JP2019083745A - Grown state prospecting apparatus - Google Patents

Grown state prospecting apparatus Download PDF

Info

Publication number
JP2019083745A
JP2019083745A JP2017214717A JP2017214717A JP2019083745A JP 2019083745 A JP2019083745 A JP 2019083745A JP 2017214717 A JP2017214717 A JP 2017214717A JP 2017214717 A JP2017214717 A JP 2017214717A JP 2019083745 A JP2019083745 A JP 2019083745A
Authority
JP
Japan
Prior art keywords
growth state
distribution
growth
unit
harvest
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
Application number
JP2017214717A
Other languages
Japanese (ja)
Other versions
JP6943725B2 (en
Inventor
昌紀 奥山
Masaki Okuyama
昌紀 奥山
智弘 柴田
Toshihiro Shibata
智弘 柴田
慎太郎 石本
Shintaro ISHIMOTO
慎太郎 石本
正之 大林
Masayuki Obayashi
正之 大林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanmar Co Ltd
Original Assignee
Yanmar Co Ltd
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 Yanmar Co Ltd filed Critical Yanmar Co Ltd
Priority to JP2017214717A priority Critical patent/JP6943725B2/en
Publication of JP2019083745A publication Critical patent/JP2019083745A/en
Application granted granted Critical
Publication of JP6943725B2 publication Critical patent/JP6943725B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

To provide a grown state prospecting apparatus with which grown state of crops in entire cultivation field on which a plurality of crops are cultivated.SOLUTION: A server 3 prospects grown state of crops cultivated on a cultivation field based on image including a plurality of crops obtained by photographing at least one area of a predetermined cultivation field. The server 3 comprises distribution generation parts 31A, 32A, 33A which classify the plurality of crops in the image based on their growth state so as to generate current growth state distribution of the crops in entire cultivation field based on the classification result of the plurality of crops, and prospecting parts 31B, 32B, 33B having a function for prospecting future grown state distribution of the crops in entire cultivation field by applying time-development to the current growth state distribution.SELECTED DRAWING: Figure 4

Description

この発明は、栽培領域で栽培される作物の生長状態を予測するための生長状態予測装置に関する。この明細書において、「作物」とは、農作物や園芸作物を意味するものとする。「作物」には、例えば、果実、野菜、花等が含まれる。   The present invention relates to a growth state prediction device for predicting the growth state of a crop grown in a cultivation area. In this specification, "crop" shall mean crops and horticultural crops. "Crop" includes, for example, fruits, vegetables, flowers and the like.

特許文献１には、果実を撮影した画像から各果実の高さと直径との比率を算出し、算出された各果実の高さと直径との比率から、各果実の生長状態を判定することが開示されている。また、特許文献１には、判定された果実の生長状態から生長モデルを生成し、この生長モデルに基づいて当該果実の収穫時期を予測することが開示されている。   Patent Document 1 discloses that the ratio of height to diameter of each fruit is calculated from an image obtained by photographing the fruit, and the growth state of each fruit is determined from the calculated ratio of height to diameter of each fruit. It is done. Further, Patent Document 1 discloses that a growth model is generated from the determined growth state of a fruit, and the harvest time of the fruit is predicted based on the growth model.

特開2016-154510号公報JP, 2016-154510, A

複数の果実が存在する栽培領域において、当該栽培領域全体としての果実の生長状態を予測したい場合がある。しかしながら、前記特許文献１に記載の技術は、個々の果実の生長状態を予測するものであり、所定の栽培領域全体としての果実の生長状態を予測するものではない。
本発明の目的は、複数の作物が栽培される栽培領域において、当該栽培領域全体としての作物の生長状態を予測することができる生長状態予測装置を提供することである。 In a cultivation area where a plurality of fruits are present, it may be desirable to predict the growth state of fruits as the whole cultivation area. However, the technology described in Patent Document 1 predicts the growth state of individual fruits, and does not predict the growth state of fruits as a whole of a predetermined cultivation area.
An object of the present invention is to provide a growth state prediction device capable of predicting the growth state of a crop as the whole cultivation region in a cultivation region in which a plurality of crops are cultivated.

この発明による生長状態予測装置は、所定の栽培領域の少なくとも一部を撮像することによって得られる複数の作物を含む画像に基づいて、前記栽培領域で栽培される作物の生長を予測する生長状態予測装置であって、前記画像に含まれる前記複数の作物を生長状態に応じて分類し、前記複数の作物の分類結果から前記栽培領域全体における作物の生長状態分布を生成する分布生成部と、前記分布生成部によって生成された生長状態分布を時間進展させることにより、前記栽培領域全体における作物の将来の生長状態分布を予測する機能を備えた予測部とを含む。   The growth state prediction apparatus according to the present invention predicts the growth state of a crop grown in the cultivation area based on an image including a plurality of crops obtained by imaging at least a part of a predetermined cultivation area. An apparatus for classifying the plurality of crops included in the image according to the growth state, and generating a distribution of growth states of the crops in the entire cultivation area from classification results of the plurality of crops; And a prediction unit having a function of predicting a future growth condition distribution of the crop in the entire cultivation area by temporally advancing the growth condition distribution generated by the distribution generation unit.

この構成では、複数の作物を含む画像から、当該画像が撮影された時点における栽培領域全体における作物の生長状態分布が生成される。そして、この生長状態分布を時間進展させることによって、栽培領域全体における作物の将来の生長状態分布が予測される。これにより、栽培領域全体としての作物の生長状態を予測することができるようになる。
この発明の一実施形態では、前記予測部は、前記将来の生長状態分布として、前記分布生成部によって生成された生長状態分布を所与の希望収穫時期まで進展させることにより、前記希望収穫時期の生長状態分布を求め、前記希望収穫時期の生長状態分布において生長状態が所定の収穫閾値を超える部分に存在する作物の数量から、前記希望収穫時期における収穫量を予測する収穫量予測部を含む。 In this configuration, from the image including a plurality of crops, the growth state distribution of crops in the entire cultivation area at the time when the images are taken is generated. And, by advancing this growth state distribution in time, the future growth state distribution of the crop in the whole cultivation area is predicted. This makes it possible to predict the growth state of the crop as a whole cultivation area.
In one embodiment of the present invention, the prediction unit is configured to, as the future growth state distribution, advance the growth state distribution generated by the distribution generation unit to a given desired harvest time to obtain the desired harvest time. The crop condition distribution is determined, and a harvest amount prediction unit that predicts the crop yield at the desired harvest time from the quantity of crops present in the portion where the growth state exceeds a predetermined harvest threshold in the crop condition distribution at the desired harvest time.

この構成によれば、予測した将来の生長状態分布から、希望収穫時期における収穫量を予測することができる。
この発明の一実施形態では、前記予測部は、前記将来の生長状態分布として、生長状態が所定の収穫閾値を超える部分に存在する作物の数量から得られる収穫量が、所与の希望収穫量以上になる生長状態分布を求め、当該生長状態分布に対応する時期を収穫時期として予測する収穫時期予測部を含む。 According to this configuration, it is possible to predict the harvest amount at the desired harvest time from the predicted future growth state distribution.
In one embodiment of the present invention, the prediction unit is configured to obtain, as the future growth state distribution, a desired yield given by an amount obtained from the number of crops whose growth state exceeds a predetermined harvest threshold. It includes a harvest time prediction unit which determines the growth state distribution to be the above and predicts the time corresponding to the growth state distribution as a harvest time.

この構成によれば、予測した将来の生長状態分布から、希望収穫量の作物を収穫できる収穫時期を予測することができる。
この発明の一実施形態では、前記予測部は、前記将来の生長状態分布として、生長状態が所定の収穫閾値を超える部分に存在する作物の数量から得られる収穫量が所与の希望収穫量以上になる生長状態分布を求め、得られた生長状態分布を目標生長状態分布として設定する目標生長状態分布設定部と、前記分布生成部によって生成された生長状態分布を所与の希望収穫時期まで進展させた将来の生長状態分布が、前記目標生長状態分布設定部によって設定された目標生長状態分布に近づくように、前記栽培領域における環境を制御するための環境制御値を算出する制御値算出部とを含む。 According to this configuration, it is possible to predict, from the predicted future growth state distribution, a harvest time at which a desired crop can be harvested.
In one embodiment of the present invention, the prediction unit is configured to obtain, as the future growth state distribution, a harvest amount obtained from the number of crops existing in a portion where the growth state exceeds a predetermined harvest threshold is a given desired harvest amount or more And a target growth state distribution setting unit for setting the obtained growth state distribution as a target growth state distribution, and progressing the growth state distribution generated by the distribution generation unit to a given desired harvest time A control value calculation unit that calculates an environmental control value for controlling the environment in the cultivation area such that the future growth state distribution approaches the target growth state distribution set by the target growth state distribution setting unit; including.

この構成によれば希望収穫時期に希望収穫量の作物を収穫することが可能となる。
この発明の一実施形態では、前記制御値算出部によって算出された環境制御値に基づいて、前記栽培領域における環境を制御する環境制御部をさらに含む。
この構成によれば、希望収穫時期に希望収穫量の作物を収穫できるようになる。 According to this configuration, it is possible to harvest a desired amount of crop at a desired harvest time.
In one embodiment of the present invention, an environmental control unit is further included which controls the environment in the cultivation area based on the environmental control value calculated by the control value calculation unit.
According to this configuration, it is possible to harvest a desired crop at the desired harvest time.

図１は、この発明の一実施形態に係る生長状態予測装置が適用された作物生産管理システムの構成を示す模式図である。FIG. 1 is a schematic view showing a configuration of a crop production management system to which a growth state prediction apparatus according to an embodiment of the present invention is applied. 図２は、作物の栽培領域および栽培領域に設けられた作物栽培システムの構成を示す模式図である。FIG. 2: is a schematic diagram which shows the structure of the crop cultivation system provided in the crop cultivation area | region and the cultivation area | region. 図３は、作物栽培システムの電気的構成を示すブロック図である。FIG. 3 is a block diagram showing the electrical configuration of the crop cultivation system. 図４は、サーバの電気的構成を示すブロック図である。FIG. 4 is a block diagram showing the electrical configuration of the server. 図５は、第１予測処理部の動作を説明するためのフローチャートである。FIG. 5 is a flowchart for explaining the operation of the first prediction processing unit. 図６は、作物の生長段階を示す模式図である。FIG. 6 is a schematic view showing the growth stage of the crop. 図７は、生長状態分布の一例を示す度数分布図である。FIG. 7 is a frequency distribution chart showing an example of the growth state distribution. 図８は、ある時間帯についての、関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）と作物の生長速度との関係の一例を示す生長速度グラフである。FIG. 8 is a growth rate graph showing an example of the relationship between the function F (a1 · α + a2 · β + a3 · γ + a4 · δ) and the growth rate of a crop at a certain time zone. 図９は、将来の生長状態分布を予測する方法を説明するための説明図である。FIG. 9 is an explanatory diagram for explaining a method of predicting future growth state distribution. 図１０は、希望収穫時期での生長状態分布の一例を示す度数分布図である。FIG. 10 is a frequency distribution chart showing an example of the growth state distribution at the desired harvest time. 図１１は、第２予測処理部の動作を説明するためのフローチャートである。FIG. 11 is a flowchart for explaining the operation of the second prediction processing unit. 図１２は、制御値算出処理部の動作を説明するためのフローチャートである。FIG. 12 is a flowchart for explaining the operation of the control value calculation processing unit. 図１３は、現在の生長状態分布と目標生長状態分布との一例を示す模式図である。FIG. 13 is a schematic view showing an example of the current growth state distribution and the target growth state distribution.

以下、この発明の実施形態を、添付図面を参照して詳細に説明する。
図１は、実施形態に係る生長状態予測装置が適用された作物生産管理システムの構成を示す模式図である。
作物生産管理システム１は、作物を栽培するための作物栽培システム２と、生長状態予測装置としてのサーバ３とを含む。この実施形態では、作物は、野菜であり、より具体的にはトマトである。作物は、果実、花等であってもよい。 Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.
FIG. 1: is a schematic diagram which shows the structure of the crop production management system to which the growth state prediction apparatus which concerns on embodiment was applied.
The crop production management system 1 includes a crop cultivation system 2 for cultivating a crop and a server 3 as a growth state prediction device. In this embodiment, the crop is a vegetable, more specifically a tomato. The crop may be fruits, flowers, etc.

作物栽培システム２は、作物の栽培領域の近傍に設置されている。サーバ３は、例えば、作物の栽培領域とは離れた場所に設置された管理センター（図示略）内に設けられている。作物栽培システム２は、通信網４を介して、サーバ３と通信可能である。
作物栽培システム２は、作物の撮影、栽培領域の環境の観測、栽培領域の環境の制御等を行う。作物栽培システム２は、作物の撮像データ（画像データ）、栽培領域の環境の観測データ等をサーバ３に送信する。サーバ３は、作物栽培システム２から送信された画像データ、観測データ等を受信して記憶する。サーバ３は、取得した画像データ等に基づいて、作物の将来の生長状態の予測、作物の収穫量の予測、収穫日の予測等を行う。また、サーバ３は、取得した画像データ等に基づいて、栽培領域の環境を制御するための環境制御値を算出して、作物栽培システム２に与える場合もある。 The crop cultivation system 2 is installed in the vicinity of the crop cultivation area. The server 3 is provided, for example, in a management center (not shown) installed at a place apart from the crop cultivation area. The crop cultivation system 2 can communicate with the server 3 via the communication network 4.
The crop cultivation system 2 performs photographing of a crop, observation of the environment of the cultivation area, control of the environment of the cultivation area, and the like. The crop cultivation system 2 transmits the imaging data (image data) of the crop, observation data of the environment of the cultivation area, and the like to the server 3. The server 3 receives and stores image data, observation data, etc. transmitted from the crop cultivation system 2. The server 3 performs prediction of the future growth state of the crop, prediction of the crop yield, prediction of the harvest date, and the like based on the acquired image data and the like. In addition, the server 3 may calculate an environmental control value for controlling the environment of the cultivation area based on the acquired image data and the like, and give the calculated value to the crop cultivation system 2.

図２は、作物の栽培領域および栽培領域に設けられた作物栽培システム２の構成を示す模式図である。
この実施形態では、作物（この例ではトマト）は、ビニルハウス８内で栽培される。したがって、ビニルハウス８の室内が、栽培領域９となる。
作物栽培システム２は、制御装置１１、コージェネ１２、空調機１３、除湿機１４、ＣＯ２施用機１５、複数のカメラ１６、複数の環境センサ１７、電力量センサ１８（図３参照）、天候センサ１９等を含んでいる。これら構成要素のうち、コージェネ１２および天候センサ１９は、ビニルハウス８の室外に配置されており、それ以外の要素はビニルハウス８の室内（栽培領域）に配置されている。 FIG. 2: is a schematic diagram which shows the structure of the crop cultivation system 2 provided in the crop cultivation area | region and the cultivation area | region.
In this embodiment, the crop (in this example a tomato) is grown in a vinyl house 8. Therefore, the room of the vinyl house 8 is the cultivation area 9.
The crop cultivation system 2 includes a control device 11, a cogeneration 12, an air conditioner 13, a dehumidifier 14, a CO 2 applicator 15, a plurality of cameras 16, a plurality of environment sensors 17, a power sensor 18 (see FIG. 3), a weather sensor It contains 19 mag. Among these components, the cogeneration 12 and the weather sensor 19 are disposed outside the vinyl house 8, and the other elements are disposed indoors (cultivated area) of the vinyl house 8.

コージェネ（Combined Heat ＆ Power）１２は、熱源から電力と熱とを生産して供給する機器である。空調機１３は、主として栽培領域９の温度を調整する機器である。除湿機１４は、栽培領域９の湿度を減少させるための機器である。ＣＯ２施用機１５は、栽培領域９に二酸化炭素（ＣＯ２）を施用するための機器である。
複数のカメラ（撮像部）１６は、栽培領域９内に間隔をおいて配置されている。各カメラ１６は、栽培領域９の一部の領域において、１または複数の作物を撮像する。カメラ１６は、作物の生長状態（生長段階）を判定するために設けられている。この実施形態では、カメラ１６の撮像画像（画像データ）は、無線通信によって、制御装置１１に与えられる。 The cogeneration (Combined Heat & Power) 12 is an apparatus for producing and supplying power and heat from a heat source. The air conditioner 13 is an apparatus which mainly adjusts the temperature of the cultivation area 9. The dehumidifier 14 is a device for reducing the humidity of the cultivation area 9. The CO 2 applicator 15 is an apparatus for applying carbon dioxide (CO 2 ) to the cultivation area 9.
The plurality of cameras (imaging units) 16 are arranged at intervals in the cultivation area 9. Each camera 16 images one or more crops in a partial area of the cultivation area 9. The camera 16 is provided to determine the growth state (growth stage) of the crop. In this embodiment, a captured image (image data) of the camera 16 is given to the control device 11 by wireless communication.

複数の環境センサ１７は、栽培領域９に間隔をおいて配置されている。各環境センサ１７は、栽培領域９の温度、湿度、照度、ＣＯ２濃度等を観測するためのセンサであり、温度センサ１７Ａ、湿度センサ１７Ｂ、照度センサ１７ＣおよびＣＯ２濃度センサ１７Ｄ（図３参照）を含んでいる。この実施形態では、環境センサ１７によって得られる観測データは、無線通信によって、制御装置１１に与えられる。 The plurality of environment sensors 17 are arranged at intervals in the cultivation area 9. Each environment sensor 17 is a sensor for observing the temperature, humidity, illuminance, CO 2 concentration, etc. of the cultivation area 9, and a temperature sensor 17A, a humidity sensor 17B, an illuminance sensor 17C and a CO 2 concentration sensor 17D (see FIG. 3) Contains). In this embodiment, observation data obtained by the environment sensor 17 is given to the control device 11 by wireless communication.

電力量センサ１８（図３参照）は、作物栽培システム２によって消費される電力量（消費電力量）を測定するためのセンサである。
天候センサ１９は、ビニルハウス８の室外の温度、湿度、照度等を観測するためのセンサであり、温度センサ１９Ａ、湿度センサ１９Ｂおよび照度センサ１９Ｃ（図３参照）を含んでいる。この実施形態では、天候センサ１９によって得られる観測データは、無線通信によって、制御装置１１に与えられる。 The power amount sensor 18 (see FIG. 3) is a sensor for measuring the amount of power consumed by the crop cultivation system 2 (power consumption).
The weather sensor 19 is a sensor for observing the outdoor temperature, humidity, illuminance and the like of the vinyl house 8 and includes a temperature sensor 19A, a humidity sensor 19B and an illuminance sensor 19C (see FIG. 3). In this embodiment, observation data obtained by the weather sensor 19 is given to the control device 11 by wireless communication.

図３は、作物栽培システム２の電気的構成を示すブロック図である。図３においては、説明の便宜上、複数のカメラ１６のうちの１つのみが図示されている。同様に、図３においては、複数の環境センサ１７のうちの１つのみが図示されている。
制御装置１１は、制御部２０と、第１通信部２１と、第２通信部２２と、操作表示部２３と、操作部２４と、記憶部２５とを含む。制御部２０は、ＣＰＵおよびメモリ（ＲＯＭ、ＲＡＭ等）を備えたマイクロコンピュータを含む。第１通信部２１、第２通信部２２、操作表示部２３、操作部２４および記憶部２５は、制御部２０に接続されている。 FIG. 3 is a block diagram showing the electrical configuration of the crop cultivation system 2. In FIG. 3, only one of the plurality of cameras 16 is illustrated for the convenience of description. Similarly, in FIG. 3, only one of the plurality of environmental sensors 17 is illustrated.
The control device 11 includes a control unit 20, a first communication unit 21, a second communication unit 22, an operation display unit 23, an operation unit 24, and a storage unit 25. The control unit 20 includes a microcomputer provided with a CPU and a memory (ROM, RAM, etc.). The first communication unit 21, the second communication unit 22, the operation display unit 23, the operation unit 24, and the storage unit 25 are connected to the control unit 20.

第１通信部２１は、複数のカメラ１６、複数の環境センサ１７および天候センサ１９と、制御部２０との間で無線通信を行うための通信インタフェースである。第２通信部２２は、制御部２０が通信網４を介してサーバ３と通信を行うための通信インタフェースである。操作表示部２３は、例えば、タッチパネル式ディスプレイからなる。操作部２４は、例えば、１または複数のスイッチ等を含む。記憶部２５は、ハードディスク、不揮発性メモリ等の記憶デバイスから構成されている。   The first communication unit 21 is a communication interface for performing wireless communication between the plurality of cameras 16, the plurality of environment sensors 17 and the weather sensor 19, and the control unit 20. The second communication unit 22 is a communication interface for the control unit 20 to communicate with the server 3 via the communication network 4. The operation display unit 23 is, for example, a touch panel display. The operation unit 24 includes, for example, one or more switches. The storage unit 25 is configured of storage devices such as a hard disk and a non-volatile memory.

記憶部２５には、基本目標値記憶部２６、目標値記憶部２７等が設けられている。基本目標値記憶部２６には、後述する制御変数の基本目標値が記憶される。目標値記憶部２７には後述する制御変数の目標値が記憶される。
制御部２０には、コージェネ１２、空調機１３、除湿機１４、ＣＯ２施用機１５および電力量センサ１８が通信線を介して接続されている。制御部２０は、後述するように、目標値記憶部２７に記憶されている制御変数の目標値に基づいて、コージェネ１２、空調機１３、除湿機１４およびＣＯ２施用機１５を制御する。 The storage unit 25 is provided with a basic target value storage unit 26, a target value storage unit 27, and the like. The basic target value storage unit 26 stores basic target values of control variables to be described later. The target value storage unit 27 stores target values of control variables described later.
A cogeneration 12, an air conditioner 13, a dehumidifier 14, a CO 2 applicator 15 and a power amount sensor 18 are connected to the control unit 20 via a communication line. The control unit 20 controls the cogeneration 12, the air conditioner 13, the dehumidifier 14 and the CO 2 applicator 15 based on the target values of the control variables stored in the target value storage unit 27, as described later.

制御部２０は、第１通信部２１を介して複数のカメラ１６から画像データを第１所定時間毎に取得して記憶部２５に記憶する。また、制御部２０は、天候センサ１９によって観測される観測データ（以下、「天候データ」という）を、第１通信部２１を介して第２所定時間毎に取得して記憶部２５に記憶する。また、制御部２０は、電力量センサ１８によって検出される消費電力量を第３所定時間毎に取得して記憶部２５に記憶する。また、制御部２０は、複数の環境センサ１７によって観測される観測データ（以下、「環境データ」という）を、第１通信部２１を介して第４所定時間毎に取得して記憶部２５に記憶する。この実施形態では、前記第１〜第３所定時間は、１時間であるものとする。また、この実施形態では、前記第４所定時間は、１分間であるものとする。ただし、各データを取得する時間は、これに限定されるものではなく、適宜定めることができる。   The control unit 20 acquires image data from the plurality of cameras 16 via the first communication unit 21 at every first predetermined time and stores the image data in the storage unit 25. In addition, the control unit 20 acquires observation data (hereinafter referred to as “weather data”) observed by the weather sensor 19 via the first communication unit 21 every second predetermined time and stores the acquired observation data in the storage unit 25. . In addition, the control unit 20 acquires the power consumption amount detected by the power amount sensor 18 every third predetermined time and stores the power consumption amount in the storage unit 25. In addition, the control unit 20 acquires observation data (hereinafter referred to as “environment data”) observed by the plurality of environment sensors 17 at every fourth predetermined time via the first communication unit 21 and stores the observation data in the storage unit 25. Remember. In this embodiment, the first to third predetermined times are one hour. Further, in this embodiment, the fourth predetermined time is one minute. However, the time for acquiring each data is not limited to this, and can be determined appropriately.

そして、制御部２０は、記憶部２５に記憶された、時刻毎の画像データ（複数のカメラ１６によって撮像された画像データを含む）、時刻毎の環境データ（複数の環境センサ１７によって観測された環境データを含む）、時刻毎の天候データおよび時刻毎の消費電力量を、リアルタイムにまたは一定時間毎に、第２通信部２２を介してサーバ３に送信する。   Then, the control unit 20 stores image data for each time (including image data captured by a plurality of cameras 16) and environment data for each time (observed by a plurality of environment sensors 17) stored in the storage unit 25. The weather data for each time (including the environmental data) and the power consumption for each time are transmitted to the server 3 via the second communication unit 22 in real time or at fixed time intervals.

図４は、サーバ３の電気的構成を示すブロック図である。
サーバ３は、制御部３０を備えている。制御部３０には、通信部４１、操作表示部４２、操作部４３、記憶部４４等が接続されている。通信部４１は、制御部３０が通信網４を介して作物栽培システム２の制御部２０（図３参照）と通信するための通信インタフェースである。操作表示部４２は、例えば、タッチパネル式ディスプレイからなる。操作部４３は、例えば、キーボード、マウス等を含む。記憶部４４は、ハードディスク、不揮発性メモリ等の記憶デバイスから構成されている。 FIG. 4 is a block diagram showing the electrical configuration of the server 3.
The server 3 includes a control unit 30. A communication unit 41, an operation display unit 42, an operation unit 43, a storage unit 44 and the like are connected to the control unit 30. The communication unit 41 is a communication interface for the control unit 30 to communicate with the control unit 20 (see FIG. 3) of the crop cultivation system 2 via the communication network 4. The operation display unit 42 is, for example, a touch panel display. The operation unit 43 includes, for example, a keyboard, a mouse, and the like. The storage unit 44 is configured of storage devices such as a hard disk and a non-volatile memory.

記憶部４４には、画像データ記憶部４５、環境データ記憶部４６、天候データ記憶部４７、消費電力量記憶部４８、基本目標値記憶部４９、目標値記憶部５０、生長速度データ記憶部５１等が設けられている。
画像データ記憶部４５には、作物栽培システム２から受信した時刻毎の画像データが記憶される。環境データ記憶部４６には、作物栽培システム２から受信した時刻毎の環境データが記憶される。天候データ記憶部４７には、作物栽培システム２から受信した時刻毎の天候データが記憶される。消費電力量記憶部４８には、作物栽培システム２から受信した時刻毎の消費電力量データが記憶される。 The storage unit 44 includes an image data storage unit 45, an environmental data storage unit 46, a weather data storage unit 47, a power consumption storage unit 48, a basic target value storage unit 49, a target value storage unit 50, and a growth rate data storage unit 51. Etc. are provided.
The image data storage unit 45 stores image data for each time received from the crop cultivation system 2. The environmental data storage unit 46 stores environmental data for each time received from the crop cultivation system 2. The weather data storage unit 47 stores weather data for each time received from the crop cultivation system 2. The power consumption storage unit 48 stores power consumption data for each time received from the crop cultivation system 2.

基本目標値記憶部４９には、後述する制御変数の基本目標値が記憶される。目標値記憶部５０には後述する制御変数の目標値が記憶される。生長速度データ記憶部５１には、後述する時間帯毎の生長速度グラフに対応した回帰式またはマップが記憶される。
制御部３０は、ＣＰＵおよびメモリ（ＲＯＭ、ＲＡＭ等）を備えたマイクロコンピュータを含む。制御部３０は、第１予測処理部３１と、第２予測処理部３２と、制御値算出処理部３３とを含む。 The basic target value storage unit 49 stores basic target values of control variables to be described later. The target value storage unit 50 stores target values of control variables described later. The growth rate data storage unit 51 stores a regression equation or a map corresponding to a growth rate graph for each time zone described later.
The control unit 30 includes a microcomputer provided with a CPU and a memory (ROM, RAM, etc.). Control unit 30 includes a first prediction processing unit 31, a second prediction processing unit 32, and a control value calculation processing unit 33.

第１予測処理部３１は、希望収穫時期の栽培領域９全体における作物の収穫量を予測するための第１予測処理を行う。希望収穫時期は、作物の収穫が希望されている日（希望収穫日）である。第１予測処理部３１は、希望収穫日に作物をどれだけ収穫できるかを知りたい場合に、オペレータの操作に基づいて実行される。この実施形態では、希望収穫日は、操作表示部４２または操作部４３によって入力（設定）される。希望収穫日は、図示しない通信端末からサーバ３に送信されることによって、設定されてもよい。   The first prediction processing unit 31 performs a first prediction process for predicting the crop yield in the entire cultivation area 9 at the desired harvest time. The desired harvest time is the day on which crop harvest is desired (desired harvest date). The first prediction processing unit 31 is executed based on the operation of the operator when it is desired to know how much the crop can be harvested on the desired harvest date. In this embodiment, the desired harvest date is input (set) by the operation display unit 42 or the operation unit 43. The desired harvest date may be set by being transmitted from the communication terminal (not shown) to the server 3.

第１予測処理部３１は、分布生成部３１Ａと収穫量予測部３１Ｂとを含む。分布生成部３１Ａは、画像データ記憶部４５内に記憶されている時刻毎の画像データのうち最新の時刻に対する画像データ（処理対象画像データ）に基づいて、当該画像データに含まれる複数の作物を生長段階（生長状態）に応じて分類する。処理対象画像データは、複数のカメラ１６によって撮像された最新の時刻に対する画像データを含む。そして分布生成部３１Ａは、複数の作物の生長段階の分類結果から栽培領域９全体における作物の現在（厳密には処理対象画像データの撮像時刻）の生長状態分布を生成する。   The first prediction processing unit 31 includes a distribution generation unit 31A and a harvest amount prediction unit 31B. The distribution generation unit 31A selects a plurality of crops included in the image data based on the image data (processing target image data) for the latest time among the image data for each time stored in the image data storage unit 45. Classification according to the growth stage (growth state). The processing target image data includes image data for the latest time taken by the plurality of cameras 16. Then, the distribution generation unit 31A generates a current growth state distribution of the crop (strictly speaking, the imaging time of the processing target image data) in the entire cultivation area 9 from the classification results of the growth stages of the plurality of crops.

収穫量予測部３１Ｂは、現在の生長状態分布を希望収穫日まで進展させた生長状態分布を、希望収穫日の生長状態分布として求める。そして、収穫量予測部３１Ｂは、希望収穫日の生長状態分布において、生長段階が所定の収穫閾値を超える部分に存在する作物の数量から希望収穫日の収穫量を予測する。収穫閾値とは、作物の生長段階のうち、どの段階以上であれば収穫対象とするかを決定するための閾値である。分布生成部３１Ａおよび収穫量予測部３１Ｂの詳細については、後述する。   The yield prediction unit 31B determines the growth state distribution obtained by advancing the current growth state distribution to the desired harvest date as the growth state distribution on the desired harvest date. Then, in the growth state distribution on the desired harvest date, the yield prediction unit 31B predicts the harvest amount on the desired harvest day from the number of crops present in the portion where the growth stage exceeds the predetermined harvest threshold. The harvest threshold is a threshold for determining which stage or more of the growth stages of the crop is to be harvested. Details of the distribution generation unit 31A and the yield prediction unit 31B will be described later.

第２予測処理部３２は、希望する収穫量（希望収穫量）の作物を収穫できる収穫時期（収穫日）を予測するための第２予測処理を行う。第２予測処理部３２は、希望収穫量の作物を収穫できる日を知りたい場合に、オペレータの操作に基づいて実行される。この実施形態では、希望収穫量は、操作表示部４２または操作部４３によって入力（設定）される。希望収穫量は、図示しない通信端末からサーバ３に送信されることによって、設定されてもよい。   The second prediction processing unit 32 performs a second prediction process for predicting a harvest time (harvest date) at which a desired harvest amount (desired harvest amount) of crops can be harvested. The second prediction processing unit 32 is executed based on the operation of the operator when it is desired to know the day on which the desired amount of crop can be harvested. In this embodiment, the desired harvest amount is input (set) by the operation display unit 42 or the operation unit 43. The desired yield may be set by being transmitted to the server 3 from a communication terminal (not shown).

第２予測処理部３２は、分布生成部３２Ａと収穫時期予測部３２Ｂとを含む。分布生成部３２Ａは、画像データ記憶部４５内に記憶されている時刻毎の画像データのうち最新の時刻に対する画像データ（処理対象画像データ）に基づいて、当該画像データに含まれる複数の作物を生長段階に応じて分類する。そして、分布生成部３２Ａは、複数の作物の生長段階の分類結果から栽培領域９全体における作物の現在（厳密には処理対象画像データの撮像時刻）の生長状態分布を生成する。   The second prediction processing unit 32 includes a distribution generation unit 32A and a harvest time prediction unit 32B. The distribution generation unit 32A selects a plurality of crops included in the image data based on the image data (processing target image data) for the latest time among the image data for each time stored in the image data storage unit 45. Classification according to growth stage. Then, the distribution generation unit 32A generates a current growth state distribution of the crop (strictly speaking, the imaging time of the processing target image data) in the entire cultivation area 9 from the classification results of the growth stages of the plurality of crops.

収穫時期予測部３２Ｂは、現在の生長状態分布を時間進展させた将来の生長状態分布として、生長段階が所定の収穫閾値を超える部分に存在する作物の数量から得られる予測収穫量が希望収穫量以上となる生長状態分布を求める。そして、当該生長状態分布に対応する時期を、希望収穫量の作物を収穫できる時期として予測する。分布生成部３２Ａおよび収穫時期予測部３２Ｂの詳細については、後述する。   The harvest time prediction unit 32B, as a future growth state distribution in which the current growth state distribution is progressed in time, is a predicted yield obtained from the quantity of crops whose growth stage is above a predetermined harvest threshold is a desired yield. Find the distribution of growth states above. Then, the time corresponding to the growth state distribution is predicted as the time when the desired crop can be harvested. Details of the distribution generation unit 32A and the harvest time prediction unit 32B will be described later.

制御値算出処理部３３は、希望収穫日に希望収穫量の作物を収穫するための環境制御値を算出する制御値算出処理を行う。制御値算出処理は、希望収穫日に希望収穫量の作物を収穫したい場合に、オペレータの操作に基づいて実行される。希望収穫日および希望収穫量は、操作表示部４２または操作部４３によって入力（設定）される。希望収穫日および希望収穫量は、図示しない通信端末からサーバ３に送信されることによって、設定されてもよい。   The control value calculation processing unit 33 performs a control value calculation process of calculating an environmental control value for harvesting a desired crop amount on a desired harvest date. The control value calculation process is executed based on the operation of the operator when it is desired to harvest a desired crop on the desired harvest day. The desired harvest date and the desired yield are input (set) by the operation display unit 42 or the operation unit 43. The desired harvest date and the desired yield may be set by being transmitted to the server 3 from a communication terminal (not shown).

制御値算出処理部３３は、分布生成部３３Ａと、目標生長状態分布設定部３３Ｂと、制御値算出部３３Ｃとを含む。分布生成部３３Ａは、画像データ記憶部４５内に記憶されている時刻毎の画像データのうち最新の時刻に対する画像データ（処理対象画像データ）に基づいて、当該画像データに含まれる複数の作物を生長段階に応じて分類する。そして、分布生成部３３Ａは、複数の作物の生長段階の分類結果から栽培領域９全体における作物の現在（厳密には処理対象画像データの撮像時刻）の生長状態分布を生成する。   The control value calculation processing unit 33 includes a distribution generation unit 33A, a target growth state distribution setting unit 33B, and a control value calculation unit 33C. The distribution generation unit 33A selects a plurality of crops included in the image data based on the image data (processing target image data) for the latest time among the image data for each time stored in the image data storage unit 45. Classification according to growth stage. Then, the distribution generation unit 33A generates a current growth state distribution of the crop (strictly speaking, imaging time of the processing target image data) in the entire cultivation area 9 from the classification results of the growth stages of the plurality of crops.

目標生長状態分布設定部３３Ｂは、現在の生長状態分布を時間進展させた将来の生長状態分布として、生長段階が所定の収穫閾値を超える部分に存在する作物の数量から得られる予測収穫量が希望収穫量以上になる生長状態分布を求め、得られた生長状態分布を目標生長状態分布として設定する。
制御値算出部３３Ｃは、現在の生長状態分布を希望収穫時期まで進展させた将来の生長状態分布が目標生長状態分布に近づくように、栽培領域９の環境を制御するための環境制御値を算出する。分布生成部３３Ａ、目標生長状態分布設定部３３Ｂおよび制御値算出部３３Ｃの詳細については、後述する。 The target growth state distribution setting unit 33B, as a future growth state distribution in which the current growth state distribution is progressed in time, is desired for the predicted yield obtained from the quantity of crops existing in the part where the growth stage exceeds a predetermined harvest threshold. A growth state distribution which is equal to or greater than the harvest amount is determined, and the obtained growth state distribution is set as a target growth state distribution.
The control value calculation unit 33C calculates an environmental control value for controlling the environment of the cultivation area 9 so that the future growth state distribution obtained by advancing the current growth state distribution to the desired harvest time approaches the target growth state distribution. Do. Details of the distribution generation unit 33A, the target growth state distribution setting unit 33B, and the control value calculation unit 33C will be described later.

図５は、第１予測処理部３１の動作を説明するためのフローチャートである。図５の処理は、例えば、オペレータの操作部４３または操作表示部４２の操作によって、希望収穫時期（収穫希望日）および収穫閾値が入力された後、第１予測処理の開始指令が入力されたときに実行される。なお、収穫閾値が既に設定されて記憶部４４に記憶されている場合において、その収穫閾値を変更する必要がないときには、オペレータは収穫閾値を改めて入力する必要はない。   FIG. 5 is a flowchart for explaining the operation of the first prediction processing unit 31. In the process of FIG. 5, for example, after the desired harvest time (desired harvest date) and harvest threshold are input by the operation of the operation unit 43 or the operation display unit 42 of the operator, the start instruction of the first prediction process is input. When executed. When the harvest threshold is already set and stored in the storage unit 44, when it is not necessary to change the harvest threshold, the operator does not have to input the harvest threshold again.

第１予測処理部３１内の分布生成部３１Ａは、画像データ記憶部４５に記憶されている時刻毎の画像データのうち最新の時刻に対する画像データ（処理対象画像データ）を抽出して、メモリ（具体的には作業メモリとしてのＲＡＭ）に記憶する(ステップＳ１)。
次に、分布生成部３１Ａは、メモリに記憶された処理対象画像データに基づいて、作物の生長過程の形態である花や実を抽出し、抽出した花や実を生長段階（生長状態）に応じて分類する(ステップＳ２)。 The distribution generation unit 31A in the first prediction processing unit 31 extracts image data (processing target image data) for the latest time from the image data for each time stored in the image data storage unit 45, and Specifically, it is stored in the RAM as a working memory (step S1).
Next, the distribution generation unit 31A extracts flowers and fruits that are the form of the growth process of the crop based on the processing target image data stored in the memory, and extracts the extracted flowers and fruits into the growth stage (growth state). Classification is made accordingly (step S2).

ここで作物の生長段階について説明する。図６は、作物の生長段階を示す模式図である。
作物（この例ではトマト）は、図６に矢印で示すように、花（蕾を含む）から実へと生長していく。図６の例では、作物の生長段階が１０段階に分けられ、各段階に、早い段階から順に１〜１０の数値ラベルが割り当てられている。 Here we explain the growth stage of the crop. FIG. 6 is a schematic view showing the growth stage of the crop.
The crop (in this example, tomato) grows from flowers (including mulberry) to fruits, as shown by the arrows in FIG. In the example of FIG. 6, the growth stages of the crop are divided into 10 stages, and each stage is assigned numerical labels of 1 to 10 sequentially from the early stage.

分布生成部３１Ａは、処理対象画像データから花や実を抽出し、抽出した花や実のそれぞれに対して、その生長段階に応じた数値ラベル１〜１０を割り当てる。このような処理は、例えば、畳み込みニューラルネットワーク（CNN: Convolutional Neural Network）等の公知技術を用いることによって行うことができる。
図５に戻り、第１予測処理部３１の動作についての説明を続ける。次に、分布生成部３１Ａは、処理対象画像データから抽出された花や実を、ステップＳ２によって得られた生長段階（数値ラベル）毎に集計することにより、処理対象画像データ内に存在する花および実の範囲内において、作物の生長状態を表す度数分布を作成する(ステップＳ３)。 The distribution generation unit 31A extracts flowers and fruits from the image data to be processed, and assigns numerical labels 1 to 10 according to the growth stage to each of the extracted flowers and fruits. Such processing can be performed by using a known technique such as, for example, a convolutional neural network (CNN).
Returning to FIG. 5, the description of the operation of the first prediction processing unit 31 will be continued. Next, the distribution generation unit 31A adds the flowers and fruits extracted from the processing target image data to the processing target image data by totaling the growth stages (numerical labels) obtained in step S2. And, within the range of fruits, a frequency distribution representing the growth state of the crop is created (step S3).

次に、分布生成部３１Ａは、ステップＳ３で得られた度数分布に基づいて、栽培領域９全体における作物の現在の生長状態を表す度数分布（以下、「生長状態分布」という）を作成する(ステップＳ４)。例えば、栽培領域９全体に存在する花および実の数Ａに対する、処理対象画像データ内に存在する花および実の数Ｂの割合をＲ（＝Ｂ／Ａ）とする。花および実の数Ａは、特に限定されるものではないが、各カメラ１６が撮像する範囲や、各カメラ１６が撮像する株の数等から求めることができる。例えば、複数のカメラ１６で撮像される範囲が栽培領域９全体のＰ％であった場合、処理対象画像データ内に存在する花および実の数ＢをＰ％で除することにより、栽培領域９全体に存在する花および実の数Ａを推定することができる。また、例えば、複数のカメラ１６で撮像される株数がｑであり、栽培領域９における全株数Ｑがであった場合、処理対象画像データ内に存在する花および実の数ＢにＱ／ｑを乗じることにより、栽培領域９全体に存在する花および実の数Ａを推定することができる。分布生成部３１Ａは、ステップＳ３で得られた度数分布における各生長段階の度数に１／Ｒを乗算することによって、栽培領域９全体における作物の生長状態を表す生長状態分布を作成する。このようにして作成された生長状態分布の一例を図７に示す。   Next, the distribution generation unit 31A creates a frequency distribution (hereinafter referred to as “growth state distribution”) that represents the current growth state of the crop in the entire cultivation area 9 based on the frequency distribution obtained in step S3 Step S4). For example, a ratio of the number B of flowers and fruits present in the processing target image data to the number A of flowers and fruits present throughout the cultivation area 9 is R (= B / A). The number A of flowers and fruits is not particularly limited, but can be determined from the range in which each camera 16 takes an image, the number of strains taken by each camera 16, and the like. For example, when the range imaged by the plurality of cameras 16 is P% of the entire cultivation area 9, the cultivation area 9 is obtained by dividing the number B of flowers and fruits present in the processing target image data by P%. The number A of flowers and fruits present in the whole can be estimated. Also, for example, when the number of strains imaged by a plurality of cameras 16 is q and the total number of strains Q in the cultivation area 9 is Q / q for the number B of flowers and real present in the image data to be processed By multiplying, the number A of flowers and fruits present in the entire cultivation area 9 can be estimated. The distribution generation unit 31A creates a growth state distribution representing the growth state of the crop in the entire cultivation area 9 by multiplying the frequency of each growth stage in the frequency distribution obtained in step S3 by 1 / R. An example of the growth state distribution created in this manner is shown in FIG.

次に図５に示すように、第１予測処理部３１内の収穫量予測部３１Ｂは、ステップＳ４で作成された現在の生長状態分布を用いて、希望収穫時期での生長状態分布を予測する(ステップＳ５)。ステップＳ５の処理について、具体的に説明する。
作物の生長速度に影響を与える要因の代表的にものには、例えば、温度α、湿度β、ＣＯ２濃度γ、日照強度δ等がある。本実施形態における作物栽培システム２では、温度α、湿度βおよびＣＯ２濃度γは制御可能であるが、日照強度δは制御不可能である。 Next, as shown in FIG. 5, the yield prediction unit 31B in the first prediction processing unit 31 predicts the growth condition distribution at the desired harvest time, using the current growth condition distribution created in step S4. (Step S5). The process of step S5 will be specifically described.
Typical factors that affect the growth rate of crops include, for example, temperature α, humidity β, CO 2 concentration γ, and sunlight intensity δ. In the crop cultivation system 2 in the present embodiment, the temperature α, the humidity β, and the CO 2 concentration γ can be controlled, but the sunlight intensity δ can not be controlled.

この実施形態では、作物の生長速度に影響を与えるパラメータを、関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）で表すことにする。関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）において、ａ１、ａ２、ａ３およびａ４は重み係数であり、予め設定されている。これらの重み係数は、生長段階（今回の実施形態では数値ラベル１〜１０）に応じて別の値を用いてもよい。以下において、関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）内の変数α、β、γおよびδのうちのα、βおよびγを「制御変数」ということにする。また、この実施形態では、１日の１時間毎の時間帯を、Ｔ１，Ｔ２，…Ｔ２３，Ｔ２４で表すことにする。   In this embodiment, the parameters that affect the growth rate of the crop are represented by the function F (a1 · α + a2 · β + a3 · γ + a4 · δ). In the function F (a1 · α + a2 · β + a3 · γ + a4 · δ), a1, a2, a3 and a4 are weighting coefficients, which are set in advance. These weighting factors may use other values depending on the growth stage (numerical labels 1 to 10 in the present embodiment). Hereinafter, α, β and γ among the variables α, β, γ and δ in the function F (a1 · α + a2 · β + a3 · γ + a4 · δ) will be referred to as “control variables”. Further, in this embodiment, the hourly time zone of one day is represented by T1, T2, ... T23, T24.

この実施形態では、時間帯Ｔ１〜Ｔ２４毎に、関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）内の制御変数α、βおよびγの目標値α＊、β＊およびγ＊が予め設定されて、サーバ３の記憶部４４内の目標値記憶部５０および作物栽培システム２の記憶部２５内の目標値記憶部２７に記憶されているものとする。この実施形態では、これらの制御変数の目標値α＊、β＊およびγ＊が環境制御値である。制御変数の目標値α＊、β＊およびγ＊は、通常は、所定の基本目標値αo＊、βｏ＊およびγｏ＊と同じ値に設定されている。基本目標値αo＊、βｏ＊およびγｏ＊は、予め設定されて、サーバ３の記憶部４４内の基本目標値記憶部４９および作物栽培システム２の記憶部２５内の基本目標値記憶部２６に記憶されている。また、時間帯Ｔ１〜Ｔ２４毎の照度δの予測値が予め設定されて、記憶部４４に記憶されている。基本目標値αo＊、βｏ＊およびγｏ＊および目標値α＊、β＊およびγ＊は、例えば、サーバ３側で設定されて、作物栽培システム２の制御部２０に与えられる。 In this embodiment, target values α * , β * and γ * of the control variables α, β and γ in the function F (a1 · α + a2 · β + a3 · γ + a4 · δ) are set in advance for each of the time zones T1 to T24. It is assumed that the target value storage unit 50 in the storage unit 44 of the server 3 and the target value storage unit 27 in the storage unit 25 of the crop cultivation system 2 are stored. In this embodiment, the target values α * , β * and γ * of these control variables are environmental control values. The target value of the control variable alpha *, beta * and gamma * are usually predetermined basic target value .alpha.o *, it is set to the same value as Betao * and .gamma. O *. The basic target values αo * , βo * and γo * are preset, and are stored in the basic target value storage unit 49 in the storage unit 44 of the server 3 and the basic target value storage unit 26 in the storage unit 25 of the crop cultivation system 2. It is memorized. Further, the predicted value of the illuminance δ for each of the time zones T1 to T24 is set in advance and stored in the storage unit 44. The basic target values αo * , βo * and γo * and the target values α * , β * and γ * are set on the server 3 side, for example, and given to the control unit 20 of the crop cultivation system 2.

制御装置１１内の制御部２０は、時間帯Ｔ１〜Ｔ２４毎に、制御変数α，β，γが、それぞれ、その時間帯に対して設定されている目標値α＊、β＊およびγ＊と等しくなるように、コージェネ１２、空調機１３、除湿機１４およびＣＯ２施用機１５を制御する。後述するように、各時間帯Ｔ１〜Ｔ２４に対する制御変数の目標値α＊、β＊およびγ＊は、サーバ３によって変更される場合がある。 Control unit 20 in control device 11 sets control values α * , β * and γ * to which control variables α, β and γ are set for each of time periods T1 to T24, respectively. The cogeneration 12, the air conditioner 13, the dehumidifier 14 and the CO 2 applicator 15 are controlled to be equal. As described later, the target values α * , β * and γ * of the control variables for each of the time zones T1 to T24 may be changed by the server 3.

図８は、ある時間帯について、関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）に対する作物の生長速度との関係の一例を示す生長速度グラフである。作物の生長速度とは、所定時間当たりの作物の生長量をいう。この実施形態では、１時間当たりの作物の生長量をいう。作物の生長量としては、生長段階の１段階（１ステップ）に相当する生長量を１．０として規格化された値が用いられる。   FIG. 8 is a growth rate graph showing an example of the relationship between the growth rate of a crop and the function F (a1 · α + a2 · β + a3 · γ + a4 · δ) for a certain time zone. The growth rate of the crop refers to the growth amount of the crop per predetermined time. In this embodiment, it refers to the amount of growth of the crop per hour. As the crop growth amount, a value standardized using a growth amount corresponding to one step (one step) of the growth stage as 1.0 is used.

図８に示すような生長速度グラフは、例えば、関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）の値が異なる複数の環境での作物の生長速度データを実験等によって求め、得られた生長速度データを回帰分析することによって作成することができる。１日内の時間帯Ｔ１〜Ｔ２４毎に、図８に示すような生長速度グラフが予め作成され、それらの生長速度グラフに対応した回帰式またはマップがサーバ３の記憶部４４内の生長速度データ記憶部５１に記憶されている。   The growth rate graph as shown in FIG. 8 is obtained by, for example, experimentally determining growth rate data of crops in a plurality of environments with different values of the function F (a1 · α + a2 · β + a3 · γ + a4 · δ). The velocity data can be generated by regression analysis. A growth rate graph as shown in FIG. 8 is prepared in advance for each time period T1 to T24 within one day, and a regression equation or a map corresponding to the growth rate graph is stored in the growth rate data memory 44 of the server 3. It is stored in the unit 51.

なお、図８に示すような生長速度グラフは、制御変数α，β，γのうちから選択された任意の１つまたは任意の組み合わせを変化させたときの関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）の値に対する作物の生長速度を表すものであってもよい。例えば、図８に示すような生長速度グラフは、制御変数α，β，γのうちα（温度）のみを変化させたときの関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）の値に対する作物の生長速度を表すものであってもよい。   In addition, the growth rate graph as shown in FIG. 8 is a function F (a1 · α + a2 · β + a3 · γ + a4) when one or any combination selected from among the control variables α, β and γ is changed. It may represent the growth rate of the crop relative to the value of δ). For example, the growth rate graph as shown in FIG. 8 is a crop with respect to the value of the function F (a1 · α + a2 · β + a3 · γ + a4 · δ) when only α (temperature) is changed among the control variables α, β and γ. May represent the growth rate of

前記ステップＳ５においては、収穫量予測部３１Ｂは、まず、時間帯Ｔ１〜Ｔ２４毎に、その時間帯に対する作物の生長速度を求める。ある時間帯に対する作物の生長速度の求め方について説明する。収穫量予測部３１Ｂは、当該時間帯に対して現在設定されている制御変数の目標値α＊、β＊およびγ＊に基づいて関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）の値を算出する。そして、収穫量予測部３１Ｂは、当該時間帯に対応する生長速度グラフに対応した回帰式またはマップに基づいて、当該時間帯に対する作物の生長速度を求める。例えば、図８を参照して、図８の生長グラフに対応する時間帯の関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）の値がＸであったとすると、Ｘに対応する生長速度ＶＸがその時間帯での作物の生長速度として求められる。 In the step S5, the yield predicting unit 31B first obtains, for each of the time zones T1 to T24, the growth rate of the crop with respect to the time zone. Explain how to determine the growth rate of crops for a certain time zone. The yield prediction unit 31B determines the value of the function F (a1 · α + a2 · β + a3 · γ + a4 · δ) based on the target values α * , β * and γ * of the control variables currently set for the relevant time zone. calculate. Then, on the basis of the regression equation or the map corresponding to the growth rate graph corresponding to the time zone, the yield prediction unit 31B obtains the growth speed of the crop for the time zone. For example, referring to FIG. 8, assuming that the value of function F (a1 · α + a2 · β + a3 · γ + a4 · δ) in a time zone corresponding to the growth graph of FIG. 8 is X, the growth rate V X corresponding to X Is determined as the growth rate of the crop in that time zone.

次に、収穫量予測部３１Ｂは、時間帯Ｔ１〜Ｔ２４毎に求められた作物の生長速度に、その時間帯の時間長（この例では１時間）を乗算することにより、その時間帯での作物の生長量Ｇｈを算出する。この後、時間帯Ｔ１〜Ｔ２４毎に求められた作物の生長量を加算することにより、１日当たりの作物の生長量Ｇｄを算出する。
そして、収穫量予測部３１Ｂは、１日当たりの作物の生長量Ｇｄを用いて、ステップＳ４で作成された現在の生長状態分布を希望収穫時期まで進展させることにより、希望収穫時期での生長状態分布を求める。制御変数以外の変数については、直近の過去の値を用いることもできるし、あるいは日照量のような変数については天気予報等の情報から別途将来にわたって予測された値を用いることも可能である。 Next, the crop yield prediction unit 31B multiplies the growth rate of the crop determined for each of the time zones T1 to T24 by the time length of that time zone (1 hour in this example) to obtain the crop growth rate in that time zone. Calculate the growth amount Gh of the crop. Thereafter, the growth amount Gd of the crop per day is calculated by adding the growth amount of the crop obtained for each of the time zones T1 to T24.
Then, the harvest amount prediction unit 31B uses the growth amount Gd of the crop per day to advance the current growth state distribution created in step S4 to the desired harvest time, whereby the growth state distribution at the desired harvest time is obtained. Ask for For variables other than the control variable, it is possible to use the latest past values, or for variables such as the amount of sunshine, it is also possible to use values predicted separately from future information such as weather forecast.

図９を参照して、ステップＳ４で作成された現在の生長状態分布を、１日当たりの作物の生長量Ｇｄ分だけ、生長段階が進行する方向にシフトさせると、翌日の生長状態分布を求めることができる。したがって、現在の生長状態分布を初期の生長状態分布として、１日当たりの生長量Ｇｄ分だけ生長段階が進行する方向に生長状態分布をシフトさせる操作を、繰り返し行うことにより、将来の生長状態分布を予測することが可能となる。そこで、現在から希望収穫時期までの日数をＮとすると、現在の生長状態分布をＮ・Ｇｄ分だけ生長段階が進行する方向にシフトさせることにより、希望収穫時期での生長状態分布を求めることができる。希望収穫時期での生長状態分布の一例を図１０に示す。   Referring to FIG. 9, when the current growth state distribution created in step S4 is shifted in the direction in which the growth stage proceeds by the growth amount Gd of the crop per day, the growth state distribution on the next day is determined. Can. Therefore, assuming that the current growth state distribution is the initial growth state distribution, the future growth state distribution can be obtained by repeatedly performing the operation of shifting the growth state distribution in the direction in which the growth stage proceeds by the amount of growth Gd per day. It is possible to predict. Therefore, assuming that the number of days from the present to the desired harvest time is N, it is possible to obtain the growth state distribution at the desired harvest time by shifting the present growth state distribution by N · Gd in the direction in which the growth stage progresses. it can. An example of the growth state distribution at the desired harvest time is shown in FIG.

このようにして、希望収穫時期での生長状態分布が求められると、収穫量予測部３１Ｂは、希望収穫時期での生長状態分布において収穫閾値を超える部分に存在する作物の数量を、希望収穫時期での収穫量として算出する(ステップＳ６)。具体的には、収穫量予測部３１Ｂは、図１０の生長状態分布において収穫閾値Ｓｔｈを超える部分に存在する作物の数量（図１０の斜線部分の面積に相当する）を希望収穫時期での収穫量として算出する。収穫閾値Ｓｔｈは、収穫対象の生長段階と収穫対象外の生長段階とを区分するための値である。すなわち、収穫閾値Ｓｔｈを超える数値レベルに対応する生長段階は、収穫対象の生長段階であり、収穫閾値Ｓｔｈ以下の数値レベルに対応する生長段階は、収穫対象外の生長段階である。収穫量予測部３１Ｂによって算出された希望収穫時期での収穫量は、例えば、操作表示部４２に表示される。そして、収穫量予測部３１Ｂは、今回の第１予測処理を終了する。   Thus, when the growth state distribution at the desired harvest time is determined, the yield prediction unit 31B determines the number of crops present in the portion of the growth state distribution at the desired harvest time that exceeds the harvest threshold, as the desired harvest time. It is calculated as the harvest amount at step S6. Specifically, the harvest amount prediction unit 31B harvests the number of crops (corresponding to the area of the hatched portion in FIG. 10) present in the portion exceeding the harvest threshold Sth in the growth state distribution of FIG. Calculated as a quantity. The harvest threshold Sth is a value for dividing the growth stage to be harvested and the growth stage not to be harvested. That is, the growth stage corresponding to the numerical level exceeding the harvest threshold Sth is the growth stage to be harvested, and the growth stage corresponding to the numerical level below the harvest threshold Sth is the growth stage not to be harvested. The harvest amount at the desired harvest time calculated by the harvest amount prediction unit 31B is displayed on, for example, the operation display unit 42. Then, the harvest amount prediction unit 31B ends the current first prediction process.

つまり、第１予測処理部３１によれば、希望収穫時期における収穫量を予測することができる。
図１１は、第２予測処理部３２の動作を説明するためのフローチャートである。図１１の処理は、例えば、オペレータの操作部４３または操作表示部４２の操作によって、希望収穫量および収穫閾値が入力された後、第２予測処理の開始指令が入力されたときに実行される。なお、収穫閾値が既に設定されて記憶部４４に記憶されている場合において、その収穫閾値を変更する必要がない場合には、オペレータは収穫閾値を改めて入力する必要はない。 That is, according to the first prediction processing unit 31, it is possible to predict the harvest amount at the desired harvest time.
FIG. 11 is a flowchart for explaining the operation of the second prediction processing unit 32. The process of FIG. 11 is executed, for example, when the start instruction of the second prediction process is input after the desired harvest amount and the harvest threshold value are input by the operation of the operation unit 43 or the operation display unit 42 of the operator. . When the harvest threshold is already set and stored in the storage unit 44, the operator does not need to input the harvest threshold again if it is not necessary to change the harvest threshold.

第２予測処理部３２内の分布生成部３２Ａは、画像データ記憶部４５に記憶されている時刻毎の画像データのうち最新の時刻に対する画像データ（処理対象画像データ）を抽出して、メモリに記憶する(ステップＳ１１)。ステップＳ１１の処理は、図５のステップＳ１の処理と同様である。
次に、分布生成部３２Ａは、メモリに記憶された処理対象画像データに基づいて、作物の生長過程の形態である花や実を抽出し、抽出した花や実を生長段階（生長状態）に応じて分類する(ステップＳ１２)。ステップＳ１２の処理は、図５のステップＳ２の処理と同様である。 The distribution generation unit 32A in the second prediction processing unit 32 extracts image data (processing target image data) for the latest time from the image data for each time stored in the image data storage unit 45, and stores it in the memory. It memorizes (Step S11). The process of step S11 is the same as the process of step S1 of FIG.
Next, the distribution generation unit 32A extracts flowers and fruits that are the form of the growth process of the crop based on the processing target image data stored in the memory, and extracts the extracted flowers and fruits into the growth stage (growth state). Classification is made accordingly (step S12). The process of step S12 is the same as the process of step S2 of FIG.

次に、分布生成部３２Ａは、処理対象データから抽出された花や実を、ステップＳ１２によって得られた生長段階（数値ラベル）毎に集計することにより、処理対象画像データ内に存在する花および実の範囲内において、作物の生長状態を表す度数分布を作成する(ステップＳ１３)。ステップＳ１３の処理は、図５のステップＳ３の処理と同様である。
次に、分布生成部３２Ａは、ステップＳ１３で得られた度数分布に基づいて、栽培領域９全体における作物の現在の生長状態分布を作成する(ステップＳ１４)。ステップＳ１４の処理は、図５のステップＳ４の処理と同様である。 Next, the distribution generation unit 32A counts the flowers and fruits extracted from the processing target data for each growth stage (numerical label) obtained in step S12, to thereby obtain the flowers and flowers present in the processing target image data. Within the actual range, a frequency distribution representing the growth state of the crop is created (step S13). The process of step S13 is the same as the process of step S3 of FIG.
Next, the distribution generation unit 32A creates the current growth state distribution of the crop in the entire cultivation area 9 based on the frequency distribution obtained in step S13 (step S14). The process of step S14 is the same as the process of step S4 of FIG.

次に、第２予測処理部３２内の収穫時期予測部３２Ｂは、ステップＳ１４で作成された現在の生長状態分布を基準生長状態分布として設定する(ステップＳ１５)。
次に、収穫時期予測部３２Ｂは、基準生長状態分布に対して１日先の生長状態分布を予測する（ステップＳ１６）。具体的には、収穫時期予測部３２Ｂは、例えば、図５のステップＳ５で説明した方法によって、１日当たりの作物の生長量Ｇｄを求める。そして、収穫時期予測部３２Ｂは、基準生長状態分布を、１日当たりの作物の生長量Ｇｄ分だけ、生長段階が進行する方向にシフトさせる。これにより、基準生長状態分布に対して１日先の生長状態分布が得られる。 Next, the harvest time prediction unit 32B in the second prediction processing unit 32 sets the current growth state distribution created in step S14 as a reference growth state distribution (step S15).
Next, the harvest time prediction unit 32B predicts the growth state distribution one day ahead with respect to the reference growth state distribution (step S16). Specifically, for example, the harvest time prediction unit 32B determines the growth amount Gd of the crop per day by the method described in step S5 of FIG. Then, the harvest time prediction unit 32B shifts the reference growth state distribution in the direction in which the growth stage progresses by the growth amount Gd of the crop per day. Thereby, the growth state distribution one day ahead with respect to the reference growth state distribution is obtained.

次に、収穫時期予測部３２Ｂは、現在から予測した生長状態分布に対応する時期までの日数をカウントするためのカウント値Ｋを１だけインクリメントする（ステップＳ１７）。カウント値Ｋの初期値は０である。
次に、収穫時期予測部３２Ｂは、ステップＳ１６で作成された将来の生長状態分布において、生長段階が収穫閾値を超える部分に存在する作物の数量である予測収穫量が、希望収穫量以上であるか否かを判別する(ステップＳ１８)。 Next, the harvest time prediction unit 32B increments the count value K for counting the number of days until the time corresponding to the currently estimated growth state distribution by 1 (step S17). The initial value of the count value K is zero.
Next, in the future growth state distribution created in step S16, the harvest time prediction unit 32B determines that the predicted yield, which is the number of crops whose growth stage is above the harvest threshold, is greater than or equal to the desired yield It is determined whether or not it is (step S18).

予測収穫量が希望収穫量未満である場合には(ステップＳ１８：ＮＯ)、ステップＳ１６で作成された将来の生長状態分布を基準生長状態分布として設定した後(ステップＳ１９)、ステップＳ１６に戻る。そして、収穫時期予測部３２Ｂは、ステップＳ１６〜Ｓ１８の処理を再度実行する。
ステップＳ１８において、予測収穫量が希望収穫量以上であると判別された場合には(ステップＳ１８：ＹＥＳ)、収穫時期予測部３２Ｂは、ステップＳ１６で作成された将来の生長状態分布に対応する時期を希望収穫量の作物を収穫できる時期（日付）として算出する(ステップＳ２０)。具体的には、収穫時期予測部３２Ｂは、現在の日から、カウント値Ｋだけ先の日付を、希望収穫量希望収穫量の作物を収穫できる日付として算出する。算出された日付は、例えば、操作表示部４２に表示される。 If the predicted cropping amount is less than the desired cropping amount (step S18: NO), the future growth state distribution created in step S16 is set as the reference growth state distribution (step S19), and the process returns to step S16. And harvest time forecasting part 32B performs processing of Steps S16-S18 again.
If it is determined in step S18 that the predicted harvest amount is equal to or greater than the desired harvest amount (step S18: YES), the harvest time prediction unit 32B determines the time corresponding to the future growth state distribution created in step S16. Is calculated as the time (date) at which the desired amount of crop can be harvested (step S20). Specifically, the harvest time prediction unit 32B calculates a date ahead of the current date by the count value K as a date on which the desired crop can be harvested. The calculated date is displayed on the operation display unit 42, for example.

そして、収穫時期予測部３２Ｂは、カウント値Ｋをクリア（零）にした後(ステップＳ２１)、今回の第２予測処理を終了する。
つまり、第２予測処理部３２によれば、希望収穫量の作物を収穫できる時期を予測することができる。
図１２は、制御値算出処理部３３の動作を説明するためのフローチャートである。図１２の処理は、例えば、オペレータの操作部４３または操作表示部４２の操作によって、希望収穫時期、希望収穫量および収穫閾値が入力された後、制御値算出処理の開始指令が入力されたときに実行される。なお、収穫閾値が既に設定されて記憶部４４に記憶されている場合において、その収穫閾値を変更する必要がない場合には、オペレータは収穫閾値を改めて入力する必要はない。 Then, after clearing (zeroing) the count value K (step S21), the harvest time prediction unit 32B ends the current second prediction process.
That is, according to the second prediction processing unit 32, it is possible to predict the time when it is possible to harvest a desired crop.
FIG. 12 is a flowchart for explaining the operation of the control value calculation processing unit 33. In the process of FIG. 12, for example, after the desired harvest time, the desired harvest amount and the harvest threshold value are input by the operation of the operation unit 43 or the operation display unit 42 of the operator, the start command of the control value calculation process is input. To be executed. When the harvest threshold is already set and stored in the storage unit 44, the operator does not need to input the harvest threshold again if it is not necessary to change the harvest threshold.

制御値算出処理部３３内の分布生成部３３Ａは、画像データ記憶部４５に記憶されている時刻毎の画像データのうち最新の時刻に対する画像データ（処理対象画像データ）を抽出して、メモリに記憶する(ステップＳ３１)。ステップＳ３１の処理は、図５のステップＳ１の処理と同様である。
次に、分布生成部３３Ａは、メモリに記憶された処理対象画像データに基づいて、作物の生長過程の形態である花や実を抽出し、抽出した花や実を生長段階（生長状態）に応じて分類する(ステップＳ３２)。ステップＳ３２の処理は、図５のステップＳ２の処理と同様である。 The distribution generation unit 33A in the control value calculation processing unit 33 extracts image data (processing target image data) for the latest time from the image data for each time stored in the image data storage unit 45, and stores it in the memory. It memorizes (Step S31). The process of step S31 is the same as the process of step S1 of FIG.
Next, the distribution generation unit 33A extracts flowers and fruits that are forms of the growth process of the crop based on the processing target image data stored in the memory, and extracts the extracted flowers and fruits into the growth stage (growth state). Classification is made accordingly (step S32). The process of step S32 is similar to the process of step S2 of FIG.

次に、分布生成部３３Ａは、処理対象データから抽出された花や実を、ステップＳ３２によって得られた生長段階（数値ラベル）毎に集計することにより、処理対象画像データ内に存在する花および実の範囲内において、作物の生長状態を表す度数分布を作成する(ステップＳ３３)。ステップＳ３３の処理は、図５のステップＳ３の処理と同様である。
次に、分布生成部３３Ａは、ステップＳ２３で得られた度数分布に基づいて、栽培領域９全体における作物の現在の生長状態分布を作成する(ステップＳ３４)。ステップＳ３４の処理は、図５のステップＳ４の処理と同様である。 Next, the distribution generation unit 33A counts the flowers and fruits extracted from the processing target data for each of the growth stages (numerical labels) obtained in step S32 to obtain the flowers and flowers present in the processing target image data. Within the actual range, a frequency distribution representing the growth state of the crop is created (step S33). The process of step S33 is the same as the process of step S3 of FIG.
Next, the distribution generation unit 33A creates the current growth state distribution of the crop in the entire cultivation area 9 based on the frequency distribution obtained in step S23 (step S34). The process of step S34 is the same as the process of step S4 of FIG.

次に、制御値算出処理部３３内の目標生長状態分布設定部３３Ｂは、ステップＳ３４で作成された現在の生長状態分布を基準生長状態分布として設定する(ステップＳ３５)。
次に、目標生長状態分布設定部３３Ｂは、基準生長状態分布に対して１日先の生長状態分布を予測する（ステップＳ３６）。具体的には、目標生長状態分布設定部３３Ｂは、例えば、図５のステップＳ５で説明した方法によって、１日当たりの作物の生長量Ｇｄを求める。そして、目標生長状態分布設定部３３Ｂは、基準生長状態分布を、１日当たりの作物の生長量Ｇｄ分だけ、生長段階が進行する方向にシフトさせる。これにより、基準生長状態分布に対して１日先の生長状態分布が得られる。 Next, the target growth state distribution setting unit 33B in the control value calculation processing unit 33 sets the current growth state distribution created in step S34 as a reference growth state distribution (step S35).
Next, the target growth state distribution setting unit 33B predicts the growth state distribution one day ahead with respect to the reference growth state distribution (step S36). Specifically, the target growth state distribution setting unit 33B determines the growth amount Gd of the crop per day, for example, by the method described in step S5 of FIG. Then, the target growth state distribution setting unit 33B shifts the reference growth state distribution in the direction in which the growth stage proceeds by the growth amount Gd of the crop per day. Thereby, the growth state distribution one day ahead with respect to the reference growth state distribution is obtained.

次に、目標生長状態分布設定部３３Ｂは、ステップＳ３６で作成された将来の生長状態分布において、生長段階が収穫閾値を超える部分に存在する作物の数量である予測収穫量が、希望収穫量以上であるか否かを判別する(ステップＳ３７)。
予測収穫量が希望収穫量未満である場合には(ステップＳ３７：ＮＯ)、目標生長状態分布設定部３３Ｂは、ステップＳ３６で作成された将来の生長状態分布を基準生長状態分布として設定した後(ステップＳ３８)、ステップＳ３６に戻る。そして、目標生長状態分布設定部３３Ｂは、ステップＳ３６およびＳ３７の処理を再度実行する。 Next, in the future growth state distribution created in step S36, the target growth state distribution setting unit 33B determines that the predicted yield, which is the number of crops whose growth stage is above the harvest threshold, is the desired yield or more. It is determined whether or not (step S37).
If the predicted harvest amount is less than the desired harvest amount (step S37: NO), the target growth state distribution setting unit 33B sets the future growth state distribution created in step S36 as the reference growth state distribution ( Step S38) Return to step S36. Then, the target growth state distribution setting unit 33B executes the processes of steps S36 and S37 again.

ステップＳ３７において、予測収穫量が希望収穫量以上であると判別された場合には(ステップＳ３７：ＹＥＳ)、目標生長状態分布設定部３３Ｂは、ステップＳ３６で作成された将来の生長状態分布を、目標生長状態分布として設定する(ステップＳ３９)。
次に、制御値算出処理部３３内の制御値算出部３３Ｃは、希望収穫時期での予測生長状態分布がステップＳ３９で設定された目標生長状態分布に近づくように、時間帯毎の制御変数の目標値α＊、β＊およびγ＊を算出する(ステップＳ４０)。算出された時間帯毎の制御変数の目標値α＊、β＊およびγ＊は、記憶部４４内の目標値記憶部５０に記憶される。これにより、目標値記憶部５０に記憶されている時間帯毎の制御変数の目標値α＊、β＊およびγ＊が更新される。ステップＳ４０の処理について具体的に説明する。 If it is determined in step S37 that the predicted harvest amount is equal to or more than the desired harvest amount (step S37: YES), the target growth state distribution setting unit 33B determines the future growth state distribution generated in step S36. The target growth state distribution is set (step S39).
Next, the control value calculation unit 33C in the control value calculation processing unit 33 sets the control variable for each time zone so that the predicted growth state distribution at the desired harvest time approaches the target growth state distribution set in step S39. Target values α * , β * and γ * are calculated (step S40). The calculated target values α * , β * and γ * of the control variables for each time zone are stored in the target value storage unit 50 in the storage unit 44. Thereby, the target values α * , β * and γ * of the control variables for each time zone stored in the target value storage unit 50 are updated. The process of step S40 will be specifically described.

図１３は、ステップＳ３４で作成された現在の生長状態分布６１と、ステップＳ３９で設定された目標生長状態分布６２との一例を示す模式図である。
現在の生長状態分布６１と目標生長状態分布６２との生長量の差をΔＧとする。希望収穫時期での予測生長状態分布を目標生長状態分布に近づけるための１日単位の生長量の目標値を目標生長量Ｇｄ＊とし、現在から目標収穫日までの日数をＮとすると、１日単位の目標生長量Ｇｄ＊は次式（１）で表される。 FIG. 13 is a schematic view showing an example of the current growth state distribution 61 created in step S34 and the target growth state distribution 62 set in step S39.
The difference in growth amount between the current growth state distribution 61 and the target growth state distribution 62 is taken as ΔG. Assuming that the target growth amount per day is set as the target growth amount Gd * and the number of days from the present to the target harvest date is N, one day to bring the predicted growth state distribution at the desired harvest time closer to the target growth state distribution. The target growth amount Gd * of the unit is expressed by the following equation (1).

Ｇｄ＊＝ΔＧ／Ｎ …（１）
制御値算出部３３Ｃは、前記式（１）に基づいて、１日単位の目標生長量Ｇｄ＊を算出する。そして、制御値算出部３３Ｃは、１日の生長量Ｇｄが目標生長量Ｇｄ＊に等しくなるように、１または複数の時間帯における制御変数の目標値α＊、β＊およびγ＊を算出する。 Gd * = ΔG / N (1)
The control value calculator 33C calculates the target growth amount Gd * in units of 1 day based on the equation (1). Then, the control value calculation unit 33C calculates the target values α * , β * and γ * of the control variable in one or more time zones so that the daily growth amount Gd becomes equal to the target growth amount Gd *. .

例えば、制御値算出部３３Ｃは、前記式（１）に基づいて算出された１日単位の目標生長量Ｇｄ＊を２４で除算することにより、各時間帯Ｔ１〜Ｔ２４に対する目標生長量Ｇｄ１＊〜Ｇｄ２４＊を求める。そして、制御値算出部３３Ｃは、時間帯Ｔ１〜Ｔ２４毎の生長速度グラフに対応した回帰式またはマップを用いて、各時間帯Ｔ１〜Ｔ２４に対する生長量Ｇｄ１〜Ｇｄ２４を、対応する時間帯の目標生長量Ｇｄ１＊〜Ｇｄ２４＊に等しくさせるための、制御変数の目標値α＊、β＊およびγ＊を時間帯Ｔ１〜Ｔ２４毎に算出する。この場合には、全ての時間帯において、栽培領域９の環境が現在の各時間帯の環境に対して変更されることになる。栽培領域９の環境を変更することにより、作物の生長速度を変化させることができる。 For example, the control value calculation unit 33C divides the target growth amount Gd * in units of 1 day calculated based on the equation (1) by 24 to obtain the target growth amount Gd1 * to each time period T1 to T24 . Ask for Gd24 * . The control value calculation unit 33C then uses the regression equation or the map corresponding to the growth rate graph for each of the time zones T1 to T24 to set the growth amounts Gd1 to Gd24 for each of the time zones T1 to T24 to a target of the corresponding time zone. The target values α * , β * and γ * of the control variables for calculating the growth amounts Gd1 * to Gd24 * are calculated for each of the time zones T1 to T24. In this case, the environment of the cultivation area 9 is changed with respect to the environment of each current time zone in all time zones. By changing the environment of the cultivation area 9, the growth rate of the crop can be changed.

なお、１日の生長量Ｇｄを目標生長量Ｇｄ＊に一致させることができれば、制御値算出部３３Ｃは、すべての時間帯で栽培領域９の環境を変更する必要はなく、少なくとも１つの時間帯において栽培領域９の環境を変更すればよい。言い換えれば、制御値算出部３３Ｃは、少なくとも１つの時間帯において制御変数の目標値α＊、β＊およびγ＊を変更することによって、１日の生長量Ｇｄを目標生長量Ｇｄ＊に一致させるようにしてもよい。また、栽培領域９を分割して環境の制御が可能な場合には、栽培領域９のうちの特定の領域の環境のみを制御することによって、必要な収穫量を確保してもよい。 In addition, if it is possible to make the daily growth amount Gd coincide with the target growth amount Gd * , the control value calculation unit 33C does not have to change the environment of the cultivation area 9 in all time zones, and at least one time zone In the above, the environment of the cultivation area 9 may be changed. In other words, the control value calculation unit 33C matches the daily growth amount Gd with the target growth amount Gd * by changing the target values α * , β * and γ * of the control variable in at least one time zone. You may do so. Moreover, when the cultivation area 9 can be divided to control the environment, only the environment of a specific area of the cultivation area 9 may be controlled to secure the necessary yield.

また、図８に示すような生長速度グラフが、制御変数α、βおよびγの一部のみを変化させたときの関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）の値に対する作物の生長速度を表すものである場合には、制御値算出部３３Ｃは、その一部の制御変数に対する目標値のみを変更することになる。例えば、図８に示すような生長速度グラフが、制御変数α，β，γのうちα（温度）のみを変化させたときの関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）の値に対する作物の生長速度を表すものである場合には、制御値算出部３３Ｃは、αに対する目標値α＊のみを変更することになる。 Also, the growth rate graph as shown in FIG. 8 shows the growth rate of the crop with respect to the value of the function F (a1 · α + a2 · β + a3 · γ + a4 · δ) when only a part of the control variables α, β and γ are changed. The control value calculation unit 33C changes only the target values for some of the control variables. For example, the growth rate graph as shown in FIG. 8 is a crop with respect to the value of the function F (a1 · α + a2 · β + a3 · γ + a4 · δ) when only α (temperature) among the control variables α, β and γ is changed. The control value calculation unit 33C changes only the target value α * with respect to α.

次に、制御値算出部３３Ｃは、ステップＳ４０で算出された時間帯毎の制御変数の目標値α＊、β＊およびγ＊を、作物栽培システム２の制御部２０に送信する(ステップＳ４１)。そして、今回の制御値算出処理を終了する。
作物栽培システム２の制御部２０は、サーバ３からの時間帯毎の制御変数の目標値α＊、β＊およびγ＊を受信すると、受信した時間帯毎の目標値α＊、β＊およびγ＊を記憶部２５内の目標値記憶部２７に記憶する。これにより、目標値記憶部２７に記憶されている時間帯毎の目標値α＊、β＊およびγ＊が更新される。そして、制御部２０は、各時間帯の制御変数α、βおよびγが、その時間帯に対する更新後の制御変数の目標値α＊、β＊およびγ＊に近づくように、コージェネ１２、空調機１３、除湿機１４およびＣＯ２施用機１５を制御する。 Next, the control value calculation unit 33C transmits the target values α * , β * and γ * of the control variables for each time zone calculated in step S40 to the control unit 20 of the crop cultivation system 2 (step S41) . Then, the control value calculation process of this time is ended.
Control unit 20 of the cropping system 2, a target value alpha * control variables for each time zone from the server 3, upon receiving the beta * and gamma *, the target value for each time receiving zone alpha *, beta * and gamma The * is stored in the target value storage unit 27 in the storage unit 25. Thereby, the target values α * , β * and γ * for each time zone stored in the target value storage unit 27 are updated. Then, the control unit 20 controls the cogeneration 12 and the air conditioner so that the control variables α, β and γ in each time zone approach the target values α * , β * and γ * of the control variable after updating for that time zone. 13. Control the dehumidifier 14 and the CO 2 applicator 15.

制御値算出処理部３３によれば、希望収穫時期に希望収穫量の作物を収穫できるようになる。
以上、この発明の実施形態について説明したが、この発明はさらに他の形態で実施することもできる。例えば、前述の実施形態では、作物の生長速度に影響を与えるパラメータは、温度α、湿度β、ＣＯ２濃度γおよび日照強度δを変数とする関数Ｆ（ａ１・α＋ａ２・β＋ａ３・γ＋ａ４・δ）で表わされているが、変数および変数の組合せはこれに限られない。例えば、変数として、栄養液の供給量を加えてもよい。 According to the control value calculation processing unit 33, it is possible to harvest a desired amount of crop at the desired harvest time.
As mentioned above, although embodiment of this invention was described, this invention can also be implemented with another form. For example, in the embodiment described above, the parameters that affect the growth rate of a crop are functions F (a1 · α + a2 · β + a3 · γ + a4 · δ), with temperature α, humidity β, CO 2 concentration γ and sunlight intensity δ as variables. However, variables and combinations of variables are not limited to this. For example, as a variable, the nutrient solution supply may be added.

また、図１２のステップＳ４０は、現在の生長状態分布６１と目標生長状態分布６２との生長量の差ΔＧに基づいて、希望収穫時期での予測生長状態分布を目標生長状態分布に一致させるための時間帯毎の制御変数の目標値α＊、β＊およびγ＊を算出している。しかし、図５のステップＳ５と同様な処理によって希望収穫時期での生長状態分布を予測し、予測された希望収穫時期での生長状態分布とステップＳ３９で設定される目標生長状態分布との間の生長量の差とに基づいて、希望収穫時期での予測生長状態分布を目標生長状態分布に一致させるための時間帯毎の制御変数の目標値α＊、β＊およびγ＊を算出してもよい。具体的には、希望収穫時期での生長状態分布と目標生長状態分布との間の生長量の差が零になるように、時間帯毎の制御変数の目標値α＊、β＊およびγ＊を算出すればよい。 Further, step S40 in FIG. 12 matches the predicted growth state distribution at the desired harvest time with the target growth state distribution based on the difference ΔG of the growth amount between the current growth state distribution 61 and the target growth state distribution 62. The target values α * , β * and γ * of the control variables for each time zone of are calculated. However, the growth state distribution at the desired harvest time is predicted by the same process as step S5 in FIG. 5, and the growth state distribution at the predicted desired harvest time is between the target growth state distribution set in step S39. Even if the target values α * , β * and γ * of the control variable for each time zone are made to match the predicted growth state distribution at the desired harvest time with the target growth state distribution based on the difference in growth amount, Good. Specifically, the target values α * , β * and γ * of the control variables for each time zone are set so that the difference between the growth state distribution at the desired harvest time and the growth state distribution at the desired harvest time becomes zero . Is calculated.

また、図１２のステップＳ４０の処理は、作物栽培システム２の制御部２０が行うようにしてもよい。この場合には、制御値算出処理部３３は、ステップＳ３９で設定された目標生長状態分布を作物栽培システム２の制御部２０に送信すればよい。この場合には、時間帯Ｔ１〜Ｔ２４毎の生長速度グラフに対応した回帰式またはマップを制御装置１１内の記憶部２５にも記憶しておく必要がある。   Moreover, you may make it the control part 20 of the crop cultivation system 2 perform the process of FIG.12 S40. In this case, the control value calculation processing unit 33 may transmit the target growth state distribution set in step S39 to the control unit 20 of the crop cultivation system 2. In this case, it is necessary to store a regression equation or a map corresponding to the growth rate graph for each of the time zones T1 to T24 also in the storage unit 25 in the control device 11.

また、サーバ３の第１予測処理部３１によって行われる第１予測処理、サーバ３の第２予測処理部２によって行われる第２予測処理およびサーバ３の制御値算出処理部３３によって行われる制御値算出処理を、作物栽培システム２側の制御部２０によって行うようにしてもよい。この場合には、作物栽培システム２側の制御部２０が生長状態予測装置を構成することになる。   In addition, the first prediction process performed by the first prediction processing unit 31 of the server 3, the second prediction process performed by the second prediction processing unit 2 of the server 3, and the control values performed by the control value calculation processing unit 33 of the server 3 The calculation processing may be performed by the control unit 20 on the crop cultivation system 2 side. In this case, the control unit 20 on the crop cultivation system 2 side constitutes a growth state prediction device.

また、前記実施形態では、作物として野菜（トマト）を例にとって説明したが、作物は果実や花であってもよい。
その他、特許請求の範囲に記載された事項の範囲で種々の設計変更を施すことが可能である。 Moreover, in the said embodiment, although vegetables (tomato) were demonstrated as an example as a crop, a crop may be a fruit or a flower.
In addition, various design changes can be made within the scope of matters described in the claims.

２ 作物栽培システム
３ サーバ
４ 通信網
９ 栽培領域
１１ 制御装置
１２ コージェネ
１３ 空調機
１４ 除湿機
１５ ＣＯ２施用機
１６ カメラ
１７ 環境センサ
２０ 制御部
２１ 第１通信部
２２ 第２通信部
２５ 記憶部
３０ 制御部
３１ 第１予測処理部
３１Ａ 分布生成部
３１Ｂ 収穫量予測部
３２ 第２予測処理部
３２Ａ 分布生成部
３２Ｂ 収穫時期予測部
３３ 制御値算出処理部
３３Ａ 分布生成部
３３Ｂ 目標生長状態分布設定部
３３Ｃ 制御値算出部
４１ 通信部
４２ 操作表示部
４３ 操作部
４４ 記憶部 Reference Signs List 2 crop cultivation system 3 server 4 communication network 9 cultivation area 11 control device 12 cogeneration 13 air conditioner 14 dehumidifier 15 CO 2 application machine 16 camera 17 environment sensor 20 control unit 21 first communication unit 22 second communication unit 25 storage unit 30 Control unit 31 first prediction processing unit 31A distribution generation unit 31B harvest amount prediction unit 32 second prediction processing unit 32A distribution generation unit 32B harvest time prediction unit 33 control value calculation processing unit 33A distribution generation unit 33B target growth state distribution setting unit 33C Control value calculation unit 41 Communication unit 42 Operation display unit 43 Operation unit 44 Storage unit

Claims (5)

所定の栽培領域の少なくとも一部を撮像することによって得られる複数の作物を含む画像に基づいて、前記栽培領域で栽培される作物の生長状態を予測する生長状態予測装置であって、
前記画像に含まれる前記複数の作物を生長状態に応じて分類し、前記複数の作物の分類結果から前記栽培領域全体における作物の生長状態分布を生成する分布生成部と、
前記分布生成部によって生成された生長状態分布を時間進展させることにより、前記栽培領域全体における作物の将来の生長状態分布を予測する機能を備えた予測部と、
を含む、生長状態予測装置。 A growth state prediction device that predicts a growth state of a crop grown in the cultivation area based on an image including a plurality of crops obtained by imaging at least a part of a predetermined cultivation area,
A distribution generation unit that classifies the plurality of crops included in the image according to the growth status, and generates a growth status distribution of crops in the entire cultivation area from the classification results of the plurality of crops;
A prediction unit having a function of predicting a future growth condition distribution of a crop in the entire cultivation area by temporally advancing the growth condition distribution generated by the distribution generation unit;
A growth state prediction device, including: 前記予測部は、前記将来の生長状態分布として、前記分布生成部によって生成された生長状態分布を所与の希望収穫時期まで進展させることにより、前記希望収穫時期の生長状態分布を求め、前記希望収穫時期の生長状態分布において生長状態が所定の収穫閾値を超える部分に存在する作物の数量から、前記希望収穫時期における収穫量を予測する収穫量予測部を含む、請求項１に記載の生長状態予測装置。   The prediction unit obtains the growth state distribution at the desired harvest time by advancing the growth state distribution generated by the distribution generation unit to the given desired harvest time as the future growth state distribution, and the hope The growth state according to claim 1, further comprising: a harvest amount prediction unit that predicts a harvest amount at the desired harvest time from the number of crops existing in a portion where the growth state exceeds a predetermined harvest threshold in the growth state distribution at the harvest time. Prediction device. 前記予測部は、前記将来の生長状態分布として、生長状態が所定の収穫閾値を超える部分に存在する作物の数量から得られる収穫量が、所与の希望収穫量以上になる生長状態分布を求め、当該生長状態分布に対応する時期を収穫時期として予測する収穫時期予測部を含む、請求項１に記載の生長状態予測装置。   The prediction unit determines, as the future growth state distribution, a growth state distribution in which a harvest amount obtained from the number of crops existing in a portion where the growth state exceeds a predetermined harvest threshold is equal to or more than a given desired harvest amount The growth state prediction apparatus according to claim 1, further comprising: a harvest time prediction unit that predicts a time corresponding to the growth state distribution as a harvest time. 前記予測部は、
前記将来の生長状態分布として、生長状態が所定の収穫閾値を超える部分に存在する作物の数量から得られる収穫量が所与の希望収穫量以上になる生長状態分布を求め、得られた生長状態分布を目標生長状態分布として設定する目標生長状態分布設定部と、
前記分布生成部によって生成された生長状態分布を所与の希望収穫時期まで進展させた将来の生長状態分布が、前記目標生長状態分布設定部によって設定された目標生長状態分布に近づくように、前記栽培領域における環境を制御するための環境制御値を算出する制御値算出部を含む、請求項１に記載の生長状態予測装置。 The prediction unit
As the future growth state distribution, the growth state distribution obtained by obtaining the harvest amount obtained from the number of crops existing in the part where the growth state exceeds the predetermined harvest threshold is equal to or more than the given desired harvest amount A target growth state distribution setting unit that sets the distribution as a target growth state distribution;
The future growth state distribution in which the growth state distribution generated by the distribution generation unit is advanced to a given desired harvest time approaches the target growth state distribution set by the target growth state distribution setting unit. The growth state prediction device according to claim 1, further comprising a control value calculation unit that calculates an environmental control value for controlling the environment in the cultivation area. 前記制御値算出部によって算出された環境制御値に基づいて、前記栽培領域における環境を制御する環境制御部をさらに含む、請求項４に記載の生長状態予測装置。   The growth state prediction device according to claim 4, further comprising an environmental control unit that controls an environment in the cultivation area based on the environmental control value calculated by the control value calculation unit.
JP2017214717A 2017-11-07 2017-11-07 Growth state predictor Active JP6943725B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2017214717A JP6943725B2 (en) 2017-11-07 2017-11-07 Growth state predictor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017214717A JP6943725B2 (en) 2017-11-07 2017-11-07 Growth state predictor

Publications (2)

Publication Number Publication Date
JP2019083745A true JP2019083745A (en) 2019-06-06
JP6943725B2 JP6943725B2 (en) 2021-10-06

Family

ID=66761395

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017214717A Active JP6943725B2 (en) 2017-11-07 2017-11-07 Growth state predictor

Country Status (1)

Country Link
JP (1) JP6943725B2 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472557A (en) * 2019-08-13 2019-11-19 深圳市睿海智电子科技有限公司 A kind of method and device of tomato growth monitoring
KR20230013791A (en) * 2021-07-20 2023-01-27 (주)루멘룩스 Method for managing plant growth and apparatus using the same

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002101756A (en) * 2000-09-29 2002-04-09 Matsushita Electric Works Ltd Method for obtaining plant growth information, system for controlling plant growth and method for supporting plant growth business
JP2003329594A (en) * 2002-05-10 2003-11-19 Mitsubishi Chemicals Corp Method for diagnosing degradation in coated surface of building
JP2006252105A (en) * 2005-03-10 2006-09-21 Yokogawa Electric Corp Farm product production information management system
JP2013005726A (en) * 2011-06-22 2013-01-10 Nikon Corp Information providing system, information providing device, information providing method, and program
JP2013172698A (en) * 2012-02-27 2013-09-05 Ntt Facilities Inc Plant cultivation system, plant cultivation method, and program
JP2016101117A (en) * 2014-11-28 2016-06-02 三菱電機株式会社 Information processing device, and information processing method, and program
JP2016154510A (en) * 2015-02-26 2016-09-01 日本電気株式会社 Information processor, growth state determination method, and program
US20170161560A1 (en) * 2014-11-24 2017-06-08 Prospera Technologies, Ltd. System and method for harvest yield prediction

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002101756A (en) * 2000-09-29 2002-04-09 Matsushita Electric Works Ltd Method for obtaining plant growth information, system for controlling plant growth and method for supporting plant growth business
JP2003329594A (en) * 2002-05-10 2003-11-19 Mitsubishi Chemicals Corp Method for diagnosing degradation in coated surface of building
JP2006252105A (en) * 2005-03-10 2006-09-21 Yokogawa Electric Corp Farm product production information management system
JP2013005726A (en) * 2011-06-22 2013-01-10 Nikon Corp Information providing system, information providing device, information providing method, and program
JP2013172698A (en) * 2012-02-27 2013-09-05 Ntt Facilities Inc Plant cultivation system, plant cultivation method, and program
US20170161560A1 (en) * 2014-11-24 2017-06-08 Prospera Technologies, Ltd. System and method for harvest yield prediction
JP2016101117A (en) * 2014-11-28 2016-06-02 三菱電機株式会社 Information processing device, and information processing method, and program
JP2016154510A (en) * 2015-02-26 2016-09-01 日本電気株式会社 Information processor, growth state determination method, and program

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110472557A (en) * 2019-08-13 2019-11-19 深圳市睿海智电子科技有限公司 A kind of method and device of tomato growth monitoring
KR20230013791A (en) * 2021-07-20 2023-01-27 (주)루멘룩스 Method for managing plant growth and apparatus using the same
KR102639969B1 (en) * 2021-07-20 2024-02-23 (주)루멘룩스 Method for managing plant growth and apparatus using the same
KR20240029749A (en) * 2021-07-20 2024-03-06 (주)루멘룩스 Apparatus for managing plant growth
KR102652306B1 (en) * 2021-07-20 2024-03-28 (주)루멘룩스 Apparatus for managing plant growth

Also Published As

Publication number Publication date
JP6943725B2 (en) 2021-10-06

Similar Documents

Publication Publication Date Title
JP2019083746A (en) Crop production management device
KR101811640B1 (en) Prediction apparatus and method for production of crop using machine learning
JP2018029568A (en) Wilting condition prediction system and wilting condition prediction method
Manoharan Supervised Learning for Microclimatic parameter Estimation in a Greenhouse environment for productive Agronomics
KR20180022159A (en) Nutrient solution control apparatus and methods using maching learning
JP2016154510A (en) Information processor, growth state determination method, and program
JP2019170359A (en) Plant cultivation result prediction system
JP2021056573A (en) Crop growth prediction program, crop growth prediction method, and crop growth prediction device
US20220225583A1 (en) Management device for cultivation of fruit vegetable plants and fruit trees, learning device, management method for cultivation of fruit vegetable plants and fruit trees, learning model generation method, management program for cultivation of fruit vegetable plants and fruit trees, and learning model generation program
JP6943725B2 (en) Growth state predictor
CN117348646A (en) Intelligent control method, system, device and medium for edible fungus production
JP2018007630A (en) Cultivation support device
CN113168599A (en) Plant cultivation management system and plant cultivation management device
KR20210077439A (en) Prediction system for collecting growth information of crop
KR102355211B1 (en) Cultivation monitoring system
JP2021056572A (en) Crop production assisting program, crop production assisting method, and crop production assisting device
JP7416394B2 (en) Cropping schedule calculation device, cropping schedule calculation program, and cropping schedule calculation method
JP2019219704A (en) Farm management support system
KR20210056213A (en) Farm operating information providing system
JP7314825B2 (en) Prediction device, prediction system, and prediction method
US20220357481A1 (en) Information processing device and method
Priyani et al. Smart Agriculture system Using Machine Learning
Kjaer et al. An integrated simulation and decision support system for greenhouse climate control (InfoGrow 2.0) based on an open source greenhouse modelling platform
JP6858891B2 (en) Information processing device and information processing method
Komninos et al. Improving hydroponic agriculture through IoT-enabled collaborative machine learning

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200130

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20201225

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210128

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210319

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: 20210819

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210909

R150 Certificate of patent or registration of utility model

Ref document number: 6943725

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150