JP6835221B2 - 係数算出装置、係数算出方法、及び、係数算出プログラム - Google Patents

係数算出装置、係数算出方法、及び、係数算出プログラム Download PDF

Info

Publication number
JP6835221B2
JP6835221B2 JP2019526079A JP2019526079A JP6835221B2 JP 6835221 B2 JP6835221 B2 JP 6835221B2 JP 2019526079 A JP2019526079 A JP 2019526079A JP 2019526079 A JP2019526079 A JP 2019526079A JP 6835221 B2 JP6835221 B2 JP 6835221B2
Authority
JP
Japan
Prior art keywords
coefficient
coefficient calculation
partial
partial region
region
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.)
Active
Application number
JP2019526079A
Other languages
English (en)
Other versions
JPWO2019003400A1 (ja
Inventor
藤山 健一郎
健一郎 藤山
峰斗 佐藤
峰斗 佐藤
たん 東
たん 東
哲理 有山
哲理 有山
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.)
NEC Corp
Original Assignee
NEC Corp
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 NEC Corp filed Critical NEC Corp
Publication of JPWO2019003400A1 publication Critical patent/JPWO2019003400A1/ja
Application granted granted Critical
Publication of JP6835221B2 publication Critical patent/JP6835221B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/188Vegetation
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01GHORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00Botany in general
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0098Plants or trees
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/245Classification techniques relating to the decision surface
    • G06F18/2453Classification techniques relating to the decision surface non-linear, e.g. polynomial classifier
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Botany (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Environmental Sciences (AREA)
  • Forests & Forestry (AREA)
  • Ecology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Food Science & Technology (AREA)
  • Wood Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Nonlinear Science (AREA)
  • Mathematical Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Description

本発明は、ある領域における吸光係数を算出する係数算出装置等に関する。
圃場にて実施された営農の質は、たとえば、該圃場にて営農を実施することによって生じると予測される事象と、該圃場に実際に営農を実施することによって生じた事象との差異を用いて計測することができる。該事象を葉の面積によって計測する場合には、まず、該圃場にて実施された営農の内容に基づき灌漑量等を予測し、該灌漑量に基づき該圃場にて成育している植物の葉の面積が予測される。次に、該圃場に植生している植物の葉の面積を実際に測定し、測定した該葉の面積が、予測された面積以上であるか否かに応じて、該圃場にて実施された営農の質を計測することができる。圃場にて実際に植生している植物の葉の面積等を測定する場合には、特許文献1に例示されているように、たとえば、該圃場を見込む画角にて撮像されたレーダ画像が用いられることがある。
特許文献1には、対象エリアにおける地表面の様子が撮影されたレーダ画像に基づき、該対象エリアにおける植生の程度を算出する解析装置が開示されている。該解析装置は、所定時期に対象エリアが撮影されたレーダ画像と、他の時期に該対象エリアが撮影されたレーダ画像とに基づき、該対象エリアに含まれている特定領域に関する後方散乱係数(backscattering_coefficient)を算出し、該後方散乱係数と、該植生の程度との相関関係に基づき、該特定領域における植生の程度を算出する。
特開2010−117327号公報
葉の面積は、たとえば、圃場にて植生している植物の植生指数(WDVI)と、該圃場における吸光係数(extinction_coefficient)とに基づき予測することができる。この場合に、吸光係数が正確であるほど、葉の面積は、正しく予測される。吸光係数は、測定することができない値であるので、他の情報に基づき算出される。しかし、正確な吸光係数を算出するためには多くの計算量が必要である。
そこで、本発明の目的の1つは、ある領域に関する正確な吸光係数を短期間に算出可能な係数算出装置等を提供することである。
本発明の1つの態様として、係数算出装置は、
圃場における複数の部分領域のうち、一部の部分領域に関して、所定の算出処理に従い吸光係数を算出する第1係数算出手段と、
前記一部の部分領域に関して算出された該吸光係数と、前記一部の部分領域に関する特徴を表す特徴量との関連性を表す関連性情報を作成する関連性情報作成手段と、
前記複数の部分領域のうちの前記一部の部分領域と異なる部分領域に関する前記特徴量と、前記関連性情報作成手段によって作成された前記関連性情報とに基づき、前記異なる部分領域に関する前記吸光係数を算出する第2係数算出手段と
を備える。
また、本発明の他の態様として、係数算出方法は、
情報処理装置によって、圃場における複数の部分領域のうち、一部の部分領域に関して、所定の算出処理に従い吸光係数を算出し、前記一部の部分領域に関して算出された該吸光係数と、前記一部の部分領域に関する特徴を表す特徴量との関連性を表す関連性情報を作成し、前記複数の部分領域のうちの前記一部の部分領域と異なる部分領域に関する前記特徴量と、前記関連性情報作成手段によって作成された前記関連性情報とに基づき、前記異なる部分領域に関する前記吸光係数を算出する。
また、本発明の他の態様として、係数算出プログラムは、
圃場における複数の部分領域のうち、一部の部分領域に関して、所定の算出処理に従い吸光係数を算出する第1係数算出機能と、
前記一部の部分領域に関して算出された該吸光係数と、前記一部の部分領域に関する特徴を表す特徴量との関連性を表す関連性情報を作成する関連性情報作成機能と、
前記複数の部分領域のうちの前記一部の部分領域と異なる部分領域に関する前記特徴量と、前記関連性情報作成手段によって作成された前記関連性情報とに基づき、前記異なる部分領域に関する前記吸光係数を算出する第2係数算出機能と
をコンピュータに実現させる。
さらに、同目的は、係るプログラムを記録するコンピュータが読み取り可能な記録媒体によっても実現される。
本発明に係る係数算出装置等によれば、ある領域に関する正確な吸光係数を短期間に算出することができる。
本発明の第1の実施形態に係る係数算出装置が有する構成を示すブロック図である。 第1の実施形態に係る係数算出装置における処理の流れを示すフローチャートである。 画像情報、及び、部分画像情報の一例を概念的に表す図である。 関連性情報作成部が作成する情報の一例を概念的に表す図である。 算出された関連性情報の一例を概念的に表す図である。 本発明の第2の実施形態に係る係数算出装置が有する構成を示すブロック図である。 第2の実施形態に係る係数算出装置における処理の流れを示すフローチャートである。 本発明の第3の実施形態に係る係数算出装置が有する構成を示すブロック図である。 第3の実施形態に係る係数算出装置における処理の流れを示すフローチャートである。 各グループに関して算出された関連性情報の一例を概念的に表す図である。 本発明の第4の実施形態に係る係数算出装置が有する構成を示すブロック図である。 第4の実施形態に係る係数算出装置における処理の流れを示すフローチャートである。 本発明の各実施形態に係る係数算出装置を実現可能な計算処理装置のハードウェア構成例を概略的に示すブロック図である。
次に、本発明を実施する実施形態について図面を参照しながら詳細に説明する。
<第1の実施形態>
図1を参照しながら、本発明の第1の実施形態に係る係数算出装置101が有する構成について詳細に説明する。図1は、本発明の第1の実施形態に係る係数算出装置101が有する構成を示すブロック図である。
第1の実施形態に係る係数算出装置101は、特徴量算出部102と、第1係数算出部103と、第2係数算出部104と、関連性情報作成部105とを有する。係数算出装置101は、さらに、指数算出部106と、シミュレーション部107とを有してもよい。
係数算出装置101は、圃場112(図3)を見込む画角にて撮像された画像情報111(図3)のうち、圃場領域が複数の部分領域に分割された画像を表す部分画像情報113(図3)を、センサ、記憶装置等から受け取る。図3は、画像情報111、及び、部分画像情報113の一例を概念的に表す図である。
図2を参照しながら後述する処理は、部分画像情報113が表す部分領域に対して実行される。
画像情報111は、たとえば、人工衛星、ドローン、ヘリコプターに搭載された近赤外カメラ等を用いて、圃場112を見込む画角にて撮像された画像である。画像情報111は、圃場112以外の領域を表す情報を含んでいてもよい。また、画像情報111は、可視域が撮像された画像、及び、近赤外域が撮像された画像等、1つの圃場に関して撮像された複数の画像であってもよい。以降、説明の便宜上、画像情報111のうち、圃場112の領域(以降、「圃場領域」と表す)を表す情報を「圃場領域情報」と表す。
該複数の部分領域は、相互に重複した領域を含んでいてもよいし、重複した領域を含んでいなくてもよい。また、該部分領域は、規則的な形状を有していてもよいし、不規則的な形状を有していてもよい。以降の説明においては、説明の便宜上、部分領域は、該圃場領域にて、格子状に配置された領域であって、複数の部分領域間にて互いに重複している領域を含んでいないとする。
また、係数算出装置101は、圃場112を見込む画角にて撮像された画像情報111を読み取り、画像情報111から圃場112を表す圃場領域情報を特定してもよい。この場合に、係数算出装置101は、特定した該圃場領域情報が表す圃場領域を複数の部分領域に分割することによって、各部分領域を表す部分画像情報113を作成する。
次に、図2を参照しながら、本発明の第1の実施形態に係る係数算出装置101における処理について詳細に説明する。図2は、第1の実施形態に係る係数算出装置101における処理の流れを示すフローチャートである。
まず、特徴量算出部102は、部分画像情報113が表す部分領域に関する特徴を表す特徴量を算出する(ステップS101)。特徴量算出部102は、該特徴量として、たとえば、該部分領域において植物の葉が存在している領域(以降、「葉領域」と表す)の面積割合を算出する。特徴量は、上述した例に限定されない。特徴量が葉領域の面積割合である場合における例を参照しながら、特徴量を算出する処理に関して詳細に説明する。
特徴量算出部102は、該部分領域のうち、圃場112において植物の葉が存在している葉領域を特定する。たとえば、特徴量算出部102は、近赤外カメラを用いて圃場112が撮像されている画像に基づき該葉領域を特定する。画像がカラー画像である場合に、特徴量算出部102は、たとえば、ある領域における該色が、葉を表す色の範囲である場合に、該ある領域を葉領域であると判定してもよい。
特徴量算出部102は、該部分領域の面積に対する、該葉領域の面積割合(以降、「被覆率」とも表す)を、特徴量として算出する。割合は、必ずしも、数学的に定義される割合でなくともよく、該葉領域が該部分領域に占める程度を表していればよい。葉領域の面積割合(すなわち、被覆率)は、吸光係数と高い関連性を有する情報の一例である。
特徴量算出部102は、上述した処理を各部分領域に関して実行することによって、該部分領域に関する被覆率を、該部分領域に関する特徴量として算出する。特徴量算出部102は、算出した該特徴量を関連性情報作成部105に入力する。
第1係数算出部103は、該複数の部分領域のうち一部の部分領域に関して、該一部の部分領域に関する植生指数を、人工衛星に搭載されているセンサ等から受け取る。第1係数算出部103は、該一部の部分領域に関する葉面積指数を、シミュレーション部107から受け取る。
植生指数は、たとえば、ある領域における植生の分布状況や、該植生の活性度を表す正規化差植生指数(NDVI)、または、重み付き植生指数(WDVI)である。NDVIは、Normalized_Difference_Vegetation_Indexの略称を表す。WDVIは、Weighted_Difference_Vegetation_Indexの略称を表す。NDVIは、たとえば、式1に示された処理に従い、人工衛星に搭載されているセンサ等によって、圃場112付近に関して観測された可視域赤の反射率Rと、近赤外域の反射率IRとに基づき算出される。
NDVI=(IR−R)÷(IR+R)・・・(式1)、
ただし、NDVIは、正の大きな値であるほど植生が濃いことを表す。
また、WDVIは、たとえば、近赤外分光法(NIR:Near_InfraRed)に従い測定された近赤外域の反射率IRと、可視域赤の反射率Rとに対して、式2に示された処理を適用することによって算出することができる。
WDVI=IR−C×R・・・(式2)、
ただし、Cは、部分領域に植物が存在していない場合における近赤外域の反射率SIRと、部分領域に植物が存在していない場合における反射率SRとの比を表す。
葉面積指数は、たとえば、水稲生育予測モデル(SIMRIW)等に含まれている葉面積指数(LAI)を表す。SIMRIWは、SImulation_Model_for_RIce_Weather_relationsの略称を表す。LAIは、Leaf_Area_Indexの略称を表す。葉面積指数LAIは、たとえば、ある部分領域における気温Te、降水量r、日射時間ts、土中に存在している吸収可能な窒素量Ni、及び、灌漑量wに対して、式3に示された所定の処理Fを適用することによって算出することができる。
LAI=F(Te,r,ts,Ni,w)・・・(式3)。
式3は、圃場にて実施されている営農に基づき葉面積指数を予測可能なモデルに基づき算出する処理を表す。モデルは、たとえば、該葉面積指数を表すパラメタを含む偏微分方程式等の情報であって、葉面積指数と、他の情報との関連性を表す情報である。偏微分方程式は、必ずしも、1つの式でなく、複数の式であってもよい。当該モデルは、たとえば、有限要素法等の離散化手法に従い離散化される。この結果、連立一次方程式が作成される。所定の処理Fは、たとえば、反復法等の求解手順に従い、該連立一次方程式の解を算出する処理手順を概念的に表す。
シミュレーション部107は、式3に例示されているような葉面積指数(LAI)を算出する手順に従い、たとえば、圃場112にて実施される営農をシミュレーションする。該シミュレーション部107は、たとえば、時間が推移した場合における葉面積指数の変化をシミュレーションすることによって、葉面積指数を算出してもよい。
第1係数算出部103は、一部の部分領域に関する該植生指数と、該葉面積指数(LAI)とを所定の算出処理(式4に例示)に従い処理することによって、該一部の部分領域に関する吸光係数を算出する(ステップS102)。第1係数算出部103は、たとえば、式4に例示された処理に従い、該一部の部分領域に関する吸光係数αを算出する。
α=−1÷LAI×ln(1−WDVI÷WDVII)・・・(式4)、
ただし、WDVIIは、WDVIの限界値(limiting_value)を表す。ln()は、ネイピア数を底とする対数関数を表す。
関連性情報作成部105は、第1係数算出部103から、ある一部の部分領域に関する吸光係数を受け取り、さらに、特徴量算出部102から、該ある一部の部分領域に関する特徴量(たとえば、被覆率(すなわち、葉が存在している面積割合))を受け取る。関連性情報作成部105は、たとえば、図4に例示されているような、ある一部の部分領域に関する特徴量と、ある一部の部分領域に関する吸光係数とが関連付けされた情報を作成する。図4は、関連性情報作成部105が作成する情報の一例を概念的に表す図である。
図4に例示された情報においては、部分領域を表す識別子(ID)と、該部分領域に関する特徴量と、該部分領域に関する吸光係数とが関連付けされている。これは、部分領域IDが表す部分領域に関する特徴量と、該部分領域に関する吸光係数とに関する情報であることを表す。たとえば、部分領域ID「3」と、特徴量「0.9834」と、吸光係数「0.47」とが関連付けされている。これは、部分領域ID「3」が表す部分領域に関する特徴量が「0.9834」であり、該部分領域に関する吸光係数が「0.47」であることを表す。
以降の説明においては、説明の便宜上、部分領域に関する該吸光係数と、該部分領域に関する特徴量との組を「セット」と表す。この場合に、関連性情報作成部105は、該部分領域に関するセットを作成する。
関連性情報作成部105は、吸光係数と、特徴量との関連性を表す関連性情報を作成する(ステップS103)。関連性情報作成部105は、たとえば、図5に例示されているように、該吸光係数と、該特徴量(たとえば、被覆率)とにフィッティングしている関数を求めることによって、該関連性情報を算出する。図5は、算出された関連性情報の一例を概念的に表す図である。該関数は、たとえば、指数関数、多項式関数等の関数である。図5における横軸は、特徴量を表し、右側であるほど特徴量が大きな値であることを表す。図5における縦軸は、吸光係数を表し、上側であるほど吸光係数が大きな値であることを表す。図5に示された例の場合に、関連性情報作成部105は、関連性情報として、「吸光係数c=0.0566×exp(2.2002×特徴量d)」(ただし、exp()は、ネイピア数eを底とする指数関数を表す)を算出する。
第2係数算出部104は、関連性情報作成部105によって作成された該関連性情報と、複数の部分領域のうち、上述した一部の部分領域とは異なる部分領域(すなわち、第1係数算出部103によって吸光係数が算出されていない部分領域)に関する特徴量(たとえば、被覆率)とを受け取る。第2係数算出部104は、該関連性情報において該特徴量に応じた吸光係数を算出することによって、該異なる部分領域に関する吸光係数を算出する(ステップS104)。
指数算出部106は、第2係数算出部104から、該吸光係数を受け取る。指数算出部106は、部分領域に関する該吸光係数と、該部分領域に関する植生指数(WDVI)と対して、式5に示された処理を適用することによって、該部分領域に関する葉面積指数(LAI)を算出する。
LAI=−1÷α×ln(1−WDVI÷WDVII)・・・(式5)。
次に、本発明の第1の実施形態に係る係数算出装置101に関する効果について説明する。
第1の実施形態に係る係数算出装置101によれば、ある領域に関する正確な吸光係数を短期間に算出することができる。この理由は、係数算出装置101においては、圃場領域のうち一部の部分領域に関してのみ所定の算出処理が実行され、該一部の部分領域とは異なる部分領域に関しては、該部分領域の特徴量に基づき吸光係数が算出されるからである。また、特徴量に基づき吸光係数を算出する処理(図5を算出しながら上述)における処理量は、所定の算出処理(式3を参照しながら上述)に従い吸光係数を算出する処理における処理量よりも少ない。したがって、当該所定の算出処理に長い処理時間を要する場合であっても、係数算出装置101によれば、圃場領域のうち複数の部分領域に関する正確な吸光係数を短期間に算出することができる。
また、第1の実施形態に係る係数算出装置101によれば、圃場領域のうち複数の部分領域に関する吸光係数をより正確に算出することができる。この理由は、吸光係数と高い関連性を有する葉領域の面積割合に基づき、係数算出装置101が吸光係数を算出するからである。すなわち、葉領域の面積割合が吸光係数と高い関連性を有するので、係数算出装置101が算出する吸光係数は、より正確な値である。
さらに、第1の実施形態に係る係数算出装置101によれば、正確な葉面積指数(LAI)を、少ない処理量で算出することができる。この理由は、式5に従い葉面積指数を算出する処理は、式3に従い葉面積指数を算出する処理に比べて処理量が少なく、さらに、上述したように、当該葉面積指数を算出する基である吸光係数が正確な値であるからである。
<第2の実施形態>
次に、上述した第1の実施形態を基本とする本発明の第2の実施形態について説明する。
以降の説明においては、本実施形態に係る特徴的な部分を中心に説明すると共に、上述した第1の実施形態と同様な構成については、同一の参照番号を付すことにより、重複する説明を省略する。
図6を参照しながら、本発明の第2の実施形態に係る係数算出装置201が有する構成について詳細に説明する。図6は、本発明の第2の実施形態に係る係数算出装置201が有する構成を示すブロック図である。
第2の実施形態に係る係数算出装置201は、特徴量算出部202と、第1係数算出部203と、第2係数算出部204と、関連性情報作成部205と、領域選択部206とを有する。係数算出装置201は、さらに、指数算出部106を有してもよい。
第1係数算出部203は、第1係数算出部103(図1)が有している構成と同様な構成を有する。ただし、領域選択部206が複数の部分領域の中から選択した一部の部分領域に関して、第1係数算出部203は、所定の算出処理に従い吸光係数を算出する。第2係数算出部204は、第2係数算出部104(図1)が有している構成と同様な構成を有する。関連性情報作成部205は、関連性情報作成部105(図1)が有している構成と同様な構成を有する。
次に、図7を参照しながら、本発明の第2の実施形態に係る係数算出装置201における処理について詳細に説明する。図7は、第2の実施形態に係る係数算出装置201における処理の流れを示すフローチャートである。
特徴量算出部202は、部分画像情報113(図3に例示)が表す部分領域に関する特徴を表す特徴量を算出する(ステップS201)。ステップS201における処理は、ステップS101(図2)における処理と同様な処理である。
領域選択部206は、圃場領域に含まれている複数の部分領域の中から、所定の選択条件を満たしている部分領域を、一部の部分領域として選択する(ステップS202)。上述したように、第1係数算出部203は、領域選択部206が選択した該一部の部分領域に関して、式4に例示されているような処理に従い吸光係数を算出する。領域選択部206が該一部の部分領域を選択する処理について具体的に説明する。
所定の選択条件が部分領域の位置を表す位置情報に関する条件である場合の例を参照しながら、該処理について説明する。所定の選択条件は、たとえば、該部分領域の位置を表す位置情報の散らばり度(散らばり方の程度)が所定の散らばり度よりも大きいという条件である。散らばり度は、たとえば、部分領域の位置に関する分散であり、圃場112(図3)にて部分領域が散らばっているほど大きな値となる。散らばり度は、分散と同様な数値であってもよい。領域選択部206は、各部分領域を表す部分画像情報113(図3に例示)と、該部分領域の位置を表す位置情報とを、センサ、記憶装置等から受け取る。領域選択部206は、該位置情報の散らばり度が所定の散らばり度よりも大きいという条件を満たしている部分領域を、複数の部分領域の中から選択する。言い換えると、領域選択部206は、複数の部分領域の中から、当該部分領域の位置がばらついているという条件を満たしている部分領域を、一部の部分領域として選択する。
所定の選択条件が、部分領域の特徴量(たとえば、葉領域の面積割合)に関する条件である場合の例を参照しながら、領域選択部206が実行する処理について説明する。所定の選択条件は、たとえば、部分領域に関する特徴量の散らばり度が所定の散らばり度よりも大きいという条件である。この場合に、領域選択部206は、各部分領域を表す部分画像情報113(図3に例示)をセンサ、記憶装置等から受け取り、該部分領域に関して算出された特徴量を、特徴量算出部202から受け取る。領域選択部206は、該特徴量の散らばり度が所定の散らばり度よりも大きいという条件を満たしている部分領域を、複数の部分領域の中から選択する。言い換えると、領域選択部206は、複数の部分領域の中から、当該部分領域に関する特徴量がばらついているという条件を満たしている部分領域を、一部の部分領域として選択する。
次に、第1係数算出部203は、領域選択部206が選択した該一部の部分領域に関して、所定の算出処理に従い吸光係数を算出する(ステップS203)。ステップS203における処理は、ステップS102(図2)における処理と同様な処理である。
以降、図2におけるステップS103乃至ステップS104と同様な処理が実行される(ステップS204乃至ステップS205)。
次に、本発明の第2の実施形態に係る係数算出装置201に関する効果について説明する。
第2の実施形態に係る係数算出装置201によれば、ある領域に関する正確な吸光係数を短期間に算出することができる。この理由は、第1の実施形態にて説明した理由と同様である。
第2の実施形態に係る係数算出装置201によれば、圃場領域のうち複数の部分領域に関する吸光係数をより正確に算出することができる。この理由は、領域選択部206が選択した部分領域が、吸光係数と、特徴量との関連性を表す関連性情報を作成するのに適しているからである。
領域選択部206が、特徴量の散らばり度が所定の散らばり度よりも大きいという条件を満たしている部分領域を選択する場合に、関連性情報作成部205は、広い範囲に散らばっている特徴量に基づき、当該関連性情報を作成する。したがって、特徴量には偏りがないので、該特徴量に基づき算出される関連性情報は、より、正確な関連性を表している。
また、領域選択部206が、位置情報の散らばり度が所定の散らばり度よりも大きいという条件を満たしている部分領域を選択する場合に、該部分領域に関する特徴量の散らばり度は、より広い範囲に散らばっている可能性が高い。この結果、関連性情報作成部205は、広い範囲に散らばっている特徴量に基づき、当該関連性情報を作成する。したがって、特徴量には偏りがないので、該特徴量に基づき算出される関連性情報は、より、正確な関連性を表している可能性が高い。
<第3の実施形態>
次に、上述した第1の実施形態を基本とする本発明の第3の実施形態について説明する。
以降の説明においては、本実施形態に係る特徴的な部分を中心に説明すると共に、上述した第1の実施形態と同様な構成については、同一の参照番号を付すことにより、重複する説明を省略する。
図8を参照しながら、本発明の第3の実施形態に係る係数算出装置301が有する構成について詳細に説明する。図8は、本発明の第3の実施形態に係る係数算出装置301が有する構成を示すブロック図である。
第3の実施形態に係る係数算出装置301は、特徴量算出部302と、第1係数算出部303と、第2係数算出部304と、関連性情報作成部305とを有する。
第1係数算出部303は、第1係数算出部103(図1)が有している構成と同様な構成を有する。第2係数算出部304は、第2係数算出部104(図1)が有している構成と同様な構成を有する。
関連性情報作成部305は、ある一部の部分領域に関して算出された該吸光係数を、第1係数算出部303から受け取る。関連性情報作成部305は、該ある一部の部分領域に関して算出された特徴量(たとえば、葉領域の面積割合)を、特徴量算出部302から受け取る。関連性情報作成部305は、該ある一部の部分領域の位置を表す位置情報を、センサ、記憶装置等から受け取る。関連性情報作成部305は、ある一部の部分領域に関する吸光係数と、該ある一部の部分領域に関する特徴量とが関連付けされた情報(図4に例示)とを作成する。関連性情報作成部305は、さらに、ある一部の部分領域に関する吸光係数に、該ある一部の部分領域を表す部分領域IDが関連付けされた情報を作成してもよい。
次に、図9を参照しながら、本発明の第3の実施形態に係る係数算出装置301における処理について詳細に説明する。図9は、第3の実施形態に係る係数算出装置301における処理の流れを示すフローチャートである。
まず、ステップS101及びステップS102(図2)に示された処理と同様の処理が実行される(ステップS301乃至ステップS302)。
関連性情報作成部305は、特徴量と、吸光係数とが関連付けされたセット(図4に例示)を、相互に類似している複数のグループに分類する(ステップS303)。関連性情報作成部305は、たとえば、クラスタリング手法に従い、該セットを複数のグループに分類する。図10に例示されているように、関連性情報作成部305は、グループごとに、当該グループに属しているセットに基づき関連性を表す関連性情報を作成し(ステップS304)、さらに、当該グループに関する位置(たとえば、該グループに属している部分領域の位置の平均)を表す位置情報を作成する(ステップS305)。図10は、各グループに関して算出された関連性情報の一例を概念的に表す図である。
図10における横軸は、特徴量を表し、右側であるほど特徴量が大きな値であることを表す。図10における縦軸は、吸光係数を表し、上側であるほど吸光係数が大きな値であることを表す。図10に示された例の場合に、セットは、矩形によって示された第1グループと、三角形によって示された第2グループとに分類されている。関連性情報作成部305は、第1グループに関する関連性情報として、「吸光係数c=0.2458×exp(0.6814×特徴量d)」(ただし、exp()は、ネイピア数を底とする指数関数を表す)を算出する。関連性情報作成部305は、第2グループに関する関連性情報として、「吸光係数c=0.1249×exp(1.2864×特徴量d)」を算出する。
関連性情報作成部305は、ステップS305、及び、ステップS304の順に処理を実行してもよい。
第2係数算出部304は、グループごとの関連性情報と、該グループに関する位置情報とを関連性情報作成部305から受け取る。第2係数算出部304は、ある一部の部分領域とは異なる部分領域の位置を表す位置情報を、センサ、記憶装置等から受け取る。第2係数算出部304は、当該異なる部分領域に関する特徴量を、特徴量算出部302から受け取る。第2係数算出部304は、異なる部分領域の位置に最も近いグループ(以降、「選択グループ」と表す)を、当該グループに関する位置情報に基づき選択する(ステップS306)。第2係数算出部304は、選択グループに関して作成された関連性情報と、当該異なる部分領域に関する特徴量とに基づき、当該異なる部分領域に関する吸光係数を算出する(ステップS307)。
次に、本発明の第3の実施形態に係る係数算出装置301に関する効果について説明する。
第3の実施形態に係る係数算出装置301によれば、ある領域に関する正確な吸光係数を短期間に算出することができる。この理由は、第1の実施形態にて説明した理由と同様である。
第3の実施形態に係る係数算出装置301によれば、圃場領域のうち複数の部分領域に関する吸光係数をより正確に算出することができる。この理由について説明する。吸光係数は、隣接している部分領域間にてなだらかに変化することが多い。このため、距離が近いグループに含まれている部分領域に基づき算出された関連性情報は、当該部分領域に近い部分領域に関する関連性情報を、正確に表している可能性が高い。したがって、対象とする部分領域に近い部分領域に関する関連性情報に基づき当該対象とする部分領域における吸光係数を算出することによって、係数算出装置301は、当該吸光係数を正確に算出することができる。
<第4の実施形態>
次に、本発明の第4の実施形態について説明する。
図11を参照しながら、本発明の第4の実施形態に係る係数算出装置401が有する構成について詳細に説明する。図11は、本発明の第4の実施形態に係る係数算出装置401が有する構成を示すブロック図である。
第4の実施形態に係る係数算出装置401は、第1係数算出部402と、第2係数算出部403と、関連性情報作成部404とを有する。
次に、図12を参照しながら、本発明の第4の実施形態に係る係数算出装置401における処理について詳細に説明する。図12は、第4の実施形態に係る係数算出装置401における処理の流れを示すフローチャートである。
第1係数算出部402は、圃場112(図3)に含まれている複数の部分領域のうち、一部の部分領域に関して、所定の算出処理に従い吸光係数を算出する(ステップS401)。所定の算出処理は、たとえば、該一部の部分領域にて実施された灌漑量に基づき葉面積指数を算出し、該一部の部分領域に関する植生指数(たとえば、NDVI、WDVI)と、算出した該葉面積指数とに対して、式4に示された処理を実行することによって、該一部の部分領域に関する吸光係数を算出する処理である。
関連性情報作成部404は、該一部の部分領域に関する吸光係数を、第1係数算出部402から受け取る。関連性情報作成部404は、該一部の部分領域に関する特徴を表す特徴量をセンサ、記憶装置等から受け取る。該特徴量は、たとえば、該一部の部分領域にて葉が存在している葉領域の面積割合を表す被覆率である。関連性情報作成部404は、該吸光係数と、該特徴量との関連性を表す関連性情報(たとえば、図5、図10)を作成する。関連性情報作成部404は、たとえば、該吸光係数と、該特徴量とにフィッティングしている関数を算出することによって、該関連性情報を作成する(ステップS402)。
第2係数算出部403は、関連性情報を、関連性情報作成部404から受け取る。第2係数算出部403は、該一部の部分領域とは異なる部分領域に関する特徴量を、センサ、記憶装置等から受け取る。第2係数算出部403は、該関連性情報に基づき、該特徴量に応じた吸光係数を算出することによって、該異なる部分領域に関する吸光係数を算出する(ステップS403)。
第1係数算出部402は、第1の実施形態に係る第1係数算出部103(図1)が有している機能、第2の実施形態に係る第1係数算出部203(図6)が有している機能、または、第3の実施形態に係る第1係数算出部303(図8)が有している機能と同様な機能を用いて実現することができる。第2係数算出部403は、第1の実施形態に係る第2係数算出部104(図1)が有している機能、第2の実施形態に係る第2係数算出部204(図6)が有している機能、または、第3の実施形態に係る第2係数算出部304(図8)が有している機能と同様な機能を用いて実現することができる。関連性情報作成部404は、第1の実施形態に係る関連性情報作成部105(図1)が有している機能、第2の実施形態に係る関連性情報作成部205(図6)が有している機能、または、第3の実施形態に係る関連性情報作成部305(図8)が有している機能と同様な機能を用いて実現することができる。
したがって、係数算出装置401は、第1の実施形態に係る係数算出装置101(図1)が有している機能、第2の実施形態に係る係数算出装置201(図6)が有している機能、または、第3の実施形態に係る係数算出装置301(図8)が有している機能と同様な機能を用いて実現することができる。
次に、本発明の第4の実施形態に係る係数算出装置401に関する効果について説明する。
第4の実施形態に係る係数算出装置401によれば、ある領域に関する正確な吸光係数を短期間に算出することができる。この理由は、係数算出装置401においては、圃場領域のうち一部の部分領域に関してのみ所定の算出処理が実行され、該一部の部分領域とは異なる部分領域に関しては、該部分領域の特徴量に基づき吸光係数が算出されるからである。したがって、所定の算出処理に長い処理時間を要する場合であっても、係数算出装置401によれば、圃場領域のうち複数の部分領域に関する正確な吸光係数を短期間に算出することができる。
(ハードウェア構成例)
上述した本発明の各実施形態に係る係数算出装置を、1つの計算処理装置(情報処理装置、コンピュータ)を用いて実現するハードウェア資源の構成例について説明する。但し、係る係数算出装置は、物理的または機能的に少なくとも2つの計算処理装置を用いて実現されてもよい。また、係る係数算出装置は、専用の装置として実現されてもよい。
図13は、本発明の各実施形態に係る係数算出装置を実現可能な計算処理装置のハードウェア構成例を概略的に示すブロック図である。計算処理装置20は、中央処理演算装置(Central_Processing_Unit、以降「CPU」と表す)21、メモリ22、ディスク23、不揮発性記録媒体24、及び、通信インターフェース(以降、「通信IF」と表す)27を有する。計算処理装置20は、入力装置25、出力装置26に接続可能であってもよい。計算処理装置20は、通信IF27を介して、他の計算処理装置、及び、通信装置と情報を送受信することができる。
不揮発性記録媒体24は、コンピュータが読み取り可能な、たとえば、コンパクトディスク(Compact_Disc)、デジタルバーサタイルディスク(Digital_Versatile_Disc)である。また、不揮発性記録媒体24は、ユニバーサルシリアルバスメモリ(USBメモリ)、ソリッドステートドライブ(Solid_State_Drive)等であってもよい。不揮発性記録媒体24は、電源を供給しなくても係るプログラムを保持し、持ち運びを可能にする。不揮発性記録媒体24は、上述した媒体に限定されない。また、不揮発性記録媒体24の代わりに、通信IF27、及び、通信ネットワークを介して係るプログラムを持ち運びしてもよい。
すなわち、CPU21は、ディスク23に格納されているソフトウェア・プログラム(コンピュータ・プログラム:以下、単に「プログラム」と称する)を、実行する際にメモリ22にコピーし、演算処理を実行する。CPU21は、プログラム実行に必要なデータをメモリ22から読み取る。表示が必要な場合に、CPU21は、出力装置26に出力結果を表示する。外部からプログラムを受け取る場合に、CPU21は、入力装置25からプログラムを読み取る。CPU21は、上述した図1、図6、図8、または、図11に示す各部が表す機能(処理)に対応するところのメモリ22にある係数算出プログラム(図2、図7、図9、または、図12)を解釈し実行する。CPU21は、上述した本発明の各実施形態において説明した処理を順次実行する。
すなわち、このような場合に、本発明の各実施形態は、係る係数算出プログラムによっても成し得ると捉えることができる。さらに、係る係数算出プログラムが記録されたコンピュータが読み取り可能な不揮発性の記録媒体によっても、本発明の各実施形態は成し得ると捉えることができる。
以上、上述した実施形態を模範的な例として本発明を説明した。しかし、本発明は、上述した実施形態には限定されない。すなわち、本発明は、本発明のスコープ内において、当業者が理解し得る様々な態様を適用することができる。
101 係数算出装置
102 特徴量算出部
103 第1係数算出部
104 第2係数算出部
105 関連性情報作成部
106 指数算出部
107 シミュレーション部
111 画像情報
112 圃場
113 部分画像情報
201 係数算出装置
202 特徴量算出部
203 第1係数算出部
204 第2係数算出部
205 関連性情報作成部
206 領域選択部
301 係数算出装置
302 特徴量算出部
303 第1係数算出部
304 第2係数算出部
305 関連性情報作成部
401 係数算出装置
402 第1係数算出部
403 第2係数算出部
404 関連性情報作成部
20 計算処理装置
21 CPU
22 メモリ
23 ディスク
24 不揮発性記録媒体
25 入力装置
26 出力装置
27 通信IF

Claims (8)

  1. 圃場を見込む画角にて撮像された画像のうちの複数の部分領域について、前記部分領域において葉が存在している領域の面積割合を表す被覆率を算出する特徴量算出手段と、
    前記複数の部分領域のうち、一部の部分領域に関して、所定の算出処理に従い吸光係数を算出する第1係数算出手段と、
    前記一部の部分領域に関して算出された該吸光係数と、前記一部の部分領域に関する前記被覆率との関連性を表す関連性情報を作成する関連性情報作成手段と、
    前記複数の部分領域のうちの前記一部の部分領域と異なる部分領域に関する前記被覆率と、前記関連性情報作成手段によって作成された前記関連性情報とに基づき、前記異なる部分領域に関する前記吸光係数を算出する第2係数算出手段と
    を備える係数算出装置。
  2. 該部分領域の位置を表す位置情報の散らばり度が所定の散らばり度よりも大きな前記部分領域を、前記複数の部分領域から前記一部の部分領域として選択する領域選択手段
    をさらに備える請求項1記載の係数算出装置。
  3. 前記被覆率の散らばり度が所定の散らばり度よりも大きな前記部分領域を、前記複数の部分領域から前記一部の部分領域として選択する領域選択手段
    をさらに備える請求項1記載の係数算出装置。
  4. 前記関連性情報作成手段は、前記部分領域に関する前記吸光係数と、当該部分領域に関する前記被覆率とのセットを、相互に類似している複数のグループに分類し、分類された前記グループごとに前記関連性情報を作成し、さらに、前記グループに関する位置情報を、当該グループに属している前記部分領域の位置を表す位置情報に基づき算出し、
    前記第2係数算出手段は、前記グループに関する位置情報と、前記異なる部分領域の位置とが最も近い選択グループを選択し、前記選択グループに関して作成された前記関連性情報に基づき、前記異なる部分領域に関する前記吸光係数を算出する
    請求項1乃至請求項のいずれかに記載の係数算出装置。
  5. 前記圃場における灌漑量に基づき葉面積指数を算出するシミュレーション手段
    をさらに備え、
    前記第1係数算出手段は、前記シミュレーション手段が算出した前記葉面積指数に対して、前記所定の算出処理を実行することによって、前記吸光係数を算出する
    請求項1乃至請求項のいずれかに記載の係数算出装置。
  6. 前記第2係数算出手段によって、前記部分領域に関して算出された前記吸光係数と、当該部分領域に関する植生指数とに基づき、当該部分領域に関する葉面積指数を算出する指数算出手段
    をさらに備える請求項1乃至請求項のいずれかに記載の係数算出装置。
  7. 情報処理装置によって、圃場を見込む画角にて撮像された画像のうちの複数の部分領域について、前記部分領域において葉が存在している領域の面積割合を表す被覆率を算出し、前記複数の部分領域のうち、一部の部分領域に関して、所定の算出処理に従い吸光係数を算出し、前記一部の部分領域に関して算出された該吸光係数と、前記一部の部分領域に関する前記被覆率との関連性を表す関連性情報を作成し、前記複数の部分領域のうちの前記一部の部分領域と異なる部分領域に関する前記被覆率と、作成された前記関連性情報とに基づき、前記異なる部分領域に関する前記吸光係数を算出する係数算出方法。
  8. 圃場を見込む画角にて撮像された画像のうちの複数の部分領域について、前記部分領域において葉が存在している領域の面積割合を表す被覆率を算出する特徴量算出機能と、
    前記複数の部分領域のうち、一部の部分領域に関して、所定の算出処理に従い吸光係数を算出する第1係数算出機能と、
    前記一部の部分領域に関して算出された該吸光係数と、前記一部の部分領域に関する前記被覆率との関連性を表す関連性情報を作成する関連性情報作成機能と、
    前記複数の部分領域のうちの前記一部の部分領域と異なる部分領域に関する前記被覆率と、前記関連性情報作成機能によって作成された前記関連性情報とに基づき、前記異なる部分領域に関する前記吸光係数を算出する第2係数算出機能と
    をコンピュータに実現させる係数算出プログラム。
JP2019526079A 2017-06-29 2017-06-29 係数算出装置、係数算出方法、及び、係数算出プログラム Active JP6835221B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/024038 WO2019003400A1 (ja) 2017-06-29 2017-06-29 係数算出装置、係数算出方法、及び、係数算出プログラムが記録された記録媒体

Publications (2)

Publication Number Publication Date
JPWO2019003400A1 JPWO2019003400A1 (ja) 2020-03-26
JP6835221B2 true JP6835221B2 (ja) 2021-02-24

Family

ID=64742040

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019526079A Active JP6835221B2 (ja) 2017-06-29 2017-06-29 係数算出装置、係数算出方法、及び、係数算出プログラム

Country Status (4)

Country Link
US (1) US20200166496A1 (ja)
EP (1) EP3647771A4 (ja)
JP (1) JP6835221B2 (ja)
WO (1) WO2019003400A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6729791B2 (ja) * 2017-03-23 2020-07-22 日本電気株式会社 植生指標算出装置、植生指標算出方法、及びプログラム
JP7399680B2 (ja) * 2019-10-29 2023-12-18 ヤンマーパワーテクノロジー株式会社 作業支援システム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006085517A (ja) * 2004-09-17 2006-03-30 Hiroshima Pref Gov 衛星データによる森林地域の植生分類方法
US7715013B2 (en) * 2005-09-16 2010-05-11 The United States Of America As Represented By The Administrator Of The United States Environmental Protection Agency Optical system for plant characterization
US7723660B2 (en) * 2007-07-03 2010-05-25 Kyle Holland Sensor-based chemical management for agricultural landscapes
JP5369282B2 (ja) 2008-11-14 2013-12-18 株式会社パスコ 植生生育状況解析方法、プログラムおよび植生生育状況解析装置
JP5564812B2 (ja) * 2009-03-25 2014-08-06 独立行政法人農業環境技術研究所 植物体の生育変化の連続測定方法
DE102010034603B4 (de) * 2010-08-13 2013-01-31 Franke Gmbh Sensorsystem und Verfahren zur Bestimmung einer optischen Eigenschaft einer Pflanze
JP2013138811A (ja) * 2012-01-06 2013-07-18 Seiko Epson Corp 濃度定量装置、濃度定量方法及びプログラム
CN104884937B (zh) * 2012-12-26 2019-01-08 日本电气株式会社 图像测量方法、***、设备
JP5950166B2 (ja) * 2013-03-25 2016-07-13 ソニー株式会社 情報処理システム、および情報処理システムの情報処理方法、撮像装置および撮像方法、並びにプログラム
JP6476935B2 (ja) * 2015-02-02 2019-03-06 富士通株式会社 植物判別装置、植物判別方法及び植物判別用プログラム
JP2017009396A (ja) * 2015-06-19 2017-01-12 パナソニックIpマネジメント株式会社 撮像装置

Also Published As

Publication number Publication date
EP3647771A4 (en) 2020-08-05
WO2019003400A1 (ja) 2019-01-03
EP3647771A1 (en) 2020-05-06
US20200166496A1 (en) 2020-05-28
JPWO2019003400A1 (ja) 2020-03-26

Similar Documents

Publication Publication Date Title
Khan et al. Estimation of vegetation indices for high-throughput phenotyping of wheat using aerial imaging
Lu et al. Improved estimation of aboveground biomass in wheat from RGB imagery and point cloud data acquired with a low-cost unmanned aerial vehicle system
Jiménez-Brenes et al. Quantifying pruning impacts on olive tree architecture and annual canopy growth by using UAV-based 3D modelling
Ribeiro-Gomes et al. Uncooled thermal camera calibration and optimization of the photogrammetry process for UAV applications in agriculture
Matese et al. Practical applications of a multisensor UAV platform based on multispectral, thermal and RGB high resolution images in precision viticulture
KR101984047B1 (ko) 무인 항공기를 이용한 작물 생육 진단 방법 및 장치
CN109642795A (zh) 根据视频和地面内传感器数据生成实时传感器地图
Burdziakowski et al. UAV photogrammetry under poor lighting conditions—Accuracy considerations
Romeo et al. Camera sensor arrangement for crop/weed detection accuracy in agronomic images
WO2015094014A2 (ru) Способ определения оптимальной конфигурации системы видеомониторинга леса
JP6835221B2 (ja) 係数算出装置、係数算出方法、及び、係数算出プログラム
JP2007310463A (ja) 圃場管理支援方法及びシステム
WO2019176879A1 (ja) 栽培作物選定支援装置、栽培作物選定支援方法、及びコンピュータ読み取り可能な記録媒体
JP6589978B2 (ja) 植物健全性診断装置、該方法および該プログラム
JP7415348B2 (ja) 情報処理装置、情報処理方法、プログラム、センシングシステム
EP4064182A1 (en) Information processing device, information processing method, and program
JP2018046787A (ja) 農業管理予測システム、農業管理予測方法、及びサーバ装置
JP4915545B2 (ja) 都市緑地における生息生物群の予測評価手法
BR112020026610A2 (pt) Sistema de alerta e detecção automática de alteração da vitalidade das culturas
Linker et al. Assimilation of canopy cover and biomass measurements in the crop model AquaCrop
Khan et al. An automatic field plot extraction method from aerial orthomosaic images
Harfenmeister et al. Detecting phenological development of winter wheat and winter barley using time series of sentinel-1 and sentinel-2
Chen et al. Unsupervised plot-scale LAI phenotyping via UAV-based imaging, modelling, and machine learning
Rufo et al. Using unmanned aerial vehicle and ground-based RGB indices to assess agronomic performance of wheat landraces and cultivars in a mediterranean-type environment
Saggau et al. Integrating soil compaction impacts of tramlines into soil erosion modelling: A field-scale approach

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191120

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20191120

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201020

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201126

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: 20210105

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210118

R150 Certificate of patent or registration of utility model

Ref document number: 6835221

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150