WO2022070232A1 - 穀物のタンパク質含有量の取得方法 - Google Patents

穀物のタンパク質含有量の取得方法 Download PDF

Info

Publication number
WO2022070232A1
WO2022070232A1 PCT/JP2020/036776 JP2020036776W WO2022070232A1 WO 2022070232 A1 WO2022070232 A1 WO 2022070232A1 JP 2020036776 W JP2020036776 W JP 2020036776W WO 2022070232 A1 WO2022070232 A1 WO 2022070232A1
Authority
WO
WIPO (PCT)
Prior art keywords
protein content
field
grain
paddy
predicted
Prior art date
Application number
PCT/JP2020/036776
Other languages
English (en)
French (fr)
Inventor
啓介 渡橋
明達 崔
元信 河野
Original Assignee
株式会社サタケ
佐竹機械（蘇州）有限公司
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 株式会社サタケ, 佐竹機械（蘇州）有限公司 filed Critical 株式会社サタケ
Priority to JP2022553242A priority Critical patent/JPWO2022070232A1/ja
Priority to PCT/JP2020/036776 priority patent/WO2022070232A1/ja
Priority to CN202080102262.2A priority patent/CN115803607A/zh
Publication of WO2022070232A1 publication Critical patent/WO2022070232A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration

Definitions

  • the present invention relates to a method for obtaining the protein content of cereals.
  • Patent Document 1 Conventionally, as a method of predicting the protein content of paddy, there is a method of predicting the protein content of paddy before the time when the paddy is actually harvested (see Patent Document 1). That is, the rice in the field before harvesting is imaged from the ground to obtain the predicted value of the protein content of the paddy, and the paddy is sorted and harvested based on the threshold value with the predetermined protein content as the threshold value.
  • the protein content is measured from the received paddy, and the time loss until the measurement result is obtained causes congestion in the grain processing facility. There is a possibility that.
  • the problem to be solved by the present invention is to provide a method for obtaining the protein content of cereals, which can predict the protein content of cereals with high accuracy.
  • the invention according to claim 1 is a protein content prediction step of acquiring a protein content prediction value of a grain in the maturity stage by remote sensing, and an actual measurement of the protein content of the grain from a sample of the grain immediately before harvest by Grand Truth. It has a protein content actual measurement step for acquiring a value, and a protein content correction step for correcting the protein content predicted value with the protein content actual measurement value and acquiring the protein content correction predicted value of the grain. It is a method for obtaining the protein content of a grain, which is characterized by the above.
  • the image data of the field imaged by the remote sensing is covered with squares composed of a plurality of sections, and the protein content predicted value is applied to each of the plurality of sections.
  • the invention according to claim 3 is the grain according to claim 1 or 2, wherein the remote sensing includes an unmanned aerial vehicle capable of self-sustaining flight, and the unmanned aerial vehicle is equipped with an imaging means. This is a method for obtaining the protein content.
  • the invention according to claim 4 includes the step of setting a predetermined threshold value for the predicted protein content correction value, and obtains the protein content of the grain according to any one of claims 1 to 3. The method.
  • the invention according to claim 5 is any one of claims 1 to 4, further comprising a distribution map display step capable of mapping and displaying the distribution range of the protein content correction predicted value in the field. It is a method for obtaining the protein content of the grain according to the above.
  • the invention according to claim 6 has a fertilizer application record recording step for recording the fertilizer application record in the field, and in the distribution map display step, it is possible to synthesize and display the fertilizer application record with the mapping data of the field.
  • the predicted protein content of the grain obtained by remote sensing in the maturity period is corrected by the measured protein content of the grain obtained from the grain sample immediately before harvesting, and the grain is adjusted. It is possible to obtain a protein content-corrected predicted value. With such a configuration, it becomes possible to predict the protein content of the grain immediately before harvesting in the field with higher accuracy than before. In addition, highly accurate protein content can be predicted in the period immediately before harvest. As a result, for example, it is possible to sort and harvest good-tasting rice having a low protein content, and it is possible to promote improvement and stabilization of yield and quality. Furthermore, since grains can be sorted and harvested according to the protein content, the burden of sorting in grain processing facilities can be reduced, and profits can be expanded without making capital investment related to sorting equipment. Will be.
  • the imaged data of the imaged field is covered with squares composed of a plurality of sections, the protein content predicted value in each section is acquired, and further, the periphery is obtained.
  • the plot with the predicted protein content with the smallest deviation from the plot is determined as the reference field for collecting grain samples in Grand Truth.
  • low-altitude flight and planned route flight can be easily performed by using an unmanned aerial vehicle capable of self-sustaining flight. Furthermore, from the next fiscal year onward, it will be possible to acquire image data of the field by the same flight route when the field is photographed again.
  • a predetermined threshold value is set for the predicted protein content correction value. This makes it possible to sort and harvest high-quality grains, for example, good-tasting rice with a low protein content.
  • mapping and displaying the distribution range of the protein content correction predicted value in the field it is possible to efficiently formulate the harvest plan in the field.
  • the imaging data 2 of the field 1 can be acquired by remote sensing, and the protein content of the grain at the time of harvest can be predicted and acquired with high accuracy.
  • an unmanned aerial vehicle 10 equipped with a camera 11 as an imaging means and capable of self-sustaining flight is used to take a picture from the sky above the field 1 where paddy rice is cultivated.
  • the image pickup data 2 of the above is acquired.
  • the unmanned aerial vehicle 10 is equipped with a GPS device, an electronic compass, an acceleration sensor, and the like, and is configured to be able to easily perform low-altitude flight and flight according to a planned flight route according to a program.
  • the image data 2 of the field 1 is acquired by the same flight route as the previous year based on the data such as the flight history.
  • the imaging data 2 of the field 1 can be recorded on a storage medium mounted on the unmanned aerial vehicle 10, but the imaging data 2 of the field 1 is wirelessly transmitted in real time to a computer (not shown) which is a remote sensing processing device. It can also be configured to be transmitted.
  • the camera 11 in the present embodiment includes a CCD having a predetermined resolution, and can capture a near-infrared image via a band filter in addition to a visible image. Then, the remote sensing processing device can perform image analysis of the image pickup data 2 and input / output the field information 4 in the field 1 as shown in FIG.
  • the remote sensing processing device performs a process of covering the imaged data 2 of the imaged field 1 with a square 3 composed of a plurality of sections 31, and calculates the field information 4 in each section 31. do.
  • FIG. 2 shows a plan view of the field 1 in which the field information 4 in each section 31 is displayed in the image pickup data 2 of the field 1, and the specific vegetation index (RVI) acquired by remote sensing is shown as the field information 4. Is converted into the amount of nitrogen in the leaf blade and displayed as an output.
  • RVVI specific vegetation index
  • a plurality of sections (a and b are each about 3 m) in the field 1.
  • the reference field 32 is determined from the inside.
  • the value of the leaf blade nitrogen amount corresponding to the predicted value of the protein content of the paddy is shown for each section 31.
  • nine plots having the smallest variation (deviation) in the amount of leaf blade nitrogen in the compartment 31 are searched for by computer processing, and the central compartment 31 is determined as the reference field 32.
  • the plot 31 having the smallest leaf blade nitrogen amount in the central compartment 31 of each of the nine plots is determined as the reference field 32.
  • the reference field 32 when going to collect a sample of rice leaves or paddy in the determined reference field 32, even if there is a position error of about 2 meters due to GPS or the like, the reference is almost accurate. It becomes possible to reach a certain position in the field 32 and collect a sample of rice leaves and paddy.
  • the rice leaf and paddy samples collected in the reference field 32 are each measured by a dedicated optical analyzer, and the nitrogen content and protein content of the leaf blade can be determined.
  • a taste meter model: RPTA11B, manufactured by Satake Corporation, registered trademark
  • the nitrogen content of the leaf blade of rice leaves can be measured by a known leaf blade nitrogen measuring instrument, and since the nitrogen content of the leaf blade and the protein content of paddy or brown rice are correlated, the leaf blade obtained by remote sensing is used. It is possible to predict the protein content of paddy or brown rice from the amount of nitrogen.
  • FIG. 4 shows the process of fertilization diagnosis at the growth stage. From the panicle formation stage to the meiosis stage, which is 2 to 3 weeks before heading, information on the amount of nitrogen in the leaf blade of the rice body in the field 1 is acquired by remote sensing (S100). Further, at the same time as the remote sensing is performed, a sample of rice leaves is collected in the reference field 32 of the field 1 by the grand truth, and the leaf blade nitrogen amount information is acquired by the leaf blade nitrogen measuring device (S101).
  • the leaf nitrogen content information of the rice leaf in the field 1 acquired by remote sensing is corrected by the leaf blade nitrogen content information of the rice leaf sample in the reference field 32 acquired by the grand truth (S102). That is, the nitrogen content of the leaf blade of the rice body obtained by analyzing the imaging data 2 of the field 1 is corrected by the nitrogen content of the leaf blade measured from the sample of the rice leaf, so that the rice body acquired by remote sensing can be used. It is possible to improve the prediction accuracy of leaf blade nitrogen amount information.
  • the fertilizer application record recording process for recording the fertilizer application record in the field 1 is provided, and the past fertilizer application record is recorded and accumulated. Therefore, in the present embodiment, the fertilizer application is diagnosed according to the target quality from the fertilizer application record data accumulated so far and the quality data of the harvested paddy (S103). For example, fertilization diagnosis is performed to harvest more good-tasting rice having a protein content of 6.5% or less. That is, in the first step, fertilizer application is performed to accurately grasp the amount of nitrogen in the leaf blades of the rice body from the panicle formation stage to the meiosis stage, control the amount of fertilizer to be sprayed, and obtain more good-tasting rice. It is a diagnostic process.
  • FIG. 5 shows the process of the protein content prediction step of paddy at the maturity stage.
  • the leaf nitrogen amount information of the rice body in the field 1 is acquired by remote sensing (S200). Further, at the same time as the remote sensing is performed, a sample of rice leaves is collected in the reference field 32 of the field 1 by the grand truth, and the nitrogen amount information of the leaf blade of the rice leaves is acquired (S201).
  • the leaf nitrogen content information of the rice leaf in the field 1 acquired by remote sensing is corrected by the leaf blade nitrogen content information of the rice leaf sample in the reference field 32 acquired by the grand truth (S202). Then, based on the corrected leaf nitrogen content information of the rice body obtained by S202, the predicted protein content of the paddy in the mature stage is calculated (S203). Based on the predicted protein content of the paddy in the field 1 thus obtained, a harvest plan for sorting and harvesting the paddy that is good-tasting rice in advance is formulated as the primary sorting (S204).
  • FIG. 6 shows the process of the protein content correction step for correcting the predicted protein content of paddy calculated in the second step described above immediately before harvesting.
  • a sample of paddy is collected in the reference field 32 in the field 1 and the measured protein content of the paddy is obtained using a taste meter (registered trademark). (S300).
  • the difference between the actually measured protein content of the paddy and the predicted protein content of the paddy in the reference field 32 obtained in the second step is obtained.
  • the protein content correction predicted value is calculated by uniformly adjusting the difference for each of the plurality of compartments 31 (S301).
  • the actual harvest plan is formulated as the secondary sorting (S302). For example, it is possible to set a protein content correction predicted value of paddy that becomes good-tasting rice as a threshold value, specify a section 31 of a field 1 in which paddy that becomes good-tasting rice is distributed, and formulate a harvest plan. This makes it possible to harvest paddy that can be sorted with high accuracy and become good-tasting rice.
  • FIGS. 7A and 7B show the relationship between the yield of paddy and the protein content P before and after the correction based on the measured protein content of the paddy acquired immediately before harvesting.
  • the distribution range of the protein content correction predicted value of the paddy in the corrected field 1 is shown by a solid line
  • the distribution range of the protein content predicted value of the paddy in the field 1 before the correction is shown by a broken line. It is shown.
  • FIG. 7B shows an example in which the distribution range of paddy, which is considered to be good-tasting rice, is smaller after correction than before correction. Even in such a case, it can be grasped that the yield of paddy, which is considered to be good-tasting rice, decreases contrary to the initial prediction. Further, it is possible to accurately identify the section 31 of the field 1 in which the paddy that is considered to be good-tasting rice is distributed, and it is possible to reliably sort and harvest the paddy that is considered to be good-tasting rice. In addition, by accumulating such quality data together with the fertilization results, it will be possible to review the fertilization plans for the next fiscal year and thereafter.
  • the method for obtaining the protein content of paddy in the present embodiment has been described above.
  • FIG. 8 shows an example of the distribution display mode of the protein content correction predicted value of paddy in this embodiment. That is, the acquired protein content correction predicted value of the paddy is incorporated into the map data of the field 1. Then, by mapping the distribution range of the protein content correction predicted value by color coding, it is possible to visually express the distribution state. By adding such a distribution map display step, it becomes possible to efficiently formulate a harvest plan for sorting and harvesting paddy that is considered to be good-tasting rice.
  • the fertilizer application record information 5 in addition to the distribution display of the protein content correction predicted value of the paddy. That is, in the above-mentioned distribution map display step, it is possible to synthesize and display the fertilization result with the mapping data of the field 1 in which the distribution range of the protein content correction predicted value is color-coded and displayed. In the illustrated example, the amount of fertilizer applied and the number of days applied with the amount of fertilizer applied are displayed. With such a configuration, it is possible to efficiently grasp the relationship between the fertilization record and the distribution of the protein content of the paddy. Furthermore, by accumulating such information, it is possible to effectively utilize the accumulated information in the fertilization diagnosis at the growth stage from the next year onward, and it becomes possible to harvest a large amount of good-tasting rice.
  • the processes of steps 1 to 3 were performed, but the process of step 1 is not always essential. That is, the process of predicting the protein content of the paddy in the optimum harvest time of step 2 2 to 3 weeks (ripening period) and the protein content of the paddy in the period immediately before the harvest of step 3 (around 2 to 3 days before the scheduled harvest date).
  • the amount correction prediction processing the protein content of the paddy to be harvested can be predicted with high accuracy, and good-tasting rice can be efficiently sorted and harvested.
  • an unmanned aerial vehicle 10 capable of self-sustaining flight equipped with a camera 11 as an imaging means was used.
  • the camera 11 which is an image pickup means may be installed on the top of a support column so that the field 1 can be seen from a high place.
  • the unmanned aerial vehicle 10 not only the unmanned aerial vehicle 10 but also a manned aircraft or a fixed-wing aircraft can be used.
  • the unmanned aerial vehicle 10 capable of self-sustaining flight is used, but it is not necessarily limited to such an unmanned aerial vehicle, and the operator may remotely control the aircraft each time to fly.
  • the protein content of paddy was predicted at each stage, but a harvest plan for sorting and harvesting good-tasting rice may be formulated by converting it into the protein content of brown rice.

Landscapes

  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Forests & Forestry (AREA)
  • Environmental Sciences (AREA)
  • Botany (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

リモートセンシングによって成熟期における穀物のタンパク質含有量予測値を取得するタンパク質含有量予測工程と、グランドトゥルースによって収穫直前期の前記穀物のサンプルから該穀物のタンパク質含有量実測値を取得するタンパク質含有量実測工程と、前記タンパク質含有量予測値を前記タンパク質含有量実測値によって補正し、前記穀物のタンパク質含有量補正予測値を取得するタンパク質含有量補正工程と、を有することを特徴とする。

Description

穀物のタンパク質含有量の取得方法
　本発明は、穀物のタンパク質含有量の取得方法に関する。
　従来から、籾のタンパク含有率を予測する方法として、実際に籾を収穫する時期よりも前に、籾のタンパク含有率を予測する方法（特許文献１を参照）がある。すなわち、収穫前の圃場の稲を地上から撮像して籾のタンパク含有率の予測値を求め、所定のタンパク含有率を閾値として、閾値に基づいて籾を仕分けて収穫するものである。
　穀物処理施設に荷受けした収穫後の籾を、タンパク含有率に応じて仕分け・乾燥する方法として、収穫されて荷受けした籾からサンプルを採取し、光学分析機によってタンパク含有率を実測して仕分け・乾燥から貯蔵する方法（特許文献２を参照）が知られている。
特開２００６－１０１７６８号公報 特開２０１８－１７９４３６号公報
　しかしながら、上記特許文献１に開示された方法にあっては、リモートセンシングによって、実際に収穫する時期よりも前の圃場を撮像し、籾のタンパク含有率を予測するものであるため、その後、籾を収穫するまでの間に、生育や気象条件などの影響によって籾のタンパク含有率が変化する可能性がある。
　上記した特許文献２に開示された方法にあっては、荷受けした籾からタンパク含有率を測定し、その測定結果が出るまでの時間的なロスによって、穀物処理施設で荷受け渋滞が発生してしまうという可能性がある。
　そこで、本発明が解決しようとする課題は、穀物のタンパク質含有量を高精度に予測可能な、穀物のタンパク質含有量の取得方法を提供することにある。
　請求項１に係る発明は、リモートセンシングによって成熟期における穀物のタンパク質含有量予測値を取得するタンパク質含有量予測工程と、グランドトゥルースによって収穫直前期の前記穀物のサンプルから該穀物のタンパク質含有量実測値を取得するタンパク質含有量実測工程と、前記タンパク質含有量予測値を前記タンパク質含有量実測値によって補正し、前記穀物のタンパク質含有量補正予測値を取得するタンパク質含有量補正工程と、を有することを特徴とする穀物のタンパク質含有量の取得方法である。
　請求項２に係る発明は、前記タンパク質含有量予測工程は、前記リモートセンシングによって撮像した圃場の撮像データに、複数の区画からなるマス目を被せて該複数の区画毎に前記タンパク質含有量予測値を取得するとともに、周辺区画との偏差が最も小さいタンパク質含有量予測値を有する区画を、前記穀物のサンプルを採取する基準圃場として決定する工程を含むことを特徴とする請求項１に記載の穀物のタンパク質含有量の取得方法である。
　請求項３に係る発明は、前記リモートセンシングは、自立飛行が可能な無人航空機を備え、該無人航空機には撮像手段が搭載されていることを特徴とする請求項１又は２に記載の穀物のタンパク質含有量の取得方法である。
　請求項４に係る発明は、前記タンパク質含有量補正予測値に対して所定の閾値を設定する工程を含むことを特徴とする請求項１乃至３のいずれかに記載の穀物のタンパク質含有量の取得方法である。
　請求項５に係る発明は、前記圃場における前記タンパク質含有量補正予測値の分布範囲をマッピングして表示することが可能な分布マップ表示工程を有することを特徴とする請求項１乃至４のいずれかに記載の穀物のタンパク質含有量の取得方法である。
　請求項６に係る発明は、前記圃場における施肥実績を記録する施肥実績記録工程を有し、前記分布マップ表示工程では、前記圃場のマッピングデータに、前記施肥実績を合成して表示することが可能であることを特徴とする請求項５に記載の穀物のタンパク質含有量の取得方法である。
　請求項１に係る発明によれば、リモートセンシングによって取得した穀物の成熟期におけるタンパク質含有量予測値を、収穫直前期に穀物のサンプルから取得した穀物のタンパク質含有量実測値で補正し、穀物のタンパク質含有量補正予測値を取得することが可能となっている。このような構成により、従来よりも、より高精度に圃場における収穫直前の穀物のタンパク質含有量を予測することが可能となる。さらに、収穫直前期において高精度なタンパク質含有量が予測可能となる。これにより、例えば、タンパク質含有量の少ない良食味米を仕分けて収穫することが可能となり、歩留りや品質の向上・安定化を促すことが可能となる。さらに、穀物をタンパク質含有量に応じて、仕分けて収穫が可能となるので、穀物処理施設における仕分けの負担が軽減され、仕分け装置に関わる設備投資を行うことなく、利益の拡大を図ることが可能となる。
　請求項２に係る発明によれば、タンパク質含有量予測工程では、撮像した圃場の撮像データに複数の区画からなるマス目を被せ、それぞれの区画におけるタンパク質含有量予測値を取得し、さらに、周辺区画との偏差が最も小さいタンパク質含有量予測値を有する区画を、グランドトゥルースにおいて穀物のサンプルを採取する基準圃場として決定している。このような構成により、穀物のサンプルを採取しに行く際、ＧＰＳなどによる若干の位置誤差があっても、基準圃場の正確な位置にたどり着くことが可能となる。これにより、タンパク質含有量予測値を精度よく補正することができる。
　請求項３に係る発明によれば、リモートセンシングでは、自立飛行が可能な無人航空機を使用することにより、低空飛行や計画ルート飛行を容易に行うことができる。さらに、次年度以降、再び圃場を撮影する場合に同じ飛行ルートで圃場の撮像データを取得することが可能となる。
　請求項４に係る発明によれば、タンパク質含有量補正予測値に対して、所定の閾値を設定する。これにより、高品質な穀物、例えば、タンパク質含有量の少ない良食味米を仕分けて収穫することが可能となる。
　請求項５に係る発明によれば、圃場におけるタンパク質含有量補正予測値の分布範囲をマッピングして表示することにより、効率的に圃場における収穫計画を策定することが可能となる。
　請求項６に係る発明によれば、圃場における施肥実績を記録し、前述したマッピング表示に、上記施肥実績を合成して出力表示することが可能となる。これにより、例えば、前年に収穫した穀物のタンパク質含有量と、前年の施肥実績に基づいて、翌年の施肥を適切に行って、より高品質の穀物を収穫することが可能となる。
本発明の一実施形態における、リモートセンシングの態様を示した斜視図である。 本発明の一実施形態における、圃場の撮像データに、各区画における圃場情報を算出して表示した圃場の平面図である。 図２のＡ部の拡大平面図である。 本発明の一実施形態における、第１ステップのフロー図である。 本発明の一実施形態における、第２ステップのフロー図である。 本発明の一実施形態における、第３ステップのフロー図である。 本発明の一実施形態における、タンパク質含有率の補正前後の収穫量とタンパク質含有率との関係を示したグラフであって、補正後のタンパク質の含有率が補正前のタンパク質の含有率よりも低く予測される場合のグラフである。 本発明の一実施形態における、タンパク質含有率の補正前後の収穫量とタンパク質含有率との関係を示したグラフであって、補正後のタンパク質の含有率が補正前のタンパク質の含有率よりも高く予測される場合のグラフである。 本発明の一実施形態における、圃場のマップ表示の態様を示した図である。
　以下、本発明の穀物のタンパク質含有量の取得方法について、その一実施形態を図面に基づいて説明する。本実施形態を用いることにより、リモートセンシングにて圃場１の撮像データ２を取得し、収穫時における穀物のタンパク質含有量を高い精度で予測して取得することができる。
　図１に示されるように、本実施形態では、撮像手段であるカメラ１１を搭載した、自立飛行が可能な無人航空機１０によって、水稲が栽培されている圃場１の上空から撮影を行って圃場１の撮像データ２を取得する。無人航空機１０には、ＧＰＳ機器や電子コンパス、加速度センサー等が搭載されており、プログラムに従って低空飛行や、計画された飛行ルートに従った飛行を容易に行うことができる構成となっている。
　上記のような無人航空機１０の構成によって、例えば、次年度以降に再び圃場１を撮影する場合、飛行履歴などのデータに基づいて、前年度と同じ飛行ルートで圃場１の撮像データ２を取得することが可能となる。圃場１の撮像データ２は無人航空機１０に搭載された記憶媒体に記録することも可能であるが、リモートセンシング処理装置となる不図示のコンピュータに対して、リアルタイムで圃場１の撮像データ２が無線送信されるように構成することも可能である。
　本実施形態におけるカメラ１１は、所定の解像度を有するＣＣＤを備えており、可視画像のほか、帯域フィルタを介して近赤外画像を撮像することが可能となっている。そして、リモートセンシング処理装置において撮像データ２の画像解析を行い、図２に示すような、圃場１における圃場情報４を入出力することが可能となっている。
　リモートセンシング処理装置は、図２に示されるように、撮像した圃場１の撮像データ２に対して複数の区画３１からなるマス目３を被せる処理を行い、それぞれの区画３１における圃場情報４を算出する。図２には、圃場１の撮像データ２に、各区画３１における圃場情報４を表示した圃場１の平面図が示されており、圃場情報４として、リモートセンシングによって取得した比植生指数（ＲＶＩ）を葉身窒素量に換算した値が出力表示されている。
　本実施形態では、リモートセンシングによって取得した各区画３１の葉身窒素量の予測精度を向上させるため、図３に示すように、圃場１内の複数の区画（ａ、ｂはそれぞれ約３ｍ）の中から、基準圃場３２を決定している。図３には、籾のタンパク質含有量の予測値に対応する葉身窒素量の値が区画３１ごとに示されている。そして、基準圃場３２の決定に際しては、コンピュータ処理によって、区画３１の葉身窒素量のバラツキ（偏差）が最も小さくなる９区画を探し、その中央の区画３１を基準圃場３２に決定している。上記した９区画が圃場１内で複数箇所確認された場合は、各９区画の中央の区画３１の葉身窒素量が、最も小さい区画３１を基準圃場３２として決定する。
　上記のような基準圃場３２の決定方法によれば、決定した基準圃場３２に稲葉や籾のサンプルを採取しに行く際、ＧＰＳなどによる位置誤差が２メートル程度あったとしても、ほぼ正確な基準圃場３２のある位置にたどり着いて稲葉や籾のサンプルを採取することが可能となる。
　基準圃場３２で採取された稲葉や籾のサンプルは、それぞれ専用の光学分析装置によって測定され、葉身窒素量やタンパク質含有量を求めることができる。例えば、籾のタンパク質含有量を測定する際は、食味計（型式：ＲＰＴＡ１１Ｂ、株式会社サタケ社製、登録商標）を利用することが可能である。ただし、籾の状態と処理された玄米の状態とではタンパク質含有量が異なるため、実績データに基づく換算処理をして、玄米のタンパク質含有量を求めることが可能である。稲葉の葉身窒素量は、公知の葉身窒素測定器によって測定することが可能であり、葉身窒素量と籾又は玄米のタンパク質含有量は相関関係にあるため、リモートセンシングによって取得した葉身窒素量から、籾又は玄米のタンパク質含有量を予測することが可能である。
　続いて、本実施形態における穀物のタンパク質含有量の取得方法について、各実施工程の一例を説明する。以下に説明する実施形態は、籾のタンパク質含有量の取得するものである。
（第１ステップ）
　図４には、生育段階における施肥診断のプロセスが示されている。出穂の２～３週間前にあたる幼穂形成期から減数分裂期ごろにかけて、リモートセンシングによって、圃場１における稲体の葉身窒素量情報を取得する（Ｓ１００）。さらに、上記リモートセンシングの実施時期と同時期に、グランドトゥルースによって圃場１の基準圃場３２において稲葉のサンプルを採取し、葉身窒素測定器によって稲葉の葉身窒素量情報を取得する（Ｓ１０１）。
　続いて、リモートセンシングによって取得した圃場１における稲体の葉身窒素量情報を、グランドトゥルースによって取得した基準圃場３２における稲葉のサンプルの葉身窒素量情報によって補正する（Ｓ１０２）。すなわち、圃場１の撮像データ２を解析して得られた稲体の葉身窒素量情報を、稲葉のサンプルから実測した葉身窒素量情報によって補正することにより、リモートセンシングによって取得した稲体の葉身窒素量情報の予測精度を高めることが可能となる。
　本実施形態では、圃場１における施肥実績を記録する施肥実績記録工程を有しており、過去における肥料の散布実績を記録・蓄積している。そこで、本実施形態では、これまで蓄積された施肥実績データと収穫した籾の品質データから、目標とする品質に応じた施肥の診断を行っている（Ｓ１０３）。例えば、タンパク質含有率が６．５％以下の良食味米をより多く収穫するための施肥診断を行う。すなわち、第１ステップは、幼穂形成期から減数分裂期ごろの稲体の葉身窒素量を正確に把握し、散布する肥料の量をコントロールして、より多くの良食味米を得るための施肥診断工程となる。
（第２ステップ）
　図５には、成熟期における籾のタンパク質含有量予測工程のプロセスが示されている。収穫適期の２～３週間前ごろにあたる登熟期ごろにおいて、リモートセンシングによって、圃場１における稲体の葉身窒素量情報を取得する（Ｓ２００）。さらに、上記リモートセンシングの実施時期と同時期に、グランドトゥルースによって圃場１の基準圃場３２において稲葉のサンプルを採取し、稲葉の葉身窒素量情報を取得する（Ｓ２０１）。
　続いて、リモートセンシングによって取得した圃場１における稲体の葉身窒素量情報を、グランドトゥルースによって取得した基準圃場３２における稲葉のサンプルの葉身窒素量情報によって補正する（Ｓ２０２）。そして、Ｓ２０２によって得られた、補正された稲体の葉身窒素量情報に基づいて、成熟期における籾のタンパク質含有量予測値を算出する（Ｓ２０３）。このようにして得られた圃場１における籾のタンパク質含有量予測値に基づいて、事前に良食味米となる籾を仕分けて収穫するための収穫計画の策定を、一次仕分けとして行う（Ｓ２０４）。例えば、良食味米となる籾のタンパク質含有量予測値を閾値として設定し、良食味米となる籾が分布する圃場１の区画３１を特定して収穫計画を策定することが可能となる。これにより、精度良く仕分けて良食味米となる籾を収穫することが可能となる。
（第３ステップ）
　図６には、前述した第２ステップにおいて算出した籾のタンパク質含有量予測値を収穫直前期に補正するタンパク質含有量補正工程のプロセスが示されている。収穫直前期となる収穫予定日の２～３日前ごろに、圃場１内の基準圃場３２において籾のサンプルを採取し、食味計（登録商標）を使用して籾のタンパク質含有量実測値を取得する（Ｓ３００）。そして、実測した籾のタンパク質含有量実測値と、第２ステップにおいて求めた基準圃場３２における籾のタンパク質含有量予測値との差分を求める。そして、当該差分を複数の区画３１ごとに一律に加減調整することにより、タンパク質含有量補正予測値を算出する（Ｓ３０１）。
　以上のようにして得られた圃場１における籾のタンパク質含有量補正予測値に基づいて、実際の収穫計画の策定を二次仕分けとして行う（Ｓ３０２）。例えば、良食味米となる籾のタンパク質含有量補正予測値を閾値として設定し、良食味米となる籾が分布する圃場１の区画３１を特定して収穫計画を策定することが可能となる。これにより、精度良く仕分けて良食味米となる籾を収穫することが可能となる。
　図７Ａ及び図７Ｂには、収穫直前期に取得した籾のタンパク質含有量実測値による補正前後の籾の収穫量とタンパク質含有率Ｐの関係が示されている。図７Ａ及び図７Ｂには、補正後の圃場１における籾のタンパク質含有量補正予測値の分布範囲が実線で示され、補正前の圃場１における籾のタンパク質含有量予測値の分布範囲が破線で示されている。
　図７Ａの補正後の予測分布に示されるように、補正前の予測分布よりも、多くの籾が良食味米とされる範囲に分布していることがわかる。このように、収穫直前期となる収穫予定日の２～３日前ごろに、サンプルとして採取した籾のタンパク質含有量を実測して、タンパク質含有量補正予測値を取得することにより、より現実のタンパク質含有量に近い籾のタンパク質含有量の予測が可能となる。このことによって、多くの良食味米を確実に仕分けて収穫することが可能となる。
　図７Ｂには、良食味米とされる籾の分布範囲が、補正前よりも補正後の方が少なくなってしまった例が示されている。このような場合であっても、当初の予測に反して良食味米とされる籾の収穫量が減ることを把握することができる。さらに、良食味米とされる籾が分布する圃場１の区画３１を正確に特定することができ、確実に良食味米とされる籾を仕分けて収穫することが可能となる。また、このような品質データを施肥実績とともに蓄積することにより、次年度以降の施肥計画を見直すことが可能となる。
　以上、本実施形態における籾のタンパク質含有量の取得方法について説明した。上記したような方法により、高精度に籾のタンパク質含有量を予測し、籾の品質に応じた収穫計画を策定することが可能となり、歩留りや品質の向上・安定化を促すことが可能となる。さらに、従来のような、穀物処理施設に荷受けした後に、籾のタンパク質含有率を測定して仕分ける時間的なロスを削減することができる。さらに、穀物処理施設における荷受渋滞に対応するために、荷受けした籾の貯蔵設備を増設するなど、穀物処理施設に対して付加的な設備投資を行うことなく、利益の拡大を図ることが可能となる。
　図８には、本実施形態における、籾のタンパク質含有量補正予測値の分布表示態様の一例が示されている。すなわち、取得した籾のタンパク質含有量補正予測値を圃場１のマップデータに取り込む。そして、タンパク質含有量補正予測値の分布範囲を色分けしてマッピングすることにより、その分布状況を視覚的に表現することが可能となっている。このような分布マップ表示工程を加えることにより、良食味米とされる籾を仕分けて収穫するための収穫計画を、効率的に策定することが可能となる。
　本実施形態では、図８に示されるように、籾のタンパク質含有量補正予測値の分布表示に加えて、施肥実績情報５を表示することが可能となっている。すなわち、前述した分布マップ表示工程において、タンパク質含有量補正予測値の分布範囲を色分け表示した圃場１のマッピングデータに、施肥実績を合成して表示することが可能となっている。図示される例では、肥料の散布量と当該散布量で散布した日数が表示されている。このような構成によれば、施肥実績と、籾のタンパク質含有量の分布状況との関係を効率的に把握することが可能となる。さらに、このような情報を蓄積することによって、翌年以降の生育段階における施肥診断において、蓄積した情報を有効活用することができ、多くの良食味米を収穫することが可能となる。
（その他の実施形態）
　以上、本発明の穀物のタンパク質含有量の取得方法における一実施形態について説明した。しかし、本発明は前述の実施形態に必ずしも限定されるものではなく、例えば以下のような変形例も含まれる。
　例えば、前述した実施形態では、ステップ１～ステップ３の処理を行ったが、必ずしもステップ１の処理は必須ではない。すなわち、ステップ２の収穫適期２～３週間前（登熟期）における籾のタンパク質含有量の予測処理と、ステップ３の収穫直前期（収穫予定日の２～３日前ごろ）における籾のタンパク質含有量の補正予測処理によって、収穫する籾のタンパク質含有量を高精度に予測し、良食味米を効率的に仕分けて収穫することができる。
　前述した実施形態では、図１等に示されるように、撮像手段であるカメラ１１を搭載した、自立飛行が可能な無人航空機１０を使用した。しかし、必ずしも無人航空機１０に限定されるものではない。例えば、撮像手段であるカメラ１１を、圃場１を高所から見渡せるような支柱の頂部に設置するようにしてもよい。さらに、無人航空機１０に限らず、有人の航空機や固定翼の航空機を使用することも可能である。
　前述の実施形態では、自立飛行が可能な無人航空機１０を使用したが、必ずしもこのような無人航空機に限られるものではなく、操縦者が都度遠隔操作して飛行させるようにしてもよい。
　前述の実施形態では、籾のタンパク質含有量を各段階で予測したが、玄米のタンパク質含有量に換算して、良食味米を仕分けて収穫するための収穫計画を策定してもよい。
　以上、本発明の実施形態及びいくつかの変形例について説明したが、上記した発明の実施形態は、本発明の理解を容易にするためのものであり、本発明を限定するものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得るとともに、本発明にはその均等物が含まれる。また、上述した課題の少なくとも一部を解決できる範囲、または、効果の少なくとも一部を奏する範囲において、特許請求の範囲および明細書に記載された各構成要素の組み合わせ、または、省略が可能である。
１　　　圃場
２　　　撮像データ
３　　　マス目
４　　　圃場情報
５　　　施肥実績情報
１０　　撮像装置
１１　　カメラ
３１　　区画
３２　　基準圃場

Claims (6)

  1. 　リモートセンシングによって成熟期における穀物のタンパク質含有量予測値を取得するタンパク質含有量予測工程と、
    　グランドトゥルースによって収穫直前期の前記穀物のサンプルから該穀物のタンパク質含有量実測値を取得するタンパク質含有量実測工程と、
    　前記タンパク質含有量予測値を前記タンパク質含有量実測値によって補正し、前記穀物のタンパク質含有量補正予測値を取得するタンパク質含有量補正工程と、を有する
    　ことを特徴とする穀物のタンパク質含有量の取得方法。
  2. 　前記タンパク質含有量予測工程は、前記リモートセンシングによって撮像した圃場の撮像データに、複数の区画からなるマス目を被せて該複数の区画毎に前記タンパク質含有量予測値を取得するとともに、周辺区画との偏差が最も小さいタンパク質含有量予測値を有する区画を、前記穀物のサンプルを採取する基準圃場として決定する工程を含む
    　ことを特徴とする請求項１に記載の穀物のタンパク質含有量の取得方法。
  3. 　前記リモートセンシングは、自立飛行が可能な無人航空機を備え、該無人航空機には撮像手段が搭載されている
    　ことを特徴とする請求項１又は２に記載の穀物のタンパク質含有量の取得方法。
  4. 　前記タンパク質含有量補正予測値に対して所定の閾値を設定する工程を含む
    　ことを特徴とする請求項１乃至３のいずれかに記載の穀物のタンパク質含有量の取得方法。
  5. 　前記圃場における前記タンパク質含有量補正予測値の分布範囲をマッピングして表示することが可能な分布マップ表示工程を有する
    　ことを特徴とする請求項１乃至４のいずれかに記載の穀物のタンパク質含有量の取得方法。
  6. 　前記圃場における施肥実績を記録する施肥実績記録工程を有し、
    　前記分布マップ表示工程では、前記圃場のマッピングデータに、前記施肥実績を合成して表示することが可能である
    　ことを特徴とする請求項５に記載の穀物のタンパク質含有量の取得方法。
PCT/JP2020/036776 2020-09-29 2020-09-29 穀物のタンパク質含有量の取得方法 WO2022070232A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022553242A JPWO2022070232A1 (ja) 2020-09-29 2020-09-29
PCT/JP2020/036776 WO2022070232A1 (ja) 2020-09-29 2020-09-29 穀物のタンパク質含有量の取得方法
CN202080102262.2A CN115803607A (zh) 2020-09-29 2020-09-29 谷物的蛋白质含量的取得方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/036776 WO2022070232A1 (ja) 2020-09-29 2020-09-29 穀物のタンパク質含有量の取得方法

Publications (1)

Publication Number Publication Date
WO2022070232A1 true WO2022070232A1 (ja) 2022-04-07

Family

ID=80951444

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/036776 WO2022070232A1 (ja) 2020-09-29 2020-09-29 穀物のタンパク質含有量の取得方法

Country Status (3)

Country Link
JP (1) JPWO2022070232A1 (ja)
CN (1) CN115803607A (ja)
WO (1) WO2022070232A1 (ja)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006250827A (ja) * 2005-03-11 2006-09-21 Pasuko:Kk 作物の生育状況分析方法
JP2008136411A (ja) * 2006-12-01 2008-06-19 Satake Corp リモートセンシングにおける補正方法
JP2008161157A (ja) * 2006-12-29 2008-07-17 Pasuko:Kk 作物の生育状況分析方法、作物の生育状況分析装置及び作物の生育状況分析プログラム
JP2013231645A (ja) * 2012-04-27 2013-11-14 Ito En Ltd 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体
JP2016123369A (ja) * 2015-01-06 2016-07-11 株式会社日立製作所 植物成長分析システム、及び植物成長分析方法
JP2017125705A (ja) * 2016-01-12 2017-07-20 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
JP2019033720A (ja) * 2017-08-21 2019-03-07 コニカミノルタ株式会社 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
JP2020074773A (ja) * 2018-11-08 2020-05-21 国立研究開発法人農業・食品産業技術総合研究機構 施肥量決定装置および施肥量決定方法
US20200272971A1 (en) * 2019-02-21 2020-08-27 The Climate Corporation Digital modeling and tracking of agricultural fields for implementing agricultural field trials
JP2020150887A (ja) * 2019-03-22 2020-09-24 国立大学法人山口大学 イネ科作物の生育管理方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006250827A (ja) * 2005-03-11 2006-09-21 Pasuko:Kk 作物の生育状況分析方法
JP2008136411A (ja) * 2006-12-01 2008-06-19 Satake Corp リモートセンシングにおける補正方法
JP2008161157A (ja) * 2006-12-29 2008-07-17 Pasuko:Kk 作物の生育状況分析方法、作物の生育状況分析装置及び作物の生育状況分析プログラム
JP2013231645A (ja) * 2012-04-27 2013-11-14 Ito En Ltd 茶葉の摘採適性評価方法及び摘採適性評価装置、摘採適性評価システム並びにコンピュータ使用可能な媒体
JP2016123369A (ja) * 2015-01-06 2016-07-11 株式会社日立製作所 植物成長分析システム、及び植物成長分析方法
JP2017125705A (ja) * 2016-01-12 2017-07-20 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
JP2019033720A (ja) * 2017-08-21 2019-03-07 コニカミノルタ株式会社 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
JP2020074773A (ja) * 2018-11-08 2020-05-21 国立研究開発法人農業・食品産業技術総合研究機構 施肥量決定装置および施肥量決定方法
US20200272971A1 (en) * 2019-02-21 2020-08-27 The Climate Corporation Digital modeling and tracking of agricultural fields for implementing agricultural field trials
JP2020150887A (ja) * 2019-03-22 2020-09-24 国立大学法人山口大学 イネ科作物の生育管理方法

Also Published As

Publication number Publication date
JPWO2022070232A1 (ja) 2022-04-07
CN115803607A (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
AU2020101709A4 (en) Crop yield prediction method and system based on low-altitude remote sensing information from unmanned aerial vehicle
Devia et al. High-throughput biomass estimation in rice crops using UAV multispectral imagery
CN102215666B (zh) 植被生长状况分析方法、记录有程序的记录介质和植被生长状况分析器
JP2006250827A (ja) 作物の生育状況分析方法
JP5021293B2 (ja) 作物の生育状況分析方法、作物の生育状況分析装置及び作物の生育状況分析プログラム
JP7229864B2 (ja) リモートセンシング画像取得時期決定システム、および、作物生育状況分析方法
Warren et al. Agricultural applications of high-resolution digital multispectral imagery
JP6960698B2 (ja) 農作物関連値導出装置および農作物関連値導出方法
JP5145716B2 (ja) 作物情報を算出するリモートセンシングにおける検量線の作成方法
CN116308866B (zh) 一种基于冠层反射光谱的水稻穗生物量估算方法及系统
CN115495703A (zh) 一种基于机载多光谱数据的烟草成熟度检测方法及系统
Geipel et al. Hyperspectral aerial imaging for grassland yield estimation
CN112819227A (zh) 一种县级尺度冬小麦单产预测方法及系统
JP4586482B2 (ja) ライスセンターやカントリーエレベータ等の荷受における生籾の仕分け方法
WO2022070232A1 (ja) 穀物のタンパク質含有量の取得方法
JP7044285B2 (ja) 農作物関連値導出装置および農作物関連値導出方法
Ferro et al. Assessment of vineyard vigour and yield spatio-temporal variability based on UAV high resolution multispectral images
CN112924967B (zh) 一种基于雷达和光学数据组合特征的农作物倒伏遥感监测方法与应用
Lyu et al. UAV time-series imagery with novel machine learning to estimate heading dates of rice accessions for breeding
Li et al. Remote sensing indicators for crop growth monitoring at different scales
CN116482041B (zh) 一种基于反射光谱的水稻抽穗期无损快速识别方法及系统
CN112504972A (zh) 一种快速监测烟草氮含量的方法
Humburg et al. Spectral properties of sugarbeets related to sugar content and quality
Rudd et al. Using unmanned aircraft systems to develop variable rate prescription maps for cotton defoliants
Figueiredo et al. Evaluation of portable tools for fast field assessment of winter wheat grain quality

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: 20956162

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022553242

Country of ref document: JP

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 20956162

Country of ref document: EP

Kind code of ref document: A1