JP2016133453A - 堆肥熟成度判定装置、堆肥熟成度判定システム、堆肥熟成度判定方法、および堆肥熟成度判定プログラム - Google Patents

Abstract

【課題】堆肥の熟成度を、より短時間で精度良く判定することができる堆肥熟成度判定装置、堆肥熟成度判定システム、堆肥熟成度判定方法、および堆肥熟成度判定プログラムを提供することである。
【解決手段】実施形態の堆肥熟成判定装置は、画像取得部と、生成部と、判定部とを持つ。画像取得部は、堆肥を撮像した画像を取得する。生成部は、画像取得部により取得された画像における光の波長のスペクトルデータを生成する。判定部は、生成部により生成されたスペクトルデータに基づいて、堆肥の熟成度を判定する。
【選択図】図１

Description

本発明の実施形態は、堆肥熟成度判定装置、堆肥熟成度判定システム、堆肥熟成度判定方法、および堆肥熟成度判定プログラムに関する。

有機農法等による作物の生育において、堆肥は重要な肥料源であるが、十分熟成していない堆肥を肥料として用いると、作物の生育障害を引き起こす場合がある。
このため、従来、堆肥の熟成度は、目視や触覚、嗅覚等の人間の経験則に基づいた方法で判断されていた。この結果、人間の経験不足等により堆肥の熟成度の判定結果がばらつく場合があった。

これに対し、堆肥の熟成度を化学分析によって定量的に判定する技術が既に知られている。しかしながら、化学分析による堆肥の熟成度の判定は、長い時間を要する場合が多かった。

特開２００６−１４５３１３号公報

本発明が解決しようとする課題は、堆肥の熟成度を、より短時間で精度良く判定することができる堆肥熟成度判定装置、堆肥熟成度判定システム、堆肥熟成度判定方法、および堆肥熟成度判定プログラムを提供することである。

実施形態の堆肥熟成判定装置は、画像取得部と、生成部と、判定部とを持つ。画像取得部は、堆肥を撮像した画像を取得する。生成部は、画像取得部により取得された画像における光の波長のスペクトルデータを生成する。判定部は、生成部により生成されたスペクトルデータに基づいて、堆肥の熟成度を判定する。

第１の実施形態における堆肥熟成度判定装置２００を含む堆肥熟成度判定システム１の構成の概略の一例を示す図。 第１の実施形態における堆肥熟成度判定装置２００の機能構成の一例を示す図。 第１の実施形態における堆肥熟成度判定装置２００によって実行される処理の一例を示すフローチャート。 第１の実施形態における堆肥熟成度判定装置２００によって処理された結果の画像を示す図。 光の波長のスペクトルデータの一例を示す図。 光の波長のスペクトルデータの他の例を示す図。 光の波長のスペクトルデータの他の例を示す図。 光の波長のスペクトルデータの他の例を示す図。 光の波長のスペクトルデータの他の例を示す図。 堆肥Ｃの熟成の計年数ごとに熟成指標ＣＭの値を示した図。 熟成させる処置が施された直後の堆肥Ｃの撮像画像から生成されたカラーマップの一例を示す図。 熟成２か月の堆肥Ｃの撮像画像から生成されたカラーマップの一例を示す図。 熟成６か月の堆肥Ｃの撮像画像から生成されたカラーマップの一例を示す図。 異なる熟成のタイミングで生成されたカラーマップ上の種々の面積比の一例を示した図。

以下、実施形態の堆肥熟成度判定装置、堆肥熟成度判定システム、堆肥熟成度判定方法、および堆肥熟成度判定プログラムを、図面を参照して説明する。

（第１の実施形態）
図１は、第１の実施形態における堆肥熟成度判定装置２００を含む堆肥熟成度判定システム１の構成の概略の一例を示す図である。本実施形態における堆肥熟成度判定システム１は、堆肥Ｃを撮像し、撮像した画像から、堆肥Ｃの熟成の程度を示す熟成度を定量的に評価するシステムである。本実施形態における堆肥Ｃは、例えば、有機物が微生物によって分解された肥料である。そのため、堆肥の熟成度は、有機物の分解の度合と同じ傾向を有すると考えられる。

堆肥熟成度判定システム１は、例えば、撮像装置１００と、堆肥熟成度判定装置２００とを備える。撮像装置１００と堆肥熟成度判定装置２００とは、有線または無線により接続されている。

撮像装置１００は、例えば、遮光壁１１０の内部に、撮像部１２０と、光源１３０とを収容する。遮光壁１１０には、例えば、堆肥Ｃの撮像時にフレアや迷光等の影響を抑制する反射防止膜がコーティングされている。撮像部１２０は、例えば、近赤外から近紫外まで検知領域を拡大したハイパースペクトルカメラである。以下、撮像部１２０により撮像されて生成された画像を、単に「撮像画像」と記載する。なお、撮像部１２０は、撮像時に特定波長を抽出することができる分光フィルタを有していてもよい。分光フィルタは、例えば、ＩＲ（InfraRed）フィルタやＵＶ（UltraViolet）フィルタ等である。

光源１３０は、例えば、白色光を照射する発光ダイオードや蛍光灯、白熱電球等である。なお、光源１３０は、後述する所定の波長を有するスペクトルデータを撮像部１２０に生成させることができるものであれば、どのような光源であってもよい。光源１３０は、例えば、特定波長のみを照射可能なレーザ光学系で構成されていてもよい。

堆肥熟成度判定装置２００は、撮像部１２０から堆肥Ｃの撮像画像を取得し、取得した撮像画像における光の波長のスペクトルデータを生成し、生成したスペクトルデータに基づいて、撮像部１２０の撮像対象である堆肥Ｃの熟成度を判定する。以下、図を参照して堆肥熟成度判定装置２００の構成について説明する。

図２は、第１の実施形態における堆肥熟成度判定装置２００の機能構成の一例を示す図である。堆肥熟成度判定装置２００は、制御部２１０と、表示部２２０と、記憶部２３０とを備える。制御部２１０の機能部のうち一部または全部は、例えば、ＣＰＵ（Central Processing Unit）等のプロセッサが、記憶部２３０に記憶されたプログラムを実行することにより機能するソフトウェア機能部である。また、これらの機能部のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）等のハードウェア機能部であってもよい。

表示部２２０は、例えば、液晶ディスプレイや、有機ＥＬ（ElectroLuminescence）ディスプレイなどの表示装置を含む。表示部２２０は、種々の演算結果を示す画像を表示するように制御部２１０によって制御される。なお、表示部２２０は、ＵＳＢ等のハードウェアインターフェースによって堆肥熟成度判定装置２００に接続される他の汎用装置（スマートフォンやタブレット端末等）または専用装置により実現されてもよい。

記憶部２３０は、例えば、ＲＯＭ（Read Only Memory）、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）などの不揮発性の記憶媒体（非一時的な記憶媒体）や、ＲＡＭ（Random Access Memory）やレジスタなどの揮発性の記憶媒体を有する。記憶部２３０は、例えば、後述するスペクトルデータや、画素グループ、閾値Ｔｈ、熟成指標ＣＭ、撮像画像、堆肥Ｃの種別を示す識別情報、各種マップ等の情報が記憶されるように制御される。なお、これら情報は、堆肥Ｃの種別を示す識別情報に対応付けられていてもよい。

制御部２１０は、例えば、画像取得部２１２と、生成部２１４と、判定部２１６とを備える。画像取得部２１２は、撮像部１２０から撮像画像を取得する。

生成部２１４は、画像取得部２１２により取得された撮像画像における光の波長のスペクトルデータを生成する。生成部２１４は、スペクトルデータを生成する際、例えばクラスタリング処理等によって、同程度（類似）のスペクトル値を有する画素をグループ化すると好適である。この場合、生成部２１４は、グループ化した画素（以下、「画素グループ」と称する）ごとにスペクトルデータを生成する。

判定部２１６は、生成部２１４により生成されたスペクトルデータのうち、所定の波長のスペクトル値の強度に基づいて、堆肥の熟成度を判定する。例えば、判定部２１６は、予め定めた所定の波長のスペクトル値が閾値以上となった（或いは閾値未満となった）場合に、堆肥が十分に熟成されたと判定してよい。

また、判定部２１６は、例えば、一画素における複数のスペクトルデータのうち、少なくとも３種類の波長におけるスペクトル値に基づいて、堆肥の熟成度を判定するための指標（以下、「熟成指標ＣＭ」と称する）を算出し、算出した熟成指標ＣＭに基づいて堆肥の熟成度を判定してもよい。以下、数式を参照して熟成指標ＣＭの算出処理について説明する。

判定部２１６は、例えば、生成部２１４により生成されたスペクトルデータから、波長λ１のスペクトル値Ｒ_λ１と、波長λ２のスペクトル値Ｒ_λ２と、波長λ３のスペクトル値Ｒ_λ３とを選択する。判定部２１６は、選択したスペクトル値Ｒ_λ１〜Ｒ_λ３を、数式（１）に代入することにより熟成指標ＣＭを算出する。これらスペクトル値Ｒ_λ１〜Ｒ_λ３の大小関係は、例えば、Ｒ_λ１＞Ｒ_λ２＞Ｒ_λ３である。

判定部２１６は、算出した熟成指標ＣＭと閾値Ｔｈとの比較を行い、堆肥の熟成度を判定する。例えば、判定部２１６は、熟成指標ＣＭが閾値Ｔｈ以上となった場合に、堆肥が十分に熟成されたと判定する。上記の式（１）から分かるように、熟成指標ＣＭは、短い波長のスペクトル値が高くなるほど低くなる傾向で、且つ長い波長のスペクトル値が高くなるほど高くなる傾向で算出される。
（各機能部の詳細な説明）
図３は、第１の実施形態における堆肥熟成度判定装置２００によって実行される処理の一例を示すフローチャートである。まず、画像取得部２１２は、シャーレ上の堆肥を上部から撮像した際に取得された撮像画像を撮像部１２０から取得する（ステップＳ１００）。図４は、第１の実施形態における堆肥熟成度判定装置２００によって処理された結果の画像を示す図である。図４の左図は、堆肥Ｃが撮像された可視光領域の画像を示している。

次に、生成部２１４は、画像取得部２１２により取得された撮像画像における光の波長のスペクトルデータを生成する（ステップＳ１０２）。生成部２１４は、例えば、類似するスペクトル値を有する画素をグループ化し、画素グループごとにスペクトルデータを生成する。生成部２１４は、画素グループごとに生成したスペクトルデータのスペクトル値を、ユーザが認識可能な輝度値（例えばＲＧＢ）に置換したマップ（カラーマップ）を生成する。生成部２１４は、生成したカラーマップを撮像画像に重畳させて表示部２２０に表示させる。図４の中図は、カラーマップが重畳された撮像画像を示している。

次に、判定部２１６は、少なくとも３種類の波長におけるスペクトル値に基づいて、一画素ごとに前述した熟成指標ＣＭを算出する（ステップＳ１０４）。判定部２１６は、一画素ごとに算出した熟成指標ＣＭの値を白黒の輝度値に置換したマップ（グレーマップ）に生成する。判定部２１６は、ユーザが目視によってスペクトルの傾向を認識できるように、生成したグレーマップを表示部２２０に表示させる。図４の右図は、グレーマップを示している。

図５〜９は、図３のステップＳ１０２において生成される、光の波長のスペクトルデータの一例を示す図である。いずれかの図示の例において、縦軸は、スペクトルの強度を表し、横軸は、スペクトルの波長（例えば単位［ｎｍ］）を表している。また、それぞれの図には、クラスタリング処理を行った画素グループを、クラスター１〜１０として示している。
例えば、熟成させる処置が施された直後の堆肥Ｃの撮像画像から生成部２１４が生成するスペクトルデータは、例えば図５に示すものとなる。また、堆肥Ｃの熟成を開始してから１年後に撮像された撮像画像から生成部２１４が生成するスペクトルデータは、例えば図６に示すものとなる。

以下同様に、熟成２年後の堆肥Ｃの撮像画像から生成部２１４が生成するスペクトルデータは、例えば図７に示すものとなる。また、熟成３年後の堆肥Ｃの撮像画像から生成部２１４が生成するスペクトルデータは、例えば図８に示すものとなる。また、熟成４年後の堆肥Ｃの撮像画像から生成部２１４が生成するスペクトルデータは、例えば図９に示すものとなる。

生成部２１４により生成されるこれら５つのスペクトルデータを比較すると、以下の傾向を導くことができる。例えば、堆肥Ｃの熟成の計年数に応じて、クラスター１とクラスター２との強度の差の変化が大きい。また、堆肥Ｃの熟成の計年数に応じて、クラスター１とクラスター３との強度の差の変化が大きい。

そのため、ユーザは、熟成指標ＣＭを算出する際に用いる波長λ１〜λ３を、上述した感度の高いクラスター１〜３のスペクトル値のピークに対応する波長に予め設定しておく。なお、熟成指標ＣＭを算出する際に用いる波長λ１〜λ３は、実験やシミュレーション等による結果に基づいて、適宜変更されてもよい。

また、ユーザは、熟成指標ＣＭを算出する際に用いる波長λ１〜λ３を、以下の値に設定してもよい。例えば、熟成指標ＣＭを算出する際に用いる波長λ１〜λ３は、堆肥Ｃの原料に含まれる植物の色素（例えばクロロフィル）の光の吸収スペクトルに基づいた値（例えば４００〜４６０ｎｍと、６３０〜６８０ｎｍと）、或いは堆肥Ｃの原料に含まれる植物の構成要素（例えば細胞壁）の光の反射スペクトルに基づいた値（例えば７５０ｎｍ程度）に決定される。

以下、上述した、いずれかのスペクトル値の設定方法に基づいた値によって算出された熟成指標ＣＭの値を例示する。
図１０は、堆肥Ｃの熟成の計年数ごとに熟成指標ＣＭの値を示した図である。熟成指標ＣＭの値は、堆肥Ｃの熟成年数の増加に伴って、例えば、二次関数、または指数関数的に増加する。

図１０に示す傾向に基づき、判定部２１６は、熟成指標ＣＭの値が閾値Ｔｈ以上か否か判定し、熟成指標ＣＭの値が閾値Ｔｈ以上である場合に、堆肥Ｃが熟成されていると判定する（ステップＳ１０６）。閾値Ｔｈは、例えば、予め実験等により十分に熟成されたことが判っている堆肥Ｃを撮像してスペクトルデータを求めることにより、算出することができる。また、判定部２１６は、複数の閾値を用いて、堆肥Ｃの熟成度を段階的に判定してもよい。

以上説明した第１の実施形態の堆肥熟成度判定装置２００によれば、堆肥Ｃを撮像した撮像画像を取得し、取得した撮像画像における光の波長のスペクトルデータを生成し、生成したスペクトルデータに基づいて熟成指標ＣＭを算出し、算出した熟成指標ＣＭに基づいて堆肥Ｃの熟成度を判定することにより、堆肥の熟成度を、より短時間で精度良く判定することができる。

（第２の実施形態）
以下、第２の実施形態の堆肥熟成度判定装置２００について説明する。第２の実施形態の堆肥熟成度判定装置２００では、判定部２１６の処理が第１の実施形態と相違する。従って、係る相違点を中心に説明し、共通する部分についての説明は省略する。

判定部２１６は、時系列に取得された撮像画像から生成されたカラーマップを比較することで、前述したマップ上に特定波長のスペクトル値が閾値Ｔｈ以上の画素ＰＩＸ４が出現したか否か判定する。特定波長とは、第１の実施形態で説明した熟成指標ＣＭの値が閾値Ｔｈ以上になった際に、一定値（例えば５０）以上の強度で初めてスペクトル値が出現する波長である。以下、特定波長をλ４とする。

判定部２１６は、例えば、特定波長λ４のスペクトル値が閾値Ｔｈ以上の画素ＰＩＸ４が出現したと判定した場合、堆肥Ｃが熟成されていると判定する。なお、これ以降の説明において、上述した波長λ１〜３のスペクトル値と対応する画素を、それぞれ画素ＰＩＸ１、画素ＰＩＸ２、画素ＰＩＸ３とする。

図１１は、熟成させる処置が施された直後の堆肥Ｃの撮像画像から生成されたカラーマップの一例を示す図である。また、図１２は、熟成２か月の堆肥Ｃの撮像画像から生成されたカラーマップの一例を示す図である。また、図１３は、熟成６か月の堆肥Ｃの撮像画像から生成されたカラーマップの一例を示す図である。図示の例では、熟成６か月後に初めて波長λ４と対応したスペクトル値の画素ＰＩＸ４が出現する。このため、判定部２１６は、画素ＰＩＸ４の出現に応じ、熟成６か月の堆肥Ｃが熟成されていると判定する。

また、判定部２１６は、全画素の面積と、上述した画素ＰＩＸ１〜３のうちのいずれかとの面積比に基づいて、堆肥Ｃの熟成度を判定してもよい。

また、図１４は、異なる熟成のタイミングで生成されたカラーマップ上の種々の面積比の一例を示した図である。判定部２１６は、例えば、全画素の面積と、画素ＰＩＸ１の面積との面積比が、所定比（５０％）以下になった場合、堆肥Ｃが熟成されていると判定する。なお、判定部２１６は、画素ＰＩＸ１〜４間の面積比に基づいて、堆肥Ｃの熟成度を判定してもよい。

以上説明した第２の実施形態の堆肥熟成度判定装置２００によれば、上述した実施形態同様に、堆肥の熟成度を、より短時間で精度良く判定することができる。

以下に、その他の実施例（変形例）について記載する。
堆肥熟成度判定装置２００は、上述した熟成度判定方法に加え、更に、堆肥Ｃの粒子の状態に基づいて、堆肥Ｃの熟成度を判定してもよい。堆肥熟成度判定装置２００は、例えば、撮像画像を２値化して、堆肥Ｃの粒子だけを抽出するマスクを生成する。堆肥熟成度判定装置２００は、生成したマスクに基づいて堆肥の粒子径を算出する。これによって、堆肥熟成度判定装置２００は、堆肥Ｃの粒子の状態を判定することができる。この結果、堆肥熟成度判定装置２００は、堆肥の熟成度を、より精度良く判定することができる。

また、堆肥熟成度判定装置２００の処理の一部または全部は、撮像部１２０が行ってもよいし、他の制御装置が行ってもよい。

以上説明した少なくともひとつの実施形態によれば、堆肥Ｃを撮像した撮像画像を取得し、取得した撮像画像における光の波長のスペクトルデータを生成し、生成したスペクトルデータに基づいて熟成指標ＣＭを算出し、算出した熟成指標ＣＭに基づいて堆肥Ｃの熟成度を判定することにより、堆肥の熟成度を、より短時間で精度良く判定することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１…堆肥熟成度判定システム、１００…撮像装置、１１０…遮光壁、１２０…撮像部、１３０…光源、２００…堆肥熟成度判定装置、２１０…制御部、２１２…画像取得部、２１４…生成部、２１６…判定部、２２０…表示部、２３０…記憶部、Ｃ…堆肥

Claims (11)

1. 堆肥を撮像した画像を取得する画像取得部と、
   前記画像取得部により取得された画像における光の波長のスペクトルデータを生成する生成部と、
   前記生成部により生成されたスペクトルデータに基づいて、前記堆肥の熟成度を判定する判定部と、
   を備える堆肥熟成度判定装置。
2. 前記判定部は、前記生成部により生成されたスペクトルデータのうち、所定の波長のスペクトル値の強度に基づいて、前記堆肥の熟成度を判定する、
   請求項１記載の堆肥熟成度判定装置。
3. 前記判定部は、短い波長のスペクトル値が高くなるほど低くなる傾向で、且つ長い波長のスペクトル値が高くなるほど高くなる傾向で、前記堆肥の熟成の程度を示す指標値を算出する、
   請求項１または２記載の堆肥熟成度判定装置。
4. 前記判定部は、少なくとも３種類の波長におけるスペクトル値に基づいて、前記堆肥の熟成の程度を示す指標値を算出する、
   請求項１から３のうちいずれか１項記載の堆肥熟成度判定装置。
5. 前記判定部は、第１の波長のスペクトル値と、第２の波長のスペクトル値とを加算し、第３の波長のスペクトル値を減算した値を、前記第１の波長のスペクトル値と、第２の波長のスペクトル値と、第３の波長のスペクトル値との合計で除算することで、前記堆肥の熟成の程度を示す指標値を算出し、前記算出した指標値に基づいて、前記堆肥の熟成の程度を示す熟成度を判定し、
   前記第３の波長は、前記第１の波長および前記第２の波長よりも短い、
   請求項４記載の堆肥熟成度判定装置。
6. 前記生成部は、前記画像においてスペクトル値が類似する画素をグループ化した画素グループごとにスペクトルデータを生成し、
   前記判定部は、前記生成部により生成された画素グループごとのスペクトルデータに基づいて、前記堆肥の熟成の程度を示す熟成度を判定する、
   請求項１から５のうちいずれか１項記載の堆肥熟成度判定装置。
7. 前記判定部は、前記生成部により生成されたスペクトルデータのうち、所定の波長のスペクトル値が出現するのに応じて、前記堆肥の熟成度を判定する、
   請求項１から６のうちいずれか１項記載の堆肥熟成度判定装置。
8. 前記判定部は、前記画像から認識される前記堆肥の粒子径および粒子の状態に基づいて、前記堆肥の熟成の程度を示す熟成度を判定する、
   請求項１から７のうちいずれか１項記載の堆肥熟成度判定装置。
9. 堆肥の一部または全部を撮像する撮像部と、
   請求項１から８のうちいずれか１項に記載の堆肥熟成度判定装置と、
   を備える堆肥熟成度判定システム。
10. 堆肥の画像を取得し、
    前記取得した堆肥の画像に基づいて、前記画像のスペクトルを取得し、
    前記取得したスペクトルに基づいて、前記堆肥の熟成の程度を示す熟成度を判定する、
    堆肥熟成度判定方法。
11. コンピュータに、
    堆肥の画像を取得させ、
    前記取得した堆肥の画像に基づいて、前記画像のスペクトルを取得させ、
    前記取得したスペクトルに基づいて、前記堆肥の熟成の程度を示す熟成度を判定させるための、
    堆肥熟成度判定プログラム。