters of the growth diagnosis model based on the detection value calculated based on the image of the field 500 (or crop 502) acquired by the drone 24. including.
  • Calibration management control includes calibration schedule management control and calibration execution control.
  • the calibration schedule management control (hereinafter, also referred to as “schedule management control”) is a control for managing the execution timing of calibration.
  • the calibration execution control is a control for executing the calibration of the growth diagnosis model according to the execution timing or the like set in the schedule management control.
  • the schedule management control is a control for managing the execution timing of the calibration.
  • the schedule management according to the growth phase of the crop 502 and the like and the schedule management accompanying the change of the parameters of the growth diagnosis model at the time of performing the calibration are performed.
  • the schedule management control and the calibration execution control are performed for each field 500.
  • the growth diagnosis server 22 determines the currently required monitoring status (necessary monitoring status).
  • the required monitoring status includes a normal monitoring status in which normal monitoring is performed and a centralized monitoring status in which centralized monitoring is performed.
  • the centralized monitoring situation is a situation in which the frequency of calibration (frequency F) is increased because the growth state of the crop 502 changes significantly.
  • target growth state value Vt target growth state value
  • the temperature deviates from the average temperature or the average amount of solar radiation throughout the year (when the temperature continues to be 35 ° C or higher, etc.) the timing of fertilizer absorption and changes in the amount of nitrogen in the soil are included.
  • the switching of the growth phase will be described later with reference to FIG.
  • the threshold value for whether or not the difference between the estimated growth state value Ve or the like and the target growth state value Vt is large can be switched for each growth phase of the crop 502.
  • the threshold for determining whether or not the deviation from the average temperature for the whole year is large (temperature deviation determination threshold THt) and the threshold for determining whether or not the deviation from the average amount of solar radiation for the whole year is large (solar radiation amount deviation determination threshold THs) , Can be switched for each growth phase of crop 502.
  • the normal monitoring status is a status other than the centralized monitoring status during the calibration target period.
  • step S12 of FIG. 4 the growth diagnosis server 22 determines whether or not the current required monitoring status is the normal monitoring status based on the determination result of step S11. If the current required monitoring status is the normal monitoring status (S12: true), the process proceeds to step S13.
  • step S13 the diagnostic server 22 determines whether or not the maturity period (or harvest period) of the crop 502 has not arrived. The determination is made based on, for example, whether or not the measured yield Qm of the crop 502 or the measured scrap rice ratio Rm at the target time has been input for the field 500 to be controlled. If the maturity period of crop 502 has not arrived (S13: true), the process proceeds to step S14.
  • step S14 the diagnostic server 22 determines whether the current calibration schedule is the default (initial) schedule in the normal monitoring situation. In other words, the diagnostic server 22 determines whether or not the state in which the schedule has been changed is maintained in steps S17 and S19 in the schedule management control before the previous time. The determination can be made, for example, by checking the value of the flag indicating whether or not the schedule has been changed. If it is the default schedule in the normal monitoring situation (S14: true), the process proceeds to step S15.
  • step S15 the diagnosis server 22 determines the growth state value of the crop 502 calculated by the growth diagnosis model (hereinafter referred to as “estimated growth state value Ve” or “estimated value Ve”) and the crop 502 calculated based on the field image. It is determined whether or not the difference D from the growth state value (hereinafter referred to as “detected growth state value Vd” or “detection value Vd”) is within the permissible range. In other words, it is determined whether or not the absolute value of the difference D is equal to or less than the first frequency determination difference threshold THfm1. As the first frequency determination difference threshold THfm1, the same value as the difference threshold THd (S58 in FIG. 7) described later can be used. The calculation method, type, etc. of the estimated value Ve and the detected value Vd will be described later in relation to steps S56 and S57 of FIG. If the difference D is within the permissible range (S15: true), the process proceeds to step S16.
  • estimate growth state value Ve or “estimated
  • step S16 the diagnostic server 22 determines whether or not the difference D is very small (in other words, whether or not the difference D within the permissible range is a very small value among them). In other words, it is determined whether or not the absolute value of the difference D is equal to or less than the second frequency determination difference threshold THfm2.
  • the diagnostic server 22 lowers the calibration frequency F from the default schedule. For example, in the default schedule under the normal monitoring situation, the calibration is performed once a month, but as a result of step S17, the diagnostic server 22 is changed to perform the calibration once every 1.5 months.
  • step S18 the diagnostic server 22 maintains the default schedule in the normal monitoring situation.
  • step S19 the diagnostic server 22 increases the calibration frequency F more than the default schedule in the normal monitoring situation. For example, in the default schedule under the normal monitoring situation, the calibration is performed once a month, but as a result of step S19, the diagnostic server 22 is changed to perform the calibration once every 0.5 months.
  • step S14 when the current calibration schedule is not the default schedule in the normal monitoring situation (S14: false), the current calibration schedule is a schedule changed from the default schedule in steps S17 and S19. In that case, the process proceeds to step S20.
  • step S20 the diagnostic server 22 determines whether or not the condition for canceling the schedule change is satisfied. For example, when the calibration frequency F is reduced in step S17, it is determined whether or not the absolute value of the difference D exceeds the threshold value (first release threshold THfr1) for canceling the decrease in the frequency F. When the absolute value of the difference D exceeds the first release threshold value THfr1, it is determined that the release condition is satisfied. Further, when the calibration frequency F is increased in step S19, it is determined whether or not the absolute value of the difference D is below the threshold value (second release threshold THfr2) for canceling the increase in the frequency F. When the absolute value of the difference D is less than the second release threshold THfr2, it is determined that the release condition is satisfied.
  • the threshold value first release threshold THfr1
  • step S21 the diagnostic server 22 returns the schedule to the default schedule in the normal monitoring status.
  • step S22 the diagnostic server 22 maintains the current schedule (the schedule changed from the default schedule in the normal monitoring situation). In other words, the diagnostic server 22 maintains the current calibration frequency F.
  • step S23 the diagnostic server 22 finishes the calibration early.
  • step S12 when the current required monitoring status is not the normal monitoring status (S12: false), the current required monitoring status is the centralized monitoring status. In that case, the process proceeds to step S31 of FIG. Steps S31 to S39 in FIG. 5 basically follow the same flow as steps S14 to S22 in FIG. However, while steps S14 to S22 in FIG. 4 are based on the normal monitoring status, steps S31 to S39 in FIG. 5 are based on the centralized monitoring status. Therefore, the threshold value and the like in each step can be made different from those in FIG.
  • step S31 the diagnostic server 22 determines whether or not the current calibration schedule is the default schedule in the centralized monitoring situation. In other words, the diagnostic server 22 determines whether or not the state in which the schedule has been changed is maintained in steps S34 and S36 in the schedule management control before the previous time. If it is the default schedule in the centralized monitoring situation (S31: true), the process proceeds to step S32.
  • step S32 the diagnosis server 22 has a difference D between the estimated growth state value Ve (estimated value Ve) calculated by the growth diagnosis model and the detected growth state value Vd (detection value Vd) based on the drone image within an allowable range. Judge whether or not. In other words, it is determined whether or not the absolute value of the difference D is equal to or less than the first frequency determination difference threshold THfm1. If the difference D is within the permissible range (S32: true), the process proceeds to step S33.
  • step S33 the diagnostic server 22 determines whether or not the difference D is very small (in other words, whether or not the difference D within the permissible range is a very small value among them). In other words, it is determined whether or not the absolute value of the difference D is equal to or less than the second frequency determination difference threshold THfm2.
  • the diagnostic server 22 lowers the calibration frequency F than the default schedule in the centralized monitoring situation. For example, in the default schedule in the centralized monitoring situation, the calibration is performed once a week, but as a result of step S34, the diagnostic server 22 is changed to perform the calibration once every two weeks.
  • step S35 the diagnostic server 22 maintains the default schedule in the centralized monitoring situation.
  • step S36 the diagnostic server 22 increases the calibration frequency F more than the default schedule in the centralized monitoring situation. For example, in the default schedule in the centralized monitoring situation, the calibration is performed once a week, but as a result of step S36, the diagnostic server 22 is changed to perform the calibration once every three days.
  • step S31 when the current calibration schedule is not the default schedule in the centralized monitoring situation (S31: false), the current calibration schedule is a schedule changed from the default schedule in steps S34 and S36. In that case, the process proceeds to step S37.
  • step S37 the diagnostic server 22 determines whether or not the condition for canceling the schedule change is satisfied. For example, when the calibration frequency F is reduced in step S34, it is determined whether or not the absolute value of the difference D exceeds the threshold value (first release threshold THfr1) for canceling the decrease in the frequency F. When the absolute value of the difference D exceeds the first release threshold value THfr1, it is determined that the release condition is satisfied. Further, when the calibration frequency F is increased in step S36, it is determined whether or not the absolute value of the difference D is below the threshold value (second release threshold THfr2) for canceling the increase in the frequency F. When the absolute value of the difference D is less than the second release threshold THfr2, it is determined that the release condition is satisfied.
  • the threshold value first release threshold THfr1
  • step S38 the diagnostic server 22 returns the schedule to the default schedule in the centralized monitoring status.
  • step S39 the diagnostic server 22 maintains the current schedule (the schedule changed from the default schedule in the centralized monitoring status). In other words, the diagnostic server 22 maintains the current calibration frequency F.
  • FIG. 6 is an explanatory diagram for explaining a method of determining the required monitoring status in the present embodiment.
  • FIG. 6 shows the relationship between the growth phase of crop 502, the required monitoring status, and the calibration frequency F.
  • the growth phase includes a vegetative period, a reproductive period, and a ripening period.
  • the vegetative growth period is the period from germination to the formation of the base of the ear (primordium of the ear).
  • the reproductive period is the period from the formation of the primordium of the ear to the heading and flowering.
  • the ripening period is the period from heading / flowering to maturity.
  • the necessary monitoring status is set as the centralized monitoring status at the time of switching between the vegetative growth period and the reproductive growth period, and the other period is set as the normal monitoring status.
  • the determination of the required monitoring status is not limited to the growth phase, but other factors (for example, fertilizer application timing, year-round average temperature and deviation from average solar radiation, fertilizer). Absorption timing and changes in the amount of nitrogen in the soil) are also taken into consideration. For example, even if the growth phase is not the time when the vegetative period and the reproductive period are switched, the centralized monitoring status is selected before and after fertilization, in abnormal weather, and the like.
  • FIG. 7 is a flowchart of calibration execution control in this embodiment.
  • the calibration execution control is a control for executing the calibration of the growth diagnosis model according to the execution timing or the like set in the schedule management control.
  • step S51 of FIG. 7 the growth diagnosis server 22 (schedule management unit 80) determines whether or not the calibration execution timing by the calibration schedule management control has arrived. The determination is made for each field 500 managed by the diagnostic server 22. When the calibration execution timing has arrived (S51: true), the process proceeds to step S52.
  • the diagnostic server 22 requests the drone 24 to photograph the field 500 for calibration. Specifically, the diagnostic server 22 causes a display unit (touch panel or the like) of the first user terminal 26 or the like to display a work instruction. The user 600 who sees this work instruction operates the first user terminal 26 to take a picture of the target field 500 with the drone 24. The image data acquired by the drone 24 is immediately transmitted to the diagnostic server 22. Alternatively, the image data may be collectively transmitted after the shooting is completed.
  • the diagnostic server 22 determines whether or not the drone 24 has been photographed normally. For example, the diagnosis server 22 continuously determines whether or not the detection illuminance of the same portion of the field image is a fixed value for a predetermined time or longer. By this determination, it is possible to determine whether or not the imaging portion of the camera 120 is dirty. Further, the diagnosis server 22 can determine that the imaging is defective when the illuminance of the entire field image is too weak or too strong. For example, it is determined whether or not the area (or the number of pixels) of the halation region in the field image is equal to or larger than the threshold value for determining imaging defects (imaging defect threshold value). The halation region indicates a region where the brightness of the pixel is the maximum value (255 in the case of 8 bits).
  • step S53 is performed for each field 500. Alternatively, the determination in step S53 may be performed for each partial region included in the field 500. If it is determined that the shooting of the drone 24 is normal (S53: true), the process proceeds to step S56.
  • step S54 the diagnostic server 22 requests the re-shooting by the drone 24.
  • the re-shooting requesting unit 74 requests re-shooting in a time zone different from the previous shooting (S54). For example, it is required that re-shooting be performed after 30 minutes or more have passed since the previous shooting.
  • a time shifted by ⁇ 30 minutes or more from the shooting time of the previous shooting may be used.
  • different solar altitudes eg ⁇ 3.8 degrees or higher
  • the request is displayed, for example, on the display unit of the first user terminal 26.
  • the re-shooting requesting unit 74 may request re-shooting in a direction in which the relative positional relationship between the drone 24 and the sun is different from the previous shooting. This makes it possible to deal with cases such as when the previous shooting was performed in a backlit state.
  • the re-shooting requesting unit 74 may request re-shooting in a weather different from the previous shooting. For example, if the previous shooting was done in fine weather, you may request that the re-shooting be done in cloudy weather.
  • the re-photographing requesting unit 74 may request re-imaging in a direction in which the relative positional relationship between the drone 24 and the field 500 is different from the previous imaging.
  • the re-imaging may be requested to be performed in a direction perpendicular to the inter-rows or in an oblique direction with respect to the inter-rows.
  • the target of re-imaging can be the field 500. Further, when the determination of poor imaging is performed for each partial region of the field 500, the target of re-imaging may be the partial region.
  • step S55 the user 600 who has received the work instruction for re-photographing operates the first user terminal 26 to perform re-imaging with the drone 24 on the target field 500. After step S55, the process returns to step S53.
  • step S56 the diagnostic server 22 processes the image data received from the drone 24 to calculate the growth state value V (detection growth state value Vd) of the crop 502.
  • V detection growth state value
  • the diagnostic server 22 processes the image data received from the drone 24 to calculate the growth state value V (detection growth state value Vd) of the crop 502.
  • NIR near-infrared light
  • IR infrared light
  • the degree of growth of paddy rice can be determined based on the red light absorption rate (that is, the ratio of red light absorbed by the crop 502).
  • the detected growth state value Vd calculated here can be selected according to the growth phase (FIG. 6).
  • the vegetative period for example, the height of the crop 502, the number of leaves, the red light absorption rate, the effective light receiving area rate (the area rate of leaves capable of photosynthesis in the field area), the NDVI (Normalized Difference Vegetation Index), The number of divisions, leaf height, and density of crop 502 (area ratio of soil to crop 502) can be used.
  • the reproductive period for example, the height of crop 502, the number of leaves, the effective light receiving area ratio, and the NDVI can be used.
  • the ripening period for example, the number of paddy and NDVI can be used.
  • step S57 the diagnosis server 22 calculates the growth state value V (estimated growth state value Ve) of the crop 502 based on the growth diagnosis model. Since the estimated growth state value Ve calculated here is used for comparison with the detected growth state value Vd, a value of the same type as the detected growth state value Vd calculated in step S56 is calculated.
  • step S58 the diagnostic server 22 determines whether or not the difference D between the estimated growth state value Ve and the detected growth state value Vd is within the permissible range. In other words, it is determined whether or not the absolute value of the difference D is equal to or less than the difference threshold THd.
  • an allowable range according to the type of growth state value V (number of paddy, etc.) as described above is set, and it is determined whether or not the difference D is within the allowable range.
  • the growth state value V to be compared in step S58 is the yield Q and the measured yield Qm is input before the previous period, the measured yield Qm is prioritized over the yield Q (detected yield Qd) as the detected value Vd. May be used. The same applies when the measured waste rice rate Rm is input before the previous term.
  • step S58 If the difference Dv is within the permissible range (S58: true), it is considered that the growth diagnosis model is functioning normally. Therefore, the calibration execution control this time is terminated. If the difference Dv is not within the permissible range (S58: false), it is considered that there is a problem with the parameters (coefficient or initial value) of the growth diagnosis model. In that case, the process proceeds to step S59.
  • step S59 the diagnostic server 22 modifies the parameters of the growth model.
  • the slope a in the number 3 ([0056]) of JP2015-00049A may be changed by a predetermined amount so that the estimated value Ve approaches the detected value Vd.
  • step S51 if the calibration execution timing by the calibration schedule management control has not arrived (S51: false), the process proceeds to step S60.
  • step S60 the diagnostic server 22 determines whether or not the yield Q (measured yield Qm) by the yield sensor 32 or the waste rice rate R (measured waste rice rate Rm) by the rice grader 34 has been input.
  • step S61 the diagnostic server 22 modifies the parameters of the growth diagnosis model using the input measured yield Qm or the measured waste rice rate Rm. do.
  • the model parameters are modified so that the yield Q (estimated yield Qe) as the current estimated value Ve approaches the input yield Q (measured yield Qm).
  • the model parameters are modified so that the waste rice rate R (estimated waste rice rate Re) as the current estimated value Ve approaches the input waste rice rate R (measured waste rice rate Rm).
  • each step in FIG. 7 may be performed in parallel.
  • the growth diagnosis model is modified by comparing the estimated growth state value Ve calculated by the growth diagnosis model with the detected growth state value Vd based on the image of the field 500 acquired by the camera 120 (FIG. 7). S56-S59). This makes it possible to perform a growth diagnosis according to the characteristics of each field 500 with an accuracy according to the reliability of the detected growth state value Vd based on the image of the field 500. Further, by using the image of the field 500, it is possible to easily perform the growth diagnosis according to the characteristics of each field 500.
  • the growth state value V of the crop 502 includes the number of paddy rice.
  • the difference D between the estimated number of paddy of the crop 20 calculated by the growth diagnosis model and the detected paddy of the crop 20 (paddy rice) calculated based on the image of the drone 24 is the difference threshold THd (first difference).
  • the threshold value is exceeded (S58 in FIG. 7: false)
  • the growth diagnosis model is modified (S59). Thereby, the modification can be performed only when it is highly necessary to modify the growth diagnosis model.
  • the growth diagnosis system 10 further includes a photographing defect determination unit 81 that determines whether or not there is an imaging defect by the camera 120 based on the image of the field 500 (FIG. 2). Further, the image processing unit 82 (detection state value calculation unit) is based on the image of the field 500 determined by the image processing defect determination unit 81 that there was no imaging defect (S53: true in FIG. 7), and the growth state of the crop 502. The detected growth state value Vd, which is the value V, is calculated (S56 in FIG. 7). As a result, the detected growth state value Vd can be used only when there is no imaging defect (that is, when the imaging is normal).
  • the shooting defect determination unit 81 determines that there is a shooting defect (S53: false in FIG. 7), it further includes a re-shooting requesting unit 74 (S54) that requests re-shooting by the camera 120 (FIG. 2). ).
  • S54 re-shooting requesting unit 74
  • the imaging defect determination unit 81 determines the presence or absence of imaging defects for each field 500 or for each partial region included in the field 500 (S53 in FIG. 7). Further, when there is a shooting defect (S53: false), the re-photographing requesting unit 74 requests a re-photographing of the field 500 where the photographing defect has occurred (S54). This makes it possible to reacquire the detected growth state value Ve in 500 units of the field.
  • the shooting defect determination unit 81 determines the presence or absence of a shooting defect for each partial region included in the field 500 and there is a shooting defect
  • the re-shooting requesting unit 74 re-shoots the partial region where the shooting defect was found. You may request a photo shoot. As a result, the man-hours can be reduced by re-shooting only the partial region where the shooting defect has occurred.
  • the shooting defect determination unit 81 determines that there is a shooting defect (S53 in FIG. 7: false)
  • the re-shooting requesting unit 74 re-shoots at a time zone different from the previous shooting or at a different solar altitude. (S54).
  • the re-shooting requesting unit 74 requests re-shooting in a direction in which the relative positional relationship between the drone 24 and the sun is different from the previous shooting.
  • the re-shooting requesting unit 74 requests re-shooting in a weather different from the previous shooting.
  • the re-shooting requesting unit 74 requests re-shooting in a direction in which the relative positional relationship between the camera 120 and the field 500 is different from the previous shooting. In either case, it is possible to reduce the possibility that shooting defects will be reproduced.
  • the model correction unit 84 corrects the parameters of the diagnostic model (S59).
  • the growth diagnosis model can be modified more preferably.
  • the growth diagnosis system 10 manages the schedule management unit 80 that manages the shooting schedule of the drone 24 equipped with the camera 120 and the drone 24 for comparing the estimated growth state value Ve and the detected growth state value Vd. And further (FIGS. 2 and 3).
  • the schedule management unit 80 adds a new shooting schedule before the next shooting of the initial plan or advances the timing of the next shooting earlier than the initial plan (FIG. 4). 4 S19 or FIG. 5 S36). This makes it possible to reconfirm at a relatively early stage whether there is a discrepancy between the estimated growth state value Ve and the detected growth state value Vd, in other words, whether the growth diagnosis model is highly reliable.
  • the schedule management unit 80 After the determination (S15 in FIG. 4: false or S32 in FIG. 5: false), when the difference D falls below the second release threshold THfr2 (second difference threshold) (S20 in FIG. 4: true or FIG. 5). S37: true), the schedule management unit 80 returns the shooting schedule to the initial plan (S38 in FIG. 4 and S21 in FIG. 5).
  • the absolute value of the difference D between the estimated growth state value Ve and the detected growth state value Vd is lower than the second frequency determination difference threshold THfm2 (third difference threshold) (S16: true in FIG. 4, or FIG. 5). (S33: true), when the growth of the crop 502 is as planned or faster than planned, the schedule management unit 80 reduces the number of photographs taken from the initial plan (S17 in FIG. 4 and S34 in FIG. 5). As a result, when it can be determined that the absolute value of the difference D between the estimated growth state value Ve and the detected growth state value Vd is sufficiently small, in other words, when it can be determined that the reliability of the growth diagnosis model is sufficiently high. , It is possible to delay the shooting timing of the drone 24.
  • the schedule management unit 80 advances the timing of the final shooting (S23). This makes it possible to avoid shooting at unnecessary timings.
  • the schedule management unit 80 has the first centralized monitoring status (the amount of change in the growth state value V of the crop 502, the amount of change in the growth state value V per unit period, or the absolute value of the growth state value V.
  • the calibration frequency F or the shooting frequency by the drone 24 is increased (S35, S38, and 6 in FIG. 5). This makes it easier to confirm the reliability of the growth diagnosis system 10 in the centralized monitoring situation.
  • the schedule management unit 80 has a second normal monitoring status (the amount of change in the growth state value V of the crop 502, the amount of change in the growth state value V per unit period, or the absolute value of the growth state value V.
  • the calibration frequency F or the shooting frequency by the drone 24
  • S18, S21 the shooting frequency of the drone 24 under normal monitoring conditions.
  • the schedule management unit 80 determines the threshold values (growth failure determination threshold THvd, temperature deviation determination threshold THt, solar radiation amount deviation determination threshold THs, etc.) used in determining the required monitoring status (first frequency determination threshold, second frequency determination).
  • the threshold value is switched according to the growth phase of the crop 502 (S11 in FIG. 4). This makes it possible to switch the imaging frequency according to the growth phase of the crop 502.
  • the maximum frequency at the time of deviation which is the maximum value of the shooting frequency F that can be set by the schedule management unit 80, is larger than the frequency at the time of transition (S35, S36, S38 in FIG. 5). This makes it possible to increase the frequency of imaging when there is a discrepancy between the estimated growth state value Ve and the detected growth state value Vd, and to improve the reliability of the growth diagnosis system 10.
  • the growth diagnosis system 10 has a yield sensor 32 that measures the yield Q of the cut crop 502, and a third user terminal 30 (yield input unit) that inputs the measured yield Q (measured yield Qm).
  • the estimated growth state value Ve includes the yield Q (estimated yield Qe) of the crop 502 calculated by the growth diagnosis model, and the detected growth state value Vd is the yield Q (detected yield) of the crop 502 calculated based on the image of the field 500. Qd) is included (S56, S57 in FIG. 7).
  • the model correction unit 84 modifies the growth diagnosis model by comparing the measured yield Qm with the estimated yield Qe (S61).
  • the reliability of the growth diagnosis system 10 can be improved by preferentially using the comparison result between the measured yield Qm and the estimated yield Qe. It will be possible.
  • the growth diagnosis system 10 inputs a rice grader 34 (waste rice rate measuring device) for measuring the waste rice rate R after harvesting and a third user terminal 30 for inputting the measured waste rice rate R (measured waste rice rate Rm).
  • the estimated growth state value Ve includes the waste rice rate R (estimated waste rice rate Re) calculated by the growth diagnosis model
  • the detected growth state value Vd includes the waste rice rate R (detected waste rice rate Rd) calculated based on the drone image.
  • the model correction unit 84 modifies the growth diagnosis model by comparing the measured waste rice rate Rm with the estimated waste rice rate Re (S61).
  • the comparison result of the measured waste rice rate Rm and the estimated waste rice rate Re is preferentially used to give priority to the reliability of the growth diagnosis system 10. Can be increased.
  • the growth diagnosis system 10 of the above embodiment had the components as shown in FIG. However, for example, it is not limited to this from the viewpoint of modifying the growth diagnosis model by comparing the estimated growth state value Ve by the growth diagnosis model with the detected growth state value Vd based on the image of the field 500 or the crop 502.
  • the growth diagnosis system 10 can omit one or more of the first user terminal 26, the second user terminal 28, the third user terminal 30, the yield sensor 32, the rice grader 34, and the information providing server 40. be.
  • the drone 24 is provided with a camera 120 for capturing a field image (FIG. 3).
  • a camera 120 that captures an image of the field 500 or the crop 502 may be fixedly arranged in the field 500.
  • the camera 120 is used in a place other than the field 500. An image of crop 502 may be imaged.
  • the growth diagnosis function (growth diagnosis unit 62) is provided on the growth diagnosis server 22 (FIG. 2).
  • the growth diagnosis function is not limited to this from the viewpoint of modifying the growth diagnosis model by comparing the estimated growth state value Ve by the growth diagnosis model with the detected growth state value Vd based on the image of the field 500 or the crop 502.
  • paddy rice was used as the crop 502.
  • the crop 502 may be upland rice, wheat, barley, soybean, or the like.
  • the growth diagnosis server 22 automatically sets the timing for performing the calibration execution control (FIGS. 4 and 5). However, for example, it is not limited to this from the viewpoint of modifying the growth diagnosis model by comparing the estimated growth state value Ve by the growth diagnosis model with the detected growth state value Vd based on the image of the field 500 or the crop 502. For example, the user 600 may determine the timing of performing the calibration execution control.
  • the calibration frequency F is assumed in three stages for the normal monitoring situation (S17, S18, S19 in FIG. 4). However, it is not limited to this, for example, from the viewpoint of setting the frequency F according to the reliability of the growth diagnosis model.
  • the frequency F in the normal monitoring situation may be set to 2 levels or 4 levels or more. The same applies to the centralized monitoring situation.
  • whether or not the difference D between the estimated growth state value Ve and the detected growth state value Vd is within the permissible range is determined by comparing the absolute value of the difference D with the difference threshold THd (first difference threshold). (S58 in FIG. 7). However, it is not limited to this, for example, from the viewpoint of determining whether or not the difference D is within the allowable range. For example, it may be determined whether or not the difference D is within the permissible range by using whether or not the ratio of the difference D to the estimated growth state value Ve (or the detected growth state value Vd) is within the threshold value. The same applies to steps S15, S16, S20 in FIG. 4, steps S32, S33, S37 and the like in FIG.
  • Detected growth state value Ve ... Estimated growth state value THd ... Difference threshold (first difference threshold) THfm1 ... 1st frequency determination difference threshold (1st difference threshold) THfm2 ... Second frequency determination difference threshold (third difference threshold) THfr2 ... Second release threshold (second difference threshold) THs ... Insolation amount deviation determination threshold (first frequency determination threshold, second frequency determination threshold) THt ... Temperature deviation determination threshold (first frequency determination threshold, second frequency determination threshold) THvd ... Growth failure determination threshold (first frequency determination threshold, second frequency determination threshold)

Abstract

生育診断モデルの精度を向上することが可能な生育診断システム、生育診断サーバ及び生育診断方法を提供する。生育診断システム（１０）の乖離判定部（８３）は、生育診断モデルにより算出した作物（５０２）の生育状態値である推定生育状態値を、カメラ（１２０）が取得した圃場（５００）又は作物（５０２）の画像に基づいて算出した作物（５０２）の生育状態値である検出生育状態値と比較する。モデル修正部（８４）は、乖離判定部による比較結果に応じて生育診断モデルを修正する。

Description

生育診断システム、生育診断サーバ及び生育診断方法
　本発明は、生育診断システム、生育診断サーバ及び生育診断方法に関する。
　特開２０１５－００００４９号（以下「ＪＰ２０１５－００００４９Ａ」という。）では、調査圃場数をできる限り抑制しながら、空撮画像と農作物の特定の生育ステージにおける時系列気象データを用いて、収量を高精度に推定することを課題としている（要約）。当該課題を解決するため、ＪＰ２０１５－００００４９Ａ（要約）では、過去に蓄積された調査地域の画像や圃場の属性情報と、調査対象である圃場が撮影された空撮画像から、調査すべき実測圃場を選定するための判断基準となるパラメータ群を決定し、前記パラメータ群ができる限り分散を持つように、実測圃場を選定し、また、調査の負担をできる限り減らすために、実測圃場の候補ができる限り位置的に集中するように選定する。また、気象データの時系列パターンを各生育ステージごとに解析することにより、生育状況に相関のあるパラメータ群を算出し、画像特徴量、圃場の属性情報と前記パラメータ群を説明変数とした収量推計を実施する。
　ＪＰ２０１５－００００４９Ａでは、数３～数５のようなモデルを用いる収量推計モデルを利用する（［００５６］～［００５９］）。
　特開２０１８－０８２６４８号（以下「ＪＰ２０１８－０８２６４８Ａ」という。）では、従来よりも容易に圃場内の窒素施用量を決定することができる施肥設計方法を提供すること等を目的としている（要約、［０００９］）。当該目的を達成するため、ＪＰ２０１８－０８２６４８Ａ（要約）では、今期生育中の作物の葉色及び茎数を測定し（Ｓ３１）、測定した葉色及び茎数から作物の吸収窒素量を求める段階（Ｓ３２）と、吸収窒素量から今期投入済み窒素施用量（Ｓ３３）を減算することで、現在の地力窒素量を求める段階（Ｓ３４）と、地力窒素量と作物を生育させるための適正窒素量から次期の作物を生育させるために必要な次期生育用窒素施用量を求める段階（Ｓ３５）とを有する。
　上記のように、ＪＰ２０１５－００００４９Ａ（要約）では、収量推計を実施する生育診断モデルとして用いる。また、ＪＰ２０１８－０８２６４８Ａ（要約）では、次期生育用窒素施用量を求める生育診断モデルを用いる。しかしながら、これらの生育診断モデルでは、精度の点で改善の余地がある。
　本発明は上記のような課題を考慮してなされたものであり、生育診断モデルの精度を向上することが可能な生育診断システム、生育診断サーバ及び生育診断方法を提供することを目的とする。
　本発明に係る生育診断システムは、
　　生育診断モデルを利用して圃場における作物の生育状態を診断する生育診断装置と、
　　前記圃場の画像を取得するカメラと、
　　前記圃場の画像に基づいて、前記作物の生育状態値である検出生育状態値を算出する検出状態値算出部と、
　　前記生育診断モデルにより算出した前記作物の生育状態値である推定生育状態値を、前記検出生育状態値と比較する乖離判定部と、
　　前記乖離判定部による比較結果に応じて前記生育診断モデルを修正するモデル修正部と
　を有することを特徴とする。
　本発明によれば、生育診断モデルにより算出した推定生育状態値と、カメラが取得した圃場の画像に基づく検出生育状態値とを比較して生育診断モデルを修正する。これにより、圃場の画像に基づく検出生育状態値の信頼性に応じた精度で、圃場毎の特性に応じた生育診断を行うことが可能となるため、生育診断モデルの精度を向上し得る。また、圃場の画像を用いることで、圃場毎の特性に応じた生育診断を簡易に行うことが可能となる。
　前記作物の生育状態値は、例えば、前記作物の籾数、若しくは前記圃場において光合成を行う葉の面積率である有効受光面積率、又は前記圃場の画像において前記作物に吸収されている赤色光の割合である赤色光吸収率を含んでもよい。また、前記作物の生育状態値として、有効受光面積率に対象面積を乗じて得た有効受光面積や、赤色光吸収率に対象面積を乗じて得た赤色光吸収量を用いることもできる。その場合、前記生育診断モデルにより算出した前記作物の推定籾数、推定有効受光面積率、推定赤色光吸収率、推定有効受光面積又は推定赤色光吸収量と、前記圃場の画像に基づいて算出した前記作物の検出籾数、検出有効受光面積率、検出赤色光吸収率、検出有効受光面積又は検出赤色光吸収量との差分の絶対値又は差分の割合が、前記生育状態値の第１差分閾値を超えたと前記乖離判定部が判定した場合、前記モデル修正部は、前記生育診断モデルを修正してもよい。これにより、生育診断モデルを修正する必要性が高い場合のみ、当該修正を行うことができる。
　なお、ここにいう有効受光面積率は、光合成を行う葉（及び茎）が圃場の画像全体に占める割合を意味する。また、赤色光吸収率は、圃場の画像において、赤色光の波長帯が作物に吸収されている割合を示すものであり、光合成を行うクロロフィルの量を示す指標の１つである。
　前記生育診断システムは、前記カメラによる撮影不良の有無を前記圃場の画像に基づいて判定する撮影不良判定部をさらに備えてもよい。また、前記検出状態値算出部は、前記撮影不良が無かったと前記撮影不良判定部が判定した前記圃場の画像に基づいて、前記検出生育状態値を算出してもよい。これにより、撮影不良がない場合（すなわち、撮影が正常である場合）のみ、検出生育状態値を用いることが可能となる。
　前記生育診断システムは、前記撮影不良があったと前記撮影不良判定部が判定した場合、前記カメラによる再撮影を要求する再撮影要求部をさらに有してもよい。これにより、再撮影により検出生育状態値の精度を高めることで、生育診断モデルの信頼性を高めることが可能となる。
　前記撮影不良判定部は、前記圃場毎に又は前記圃場に含まれる部分領域毎に前記撮影不良の有無を判定してもよい。前記再撮影要求部は、前記撮影不良があった場合、前記撮影不良があった圃場についての前記再撮影を要求してもよい。これにより、圃場単位で検出生育状態値を取得し直すことが可能となる。
　或いは、前記撮影不良判定部は、前記圃場に含まれる部分領域毎に前記撮影不良の有無を判定してもよい。前記再撮影要求部は、前記撮影不良があった場合、前記撮影不良があった前記部分領域についての前記再撮影を要求してもよい。これにより、撮影不良があった部分領域のみについて再撮影を行うことで工数を低減可能となる。
　前記撮影不良があったと前記撮影不良判定部が判定した場合、前記再撮影要求部は、前回撮影とは異なる時間帯又は異なる太陽高度での前記再撮影を要求してもよい。これにより、撮影不良が再現する可能性を低減することが可能となる。
　前記撮影不良があったと前記撮影不良判定部が判定した場合、前記再撮影要求部は、前記カメラと太陽との相対的な位置関係が前回撮影とは異なる向きでの前記再撮影を要求してもよい。これにより、撮影不良が再現する可能性を低減することが可能となる。
　前記撮影不良があったと前記撮影不良判定部が判定した場合、前記再撮影要求部は、前回撮影とは異なる天候での前記再撮影を要求してもよい。これにより、撮影不良が再現する可能性を低減することが可能となる。
　前記撮影不良があったと前記撮影不良判定部が判定した場合、前記再撮影要求部は、前記カメラと前記圃場との相対的な位置関係が前回撮影とは異なる向きでの前記再撮影を要求してもよい。これにより、撮影不良が再現する可能性を低減することが可能となる。
　前記生育診断モデルにより算出した前記作物の推定籾数、前記推定有効受光面積率、前記推定赤色光吸収率、前記推定有効受光面積又は前記推定赤色光吸収量と、前記圃場の画像に基づいて算出した前記作物の検出籾数、前記検出有効受光面積率、前記検出赤色光吸収率、前記検出有効受光面積又は前記検出赤色光吸収量との差分の絶対値又は差分の割合が、前記第１差分閾値を超えた場合、前記生育診断モデルの係数又は初期値を修正してもよい。これにより、推定生育状態値と検出生育状態値の乖離の原因が生育診断モデルの係数又は初期値にある場合、生育診断モデルをより好適に修正することが可能となる。
　前記生育診断システムは、前記カメラを搭載したドローンと、前記推定生育状態値と前記検出生育状態値との比較のための前記ドローンによる撮影のスケジュールを管理するスケジュール管理部とをさらに有してもよい。前記推定生育状態値と前記検出生育状態値の差分の絶対値又は差分の割合が前記第１差分閾値を超えたと前記乖離判定部が判定した場合、前記スケジュール管理部は、当初計画の次回撮影よりも前に新たな撮影予定を加える又は次回撮影の時期を前記当初計画よりも早めてもよい。これにより、推定生育状態値と検出生育状態値の乖離がないか、換言すると、生育診断モデルの信頼性が高いかを比較的早期に再確認することが可能となる。
　前記推定生育状態値と前記検出生育状態値の差分の絶対値又は差分の割合が前記第１差分閾値を超えたと前記乖離判定部が判定した後、前記推定生育状態値と前記検出生育状態値との差分が第２差分閾値を下回った場合、前記スケジュール管理部は、前記撮影のスケジュールを当初計画に戻してもよい。これにより、推定生育状態値と検出生育状態値との差分の絶対値又は差分の割合が十分小さくなったと判定可能になった場合、換言すると、生育診断モデルの信頼性が十分高くなったと判定可能になった場合、ドローンの撮影タイミングを遅らせることが可能となる。
　前記推定生育状態値と前記検出生育状態値との差分の絶対値又は差分の割合が第３差分閾値を下回り、前記作物の成長が予定通り又は予定よりも早まっている場合、前記スケジュール管理部は、当初計画よりも撮影回数を減らしてもよい。これにより、推定生育状態値と検出生育状態値との差分が十分小さいと判定可能になった場合、換言すると、生育診断モデルの信頼性が十分高いと判定可能である場合、ドローンの撮影タイミングを遅らせることが可能となる。
　前記作物が予定よりも早く成熟した場合、前記スケジュール管理部は、撮影最終回のタイミングを早めてもよい。これにより、不要なタイミングでの撮影を回避することが可能となる。
　前記スケジュール管理部は、前記作物の生育状態値の変化量、若しくは単位期間当たりの前記作物の生育状態値の変化量、又は前記生育状態値の絶対値が第１頻度判定閾値よりも大きいタイミングでは、前記撮影の頻度を上げてもよい。これにより、作物の生育状態値の変化量、若しくは単位期間当たりの生育状態値の変化量又は生育状態値の絶対値が大きいタイミングで生育診断システムの信頼性を確認し易くなる。なお、ここにいう「頻度を上げる」は、撮影の最小日程間隔（インターバル）を短くすること、及び所定期間における撮影の回数を増やすことのいずれであってもよい。
　前記スケジュール管理部は、前記生育状態値の絶対値、若しくは単位期間当たりの前記生育状態値の変化量又は前記生育状態値の変化量の絶対値が第２頻度判定閾値よりも小さいタイミングでは、前記撮影の頻度を下げてもよい。これにより、生育状態値の絶対値、若しくは単位期間当たりの作物の生育状態値の変化量又は生育状態値の変化量の絶対値が小さいタイミングでは、ドローンの撮影頻度を抑えることが可能となる。
　前記スケジュール管理部は、前記第１頻度判定閾値又は前記第２頻度判定閾値を前記作物の生育フェーズに合わせて切り替えてもよい。これにより、作物の生育フェーズに応じて撮影頻度を切り替えることが可能となる。
　前記作物の生育フェーズの移行時期における前記ドローンの撮影頻度である移行時頻度は、前記作物の生育フェーズの移行時期以外の時期における通常の前記撮影頻度である通常頻度より大きくてもよい。前記推定生育状態値と前記検出生育状態値の差分の絶対値又は差分の割合が前記第１差分閾値を超えたと前記乖離判定部が判定した際に前記スケジュール管理部が設定し得る前記撮影頻度の最大値である乖離時最大頻度は、前記移行時頻度よりも大きくてもよい。これにより、推定生育状態値と検出生育状態値の乖離がある場合の撮影頻度を大きくして、生育診断システムの信頼性を高めることが可能となる。
　前記生育診断システムは、刈り取った前記作物の籾数又は重量である収量を計測する収量センサと、計測した前記籾数又は前記重量である計測収量を入力する収量入力部とを備えてもよい。また、前記推定生育状態値は、前記生育診断モデルにより算出した前記作物の籾数又は重量である推定収量を含んでもよい。前記収量入力部に前記計測収量が入力された場合、前記モデル修正部は、前記計測収量と前記推定収量とを比較して前記生育診断モデルを修正してもよい。これにより、検出収量（画像に基づいて算出した作物の籾数又は重量）よりも計測収量の方が精度が高い場合には、計測収量と推定収量の比較結果を優先して用いることで、生育診断システムの信頼性を高めることが可能となる。
　前記作物がイネである場合、前記生育診断システムは、収穫後の単位量の米に含まれる未熟米の割合であるくず米率を計測するくず米率計測器と、計測した前記くず米率である計測くず米率を入力するくず米率入力部とを備えてもよい。前記推定生育状態値は、前記生育診断モデルにより算出した前記くず米率である推定くず米率を含んでもよい。前記くず米率入力部に前記計測くず米率が入力された場合、前記モデル修正部は、前記計測くず米率と前記推定くず米率とを比較して前記生育診断モデルを修正してもよい。これにより、検出くず米率（画像に基づいて算出したくず米率）よりも計測くず米率の方が精度が高い場合には、計測くず米率と推定くず米率の比較結果を優先して用いることで、生育診断システムの信頼性を高めることが可能となる。
　本発明に係る生育診断サーバは、生育診断モデルを利用して作物の生育状態を診断するものであって、
　カメラにより取得した前記作物の画像に基づいて、前記作物の生育状態値である検出生育状態値を算出する検出状態値算出部と、
　前記生育診断モデルにより算出した前記作物の生育状態値である推定生育状態値を、前記検出生育状態値と比較する乖離判定部と、
　前記乖離判定部による比較結果に応じて前記生育診断モデルを修正するモデル修正部と
　を有することを特徴とする。
　本発明に係る生育診断方法は、生育診断モデルを利用して作物の生育状態を診断する方法であって、
　カメラにより取得した前記作物の画像に基づいて、前記作物の生育状態値である検出生育状態値を算出する検出状態値算出ステップと、
　前記生育診断モデルにより算出した前記作物の生育状態値である推定生育状態値を、前記検出生育状態値と比較する乖離判定ステップと、
　前記乖離判定ステップでの比較結果に応じて前記生育診断モデルを修正するモデル修正ステップと
　を有することを特徴とする。
　本発明によれば、生育診断モデルの精度を向上することが可能となる。
本発明の一実施形態に係る生育診断システムの概要を示す全体構成図である。 前記実施形態の生育診断サーバの構成を簡略的に示す構成図である。 前記実施形態のドローンの構成を簡略的に示す構成図である。 前記実施形態におけるキャリブレーションスケジュール管理制御を示す第１フローチャートである。 前記実施形態における前記キャリブレーションスケジュール管理制御を示す第２フローチャートである。 前記実施形態における必要監視状況の判定方法を説明するための説明図である。 前記実施形態におけるキャリブレーション実行制御のフローチャートである。
Ａ．一実施形態
＜Ａ－１．構成＞
［Ａ－１－１．全体構成］
　図１は、本発明の一実施形態に係る生育診断システム１０の概要を示す全体構成図である。生育診断システム１０（以下「システム１０」ともいう。）は、圃場５００に生育する作物５０２の生育診断を行うと共に、作物５０２に薬剤（液体肥料を含む。）を散布することができる。本実施形態の作物５０２は、イネ（水稲）であるが、後述するようにその他の作物であってもよい。圃場５００は水田である。
　図１に示すように、システム１０は、圃場センサ群２０と、生育診断サーバ２２と、ドローン２４と、第１ユーザ端末２６と、第２ユーザ端末２８と、第３ユーザ端末３０と、収量センサ３２と、ライスグレーダ３４（くず米率計測器）とを有する。圃場センサ群２０、ドローン２４、第１ユーザ端末２６及び第２ユーザ端末２８は、通信ネットワーク３８（無線基地局３６を含む。）を介して互いに無線通信が可能であると共に、生育診断サーバ２２と通信可能である。無線通信としては、無線基地局３６を介さない通信（例えば、ＬＴＥ（Long Term Evolution）、ＷｉＦｉ等）を用いることができる。生育診断サーバ２２は、通信ネットワーク３８を介して情報提供サーバ４０とも通信可能である。
［Ａ－１－２．圃場センサ群２０］
　圃場センサ群２０は、水田としての圃場５００に設置されて圃場５００における各種データを検出して生育診断サーバ２２等に提供する。圃場センサ群２０には、例えば、水温センサ、温度センサ、降水量センサ、照度計、風速計、気圧計及び湿度計が含まれる。水温センサは、水田である圃場５００の水温を検出する。温度センサは、圃場５００の気温を検出する。降水量センサは、圃場５００の降水量を検出する。照度計は、圃場５００の日照量を検出する。風速計は、圃場５００の風速を検出する。気圧計は、圃場５００の気圧を検出する。湿度計は、圃場５００の湿度を検出する。これらのセンサの値の一部は、情報提供サーバ４０から取得してもよい。
［Ａ－１－３．生育診断サーバ２２］
（Ａ－１－３－１．概要）
　図２は、本実施形態の生育診断サーバ２２の構成を簡略的に示す構成図である。生育診断サーバ２２（以下「診断サーバ２２」ともいう。）は、生育診断モデルを用いた生育診断を行い、診断結果に基づいてユーザに作業指示を行う。作業指示には、施肥のタイミング、肥料の種類・量、農薬の散布タイミング、農薬の種類・量等が含まれる。
　図２に示すように、診断サーバ２２は、入出力部５０と、通信部５２と、演算部５４と、記憶部５６とを有する。通信部５２は、図示しないモデム等を有する。通信部５２は、通信ネットワーク３８を介することで、圃場センサ群２０、ドローン２４、第１ユーザ端末２６、第２ユーザ端末２８、第３ユーザ端末３０、情報提供サーバ４０等との通信が可能である。
　演算部５４は、中央演算装置（ＣＰＵ）を含み、記憶部５６に記憶されているプログラムを実行することにより動作する。演算部５４が実行する機能の一部は、ロジックＩＣ（Integrated Circuit）を用いて実現することもできる。演算部５４は、前記プログラムの一部をハードウェア（回路部品）で構成することもできる。後述するドローン２４の演算部等も同様である。
　記憶部５６は、演算部５４が用いるプログラム及びデータを記憶するものであり、ランダム・アクセス・メモリ（以下「ＲＡＭ」という。）を備える。ＲＡＭとしては、レジスタ等の揮発性メモリと、ハードディスク、フラッシュメモリ等の不揮発性メモリとを用いることができる。また、記憶部５６は、ＲＡＭに加え、リード・オンリー・メモリ（ＲＯＭ）を有してもよい。後述するドローン２４の記憶部等も同様である。
（Ａ－１－３－２．演算部５４）
　図２に示すように、演算部５４は、ドローン飛行管理部６０と、生育診断部６２とを有する。ドローン飛行管理部６０は、ドローン２４の飛行（経路等）を管理する。生育診断部６２は、生育診断モデルを用いた生育診断を行う。
　ドローン飛行管理部６０は、飛行ルート生成部７０と、再撮影要求部７２とを有する。飛行ルート生成部７０は、ドローン２４の飛行ルートを生成する。再撮影要求部７４は、ドローン２４による撮影が正常でないと撮影不良判定部８１（後述）が判定した場合、ドローン２４による再撮影を要求する。
　生育診断部６２は、スケジュール管理部８０と、撮影不良判定部８１と、画像処理部８２と、乖離判定部８３と、モデル修正部８４と、診断実行部８５とを有する。スケジュール管理部８０は、生育診断モデルのキャリブレーションのスケジュールを管理する。撮影不良判定部８１は、キャリブレーション時において、ドローン２４による撮影不良を判定する。画像処理部８２は、ドローン２４が撮影した画像を処理して作物５０２の生育状態値Ｖ（検出生育状態値Ｖｄ）を算出する。乖離判定部８３は、生育診断モデルにより算出した作物の生育状態値Ｖである推定生育状態値Ｖｅを、検出生育状態値Ｖｄと比較して両者の乖離を判定する。モデル修正部８４は、乖離判定部８３による比較結果に応じて生育診断モデルを修正する。診断実行部８５は、生育診断制御を実行する。
（Ａ－１－３－３．記憶部５６）
　記憶部５６は、ドローン飛行管理部６０、生育診断部６２等を実現するために演算部５４が用いるプログラム及びデータを記憶すると共に、圃場データベース９０（以下「圃場ＤＢ９０」という。）と、生育診断データベース９２（以下「生育診断ＤＢ９２」という。）とを有する。圃場ＤＢ９０は、ドローン２４の飛行に必要な圃場５００毎の情報（飛行用圃場情報）を蓄積する。飛行用圃場情報には、例えば、圃場５００の位置情報が含まれる。生育診断ＤＢ９２は、生育診断に関する各種情報（生育診断情報）を蓄積する。生育診断情報には、例えば、生育診断のスケジュール、過去の診断結果（過去に栽培された作物５０２の種類、収量Ｑ、くず米率Ｒを含む。）、生育診断モデル（係数、初期値を含むパラメータ等）、撮影データ（圃場５００の画像）が含まれる。
［Ａ－１－４．ドローン２４］
　図３は、本実施形態のドローン２４の構成を簡略的に示す構成図である。本実施形態において、ドローン２４は、生育診断モデルのキャリブレーション用の圃場画像を取得する手段として機能すると共に、作物５０２に対する薬液（液体肥料を含む。）を散布する手段としても機能する。ドローン２４は、発着地点５１０（図１）において離着陸する。
　図３に示すように、ドローン２４は、ドローンセンサ群１００と、通信部１０２と、飛行機構１０４と、撮影機構１０６と、散布機構１０８と、ドローン制御部１１０とを有する。
　ドローンセンサ群１００は、グローバル・ポジショニング・システム・センサ（以下「ＧＰＳセンサ」という。）、速度計、高度計、ジャイロセンサ、液量センサ（いずれも図示せず）等を有する。ＧＰＳセンサは、ドローン２４の現在位置情報を出力する。速度計は、ドローン２４の飛行速度を検出する。高度計は、ドローン２４下方の地面に対する距離としての対地高度を検出する。ジャイロセンサは、ドローン２４の角速度を検出する。液量センサは、散布機構１０８のタンク内の液量を検出する。
　通信部１０２は、通信ネットワーク３８を介しての電波通信が可能であり、例えば、電波通信モジュールを含む。通信部１０２は、通信ネットワーク３８（無線基地局３６を含む。）を介することで、生育診断サーバ２２、第１ユーザ端末２６、第２ユーザ端末２８等との通信が可能である。
　飛行機構１０４は、ドローン２４を飛行させる機構であり、複数のプロペラと、複数のプロペラアクチュエータとを有する。プロペラアクチュエータは、例えば電動モータを有する。
　撮影機構１０６は、圃場５００又は作物５０２の画像（以下「ドローン画像」又は「圃場画像」ともいう。）を撮影する機構であり、カメラ１２０を有する。本実施形態のカメラ１２０は、マルチスペクトルカメラであり、特に作物５０２の生育状況を分析できる画像を取得する。撮影機構１０６は、圃場５００に対して特定の波長の光線を照射する照射部をさらに備え、当該光線に対する圃場５００からの反射光を受光可能になっていてもよい。特定の波長の光線は、例えば赤色光（波長約６５０ｎｍ）と近赤外光（波長約７７４ｎｍ）であってもよい。当該光線の反射光を分析することで、作物５０２の窒素吸収量を推定し、推定した窒素吸収量に基づいて作物５０２の生育状況を分析することができる。
　カメラ１２０は、ドローン２４の本体の下部に配置され、ドローン２４の周辺を撮影した周辺画像に関する画像データを出力する。カメラ１２０は、動画を撮影するビデオカメラである。或いは、カメラ１２０は、動画及び静止画の両方又は静止画のみを撮影可能としてもよい。
　カメラ１２０は、図示しないカメラアクチュエータにより向き（ドローン２４の本体に対するカメラ１２０の姿勢）を調整可能である。或いは、カメラ１２０は、ドローン２４の本体に対する位置が固定されてもよい。
　散布機構１０８は、薬剤（液体肥料を含む。）を散布する機構であり、例えば、薬剤タンク、ポンプ、流量調整弁及び薬剤ノズルを有する。
　ドローン制御部１１０は、ドローン２４の飛行、撮影、薬剤の散布等、ドローン２４全体を制御する。ドローン制御部１１０は、図示しない入出力部、演算部及び記憶部を含む。ドローン制御部１１０は、飛行制御部１３０、撮影制御部１３２及び散布制御部１３４を有する。飛行制御部１３０は、飛行機構１０４を介してドローン２４の飛行を制御する。撮影制御部１３２は、撮影機構１０６を介してドローン２４による撮影を制御する。散布制御部１３４は、散布機構１０８を介してドローン２４による薬剤散布を制御する。
［Ａ－１－５．第１ユーザ端末２６］
　第１ユーザ端末２６は、圃場５００において、操作者としてのユーザ６００（図１）の操作によりドローン２４を制御すると共に、ドローン２４から受信した情報（例えば、位置、薬剤量、電池残量、カメラ映像等）を表示する携帯情報端末である。なお、本実施形態では、ドローン２４の飛行状態（高度、姿勢等）は、第１ユーザ端末２６が遠隔制御するのではなく、ドローン２４が自律的に制御する。従って、第１ユーザ端末２６を介してユーザ６００からドローン２４に飛行指令が送信されると、ドローン２４は自律飛行を行う。但し、離陸や帰還等の基本操作時、及び緊急時にはマニュアル操作が行なえるようになっていてもよい。第１ユーザ端末２６は、図示しない入出力部（タッチパネル等を含む。）、通信部、演算部及び記憶部を備え、例えば、一般的なタブレット端末により構成される。
　また、本実施形態の第１ユーザ端末２６は、生育診断サーバ２２からの作業指示等を受信して表示する。
［Ａ－１－６．第２ユーザ端末２８］
　第２ユーザ端末２８は、圃場５００において、操作者以外のユーザ６０２（図１）が用いる携帯情報端末であり、ドローン２４の飛行情報（現在の飛行状況、飛行終了予定時刻等）、ユーザ６０２に対する作業指示、生育診断の情報等を、診断サーバ２２又はドローン２４から受信して表示する。第２ユーザ端末２８は、図示しない入出力部（タッチパネル等を含む。）、通信部、演算部及び記憶部を備え、例えば、一般的なスマートホンにより構成される。
［Ａ－１－７．第３ユーザ端末３０］
　第３ユーザ端末３０は、圃場５００以外の場所（例えば、ユーザ６００、６０２が所属する会社）において、生育診断サーバ２２による生育診断を利用するためにユーザ６００、６０２等が用いる端末である。第３ユーザ端末３０は、図示しない入出力部（例えばキーボード及び表示部を含む。）、通信部、演算部及び記憶部を備え、例えば、デスクトップ型パーソナルコンピュータ（ＰＣ）又はノート型ＰＣにより構成される。
［Ａ－１－８．収量センサ３２］
　収量センサ３２は、刈り取った作物５０２の収量Ｑを計測する装置である。ここでの収量Ｑは、刈り取った作物５０２（水稲）の籾数である。或いは、収量Ｑは、刈り取った作物５０２の重量であってもよい。収量センサ３２は、例えば、収穫後の作物５０２を保管する倉庫（図示せず）に配置される。或いは、収量センサ３２は、収穫を行うコンバイン（図示せず）に設けられてもよい。
　本実施形態において、収量センサ３２で計測された収量Ｑ（以下「計測収量Ｑｍ」ともいう。）は、第３ユーザ端末３０で入力されて、圃場５００のＩＤと共に生育診断サーバ２２に送信される。或いは、収量センサ３２がネットワーク通信機能を有する場合、通信ネットワーク３８を介して生育診断サーバ２２に計測収量Ｑｍが自動的に送信されてもよい。なお、収量センサ３２を用いた収量Ｑの計測は、圃場５００全体の収穫後（圃場５００全体での刈り取り）だけではなく、圃場５００の一部のみについて作物５０２を刈り取って作物５０２の収量Ｑとして計測する場合も含まれる。
［Ａ－１－９．ライスグレーダ３４］
　ライスグレーダ３４（くず米率計測器）は、収穫後の作物５０２（水稲）のくず米率Ｒを計測する装置である。くず米率Ｒは、単位量当たりの作物５０２に含まれる未熟米（例えば、網目幅１．７ｍｍの篩いを通過する米）の割合である。ライスグレーダ３４は、例えば、収穫後の作物５０２を保管する倉庫（図示せず）に配置される。本実施形態において、ライスグレーダ３４で計測されたくず米率Ｒ（以下「計測くず米率Ｒｍ」ともいう。）は、圃場５００のＩＤと共に、第３ユーザ端末３０で入力されて、生育診断サーバ２２に送信される。或いは、ライスグレーダ３４がネットワーク通信機能を有する場合、通信ネットワーク３８を介して生育診断サーバ２２に計測くず米率Ｒｍが自動的に送信されてもよい。
［Ａ－１－１０．情報提供サーバ４０］
　情報提供サーバ４０は、気象衛星等により得られた圃場５００に関する情報（圃場情報）を生育診断サーバ２２に提供する。ここにいう圃場情報には、例えば、圃場５００の気温、降水量等が含まれる。
＜Ａ－２．本実施形態の制御＞
［Ａ－２－１．概要］
　本実施形態の生育診断システム１０では、生育診断制御、ドローン飛行管理制御及び生育診断モデルキャリブレーション管理制御が行われる。生育診断制御は、圃場センサ群２０からの各種検出値等に基づいて、作物５０２の生育診断を行う制御である。ドローン飛行管理制御は、生育診断制御、生育診断モデルキャリブレーション管理制御等のため圃場５００においてドローン２４の飛行を管理する制御である。生育診断モデルキャリブレーション管理制御は、生育診断モデルのキャリブレーションを行う制御である。
［Ａ－２－２．生育診断制御］
　上記のように、生育診断制御は、圃場センサ群２０からの各種検出値等に基づいて、作物５０２の生育診断を行う制御であり、主として生育診断サーバ２２（特に生育診断部６２の診断実行部８５）が実行する。ここに言う生育診断には、例えば、圃場５００毎の収量Ｑの推定値（推定収量Ｑｅ）の算出及び提示、作物５０２の各生育フェーズの時期の算出及び提供が含まれる。また、生育診断制御では、施肥、薬剤散布等に関する作業指示も行われる。作業指示は、例えば、第１ユーザ端末２６、第２ユーザ端末２８又は第３ユーザ端末３０の表示部に表示される。
　生育診断制御としては、例えば、ＪＰ２０１５－００００４９Ａ又はＪＰ２０１８－０８２６４８Ａに記載のものを用いることができる。
［Ａ－２－３．ドローン飛行管理制御］
　上記のように、ドローン飛行管理制御は、生育診断制御、生育診断モデルキャリブレーション管理制御等のため圃場５００においてドローン２４の飛行を管理する制御であり、主として生育診断サーバ２２（特にドローン飛行管理部６０）が実行する。具体的には、ドローン飛行管理制御では、圃場５００を撮影する際の飛行経路、目標速度、目標高度等が算出され、ドローン２４に送信される。
［Ａ－２－４．生育診断モデルキャリブレーション管理制御］
（Ａ－２－４－１．概要）
　上記のように、生育診断モデルキャリブレーション管理制御（以下「キャリブレーション管理制御」ともいう。）は、生育診断モデルのキャリブレーションを行う制御であり、主として、生育診断サーバ２２（主として生育診断部６２）が実行する。ここに言う生育診断モデルのキャリブレーションは、ドローン２４が取得した圃場５００（又は作物５０２）の画像に基づいて算出した検出値に基づいて、生育診断モデルのパラメータをキャリブレーション（又は修正）することを含む。
　キャリブレーション管理制御は、キャリブレーションスケジュール管理制御と、キャリブレーション実行制御とを含む。キャリブレーションスケジュール管理制御（以下「スケジュール管理制御」ともいう。）は、キャリブレーションの実行タイミングを管理する制御である。キャリブレーション実行制御は、スケジュール管理制御で設定された実行タイミング等により、生育診断モデルのキャリブレーションを実行する制御である。
（Ａ－２－４－２．キャリブレーションスケジュール管理制御）
（Ａ－２－４－２－１．全体的な流れ）
　図４及び図５は、本実施形態におけるキャリブレーションスケジュール管理制御を示す第１及び第２フローチャートである。上記のように、スケジュール管理制御は、キャリブレーションの実行タイミングを管理する制御である。本実施形態のスケジュール管理制御では、作物５０２の生育フェーズ等に合わせたスケジュール管理と、キャリブレーション実行時における生育診断モデルのパラメータの変更に伴うスケジュール管理を行う。本実施形態において、スケジュール管理制御及びキャリブレーション実行制御は、圃場５００毎に行われる。
　図４のステップＳ１１において、生育診断サーバ２２は、現在必要とされる監視状況（必要監視状況）を判定する。必要監視状況には、通常監視を行う通常監視状況と、集中監視を行う集中監視状況とが含まれる。集中監視状況は、作物５０２の生育状態の変化が大きいためにキャリブレーションの頻度（頻度Ｆ）を上げる状況である。
　集中監視状況には、例えば、作物５０２の生育フェーズの切り替わり時期、施肥の前後、作物５０２の生育状態値Ｖ（推定生育状態値Ｖｅ等）が目標値（目標生育状態値Ｖｔ）から大きく乖離している時、通年の平均温度又は平均日射量からの乖離が大きい時（３５℃以上が続いた場合等）、肥料の吸収タイミング、土壌中の窒素量の変化が含まれる。生育フェーズの切り替わりに関しては、図６を参照して後述する。推定生育状態値Ｖｅ等と目標生育状態値Ｖｔとの乖離が大きいか否かの閾値（生育不良判定閾値ＴＨｖｄ）は、作物５０２の生育フェーズ毎に切り替えることができる。通年の平均温度からの乖離が大きいか否かを判定する閾値（温度乖離判定閾値ＴＨｔ）及び通年の平均日射量からの乖離が大きいか否かを判定する閾値（日射量乖離判定閾値ＴＨｓ）は、作物５０２の生育フェーズ毎に切り替えることができる。
　通常監視状況は、キャリブレーション対象期間のうち集中監視状況以外の状況である。
　図４のステップＳ１２において、生育診断サーバ２２は、ステップＳ１１の判定結果に基づいて、現在の必要監視状況が通常監視状況であるか否かを判定する。現在の必要監視状況が通常監視状況である場合（Ｓ１２：真）、ステップＳ１３に進む。
　ステップＳ１３において、診断サーバ２２は、作物５０２の完熟期（又は収穫期）が未到来であるか否かを判定する。当該判定は、制御対象となっている圃場５００について、例えば、対象時期における作物５０２の計測収量Ｑｍ又は計測くず米率Ｒｍの入力が行われたか否かに基づいて判定する。作物５０２の完熟期が未到来である場合（Ｓ１３：真）、ステップＳ１４に進む。
　ステップＳ１４において、診断サーバ２２は、現在のキャリブレーションスケジュールが、通常監視状況におけるデフォルト（初期）スケジュールであるか否かを判定する。換言すると、診断サーバ２２は、前回以前のスケジュール管理制御においてステップＳ１７、Ｓ１９でスケジュールが変更された状態が維持されていないか否かを判定する。当該判定は、例えば、スケジュール変更を行ったか否かを示すフラグの値を確認することで行うことができる。通常監視状況におけるデフォルトスケジュールである場合（Ｓ１４：真）、ステップＳ１５に進む。
　ステップＳ１５において、診断サーバ２２は、生育診断モデルにより算出した作物５０２の生育状態値（以下「推定生育状態値Ｖｅ」又は「推定値Ｖｅ」という。）と、圃場画像に基づき算出した作物５０２の生育状態値（以下「検出生育状態値Ｖｄ」又は「検出値Ｖｄ」という。）との差分Ｄが許容範囲内にあるか否かを判定する。換言すると、差分Ｄの絶対値が第１頻度判定差分閾値ＴＨｆｍ１以下であるか否かを判定する。第１頻度判定差分閾値ＴＨｆｍ１は、後述する差分閾値ＴＨｄ（図７のＳ５８）と同一の値を用いることができる。推定値Ｖｅ及び検出値Ｖｄの算出方法、種類等については、図７のステップＳ５６、Ｓ５７に関連して後述する。差分Ｄが許容範囲内にある場合（Ｓ１５：真）、ステップＳ１６に進む。
　ステップＳ１６において、診断サーバ２２は、差分Ｄが微少であるか否か（換言すると、前記許容範囲内にある差分Ｄがその中でも非常に小さい値であるか否か）を判定する。換言すると、差分Ｄの絶対値が第２頻度判定差分閾値ＴＨｆｍ２以下であるか否かを判定する。差分Ｄが微少である場合（Ｓ１６：真）、生育診断モデルのパラメータは非常に有効な値であると考えることができる。そこで、ステップＳ１７において、診断サーバ２２は、デフォルトスケジュールよりもキャリブレーションの頻度Ｆを下げる。例えば、通常監視状況でのデフォルトスケジュールでは、キャリブレーションを１ヶ月に１回行うところ、ステップＳ１７の結果、診断サーバ２２は、キャリブレーションを１．５ヶ月に１回行うように変更する。
　ステップＳ１６に戻り、僅差Ｄが微少でない場合（Ｓ１６：偽）、ステップＳ１８において、診断サーバ２２は、通常監視状況におけるデフォルトスケジュールを維持する。
　ステップＳ１５に戻り、差分Ｄが許容範囲内にない場合（Ｓ１５：偽）、生育診断モデルのパラメータの信頼性が低くなっている可能性がある。そこで、ステップＳ１９において、診断サーバ２２は、通常監視状況におけるデフォルトスケジュールよりもキャリブレーションの頻度Ｆを増加させる。例えば、通常監視状況でのデフォルトスケジュールでは、キャリブレーションを１ヶ月に１回行うところ、ステップＳ１９の結果、診断サーバ２２は、キャリブレーションを０．５ヶ月に１回行うように変更する。
　ステップＳ１４に戻り、現在のキャリブレーションスケジュールが通常監視状況におけるデフォルトスケジュールでない場合（Ｓ１４：偽）、現在のキャリブレーションスケジュールは、ステップＳ１７、Ｓ１９により、デフォルトスケジュールから変更したスケジュールである。その場合、ステップＳ２０に進む。
　ステップＳ２０において、診断サーバ２２は、スケジュール変更の解除条件が成立したか否かを判定する。例えば、ステップＳ１７においてキャリブレーション頻度Ｆを減少させている場合、差分Ｄの絶対値が、頻度Ｆの減少を解除する閾値（第１解除閾値ＴＨｆｒ１）を上回ったか否かを判定する。差分Ｄの絶対値が、第１解除閾値ＴＨｆｒ１を上回った場合、解除条件が成立したと判定する。また、ステップＳ１９においてキャリブレーション頻度Ｆを増加させている場合、差分Ｄの絶対値が、頻度Ｆの増加を解除する閾値（第２解除閾値ＴＨｆｒ２）を下回ったか否かを判定する。差分Ｄの絶対値が、第２解除閾値ＴＨｆｒ２を下回った場合、解除条件が成立したと判定する。
　スケジュール変更の解除条件が成立した場合（Ｓ２０：真）、ステップＳ２１において、診断サーバ２２は、スケジュールを通常監視状況におけるデフォルトスケジュールに戻す。スケジュール変更の解除条件が成立しない場合（Ｓ２０：偽）、ステップＳ２２において、診断サーバ２２は、現在のスケジュール（通常監視状況におけるデフォルトスケジュールから変更しているスケジュール）を維持する。換言すると、診断サーバ２２は、現在のキャリブレーション頻度Ｆを維持する。
　ステップＳ１３に戻り、作物５０２の完熟期が到来済である場合（Ｓ１３：偽）、今回の生育についてはキャリブレーションの必要性が無くなったと言える。そこで、ステップＳ２３において、診断サーバ２２は、キャリブレーションを早期終了する。
　ステップＳ１２に戻り、現在の必要監視状況が通常監視状況でない場合（Ｓ１２：偽）、現在の必要監視状況は集中監視状況である。その場合、図５のステップＳ３１に進む。図５のステップＳ３１～Ｓ３９は、基本的に、図４のステップＳ１４～Ｓ２２と同様の流れとなる。但し、図４のステップＳ１４～Ｓ２２が通常監視状況に基づくのに対し、図５のステップＳ３１～Ｓ３９は集中監視状況に基づく。そのため、各ステップにおける閾値等は図４と異ならせることができる。
　具体的には、ステップＳ３１において、診断サーバ２２は、現在のキャリブレーションスケジュールが、集中監視状況におけるデフォルトスケジュールであるか否かを判定する。換言すると、診断サーバ２２は、前回以前のスケジュール管理制御においてステップＳ３４、Ｓ３６でスケジュールが変更された状態が維持されていないか否かを判定する。集中監視状況におけるデフォルトスケジュールである場合（Ｓ３１：真）、ステップＳ３２に進む。
　ステップＳ３２において、診断サーバ２２は、生育診断モデルにより算出した推定生育状態値Ｖｅ（推定値Ｖｅ）とドローン画像に基づく検出生育状態値Ｖｄ（検出値Ｖｄ）との差分Ｄが許容範囲内にあるか否かを判定する。換言すると、差分Ｄの絶対値が第１頻度判定差分閾値ＴＨｆｍ１以下であるか否かを判定する。差分Ｄが許容範囲内にある場合（Ｓ３２：真）、ステップＳ３３に進む。
　ステップＳ３３において、診断サーバ２２は、差分Ｄが微少であるか否か（換言すると、前記許容範囲内にある差分Ｄがその中でも非常に小さい値であるか否か）を判定する。換言すると、差分Ｄの絶対値が第２頻度判定差分閾値ＴＨｆｍ２以下であるか否かが判定する。差分Ｄが微少である場合（Ｓ３３：真）、ステップＳ３４において、診断サーバ２２は、集中監視状況におけるデフォルトスケジュールよりもキャリブレーションの頻度Ｆを下げる。例えば、集中監視状況でのデフォルトスケジュールでは、キャリブレーションを１週間に１回行うところ、ステップＳ３４の結果、診断サーバ２２は、キャリブレーションを２週間に１回行うように変更する。
　ステップＳ３３に戻り、差分Ｄが微少でない場合（Ｓ３３：偽）、ステップＳ３５において、診断サーバ２２は、集中監視状況におけるデフォルトスケジュールを維持する。
　ステップＳ３２に戻り、差分Ｄが許容範囲内にない場合（Ｓ３２：偽）、ステップＳ３６において、診断サーバ２２は、集中監視状況におけるデフォルトスケジュールよりもキャリブレーションの頻度Ｆを増加させる。例えば、集中監視状況でのデフォルトスケジュールでは、キャリブレーションを１週間に１回行うところ、ステップＳ３６の結果、診断サーバ２２は、キャリブレーションを３日に１回行うように変更する。
　ステップＳ３１に戻り、現在のキャリブレーションスケジュールが集中監視状況におけるデフォルトスケジュールでない場合（Ｓ３１：偽）、現在のキャリブレーションスケジュールは、ステップＳ３４、Ｓ３６により、デフォルトスケジュールから変更したスケジュールである。その場合、ステップＳ３７に進む。
　ステップＳ３７において、診断サーバ２２は、スケジュール変更の解除条件が成立したか否かを判定する。例えば、ステップＳ３４においてキャリブレーション頻度Ｆを減少させている場合、差分Ｄの絶対値が、頻度Ｆの減少を解除する閾値（第１解除閾値ＴＨｆｒ１）を上回ったか否かを判定する。差分Ｄの絶対値が、第１解除閾値ＴＨｆｒ１を上回った場合、解除条件が成立したと判定する。また、ステップＳ３６においてキャリブレーション頻度Ｆを増加させている場合、差分Ｄの絶対値が、頻度Ｆの増加を解除する閾値（第２解除閾値ＴＨｆｒ２）を下回ったか否かを判定する。差分Ｄの絶対値が、第２解除閾値ＴＨｆｒ２を下回った場合、解除条件が成立したと判定する。
　スケジュール変更の解除条件が成立した場合（Ｓ３７：真）、ステップＳ３８において、診断サーバ２２は、スケジュールを集中監視状況におけるデフォルトスケジュールに戻す。スケジュール変更の解除条件が成立しない場合（Ｓ３７：偽）、ステップＳ３９において、診断サーバ２２は、現在のスケジュール（集中監視状況におけるデフォルトスケジュールから変更しているスケジュール）を維持する。換言すると、診断サーバ２２は、現在のキャリブレーション頻度Ｆを維持する。
（Ａ－２－４－２－２．必要監視状況の判定（図４のＳ１１））
　図６は、本実施形態における必要監視状況の判定方法を説明するための説明図である。図６では、作物５０２の生育フェーズと、必要監視状況と、キャリブレーション頻度Ｆとの関係が示されている。
　生育フェーズは、栄養生長期と、生殖生長期と、登熟期とを含む。栄養生長期は、発芽から穂の基となるもの（穂の原基）ができるまでの期間である。生殖生長期は、穂の原基ができてから出穂・開花までの期間である。登熟期は、出穂・開花から成熟までの期間である。
　図６に示すように、本実施形態では、栄養生長期と生殖生長期の切り替わり時期に必要監視状況を集中監視状況とし、その他の期間を通常監視状況とする。
　なお、上記のように、必要監視状況の判定（図４のＳ１１）は、生育フェーズに限らず、その他の要素（例えば、施肥のタイミング、通年の平均気温や平均日射量からの乖離量、肥料の吸収タイミング、土壌中の窒素量の変化）も考慮して行われる。例えば、生育フェーズが栄養生長期と生殖生長期の切り替わり時期ではなくても、施肥の前後、異常気象等の場合、集中監視状況を選択する。
（Ａ－２－４－３．キャリブレーション実行制御）
　図７は、本実施形態におけるキャリブレーション実行制御のフローチャートである。上記のように、キャリブレーション実行制御は、スケジュール管理制御で設定された実行タイミング等により、生育診断モデルのキャリブレーションを実行する制御である。
　図７のステップＳ５１において、生育診断サーバ２２（スケジュール管理部８０）は、キャリブレーションスケジュール管理制御によるキャリブレーション実行タイミングが到来したか否かを判定する。当該判定は、診断サーバ２２が管理している圃場５００毎に行う。キャリブレーション実行タイミングが到来した場合（Ｓ５１：真）、ステップＳ５２に進む。
　ステップＳ５２において、診断サーバ２２は、キャリブレーションのため、ドローン２４による圃場５００の撮影を要求する。具体的には、診断サーバ２２は、第１ユーザ端末２６等の表示部（タッチパネル等）に作業指示を表示させる。この作業指示を見たユーザ６００は、第１ユーザ端末２６を操作して、対象となる圃場５００についてドローン２４による撮影を実施する。ドローン２４が取得した画像のデータは、直ぐに診断サーバ２２に送信される。或いは、画像のデータは、撮影終了後に一括して送信してもよい。
　ステップＳ５３において、診断サーバ２２は、ドローン２４の撮影が正常に行われたか否かを判定する。例えば、診断サーバ２２は、所定時間以上継続して圃場画像の同じ部分の検出照度が固定値になっているか否かを判定する。当該判定により、カメラ１２０の撮像部分に汚れが付着しているか否かを判定可能である。また、診断サーバ２２は、圃場画像全体の照度が弱すぎる又は強すぎるときに撮影不良であると判定可能である。例えば、圃場画像におけるハレーション領域の面積（又は画素数）が、撮影不良を判定する閾値（撮影不良閾値）以上であるか否かを判定する。ハレーション領域は、画素の輝度が最大値（８ビットの場合、２５５）である領域を示す。
　ステップＳ５３の判定は、圃場５００毎に行う。或いは、ステップＳ５３の判定は、圃場５００に含まれる部分領域毎に行ってもよい。ドローン２４の撮影が正常であると判定した場合（Ｓ５３：真）、ステップＳ５６に進む。
　一方、ドローン２４の撮影が正常でないと判定した場合（Ｓ５３：偽）、ステップＳ５４において、診断サーバ２２は、ドローン２４による再撮影を要求する。具体的には、再撮影要求部７４は、前回撮影とは異なる時間帯での再撮影を要求する（Ｓ５４）。例えば、前回撮影から３０分以上が経過した後に再撮影を行うことを要求する。撮影日を異ならせる場合、前回撮影の撮影時刻に対して±３０分以上ずらした時刻を用いてもよい。或いは、異なる時間帯の代わりに、異なる太陽高度（例えば±３．８度以上）を用いてもよい。当該要求は、例えば、第１ユーザ端末２６の表示部に表示される。
　或いは、再撮影要求部７４は、ドローン２４と太陽との相対的な位置関係が前回撮影とは異なる向きでの再撮影を要求してもよい。これにより、前回撮影が逆光状態で行われた場合等に対応可能となる。或いは、再撮影要求部７４は、前回撮影とは異なる天候での再撮影を要求してもよい。例えば、前回撮影が晴天時に行われた場合、再撮影を曇り時に行うよう要求してもよい。或いは、再撮影要求部７４は、ドローン２４と圃場５００との相対的な位置関係が前回撮影とは異なる向きでの再撮影を要求してもよい。例えば、前回撮影が条間に沿った方向で行われた場合、再撮影は、条間と直行する方向又は条間に対して斜めの方向で行うように要求してもよい。
　撮影不良の判定を圃場５００毎又はその部分領域毎に行った場合、再撮影の対象は、当該圃場５００とすることができる。また、撮影不良の判定を圃場５００の部分領域毎に行った場合、再撮影の対象は、当該部分領域としてもよい。
　再撮影の作業指示を受けたユーザ６００は、ステップＳ５５において、第１ユーザ端末２６を操作して対象の圃場５００に対してドローン２４による再撮影を実行する。ステップＳ５５の後はステップＳ５３に戻る。
　ステップＳ５６において、診断サーバ２２は、ドローン２４から受信した画像データを処理して、作物５０２の生育状態値Ｖ（検出生育状態値Ｖｄ）を算出する。例えば、作物５０２としての水稲の近赤外光（ＮＩＲ）及び赤外光（ＩＲ）を撮影した場合、カメラ１２０で受光した近赤外光と赤外光の光量の差が全体光量に占める割合である赤色光吸収率（つまり、作物５０２に吸収されている赤色光の割合）に基づいて、水稲の成長度合いを判定可能である。
　ここで算出する検出生育状態値Ｖｄは、生育フェーズ（図６）に合わせて選択することができる。栄養生長期では、例えば、作物５０２の高さ、葉の数、赤色光吸収率、有効受光面積率（圃場面積において光合成を行うことができる葉の面積率）、ＮＤＶＩ（Normalized Difference Vegetation Index）、分けつ数、葉身長、作物５０２の密度（土と作物５０２の面積割合）を用いることができる。生殖生長期では、例えば、作物５０２の高さ、葉の数、有効受光面積率、ＮＤＶＩを用いることができる。登熟期では、例えば、籾数、ＮＤＶＩを用いることができる。
　ステップＳ５７において、診断サーバ２２は、生育診断モデルに基づいて、作物５０２の生育状態値Ｖ（推定生育状態値Ｖｅ）を算出する。ここで算出する推定生育状態値Ｖｅは、検出生育状態値Ｖｄとの比較に用いられるため、ステップＳ５６で算出した検出生育状態値Ｖｄと同じ種類の値が算出される。
　ステップＳ５８において、診断サーバ２２は、推定生育状態値Ｖｅと検出生育状態値Ｖｄの差分Ｄが許容範囲内にあるにあるか否かを判定する。換言すると、差分Ｄの絶対値が差分閾値ＴＨｄ以下であるか否かを判定する。例えば、ステップＳ５６に関して上述したような生育状態値Ｖ（籾数等）の種類に応じた許容範囲を設定し、差分Ｄが当該許容範囲内にあるか否かを判定する。なお、ステップＳ５８で比較する生育状態値Ｖが収量Ｑであり且つ前期以前において計測収量Ｑｍが入力されている場合、検出値Ｖｄとしての収量Ｑ（検出収量Ｑｄ）よりも計測収量Ｑｍを優先して用いてもよい。前期以前について計測くず米率Ｒｍが入力されている場合も同様である。
　差分Ｄｖが許容範囲内にある場合（Ｓ５８：真）、生育診断モデルは正常に機能していると考えられる。そこで、今回のキャリブレーション実行制御を終了する。差分Ｄｖが許容範囲内にない場合（Ｓ５８：偽）、生育診断モデルのパラメータ（係数又は初期値）に問題があると考えられる。その場合、ステップＳ５９に進む。
　ステップＳ５９において、診断サーバ２２は、生育モデルのパラメータを修正する。例えば、ＪＰ２０１５－００００４９Ａの数３（［００５６］）における傾きａを、推定値Ｖｅが検出値Ｖｄに近づくように所定量変化させてもよい。
　ステップＳ５１に戻り、キャリブレーションスケジュール管理制御によるキャリブレーション実行タイミングが到来していない場合（Ｓ５１：偽）、ステップＳ６０に進む。ステップＳ６０において、診断サーバ２２は、収量センサ３２による収量Ｑ（計測収量Ｑｍ）又はライスグレーダ３４によるくず米率Ｒ（計測くず米率Ｒｍ）の入力があったか否かを判定する。
　計測収量Ｑｍ又は計測くず米率Ｒｍの入力があった場合（Ｓ６０：真）、ステップＳ６１において、診断サーバ２２は、入力された計測収量Ｑｍ又は計測くず米率Ｒｍを用いて生育診断モデルのパラメータを修正する。例えば、現在の推定値Ｖｅとしての収量Ｑ（推定収量Ｑｅ）を、入力された収量Ｑ（計測収量Ｑｍ）に近付けるようにモデルパラメータを修正する。同様に、現在の推定値Ｖｅとしてのくず米率Ｒ（推定くず米率Ｒｅ）を、入力されたくず米率Ｒ（計測くず米率Ｒｍ）に近付けるようにモデルパラメータを修正する。
　上記のように、ドローン画像は撮影後直ぐに送信されるため、図７の各ステップは並行して行ってもよい。
＜Ａ－３．本実施形態の効果＞
　本実施形態によれば、生育診断モデルにより算出した推定生育状態値Ｖｅと、カメラ１２０が取得した圃場５００の画像に基づく検出生育状態値Ｖｄとを比較して生育診断モデルを修正する（図７のＳ５６～Ｓ５９）。これにより、圃場５００の画像に基づく検出生育状態値Ｖｄの信頼性に応じた精度で、圃場５００毎の特性に応じた生育診断を行うことが可能となる。また、圃場５００の画像を用いることで、圃場５００毎の特性に応じた生育診断を簡易に行うことが可能となる。
　本実施形態において、作物５０２の生育状態値Ｖは、イネの籾数を含む。モデル修正部８４は、生育診断モデルにより算出した作物２０の推定籾数とドローン２４の画像に基づいて算出した作物２０（水稲）の検出籾数との差分Ｄが、差分閾値ＴＨｄ（第１差分閾値）を超えた場合（図７のＳ５８：偽）、生育診断モデルを修正する（Ｓ５９）。これにより、生育診断モデルを修正する必要性が高い場合のみ、当該修正を行うことができる。
　本実施形態において、生育診断システム１０は、カメラ１２０による撮影不良の有無を圃場５００の画像に基づいて判定する撮影不良判定部８１をさらに有する（図２）。また、画像処理部８２（検出状態値算出部）は、撮影不良が無かった（図７のＳ５３：真）と撮影不良判定部８１が判定した圃場５００の画像に基づいて、作物５０２の生育状態値Ｖである検出生育状態値Ｖｄを算出する（図７のＳ５６）。これにより、撮影不良がない場合（すなわち、撮影が正常である場合）のみ、検出生育状態値Ｖｄを用いることが可能となる。
　本実施形態において、撮影不良があったと撮影不良判定部８１が判定した場合（図７のＳ５３：偽）、カメラ１２０による再撮影を要求する（Ｓ５４）再撮影要求部７４をさらに有する（図２）。これにより、再撮影により検出生育状態値Ｖｄの精度を高めることで、生育診断モデルの信頼性を高めることが可能となる。
　本実施形態において、撮影不良判定部８１は、圃場５００毎に又は圃場５００に含まれる部分領域毎に撮影不良の有無を判定する（図７のＳ５３）。また、再撮影要求部７４は、撮影不良があった場合（Ｓ５３：偽）、撮影不良があった圃場５００についての再撮影を要求する（Ｓ５４）。これにより、圃場５００単位で検出生育状態値Ｖｅを取得し直すことが可能となる。
　また、撮影不良判定部８１が圃場５００に含まれる部分領域毎に撮影不良の有無を判定した場合且つ撮影不良があった場合、再撮影要求部７４は、撮影不良があった部分領域についての再撮影を要求してもよい。これにより、撮影不良が生じた部分領域のみについて再撮影を行うことで工数を低減可能となる。
　本実施形態において、撮影不良があったと撮影不良判定部８１が判定した場合（図７のＳ５３：偽）、再撮影要求部７４は、前回撮影とは異なる時間帯又は異なる太陽高度での再撮影を要求する（Ｓ５４）。或いは、再撮影要求部７４は、ドローン２４と太陽との相対的な位置関係が前回撮影とは異なる向きでの再撮影を要求する。或いは、再撮影要求部７４は、前回撮影とは異なる天候での再撮影を要求する。或いは、再撮影要求部７４は、カメラ１２０と圃場５００との相対的な位置関係が前回撮影とは異なる向きでの再撮影を要求する。いずれの場合も、撮影不良が再現する可能性を低減することが可能となる。
　本実施形態において、生育診断システム１０は、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの差分Ｄの絶対値が差分閾値ＴＨｄ（第１差分閾値）を超えたと乖離判定部８３が判定した場合（図７のＳ５８：偽）、モデル修正部８４は、診断モデルのパラメータを修正する（Ｓ５９）。これにより、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの乖離の原因が生育診断モデルのパラメータにある場合、生育診断モデルをより好適に修正することが可能となる。
　本実施形態において、生育診断システム１０は、カメラ１２０を搭載したドローン２４と、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの比較のためのドローン２４による撮影のスケジュールを管理するスケジュール管理部８０とをさらに有する（図２及び図３）。推定生育状態値Ｖｅと検出生育状態値Ｖｄとの差分Ｄの絶対値が第１頻度判定差分閾値ＴＨｆｍ１（＝差分閾値ＴＨｄ（第１差分閾値））を超えたと乖離判定部８３が判定した場合（図４のＳ１５：偽、又は図５のＳ３２：偽）、スケジュール管理部８０は、当初計画の次回撮影よりも前に新たな撮影予定を加える又は次回撮影の時期を当初計画よりも早める（図４のＳ１９又は図５のＳ３６）。これにより、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの乖離がないか、換言すると、生育診断モデルの信頼性が高いかを比較的早期に再確認することが可能となる。
　本実施形態において、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの差分Ｄの絶対値が第１頻度判定差分閾値ＴＨｆｍ１（＝差分閾値ＴＨｄ（第１差分閾値））を超えたと乖離判定部８３が判定した後（図４のＳ１５：偽、又は図５のＳ３２：偽）、差分Ｄが第２解除閾値ＴＨｆｒ２（第２差分閾値）を下回った場合（図４のＳ２０：真、又は図５のＳ３７：真）、スケジュール管理部８０は、撮影のスケジュールを当初計画に戻す（図４のＳ３８、図５のＳ２１）。これにより、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの差分Ｄの絶対値が十分小さくなったと判定可能になった場合、換言すると、生育診断モデルの信頼性が十分高くなったと判定可能になった場合、ドローン２４の撮影タイミングを遅らせることが可能となる。
　本実施形態において、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの差分Ｄの絶対値が第２頻度判定差分閾値ＴＨｆｍ２（第３差分閾値）を下回り（図４のＳ１６：真、又は図５のＳ３３：真）、作物５０２の成長が予定通り又は予定よりも早まっている場合、スケジュール管理部８０は、当初計画よりも撮影回数を減らす（図４のＳ１７、図５のＳ３４）。これにより、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの差分Ｄの絶対値が十分小さいと判定可能になった場合、換言すると、生育診断モデルの信頼性が十分高いと判定可能である場合、ドローン２４の撮影タイミングを遅らせることが可能となる。
　本実施形態において、作物５０２が予定よりも早く成熟した場合（図４のＳ１３：偽）、スケジュール管理部８０は、撮影最終回のタイミングを早める（Ｓ２３）。これにより、不要なタイミングでの撮影を回避することが可能となる。
　本実施形態において、スケジュール管理部８０は、集中監視状況（作物５０２の生育状態値Ｖの変化量、若しくは単位期間当たりの生育状態値Ｖの変化量、又は生育状態値Ｖの絶対値が第１頻度閾値よりも大きいタイミング）では（図４のＳ１２：偽）、キャリブレーション頻度Ｆ（又はドローン２４による撮影頻度）を上げる（図５のＳ３５、Ｓ３８、図６）。これにより、集中監視状況で生育診断システム１０の信頼性を確認し易くなる。
　本実施形態において、スケジュール管理部８０は、通常監視状況（作物５０２の生育状態値Ｖの変化量、若しくは単位期間当たりの生育状態値Ｖの変化量、又は生育状態値Ｖの絶対値が第２頻度閾値よりも小さいタイミング）では（図４のＳ１２：真）、キャリブレーション頻度Ｆ（又はドローン２４による撮影頻度）を下げる（Ｓ１８、Ｓ２１）。これにより、通常監視状況では、ドローン２４の撮影頻度を抑えることが可能となる。
　本実施形態において、スケジュール管理部８０は、必要監視状況の判定で用いる閾値（生育不良判定閾値ＴＨｖｄ、温度乖離判定閾値ＴＨｔ、日射量乖離判定閾値ＴＨｓ等（第１頻度判定閾値、第２頻度判定閾値）を作物５０２の生育フェーズに合わせて切り替える（図４のＳ１１）。これにより、作物５０２の生育フェーズに応じて撮影頻度を切り替えることが可能となる。
　本実施形態において、栄養生長期から生殖生長期への切り替わり時期（作物５０２の生育フェーズの移行時期）におけるドローン２４の撮影頻度Ｆ（移行時頻度）は、同切り替わり時期以外の時期における通常の撮影頻度Ｆ（通常頻度）よりも大きい（図６）。また、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの差分Ｄの絶対値が第１頻度判定差分閾値ＴＨｆｍ１（＝差分閾値ＴＨｄ（第１差分閾値））を超えたと乖離判定部８３が判定した際（図５のＳ３２：偽）にスケジュール管理部８０が設定し得る撮影頻度Ｆの最大値である乖離時最大頻度は、移行時頻度よりも大きい（図５のＳ３５、Ｓ３６、Ｓ３８）。これにより、推定生育状態値Ｖｅと検出生育状態値Ｖｄとの乖離がある場合の撮影頻度を大きくして、生育診断システム１０の信頼性を高めることが可能となる。
　本実施形態において、生育診断システム１０は、刈り取った作物５０２の収量Ｑを計測する収量センサ３２と、計測した収量Ｑ（計測収量Ｑｍ）を入力する第３ユーザ端末３０（収量入力部）とを備える（図１）。推定生育状態値Ｖｅは、生育診断モデルにより算出した作物５０２の収量Ｑ（推定収量Ｑｅ）を含み、検出生育状態値Ｖｄは、圃場５００の画像に基づいて算出した作物５０２の収量Ｑ（検出収量Ｑｄ）を含む（図７のＳ５６、Ｓ５７）。第３ユーザ端末３０に計測収量Ｑｍが入力された場合（Ｓ６０：真）、モデル修正部８４は、計測収量Ｑｍと推定収量Ｑｅとを比較して生育診断モデルを修正する（Ｓ６１）。
　これにより、検出収量Ｑｄよりも計測収量Ｑｍの方が精度が高い場合には、計測収量Ｑｍと推定収量Ｑｅの比較結果を優先して用いることで、生育診断システム１０の信頼性を高めることが可能となる。
　本実施形態において、生育診断システム１０は、収穫後のくず米率Ｒを計測するライスグレーダ３４（くず米率計測器）と、計測したくず米率Ｒ（計測くず米率Ｒｍ）を入力する第３ユーザ端末３０（くず米率入力部）とを備える（図１）。推定生育状態値Ｖｅは、生育診断モデルにより算出したくず米率Ｒ（推定くず米率Ｒｅ）を含み、検出生育状態値Ｖｄは、ドローン画像に基づいて算出したくず米率Ｒ（検出くず米率Ｒｄ）を含む（図７のＳ５６、Ｓ５７）。第３ユーザ端末３０に計測くず米率Ｒｍが入力された場合（Ｓ６０：真）、モデル修正部８４は、計測くず米率Ｒｍと推定くず米率Ｒｅと比較して生育診断モデルを修正する（Ｓ６１）。
　これにより、検出くず米率Ｒｄよりも計測くず米率Ｒｍの方が精度が高い場合には、計測くず米率Ｒｍと推定くず米率Ｒｅの比較結果を優先して用いることで、生育診断システム１０の信頼性を高めることが可能となる。
Ｂ．変形例
　なお、本発明は、上記実施形態に限らず、本明細書の記載内容に基づき、種々の構成を採り得ることはもちろんである。例えば、以下の構成を採用することができる。
＜Ｂ－１．生育診断システム１０＞
　上記実施形態の生育診断システム１０は、図１に示すような構成要素を有していた。しかしながら、例えば、生育診断モデルによる推定生育状態値Ｖｅと、圃場５００又は作物５０２の画像に基づく検出生育状態値Ｖｄとを比較して生育診断モデルを修正する観点からすれば、これに限らない。例えば、生育診断システム１０は、第１ユーザ端末２６、第２ユーザ端末２８、第３ユーザ端末３０、収量センサ３２、ライスグレーダ３４及び情報提供サーバ４０の１つ又は複数を省略することも可能である。
　上記実施形態では、圃場画像を撮像するカメラ１２０をドローン２４に設けた（図３）。しかしながら、例えば、生育診断モデルによる推定生育状態値Ｖｅと、圃場５００又は作物５０２の画像に基づく検出生育状態値Ｖｄとを比較して生育診断モデルを修正する観点からすれば、これに限らない。例えば、圃場５００又は作物５０２の画像を撮像するカメラ１２０を、圃場５００に固定配置してもよい。或いは、生育診断モデルによる推定生育状態値Ｖｅと、作物５０２の画像に基づく検出生育状態値Ｖｄとを比較して生育診断モデルを修正する観点からすれば、カメラ１２０は、圃場５００以外の場所において作物５０２の画像を撮像してもよい。
　上記実施形態では、生育診断の機能（生育診断部６２）を生育診断サーバ２２に設けた（図２）。しかしながら、例えば、生育診断モデルによる推定生育状態値Ｖｅと、圃場５００又は作物５０２の画像に基づく検出生育状態値Ｖｄとを比較して生育診断モデルを修正する観点からすれば、これに限らない。例えば、生育診断の機能をドローン２４に持たせることも可能である。同様に、生育診断モデルのキャリブレーション機能を、ドローン２４に設けることも可能である。
　上記実施形態では、作物５０２として水稲を用いた。しかしながら、例えば、生育診断モデルによる推定生育状態値Ｖｅと、圃場５００又は作物５０２の画像に基づく検出生育状態値Ｖｄとを比較して生育診断モデルを修正する観点からすれば、これに限らない。例えば、作物５０２は、陸稲、小麦、大麦、大豆等であってもよい。
＜Ｂ－２．キャリブレーション制御＞
　上記実施形態では、キャリブレーション実行制御を行うタイミングを生育診断サーバ２２が自動で設定した（図４、図５）。しかしながら、例えば、生育診断モデルによる推定生育状態値Ｖｅと、圃場５００又は作物５０２の画像に基づく検出生育状態値Ｖｄとを比較して生育診断モデルを修正する観点からすれば、これに限らない。例えば、キャリブレーション実行制御を行うタイミングは、ユーザ６００が判断してもよい。
　上記実施形態では、キャリブレーション頻度Ｆを、通常監視状況について３段階想定していた（図４のＳ１７、Ｓ１８、Ｓ１９）。しかしながら、例えば、生育診断モデルの信頼性に応じて頻度Ｆを設定する観点からすれば、これに限らない。例えば、通常監視状況における頻度Ｆを２段階又は４段階以上としてもよい。集中監視状況についても同様である。
　上記実施形態では、推定生育状態値Ｖｅと検出生育状態値Ｖｄの差分Ｄが許容範囲内であるか否かを、差分Ｄの絶対値と差分閾値ＴＨｄ（第１差分閾値）との比較で判定した（図７のＳ５８）。しかしながら、例えば、差分Ｄが許容範囲内にあるか否かを判定する観点からすれば、これに限らない。例えば、差分Ｄが推定生育状態値Ｖｅ（又は検出生育状態値Ｖｄ）に占める割合が閾値内であるか否かを用いて差分Ｄが許容範囲内であるか否かを判定してもよい。図４のステップＳ１５、Ｓ１６、Ｓ２０、図５のステップＳ３２、Ｓ３３、Ｓ３７等も同様である。
＜Ｂ－３．その他＞
　上記実施形態では、図４、図５及び図７に示すフローを用いた。しかしながら、例えば、本発明の効果を得られる場合、フローの内容（各ステップの順番）は、これに限らない。例えば、図７のステップＳ５２、Ｓ５６とステップＳ５７との順番を入れ替えることが可能である。
１０…生育診断システム
２２…生育診断サーバ（生育診断装置）
２４…ドローン
３０…第３ユーザ端末（収量入力部、くず米率入力部）
３２…収量センサ
３４…ライスグレーダ（くず米率計測器）
７２…再撮影要求部　　　　　　　　　　　８０…スケジュール管理部
８１…撮影不良判定部
８２…画像処理部（検出生育状態値算出部）
８３…乖離判定部　　　　　　　　　　　　８４…モデル修正部
１２０…カメラ　　　　　　　　　　　　　５００…圃場
５０２…作物　　　　　　　　　　　　　　Ｄ…差分
Ｑ…収量　　　　　　　　　　　　　　　　Ｑｅ…推定収量
Ｑｍ…計測収量　　　　　　　　　　　　　Ｒ…くず米率
Ｒｅ…推定くず米率　　　　　　　　　　　Ｒｍ…計測くず米率
Ｖ…生育状態値　　　　　　　　　　　　　Ｖｄ…検出生育状態値
Ｖｅ…推定生育状態値　　　　　　　　　　ＴＨｄ…差分閾値（第１差分閾値）
ＴＨｆｍ１…第１頻度判定差分閾値（第１差分閾値）
ＴＨｆｍ２…第２頻度判定差分閾値（第３差分閾値）
ＴＨｆｒ２…第２解除閾値（第２差分閾値）
ＴＨｓ…日射量乖離判定閾値（第１頻度判定閾値、第２頻度判定閾値）
ＴＨｔ…温度乖離判定閾値（第１頻度判定閾値、第２頻度判定閾値）
ＴＨｖｄ…生育不良判定閾値（第１頻度判定閾値、第２頻度判定閾値）

Claims (24)

  1. 　生育診断モデルを利用して圃場における作物の生育状態を診断する生育診断装置と、
    　前記圃場の画像を取得するカメラと、
    　前記圃場の画像に基づいて、前記作物の生育状態値である検出生育状態値を算出する検出状態値算出部と、
    　前記生育診断モデルにより算出した前記作物の生育状態値である推定生育状態値を、前記検出生育状態値と比較する乖離判定部と、
    　前記乖離判定部による比較結果に応じて前記生育診断モデルを修正するモデル修正部と
    　を有することを特徴とする生育診断システム。
  2. 　請求項１に記載の生育診断システムにおいて、
    　前記作物の生育状態値は、前記作物の籾数、若しくは前記圃場において光合成を行う葉の面積率である有効受光面積率、若しくは前記圃場の画像において前記作物に吸収されている赤色光の割合である赤色光吸収率、若しくは前記有効受光面積率に対象面積を乗じて得た有効受光面積、又は、前記赤色光吸収率に対象面積を乗じて得た赤色光吸収量を含み、
    　前記生育診断モデルにより算出した前記作物の推定籾数若しくは推定有効受光面積率若しくは推定赤色光吸収率若しくは推定有効受光面積又は推定赤色光吸収量と、前記圃場の画像に基づいて生成した前記作物の検出籾数若しくは検出有効受光面積率若しくは検出赤色光吸収率若しくは検出有効受光面積又は検出赤色光吸収量との差分の絶対値又は差分の割合が、前記生育状態値の第１差分閾値を超えたと前記乖離判定部が判定した場合、前記モデル修正部は、前記生育診断モデルを修正する
    　ことを特徴とする生育診断システム。
  3. 　請求項１又は２に記載の生育診断システムにおいて、
    　前記生育診断システムは、前記カメラによる撮影不良の有無を前記圃場の画像に基づいて判定する撮影不良判定部をさらに備え、
    　前記検出状態値算出部は、前記撮影不良が無かったと前記撮影不良判定部が判定した前記圃場の画像に基づいて、前記検出生育状態値を算出する
    　ことを特徴とする生育診断システム。
  4. 　請求項３に記載の生育診断システムにおいて、
    　前記撮影不良があったと前記撮影不良判定部が判定した場合、前記カメラによる再撮影を要求する再撮影要求部をさらに有する
    　ことを特徴とする生育診断システム。
  5. 　請求項４に記載の生育診断システムにおいて、
    　前記撮影不良判定部は、前記圃場毎に又は前記圃場に含まれる部分領域毎に前記撮影不良の有無を判定し、
    　前記再撮影要求部は、前記撮影不良があった場合、前記撮影不良があった圃場についての前記再撮影を要求する
    　ことを特徴とする生育診断システム。
  6. 　請求項４に記載の生育診断システムにおいて、
    　前記撮影不良判定部は、前記圃場に含まれる部分領域毎に前記撮影不良の有無を判定し、
    　前記再撮影要求部は、前記撮影不良があった場合、前記撮影不良があった前記部分領域についての前記再撮影を要求する
    　ことを特徴とする生育診断システム。
  7. 　請求項４～６のいずれか１項に記載の生育診断システムにおいて、
    　前記撮影不良があったと前記撮影不良判定部が判定した場合、前記再撮影要求部は、前回撮影とは異なる時間帯又は異なる太陽高度での前記再撮影を要求する
    　ことを特徴とする生育診断システム。
  8. 　請求項４～６のいずれか１項に記載の生育診断システムにおいて、
    　前記撮影不良があったと前記撮影不良判定部が判定した場合、前記再撮影要求部は、前記カメラと太陽との相対的な位置関係が前回撮影とは異なる向きでの前記再撮影を要求する
    　ことを特徴とする生育診断システム。
  9. 　請求項４～６のいずれか１項に記載の生育診断システムにおいて、
    　前記撮影不良があったと前記撮影不良判定部が判定した場合、前記再撮影要求部は、前回撮影とは異なる天候での前記再撮影を要求する
    　ことを特徴とする生育診断システム。
  10. 　請求項４～６のいずれか１項に記載の生育診断システムにおいて、
    　前記撮影不良があったと前記撮影不良判定部が判定した場合、前記再撮影要求部は、前記カメラと前記圃場との相対的な位置関係が前回撮影とは異なる向きでの前記再撮影を要求する
    　ことを特徴とする生育診断システム。
  11. 　請求項２に記載の生育診断システムにおいて、
    　前記生育診断モデルにより算出した前記作物の前記推定籾数若しくは前記推定有効受光面積率若しくは前記推定赤色光吸収率若しくは前記推定有効受光面積又は前記推定赤色光吸収量と、前記圃場の画像に基づいて算出した前記作物の前記検出籾数若しくは前記検出有効受光面積率若しくは前記検出赤色光吸収率若しくは前記検出有効受光面積又は前記検出赤色光吸収量との差分の絶対値又は差分の割合が、前記第１差分閾値を超えた場合、前記生育診断モデルの係数又は初期値を修正する
    　ことを特徴とする生育診断システム。
  12. 　請求項１１に記載の生育診断システムにおいて、
    　前記生育診断システムは、
    　　前記カメラを搭載したドローンと、
    　　前記推定生育状態値と前記検出生育状態値との比較のための前記ドローンによる撮影のスケジュールを管理するスケジュール管理部と
    　をさらに有し、
    　前記推定生育状態値と前記検出生育状態値の差分の絶対値又は差分の割合が前記第１差分閾値を超えたと前記乖離判定部が判定した場合、前記スケジュール管理部は、当初計画の次回撮影よりも前に新たな撮影予定を加える又は次回撮影の時期を前記当初計画よりも早める
    　ことを特徴とする生育診断システム。
  13. 　請求項１２に記載の生育診断システムにおいて、
    　前記推定生育状態値と前記検出生育状態値の差分の絶対値又は差分の割合が前記第１差分閾値を超えたと前記乖離判定部が判定した後、前記推定生育状態値と前記検出生育状態値との差分の絶対値又は差分の割合が第２差分閾値を下回った場合、前記スケジュール管理部は、前記撮影のスケジュールを当初計画に戻す
    　ことを特徴とする生育診断システム。
  14. 　請求項１２又は１３に記載の生育診断システムにおいて、
    　前記推定生育状態値と前記検出生育状態値との差分が第３差分閾値を下回り、前記作物の成長が予定通り又は予定よりも早まっている場合、前記スケジュール管理部は、当初計画よりも撮影回数を減らす
    　ことを特徴とする生育診断システム。
  15. 　請求項１２～１４のいずれか１項に記載の生育診断システムにおいて、
    　前記作物が予定よりも早く成熟した場合、前記スケジュール管理部は、撮影最終回のタイミングを早める
    　ことを特徴とする生育診断システム。
  16. 　請求項１２～１５のいずれか１項に記載の生育診断システムにおいて、
    　前記スケジュール管理部は、前記作物の生育状態値の変化量、若しくは単位期間当たりの前記生育状態値の変化量、又は前記生育状態値の絶対値が第１頻度判定閾値よりも大きいタイミングでは、前記撮影の頻度を上げる
    　ことを特徴とする生育診断システム。
  17. 　請求項１６に記載の生育診断システムにおいて、
    　前記スケジュール管理部は、前記第１頻度判定閾値を前記作物の生育フェーズに合わせて切り替える
    　ことを特徴とする生育診断システム。
  18. 　請求項１２～１７のいずれか１項に記載の生育診断システムにおいて、
    　前記スケジュール管理部は、前記作物の生育状態値の変化量、若しくは単位期間当たりの前記生育状態値の変化量、又は前記生育状態値の変化量の絶対値が第２頻度判定閾値よりも小さいタイミングでは、前記撮影の頻度を下げる
    　ことを特徴とする生育診断システム。
  19. 　請求項１８に記載の生育診断システムにおいて、
    　前記スケジュール管理部は、前記第２頻度判定閾値を前記作物の生育フェーズに合わせて切り替える
    　ことを特徴とする生育診断システム。
  20. 　請求項１２～１９のいずれか１項に記載の生育診断システムにおいて、
    　前記作物の生育フェーズの移行時期における前記ドローンの撮影頻度である移行時頻度は、前記作物の生育フェーズの移行時期以外の時期における通常の前記撮影頻度である通常頻度よりも大きく、
    　前記推定生育状態値と前記検出生育状態値の差分の絶対値又は差分の割合が前記第１差分閾値を超えたと前記乖離判定部が判定した際に前記スケジュール管理部が設定し得る前記撮影頻度の最大値である乖離時最大頻度は、前記移行時頻度よりも大きい
    　ことを特徴とする生育診断システム。
  21. 　請求項１～２０のいずれか１項に記載の生育診断システムにおいて、
    　前記生育診断システムは、
    　　刈り取った前記作物の籾数又は重量である収量を計測する収量センサと、
    　　計測した前記籾数又は前記重量である計測収量を入力する収量入力部と
    　を備え、
    　前記推定生育状態値は、前記生育診断モデルにより算出した前記作物の籾数又は重量である推定収量を含み、
    　前記収量入力部に前記計測収量が入力された場合、前記モデル修正部は、前記計測収量と前記推定収量とを比較して前記生育診断モデルを修正する
    　ことを特徴とする生育診断システム。
  22. 　請求項１～２１のいずれか１項に記載の生育診断システムにおいて、
    　前記作物はイネであり、
    　前記生育診断システムは、
    　　収穫後の単位量の米に含まれる未熟米の割合であるくず米率を計測するくず米率計測器と、
    　　計測した前記くず米率である計測くず米率を入力するくず米率入力部と
    　を備え、
    　前記推定生育状態値は、前記生育診断モデルにより算出した前記くず米率である推定くず米率を含み、
    　前記収量入力部に前記計測くず米率が入力された場合、前記モデル修正部は、前記計測くず米率と前記推定くず米率とを比較して前記生育診断モデルを修正する
    　ことを特徴とする生育診断システム。
  23. 　生育診断モデルを利用して作物の生育状態を診断する生育診断サーバであって、
    　カメラにより取得した前記作物の画像に基づいて、前記作物の生育状態値である検出生育状態値を算出する検出状態値算出部と、
    　前記生育診断モデルにより算出した前記作物の生育状態値である推定生育状態値を、前記検出生育状態値と比較する乖離判定部と、
    　前記乖離判定部による比較結果に応じて前記生育診断モデルを修正するモデル修正部と
    　を有することを特徴とする生育診断サーバ。
  24. 　生育診断モデルを利用して作物の生育状態を診断する生育診断方法であって、
    　カメラにより取得した前記作物の画像に基づいて、前記作物の生育状態値である検出生育状態値を算出する検出状態値算出ステップと、
    　前記生育診断モデルにより算出した前記作物の生育状態値である推定生育状態値を、前記検出生育状態値と比較する乖離判定ステップと、
    　前記乖離判定ステップでの比較結果に応じて前記生育診断モデルを修正するモデル修正ステップと
    　を有することを特徴とする生育診断方法。
     
PCT/JP2020/004639 2020-02-06 2020-02-06 生育診断システム、生育診断サーバ及び生育診断方法 WO2021157032A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2020/004639 WO2021157032A1 (ja) 2020-02-06 2020-02-06 生育診断システム、生育診断サーバ及び生育診断方法
JP2021575532A JP7175537B2 (ja) 2020-02-06 2020-02-06 生育診断システム、生育診断サーバ及び生育診断方法
CN202080095040.2A CN115023134B (zh) 2020-02-06 2020-02-06 生长诊断系统、生长诊断服务器以及生长诊断方法
US17/797,122 US20230169640A1 (en) 2020-02-06 2020-02-06 Growth assessment system, growth assessment server and growth assessment method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/004639 WO2021157032A1 (ja) 2020-02-06 2020-02-06 生育診断システム、生育診断サーバ及び生育診断方法

Publications (1)

Publication Number Publication Date
WO2021157032A1 true WO2021157032A1 (ja) 2021-08-12

Family

ID=77200581

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/004639 WO2021157032A1 (ja) 2020-02-06 2020-02-06 生育診断システム、生育診断サーバ及び生育診断方法

Country Status (4)

Country Link
US (1) US20230169640A1 (ja)
JP (1) JP7175537B2 (ja)
CN (1) CN115023134B (ja)
WO (1) WO2021157032A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220121919A1 (en) * 2020-10-16 2022-04-21 X Development Llc Determining Cereal Grain Crop Yield Based On Cereal Grain Trait Value(s)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4982823B2 (ja) * 2006-08-18 2012-07-25 長崎県 果実栽培における水管理方法
JP2015000049A (ja) * 2013-06-18 2015-01-05 株式会社日立製作所 収量予測システムおよび収量予測装置
US9140824B1 (en) * 2015-01-23 2015-09-22 Iteris, Inc. Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states
JP2018533933A (ja) * 2015-10-05 2018-11-22 バイエル・クロップサイエンス・アクチェンゲゼルシャフト 植物生育モデルを用いて収穫機を操作するための方法
US20190057461A1 (en) * 2017-08-21 2019-02-21 The Climate Corporation Digital modeling and tracking of agricultural fields for implementing agricultural field trials
JP2019193589A (ja) * 2018-05-01 2019-11-07 国立大学法人千葉大学 農業支援システム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ID26384A (id) * 1999-06-17 2000-12-21 Satake Eng Co Ltd Metode diagnosa kondisi nutrisi dari panenan pada ladang tanaman
JP5369282B2 (ja) * 2008-11-14 2013-12-18 株式会社パスコ 植生生育状況解析方法、プログラムおよび植生生育状況解析装置
JP2011229402A (ja) * 2010-04-23 2011-11-17 Nec Soft Ltd 育成システム
WO2016111376A1 (ja) * 2015-01-09 2016-07-14 日立マクセル株式会社 植物情報取得システム、植物情報取得装置、植物情報取得方法、作物管理システムおよび作物管理方法
CA2901125A1 (en) * 2015-08-21 2017-02-21 Murgyver Consulting Ltd. Method and system for the optimization of plant growth
CN108471714A (zh) * 2015-12-16 2018-08-31 富兰帝欧公司 植物栽培培养基生成用套件，植物栽培培养基生成方法及使用完毕的植物栽培培养基的再生方法
JP7130203B2 (ja) * 2018-05-01 2022-09-05 株式会社クボタ 植物栽培システム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4982823B2 (ja) * 2006-08-18 2012-07-25 長崎県 果実栽培における水管理方法
JP2015000049A (ja) * 2013-06-18 2015-01-05 株式会社日立製作所 収量予測システムおよび収量予測装置
US9140824B1 (en) * 2015-01-23 2015-09-22 Iteris, Inc. Diagnosis and prediction of in-field dry-down of a mature small grain, coarse grain, or oilseed crop using field-level analysis and forecasting of weather conditions, crop characteristics, and observations and user input of harvest condition states
JP2018533933A (ja) * 2015-10-05 2018-11-22 バイエル・クロップサイエンス・アクチェンゲゼルシャフト 植物生育モデルを用いて収穫機を操作するための方法
US20190057461A1 (en) * 2017-08-21 2019-02-21 The Climate Corporation Digital modeling and tracking of agricultural fields for implementing agricultural field trials
JP2019193589A (ja) * 2018-05-01 2019-11-07 国立大学法人千葉大学 農業支援システム

Also Published As

Publication number Publication date
JP7175537B2 (ja) 2022-11-21
CN115023134A (zh) 2022-09-06
CN115023134B (zh) 2023-08-08
JPWO2021157032A1 (ja) 2021-08-12
US20230169640A1 (en) 2023-06-01

Similar Documents

Publication Publication Date Title
US10902566B2 (en) Methods for agronomic and agricultural monitoring using unmanned aerial systems
AU2020101709A4 (en) Crop yield prediction method and system based on low-altitude remote sensing information from unmanned aerial vehicle
KR102049938B1 (ko) 센서 기반의 작황상황 빅데이터 분석을 이용하여 농약 살포량을 실시간으로 조절 가능한 농업용 드론 시스템
JP5162890B2 (ja) リモートセンシングにおける補正方法
US11953872B2 (en) Methods and systems for the management of precise agricultural irrigation
JP7299213B2 (ja) 情報処理装置
JP7074126B2 (ja) 画像処理装置、生育調査画像作成システム及びプログラム
JP7243635B2 (ja) 施肥設計方法および施肥設計装置
JP6996560B2 (ja) 作物栽培支援装置
CN109241918B (zh) 一种基于植物信息的植物管控方法、装置及系统
US20230334638A1 (en) Multispectral Filters
US11181470B2 (en) Sensing system, sensing method, and sensing device
CN114527741A (zh) 农业特性置信度和控制
WO2021157032A1 (ja) 生育診断システム、生育診断サーバ及び生育診断方法
WO2019082519A1 (ja) 情報処理装置、情報処理方法、プログラム、情報処理システム
Hama et al. Examination of appropriate observation time and correction of vegetation index for drone-based crop monitoring
JP2019033720A (ja) 刈り取りスケジュール決定方法及び刈り取りスケジュール決定プログラム
WO2019235240A1 (ja) 情報処理装置
JP6887142B2 (ja) 圃場画像分析方法
JP6765109B2 (ja) 農業システム
KR20200084638A (ko) 농작물 모니터링 방법, 장치 및 컴퓨터 프로그램
Guerra et al. Optimal UAV movement control for farming area scanning using hyperspectral pushbroom sensors
JP7412021B2 (ja) 水管理システム、水管理サーバ及び水管理方法
JP7442873B2 (ja) 営農システム、営農サーバ及び営農方法
JP7075127B2 (ja) 圃場分析方法、圃場分析プログラム、圃場分析装置、ドローンシステムおよびドローン

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: 20918096

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021575532

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20918096

Country of ref document: EP

Kind code of ref document: A1