JP2019160246A - 栽培作物選定支援装置、栽培作物選定支援方法、及びプログラム - Google Patents
栽培作物選定支援装置、栽培作物選定支援方法、及びプログラム Download PDFInfo
- Publication number
- JP2019160246A JP2019160246A JP2018050198A JP2018050198A JP2019160246A JP 2019160246 A JP2019160246 A JP 2019160246A JP 2018050198 A JP2018050198 A JP 2018050198A JP 2018050198 A JP2018050198 A JP 2018050198A JP 2019160246 A JP2019160246 A JP 2019160246A
- Authority
- JP
- Japan
- Prior art keywords
- information
- field
- selection support
- crop selection
- prediction model
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims abstract description 20
- 239000002689 soil Substances 0.000 claims description 96
- 230000003287 optical effect Effects 0.000 claims description 17
- 230000006872 improvement Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 7
- 238000000985 reflectance spectrum Methods 0.000 claims description 7
- 238000010187 selection method Methods 0.000 abstract 1
- 238000001228 spectrum Methods 0.000 description 16
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 14
- 230000000694 effects Effects 0.000 description 14
- 238000009313 farming Methods 0.000 description 13
- 239000013598 vector Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 229910052757 nitrogen Inorganic materials 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012417 linear regression Methods 0.000 description 5
- 239000004576 sand Substances 0.000 description 5
- 230000004071 biological effect Effects 0.000 description 4
- 230000000704 physical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004856 soil analysis Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000618 nitrogen fertilizer Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 description 1
- JEVVKJMRZMXFBT-XWDZUXABSA-N Lycophyll Natural products OC/C(=C/CC/C(=C\C=C\C(=C/C=C/C(=C\C=C\C=C(/C=C/C=C(\C=C\C=C(/CC/C=C(/CO)\C)\C)/C)\C)/C)\C)/C)/C JEVVKJMRZMXFBT-XWDZUXABSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005341 cation exchange Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- OAIJSZIZWZSQBC-GYZMGTAESA-N lycopene Chemical compound CC(C)=CCC\C(C)=C\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\C=C(/C)CCC=C(C)C OAIJSZIZWZSQBC-GYZMGTAESA-N 0.000 description 1
- 229960004999 lycopene Drugs 0.000 description 1
- 235000012661 lycopene Nutrition 0.000 description 1
- 239000001751 lycopene Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 150000008442 polyphenolic compounds Chemical class 0.000 description 1
- 235000013824 polyphenols Nutrition 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- -1 silt Substances 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- ZCIHMQAPACOQHT-ZGMPDRQDSA-N trans-isorenieratene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/c1c(C)ccc(C)c1C)C=CC=C(/C)C=Cc2c(C)ccc(C)c2C ZCIHMQAPACOQHT-ZGMPDRQDSA-N 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G7/00—Botany in general
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Agronomy & Crop Science (AREA)
- Strategic Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Botany (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
特定の圃場に関する情報を収集する、情報収集部と、
サンプルとなる圃場に関する情報と前記サンプルとなる圃場で生産された農作物の実績に関する情報との関係を、機械学習することによって作成された、予測モデルに、前記情
報収集部によって収集された前記情報を、適用することによって、1又は2以上の農作物について、前記特定の圃場において栽培した場合の実績の予測値を算出する、予測値算出部と、
1又は2以上の農作物について算出された前記予測値に基づいて、前記特定の圃場において栽培に適した農作物を選出する、農作物選出部と、
を備えている、
ことを特徴とする。
(a)特定の圃場に関する情報を収集する、ステップと、
(b)サンプルとなる圃場に関する情報と前記サンプルとなる圃場で生産された農作物の実績に関する情報との関係を、機械学習することによって作成された、予測モデルに、前記情報収集部によって収集された前記情報を、適用することによって、1又は2以上の農作物について、前記特定の圃場において栽培した場合の実績の予測値を算出する、ステップと、
(c)1又は2以上の農作物について算出された前記予測値に基づいて、前記特定の圃場において栽培に適した農作物を選出する、ステップと、
を有する、
ことを特徴とする。
コンピュータに、
(a)特定の圃場に関する情報を収集する、ステップと、
(b)サンプルとなる圃場に関する情報と前記サンプルとなる圃場で生産された農作物の実績に関する情報との関係を、機械学習することによって作成された、予測モデルに、前記情報収集部によって収集された前記情報を、適用することによって、1又は2以上の農作物について、前記特定の圃場において栽培した場合の実績の予測値を算出する、ステップと、
(c)1又は2以上の農作物について算出された前記予測値に基づいて、前記特定の圃場において栽培に適した農作物を選出する、ステップと、
を実行させる、
ことを特徴とする。
以下、本発明の実施の形態1における、栽培作物選定支援装置、栽培作物選定支援方法、及びプログラムについて、図1〜図5を参照しながら説明する。
最初に、本実施の形態1における栽培作物選定支援装置の概略構成について説明する。図1は、本発明の実施の形態1における栽培作物選定支援装置の概略構成を示すブロック図である。
圃場に関する情報」としては、栽培された農作物の品種、圃場の土壌の特性に関する情報、及び圃場の環境に関する情報を含む情報が挙げられる。
y=f1(x):品種1の予測モデル
y=f2(x):品種2の予測モデル
・・・
y=fn(x):品種nの予測モデル
y1=f11(x):品種1のy1の予測モデル
y1=f12(x):品種2のy1の予測モデル
・・・
y1=f1n(x):品種nのy1の予測モデル
y2=f21(x):品種1のy2の予測モデル
y2=f22(x):品種2のy2の予測モデル
…
y2=f2n(x):品種nのy2の予測モデル
y=g(y1,y2)=w1y1+w2y2
y=g(y1,y2)=y1y2
次に、本実施の形態1における栽培作物選定支援装置10の動作について、図4及び図5を用いて説明する。以下の説明においては、適宜図1〜図3を参照する。また、本実施の形態1では、栽培作物選定支援装置10を動作させることによって、栽培作物選定支援方法が実施される。よって、本実施の形態1における栽培作物選定支援方法の説明は、以下の栽培作物選定支援装置10の動作説明に代える。
予測値を算出する(ステップB2)。
以上のように本実施の形態1では、ユーザは、圃場に関する情報を用意するだけで、この圃場での栽培に適した農作物を知ることができる。つまり、本実施の形態1によれば、ユーザは、専門的な知識を有していなくても、圃場での栽培に適した農作物を選定することができる。
続いて、本実施の形態における変形例について説明する。本変形例では、情報収集部11によって収集される「圃場に関する情報」及び説明変数となる「圃場に関する情報」に、圃場において測定された土壌光学反射スペクトルデータが含まれている。具体的には、圃場の土壌の特性に関する情報として、土壌光学反射スペクトルデータを用いることができる。
本実施の形態におけるプログラムは、コンピュータに、図4に示すステップA1及びA2、図5に示すステップB1〜B3を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態1における栽培作物選定支援装置10と栽培作物選定支援方法とを実現することができる。この場合、コンピュータのプロセッサは、情報収集部11、予測値算出部12、農作物選出部13、及び予測モデル作成部15として機能し、処理を行なう。
次に、本発明の実施の形態2における、栽培作物選定支援装置、栽培作物選定支援方法、及びプログラムについて、図6及び図7を参照しながら説明する。
最初に、本実施の形態2における栽培作物選定支援装置の構成について説明する。図6は、本発明の実施の形態2における栽培作物選定支援装置の概略構成を示すブロック図である。
y=f1(xsoil,xother)+constant:品種1の予測モデル
y=f2(xsoil,xother)+constant:品種2の予測モデル
・・・
y=fn(xsoil,xother)+constant:品種nの予測モデル
y=wsoil T・xsoil+wother T・xother+constant
xsoil=wbefore T・xbefore+wactivity T・xactivity
+constant
y=wsoil T・xsoil + wother T・xother+constant
=wsoil T・(wbefore T・xbefore+wactivity T・xa
ctivity
+ wother T・xother+constant
y=wspectrum T・xspectrum + wother T・xother+constant
xspectrum=wsoil T・xsoil+constant
y=wspectrum T・(wsoil T・xsoil)+wother T・xother
+constant
=wspectrum T・(wsoil T・(wbefore T・xbefore+
+wactivity T・xactivity))
+wother T・xother+constant
には、最急降下法等の勾配法、ニュートン法等の勾配法が適用できる。予測モデルの関数の形状がわからない(ブラックボックスである)場合でも、Particle Swarm OptimizationやBayesian Optimization等の最適化手法を適用することができる。
次に、本実施の形態2における栽培作物選定支援装置20の動作について、図7を用いて説明する。図7は、本発明の実施の形態2における栽培作物選定支援装置のアドバイス作成時の動作を示すフロー図である。以下の説明においては、適宜図6を参照する。また、本実施の形態2では、栽培作物選定支援装置20を動作させることによって、栽培作物選定支援方法が実施される。よって、本実施の形態2における栽培作物選定支援方法の説明は、以下の栽培作物選定支援装置20の動作説明に代える。
以上のように本実施の形態2によれば、ユーザに対して、圃場の土壌改良についてのアドバイスを提示できるので、ユーザは、土壌改良を前提として、栽培作物を選定することもできる。また、本実施の形態2においても、実施の形態1と同様の効果を得ることができる。
本実施の形態におけるプログラムは、コンピュータに、図4に示すステップA1及びA2、図5に示すステップB1〜B3、更には、図7に示すステップC1〜C4を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態1における栽培作物選定支援装置20と栽培作物選定支援方法とを実現することができる。この場合、コンピュータのプロセッサは、情報収集部11、予測値算出部12、農作物選出部13、予測モデル作成部15、及びアドバイス作成部
16として機能し、処理を行なう。
ここで、実施の形態1及び2におけるプログラムを実行することによって、栽培作物選定支援装置を実現するコンピュータについて図8を用いて説明する。図8は、本発明の実施の形態1及び2における栽培作物選定支援装置を実現するコンピュータの一例を示すブロック図である。
特定の圃場に関する情報を収集する、情報収集部と、
サンプルとなる圃場に関する情報と前記サンプルとなる圃場で生産された農作物の実績に関する情報との関係を、機械学習することによって作成された、予測モデルに、前記情報収集部によって収集された前記情報を、適用することによって、1又は2以上の農作物について、前記特定の圃場において栽培した場合の実績の予測値を算出する、予測値算出部と、
1又は2以上の農作物について算出された前記予測値に基づいて、前記特定の圃場において栽培に適した農作物を選出する、農作物選出部と、
を備えている、
ことを特徴とする栽培作物選定支援装置。
付記1に記載の栽培作物選定支援装置であって、
前記サンプルとなる圃場に関する情報を説明変数とし、前記サンプルとなる圃場で生産された農作物の実績に関する情報を目的変数として、機械学習を実行することによって、前記予測モデルを作成する、予測モデル作成部を更に備えている、
ことを特徴とする栽培作物選定支援装置。
付記2に記載の栽培作物選定支援装置であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報を含み、
前記予測モデルにおける前記目的変数を増加させたときの前記説明変数の変化量と、前記予測モデルにおいて前記説明変数に設定されている重みとに基づいて、前記特定の圃場の土壌の改良についてのアドバイスを作成する、アドバイス作成部を更に備えている、
ことを特徴とする栽培作物選定支援装置。
付記1または2に記載の栽培作物選定支援装置であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報と、前記圃場の環境に関する情報とを含む、
ことを特徴とする栽培作物選定支援装置。
付記1または2に記載の栽培作物選定支援装置であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場において測定された土壌光学反射スペクトルデータを含む、
ことを特徴とする栽培作物選定支援装置。
(a)特定の圃場に関する情報を収集する、ステップと、
(b)サンプルとなる圃場に関する情報と前記サンプルとなる圃場で生産された農作物の実績に関する情報との関係を、機械学習することによって作成された、予測モデルに、前記(a)のステップによって収集された前記情報を、適用することによって、1又は2以上の農作物について、前記特定の圃場において栽培した場合の実績の予測値を算出する、ステップと、
(c)1又は2以上の農作物について算出された前記予測値に基づいて、前記特定の圃場において栽培に適した農作物を選出する、ステップと、
を有する、
ことを特徴とする栽培作物選定支援方法。
付記6に記載の栽培作物選定支援方法であって、
(d)前記サンプルとなる圃場に関する情報を説明変数とし、前記サンプルとなる圃場で生産された農作物の実績に関する情報を目的変数として、機械学習を実行することによって、前記予測モデルを作成する、ステップを更に有している、
ことを特徴とする栽培作物選定支援方法。
付記7に記載の栽培作物選定支援方法であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報を含み、
当該栽培作物選定支援方法が、
(e)前記予測モデルにおける前記目的変数を増加させたときの前記説明変数の変化量と、前記予測モデルにおいて前記説明変数に設定されている重みとに基づいて、前記特定の圃場の土壌の改良についてのアドバイスを作成する、ステップを更に有している、
ことを特徴とする栽培作物選定支援方法。
付記6または7に記載の栽培作物選定支援方法であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報と、前記圃場の環境に関する情報とを含む、
ことを特徴とする栽培作物選定支援方法。
付記6または7に記載の栽培作物選定支援方法であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場において測定された土壌光学反射スペクトルデータを含む、
ことを特徴とする栽培作物選定支援方法。
コンピュータに、
(a)特定の圃場に関する情報を収集する、ステップと、
(b)サンプルとなる圃場に関する情報と前記サンプルとなる圃場で生産された農作物の実績に関する情報との関係を、機械学習することによって作成された、予測モデルに、前記(a)のステップによって収集された前記情報を、適用することによって、1又は2以上の農作物について、前記特定の圃場において栽培した場合の実績の予測値を算出する、ステップと、
(c)1又は2以上の農作物について算出された前記予測値に基づいて、前記特定の圃場において栽培に適した農作物を選出する、ステップと、
を実行させる、
ことを特徴とするプログラム。
付記11に記載のプログラムであって、
前記コンピュータに、
(d)前記サンプルとなる圃場に関する情報を説明変数とし、前記サンプルとなる圃場で生産された農作物の実績に関する情報を目的変数として、機械学習を実行することによって、前記予測モデルを作成する、ステップを更に実行させる、
ことを特徴とするプログラム。
付記12に記載のプログラムであって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報を含み、
前記コンピュータに、
(e)前記予測モデルにおける前記目的変数を増加させたときの前記説明変数の変化量と、前記予測モデルにおいて前記説明変数に設定されている重みとに基づいて、前記特定の圃場の土壌の改良についてのアドバイスを作成する、ステップを更に実行させる、
ことを特徴とするプログラム。
付記11または12に記載のプログラムであって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報と、前記圃場の環境に関する情報とを含む、
ことを特徴とするプログラム。
付記11または12に記載のプログラムであって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場において測定された土壌光学反射スペクトルデータを含む、
ことを特徴とするプログラム。
11 情報収集部
12 予測値算出部
13 農作物選出部
14 予測モデル
15 予測モデル作成部
16 アドバイス作成部
20 栽培作物選定支援装置(実施の形態2)
110 コンピュータ
111 CPU
112 メインメモリ
113 記憶装置
114 入力インターフェイス
115 表示コントローラ
116 データリーダ/ライタ
117 通信インターフェイス
118 入力機器
119 ディスプレイ装置
120 記録媒体
121 バス
Claims (15)
- 特定の圃場に関する情報を収集する、情報収集部と、
サンプルとなる圃場に関する情報と前記サンプルとなる圃場で生産された農作物の実績に関する情報との関係を、機械学習することによって作成された、予測モデルに、前記情報収集部によって収集された前記情報を、適用することによって、1又は2以上の農作物について、前記特定の圃場において栽培した場合の実績の予測値を算出する、予測値算出部と、
1又は2以上の農作物について算出された前記予測値に基づいて、前記特定の圃場において栽培に適した農作物を選出する、農作物選出部と、
を備えている、
ことを特徴とする栽培作物選定支援装置。 - 請求項1に記載の栽培作物選定支援装置であって、
前記サンプルとなる圃場に関する情報を説明変数とし、前記サンプルとなる圃場で生産された農作物の実績に関する情報を目的変数として、機械学習を実行することによって、前記予測モデルを作成する、予測モデル作成部を更に備えている、
ことを特徴とする栽培作物選定支援装置。 - 請求項2に記載の栽培作物選定支援装置であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報を含み、
前記予測モデルにおける前記目的変数を増加させたときの前記説明変数の変化量と、前記予測モデルにおいて前記説明変数に設定されている重みとに基づいて、前記特定の圃場の土壌の改良についてのアドバイスを作成する、アドバイス作成部を更に備えている、
ことを特徴とする栽培作物選定支援装置。 - 請求項1または2に記載の栽培作物選定支援装置であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報と、前記圃場の環境に関する情報とを含む、
ことを特徴とする栽培作物選定支援装置。 - 請求項1または2に記載の栽培作物選定支援装置であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場において測定された土壌光学反射スペクトルデータを含む、
ことを特徴とする栽培作物選定支援装置。 - (a)特定の圃場に関する情報を収集する、ステップと、
(b)サンプルとなる圃場に関する情報と前記サンプルとなる圃場で生産された農作物の実績に関する情報との関係を、機械学習することによって作成された、予測モデルに、前記(a)のステップによって収集された前記情報を、適用することによって、1又は2以上の農作物について、前記特定の圃場において栽培した場合の実績の予測値を算出する、ステップと、
(c)1又は2以上の農作物について算出された前記予測値に基づいて、前記特定の圃場において栽培に適した農作物を選出する、ステップと、
を有する、
ことを特徴とする栽培作物選定支援方法。 - 請求項6に記載の栽培作物選定支援方法であって、
(d)前記サンプルとなる圃場に関する情報を説明変数とし、前記サンプルとなる圃場で
生産された農作物の実績に関する情報を目的変数として、機械学習を実行することによって、前記予測モデルを作成する、ステップを更に有している、
ことを特徴とする栽培作物選定支援方法。 - 請求項7に記載の栽培作物選定支援方法であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報を含み、
当該栽培作物選定支援方法が、
(e)前記予測モデルにおける前記目的変数を増加させたときの前記説明変数の変化量と、前記予測モデルにおいて前記説明変数に設定されている重みとに基づいて、前記特定の圃場の土壌の改良についてのアドバイスを作成する、ステップを更に有している、
ことを特徴とする栽培作物選定支援方法。 - 請求項6または7に記載の栽培作物選定支援方法であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報と、前記圃場の環境に関する情報とを含む、
ことを特徴とする栽培作物選定支援方法。 - 請求項6または7に記載の栽培作物選定支援方法であって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場において測定された土壌光学反射スペクトルデータを含む、
ことを特徴とする栽培作物選定支援方法。 - コンピュータに、
(a)特定の圃場に関する情報を収集する、ステップと、
(b)サンプルとなる圃場に関する情報と前記サンプルとなる圃場で生産された農作物の実績に関する情報との関係を、機械学習することによって作成された、予測モデルに、前記(a)のステップによって収集された前記情報を、適用することによって、1又は2以上の農作物について、前記特定の圃場において栽培した場合の実績の予測値を算出する、ステップと、
(c)1又は2以上の農作物について算出された前記予測値に基づいて、前記特定の圃場において栽培に適した農作物を選出する、ステップと、
を実行させる、
ことを特徴とするプログラム。 - 請求項11に記載のプログラムであって、
前記コンピュータに、
(d)前記サンプルとなる圃場に関する情報を説明変数とし、前記サンプルとなる圃場で生産された農作物の実績に関する情報を目的変数として、機械学習を実行することによって、前記予測モデルを作成する、ステップを更に実行させる、
ことを特徴とするプログラム。 - 請求項12に記載のプログラムであって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報を含み、
前記コンピュータに、
(e)前記予測モデルにおける前記目的変数を増加させたときの前記説明変数の変化量と、前記予測モデルにおいて前記説明変数に設定されている重みとに基づいて、前記特定の圃場の土壌の改良についてのアドバイスを作成する、ステップを更に実行させる、
ことを特徴とするプログラム。 - 請求項11または12に記載のプログラムであって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場の土壌の特性に関する情報と、前記圃場の環境に関する情報とを含む、
ことを特徴とするプログラム。 - 請求項11または12に記載のプログラムであって、
前記特定の圃場に関する情報及び前記サンプルとなる圃場に関する情報が、当該圃場において測定された土壌光学反射スペクトルデータを含む、
ことを特徴とするプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018050198A JP6544453B1 (ja) | 2018-03-16 | 2018-03-16 | 栽培作物選定支援装置、栽培作物選定支援方法、及びプログラム |
US16/979,670 US11861738B2 (en) | 2018-03-16 | 2019-03-11 | Cultivation-target crop selection assisting apparatus, cultivation-target crop selection assisting method, and computer-readable recording medium |
PCT/JP2019/009789 WO2019176879A1 (ja) | 2018-03-16 | 2019-03-11 | 栽培作物選定支援装置、栽培作物選定支援方法、及びコンピュータ読み取り可能な記録媒体 |
EP19768093.7A EP3767576A4 (en) | 2018-03-16 | 2019-03-11 | DEVICE FOR ASSISTING THE SELECTION OF CROPS FOR GROWING, METHOD OF ASSISTING THE SELECTION OF CROPS FOR GROWING, AND COMPUTER READABLE RECORDING MEDIUM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018050198A JP6544453B1 (ja) | 2018-03-16 | 2018-03-16 | 栽培作物選定支援装置、栽培作物選定支援方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6544453B1 JP6544453B1 (ja) | 2019-07-17 |
JP2019160246A true JP2019160246A (ja) | 2019-09-19 |
Family
ID=67297646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018050198A Active JP6544453B1 (ja) | 2018-03-16 | 2018-03-16 | 栽培作物選定支援装置、栽培作物選定支援方法、及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11861738B2 (ja) |
EP (1) | EP3767576A4 (ja) |
JP (1) | JP6544453B1 (ja) |
WO (1) | WO2019176879A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220034269A (ko) * | 2020-09-10 | 2022-03-18 | 상명대학교산학협력단 | 작물 내 활성성분 함량 증가를 위한 재배 조건 추천 방법, 장치 및 프로그램 |
KR102404710B1 (ko) * | 2021-06-01 | 2022-06-07 | 주식회사 긴트 | 농지의 특성에 적합한 농작물을 추천하기 위한 방법 및 장치 |
US11622495B2 (en) | 2021-06-01 | 2023-04-11 | Gint Co., Ltd. | Method of automatically combining farm vehicle and work machine and farm vehicle |
KR102542660B1 (ko) * | 2022-07-25 | 2023-06-15 | 농업협동조합중앙회 | 재배 작물 추천 서비스 제공 장치 및 방법 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PT3605063T (pt) * | 2017-03-23 | 2023-06-02 | Nec Corp | Dispositivo e método de cálculo do índice de vegetação, e programa de computador |
JP7163881B2 (ja) * | 2019-08-02 | 2022-11-01 | トヨタ自動車株式会社 | 作物特性予測システム、作物特性予測方法、及び作物特性予測プログラム |
EP4116897A1 (en) | 2021-07-06 | 2023-01-11 | Enrique Menotti Pescarmona | Process and system of management and analysis for agricultural production |
JP7090953B1 (ja) * | 2021-10-05 | 2022-06-27 | HarvestX株式会社 | 農業支援システム、農業支援装置、農業支援方法及び農業支援プログラム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003006247A (ja) * | 2001-06-20 | 2003-01-10 | Mitsubishi Electric Corp | 二重化システム構成設計・表示装置 |
JP2010166851A (ja) * | 2009-01-22 | 2010-08-05 | Chiharu Hongo | 作物の収量予測方法及びその装置 |
JP2011254711A (ja) * | 2010-06-05 | 2011-12-22 | Zukosha:Kk | 施肥マップ生成システム,その方法,産業用ヘリコプタ,サーバ,可変施肥機 |
JP2012137819A (ja) * | 2010-12-24 | 2012-07-19 | Fujitsu Ltd | 作付支援方法および作付支援装置 |
US20140012732A1 (en) * | 2010-10-25 | 2014-01-09 | Trimble Navigation Limited | Generating a crop recommendation |
JP2015219651A (ja) * | 2014-05-15 | 2015-12-07 | 株式会社Jsol | 農作物の収穫予測装置、収穫予測システム及び収穫予測方法 |
JP2017072900A (ja) * | 2015-10-05 | 2017-04-13 | 株式会社リバネス | 農地管理サーバ、農地管理方法、農地管理プログラム及びコンピュータ可読記憶媒体 |
WO2017164097A1 (ja) * | 2016-03-25 | 2017-09-28 | 日本電気株式会社 | 情報処理装置、情報処理装置の制御方法、および、情報処理装置の制御プログラムが記録された記録媒体 |
CN107680000A (zh) * | 2017-09-21 | 2018-02-09 | 中国农业科学院农业资源与农业区划研究所 | 区域作物种植选择方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000083476A (ja) | 1998-09-17 | 2000-03-28 | Takara Keiki Seisakusho:Kk | 栽培作物選出方法、栽培作物選出装置、栽培作物選出プログラムを記録した記録媒体、土壌改良提示方法、土壌改良提示装置、土壌改良提示プログラムを記録した記録媒体、栽培作物選出・土壌改良提示方法、栽培作物選出・土壌改良提示装置、および栽培作物選出・土壌改良提示プログラムを記録した記録媒体 |
JP2005080514A (ja) | 2003-09-04 | 2005-03-31 | Matsushita Electric Ind Co Ltd | 肥料情報提供システム、土壌情報入力手段および肥料情報提供方法 |
CA2697608A1 (en) * | 2010-03-23 | 2011-09-23 | Dennis Bulani | Method of predicting crop yield |
US20160224703A1 (en) * | 2015-01-30 | 2016-08-04 | AgriSight, Inc. | Growth stage determination system and method |
US20160147962A1 (en) * | 2014-10-30 | 2016-05-26 | AgriSight, Inc. | Automated agricultural activity determination system and method |
US9652840B1 (en) * | 2014-10-30 | 2017-05-16 | AgriSight, Inc. | System and method for remote nitrogen monitoring and prescription |
CN106056457A (zh) | 2016-05-25 | 2016-10-26 | 内蒙古地拓农业科技有限公司 | 一种农业信息服务方法和装置 |
US10154624B2 (en) * | 2016-08-08 | 2018-12-18 | The Climate Corporation | Estimating nitrogen content using hyperspectral and multispectral images |
JP6808414B2 (ja) | 2016-09-21 | 2021-01-06 | キヤノン株式会社 | 情報処理装置、その制御方法、及びプログラム |
US10699185B2 (en) * | 2017-01-26 | 2020-06-30 | The Climate Corporation | Crop yield estimation using agronomic neural network |
CN111263920A (zh) * | 2017-09-08 | 2020-06-09 | 9337-4791魁北克股份有限公司 | 用于控制作物的生长环境的系统和方法 |
-
2018
- 2018-03-16 JP JP2018050198A patent/JP6544453B1/ja active Active
-
2019
- 2019-03-11 EP EP19768093.7A patent/EP3767576A4/en active Pending
- 2019-03-11 WO PCT/JP2019/009789 patent/WO2019176879A1/ja active Application Filing
- 2019-03-11 US US16/979,670 patent/US11861738B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003006247A (ja) * | 2001-06-20 | 2003-01-10 | Mitsubishi Electric Corp | 二重化システム構成設計・表示装置 |
JP2010166851A (ja) * | 2009-01-22 | 2010-08-05 | Chiharu Hongo | 作物の収量予測方法及びその装置 |
JP2011254711A (ja) * | 2010-06-05 | 2011-12-22 | Zukosha:Kk | 施肥マップ生成システム,その方法,産業用ヘリコプタ,サーバ,可変施肥機 |
US20140012732A1 (en) * | 2010-10-25 | 2014-01-09 | Trimble Navigation Limited | Generating a crop recommendation |
JP2012137819A (ja) * | 2010-12-24 | 2012-07-19 | Fujitsu Ltd | 作付支援方法および作付支援装置 |
JP2015219651A (ja) * | 2014-05-15 | 2015-12-07 | 株式会社Jsol | 農作物の収穫予測装置、収穫予測システム及び収穫予測方法 |
JP2017072900A (ja) * | 2015-10-05 | 2017-04-13 | 株式会社リバネス | 農地管理サーバ、農地管理方法、農地管理プログラム及びコンピュータ可読記憶媒体 |
WO2017164097A1 (ja) * | 2016-03-25 | 2017-09-28 | 日本電気株式会社 | 情報処理装置、情報処理装置の制御方法、および、情報処理装置の制御プログラムが記録された記録媒体 |
CN107680000A (zh) * | 2017-09-21 | 2018-02-09 | 中国农业科学院农业资源与农业区划研究所 | 区域作物种植选择方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220034269A (ko) * | 2020-09-10 | 2022-03-18 | 상명대학교산학협력단 | 작물 내 활성성분 함량 증가를 위한 재배 조건 추천 방법, 장치 및 프로그램 |
KR102604041B1 (ko) * | 2020-09-10 | 2023-11-21 | 상명대학교산학협력단 | 작물 내 활성성분 함량 증가를 위한 재배 조건 추천 방법, 장치 및 프로그램 |
KR102404710B1 (ko) * | 2021-06-01 | 2022-06-07 | 주식회사 긴트 | 농지의 특성에 적합한 농작물을 추천하기 위한 방법 및 장치 |
US11622495B2 (en) | 2021-06-01 | 2023-04-11 | Gint Co., Ltd. | Method of automatically combining farm vehicle and work machine and farm vehicle |
US11785874B2 (en) | 2021-06-01 | 2023-10-17 | Gint Co., Ltd. | Method of automatically combining farm vehicle and work machine and farm vehicle |
US11877526B2 (en) | 2021-06-01 | 2024-01-23 | Gint Co., Ltd. | Method of automatically combining farm vehicle and work machine and farm vehicle |
US11910737B2 (en) | 2021-06-01 | 2024-02-27 | Gint Co., Ltd. | Method of automatically combining farm vehicle and work machine and farm vehicle |
US12052940B2 (en) | 2021-06-01 | 2024-08-06 | Gint Co., Ltd. | Method of automatically combining farm vehicle and work machine and farm vehicle |
KR102542660B1 (ko) * | 2022-07-25 | 2023-06-15 | 농업협동조합중앙회 | 재배 작물 추천 서비스 제공 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
WO2019176879A1 (ja) | 2019-09-19 |
EP3767576A4 (en) | 2021-06-02 |
US11861738B2 (en) | 2024-01-02 |
JP6544453B1 (ja) | 2019-07-17 |
US20210027397A1 (en) | 2021-01-28 |
EP3767576A1 (en) | 2021-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6544453B1 (ja) | 栽培作物選定支援装置、栽培作物選定支援方法、及びプログラム | |
US9880140B2 (en) | Continual crop development profiling using dynamical extended range weather forecasting with routine remotely-sensed validation imagery | |
US6058351A (en) | Management zones for precision farming | |
BR112018005893B1 (pt) | Método implantado por computador e um ou mais meios de armazenamento não transitório | |
BR112019000719B1 (pt) | Método para geração de mapas de pixel a partir de dados de não imagem e métricas de diferença para mapas de pixel | |
AU2017215188A1 (en) | Modeling trends in crop yields | |
Thorp et al. | Integrating geospatial data and cropping system simulation within a geographic information system to analyze spatial seed cotton yield, water use, and irrigation requirements | |
US11816834B2 (en) | Unmanned aerial system genotype analysis using machine learning routines | |
Wu et al. | Wheat leaf area index prediction using data fusion based on high-resolution unmanned aerial vehicle imagery | |
JP2021056573A (ja) | 作物成長予測プログラム、作物成長予測方法および作物成長予測装置 | |
Wu et al. | Estimation of cotton canopy parameters based on unmanned aerial vehicle (UAV) oblique photography | |
US20230359889A1 (en) | Machine learning methods and systems for characterizing corn growth efficiency | |
Narra et al. | A data driven approach to decision support in farming | |
Ghamghami et al. | Comparison of data mining and GDD-based models in discrimination of maize phenology | |
JP2022082636A (ja) | 情報処理装置 | |
CN116579521B (zh) | 产量预测时间窗口确定方法、装置、设备及可读存储介质 | |
de Castro et al. | BerryIP embedded: An embedded vision system for strawberry crop | |
Cheng et al. | Quantifying corn LAI using machine learning and UAV multispectral imaging | |
Kaivosoja et al. | Different remote sensing data in relative biomass determination and in precision fertilization task generation for cereal crops | |
JP7452879B2 (ja) | 予測システム、予測方法、および予測プログラム | |
Maldaner et al. | Spatial–Temporal Analysis to Investigate the Influence of in-Row Plant Spacing on the Sugarcane Yield | |
Ahmed et al. | A framework for smart agriculture system to monitor the crop stress and drought stress using sentinel-2 satellite image | |
Gée et al. | Proxi-detection to monitor the growth status of wheat in the presence of weeds using low-cost and simple digital tools to track the emergence of stress | |
Fernando et al. | Machine learning approach for satellite-based subfield canola yield prediction using floral phenology metrics and soil parameters | |
US20230093903A1 (en) | Methods and systems for use in processing images related to crop phenology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180319 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190215 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190521 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190603 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6544453 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |