JP7437431B2 - 農業管理システム - Google Patents
農業管理システム Download PDFInfo
- Publication number
- JP7437431B2 JP7437431B2 JP2022020382A JP2022020382A JP7437431B2 JP 7437431 B2 JP7437431 B2 JP 7437431B2 JP 2022020382 A JP2022020382 A JP 2022020382A JP 2022020382 A JP2022020382 A JP 2022020382A JP 7437431 B2 JP7437431 B2 JP 7437431B2
- Authority
- JP
- Japan
- Prior art keywords
- agricultural
- state
- sensor device
- crop
- products
- 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
Links
- 238000001514 detection method Methods 0.000 claims description 48
- 238000003306 harvesting Methods 0.000 claims description 35
- 239000002113 nanodiamond Substances 0.000 claims description 28
- 239000002689 soil Substances 0.000 claims description 23
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 14
- 229910052757 nitrogen Inorganic materials 0.000 claims description 7
- 238000004806 packaging method and process Methods 0.000 claims description 7
- 229920002678 cellulose Polymers 0.000 claims description 4
- 239000001913 cellulose Substances 0.000 claims description 4
- 239000002121 nanofiber Substances 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 61
- 238000003860 storage Methods 0.000 description 30
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 238000013500 data storage Methods 0.000 description 9
- 238000000034 method Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 5
- 239000003337 fertilizer Substances 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000004720 fertilization Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 102000003886 Glycoproteins Human genes 0.000 description 1
- 108090000288 Glycoproteins Proteins 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000009335 monocropping Methods 0.000 description 1
- 229910017464 nitrogen compound Inorganic materials 0.000 description 1
- 150000002830 nitrogen compounds Chemical class 0.000 description 1
- 239000000618 nitrogen fertilizer Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/28—Electrolytic cell components
- G01N27/30—Electrodes, e.g. test electrodes; Half-cells
- G01N27/308—Electrodes, e.g. test electrodes; Half-cells at least partially made of carbon
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Immunology (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Economics (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Marine Sciences & Fisheries (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、農業管理システムに関する。
従来、農作業を効率化するためのＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）技術が提案されている（例えば、特許文献１参照）。
農業分野においては、生産と消費という概念による分類しかなく、生産時に、土壌及び農作物の性質を別々の特性に応じたセンサを用いて計測し、それぞれに最適という環境条件を整えてきた。「農耕（生産）」＋「貯蔵・輸送・販売（消費）」の中で、エンドユーザーの人間の要求する基準でしか、生産物の価値を見つめてこなかった。
また、農業はノウハウの塊として、農業産業人口の高齢化、労働可能年代の減少、休暇無しの重労働等のような印象がつきまとっており、援農（ボランティア）等の壁を崩せないでいる。
更に、限られた農地土壌において、多様性の無い一律栽培が進み、連作障害や病害虫や過剰肥料の施肥等により、土壌及び河川汚染、作物の未吸収及び根茎での未消化による硝酸ガス、窒素酸化物、炭酸ガス等のような温室効果ガスの排出源となっている。
そこで、農作物の生育を管理及び制御し、農作物に関する情報を共有化することができる農業管理システムを提供することを目的とする。
本開示の一態様に係る農業管理システム（例えば、後述の農業管理システム１）は、農作物の状態を検出する農作物センサ装置（例えば、後述の農作物センサ装置２）と、前記農作物に関する情報を管理する農業管理装置（例えば、後述の農業管理装置３）と、前記農業管理装置と通信可能であり、前記農作物を育成又は栽培する農業従事者によって操作される農業者端末（例えば、後述の農業者端末４）と、を備え、前記農作物センサ装置は、前記農作物の状態を検出した農作物検出データを前記農業管理装置へ送信し、前記農業管理装置は、前記農作物センサ装置から送信された前記農作物検出データを取得し、前記農作物の状態の判定結果をラベルとして取得し、前記農作物検出データと前記ラベルとの組みを教師データとして教師あり学習を行うことにより、前記農作物の状態についての学習モデルを構築し、前記農作物センサ装置が検出した前記農作物検出データの入力を受け付け、前記学習モデル及び前記農作物検出データから前記農作物の状態の正常又は異常を判定し、前記教師データとして用いた過去の前記農作物の状態のデータに基づいて、前記農作物の最適な生育情報を推定し、前記農作物の状態の正常又は異常の判定結果、及び前記農作物の最適な生育情報を前記農業者端末へ送信し、前記農業者端末は、前記農作物の状態の正常又は異常の判定結果、及び前記農作物の最適な生育情報を表示する。
また、前記農業管理システムは、前記農作物が収穫された後の状態である収穫物の状態を検出する収穫物センサ装置（例えば、後述の収穫物センサ装置５）と、前記農業管理装置と通信可能であり、前記収穫物に関連する事業を行う事業者によって操作される事業者端末（例えば、後述の事業者端末６）と、を更に備え、前記収穫物センサ装置は、前記収穫物の状態を示す収穫物検出データを前記農業管理装置へ送信し、前記農業管理装置は、前記収穫物センサ装置から送信された前記収穫物検出データを取得し、前記農作物の種類を識別する識別番号と、前記農作物の状態と、前記収穫物の状態とを対応付けて記憶し、前記事業者端末から前記農作物の前記識別番号の入力を受け付けると、前記農作物の前記識別番号と対応付けられた前記農作物の状態及び前記収穫物の状態を前記事業者端末へ送信し、前記事業者端末は、前記農作物の前記識別番号と対応付けられた前記農作物の状態及び前記収穫物の状態を一元的に表示する。
また、前記農作物センサ装置及び前記収穫物センサ装置は、少なくともナノダイヤモンドを用いたセンサを備える。
また、前記農業管理装置は、前記農業者端末及び前記事業者端末によって農業従事者以外でもアクセス可能である。
また、前記農作物センサ装置は、ナノダイヤモンド電極を用いた土壌センサを備える。
また、前記収穫物センサ装置は、前記収穫物を包装する包装体に取り付けられており、ナノダイヤモンド電極を用いたセンサを備える。
本発明によれば、農作物の生育を管理及び制御し、農作物に関する情報を共有化することができる農業管理システムを提供することができる。
以下、図面を参照し、本発明の農業管理システムの実施形態について説明する。
図１は、本実施形態に係る農業管理システム１の構成の一例を示す図である。図１に示すように、農業管理システム１は、農作物センサ装置２と、農業管理装置３と、農業者端末４と、収穫物センサ装置５と、事業者端末６と、を備える。
図１は、本実施形態に係る農業管理システム１の構成の一例を示す図である。図１に示すように、農業管理システム１は、農作物センサ装置２と、農業管理装置３と、農業者端末４と、収穫物センサ装置５と、事業者端末６と、を備える。
農作物センサ装置２は、農業管理装置３と通信可能に構成され、農作物の状態を検出する。農業管理装置３は、農作物センサ装置２、農業者端末４、収穫物センサ装置５及び事業者端末６と通信可能に構成され、農作物に関する情報を管理する。
農業管理装置３は、後述するように、農作物センサ装置２及び収穫物センサ装置５によって検出された検出データを記憶する。そして、農業管理装置３は、記憶された多数の検出データを機械学習し、学習モデルを構築する機能や、記憶された多数の検出データから農作物の最適な生育情報を推定する機能等を有する。
農業者端末４は、農業管理装置３と通信可能であり、農作物を育成又は栽培する農業従事者によって操作される。収穫物センサ装置５は、農作物が収穫された後の状態である収穫物の状態を検出する。事業者端末６は、農業管理装置３と通信可能であり、収穫物に関連する事業を行う事業者によって操作される。
また、農業者端末４及び事業者端末６は、農業従事者以外であってもアクセス可能である、すなわち、農業に携わる者であればアクセス可能である。これにより、農業管理システム１は、農業産業に興味を持つ者であれば、農地を所有していなくても、ボランティア援農として農業に携わり、農業をより多様性のある産業とすることができる。
図２Ａは、農作物センサ装置２の構成の一例を示す図である。農作物センサ装置２は、例えば、農作物を生育する圃場の土壌中に配置される土壌センサであってもよい。農作物センサ装置２は、ナノダイヤモンドセンサ２１と、制御部２２と、通信部２３と、を備える。
ナノダイヤモンドセンサ２１は、例えば、セルロースナノファイバーの担体にナノダイヤモンドを担持させた電極を有し、電極間の窒素含有量に影響した電圧／電流を計測することにより、リアルタイムで土壌中の窒素含有量を計測することができる。これにより、ナノダイヤモンドセンサ２１は、炭素由来のナノダイヤモンド及び植物由来のセルロースナノファイバーを用いることによって、土壌親和性を考慮した部材を用いた電極を作製することができる。更に、ナノダイヤモンドセンサ２１の電極は、電極の周りの可給態窒素により、電流及び電圧が固有の値で生じるため、電流及び電圧の値を随時測定することによって、窒素含有量（ｉｎ－ｓｉｔｕ、総量等）をリアルタイムで正確に測定することができる。なお、農作物センサ装置２は、ナノダイヤモンドセンサ２１に代えて、他の方式を用いて上述したデータを検出するセンサ部を用いてもよい。
制御部２２は、例えば、マイクロコンピュータ等で構成され、ナノダイヤモンドセンサ２１（又は検出部２１）によって検出された電流／電圧に対して所定の処理及び演算を行い、検出された農作物検出データを通信部２３によって農業管理装置３へ送信する。
通信部２３は、ネットワークを介して外部機器と通信するための通信インターフェースである。
通信部２３は、ネットワークを介して外部機器と通信するための通信インターフェースである。
また、農作物センサ装置２は、ナノダイヤモンドセンサ２１に代えて、土壌の電気伝導率、温度及び水分含有率のデータを検出する土壌センサ、農作物の糖度を検出する糖度センサ、ＮＨ３、ＣＨ４、ＣＯ２、Ｏ２ガス等を検出するガスセンサ等のような従来のセンサであってもよい。更に、農作物センサ装置２は、農作物を生育する圃場の温度、湿度、ＣＯ２濃度、日射量、風向、風速、雨量、水位、体積含水率等を検出する環境センサを有してもよい。また、農作物センサ装置２は、肥料の情報、収穫の時期の情報等を取得してもよい。
農作物センサ装置２は、より多様かつより高い精度で検出データを得るために、土壌センサ、糖度センサ、ガスセンサ及び環境センサ等のような従来のセンサと、ナノダイヤモンドセンサ２１とを組み合わせた複数のセンサを有するセンサ装置であることが好ましい。農作物センサ装置２は、例えば、土壌に含有する水分のｐＨ、温度、地上部における他のセンサによる環境データ等による光合成量（温度、照射量等）を、ナノダイヤモンドセンサ２１によって検出された窒素含有量と組み合わせることによって、農作物の生育及び商品性（糖度）等を土壌から診断できる。
図２Ｂは、収穫物センサ装置５の構成の一例を示す図である。収穫物センサ装置５は、ナノダイヤモンドセンサ５１と、制御部５２と、通信部５３と、を備える。収穫物センサ装置５は、上述した農作物センサ装置２と同様の構成を備えているため、各構成についての説明を省略する。また、収穫物センサ装置５は、ナノダイヤモンドセンサ５１に代えて、例えば、近赤外線センサをセンサ部５１として用いてもよく、またはナノダイヤモンドセンサ５１と近赤外線センサとを組み合わせてもよい。
収穫物センサ装置５は、例えば、収穫物を包装する包装体に取り付けられており、収穫物が成熟する際に放出するガス（例えば、ＮＨ３、ＣＨ４、ＣＯ２、Ｏ２ガス）を検出する。これにより、収穫物センサ装置５及び農業管理装置３は、収穫物が消費者に渡るまでを追尾管理することができる。また、収穫物を包装する包装体は、セルロースナノファイバー等で構成される。これにより、包装体によって包装された収穫物の長期保管性を確保することができる。
図３は、農業管理装置３の構成の一例を示す図である。図３に示すように、農業管理装置３は、制御部３１と、記憶部３２と、通信部３３と、を備える。
制御部３１は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部又は全部は、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）やＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のハードウェア（回路部；ｃｉｒｃｕｉｔｒｙを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。
プログラムは、予めＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やフラッシュメモリ等の記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されると、インストールされてもよい。
ただし、制御部３１は、後述するように機械学習に伴う演算量が多いため、例えば、パーソナルコンピュータにＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔｓ）を搭載し、ＧＰＧＰＵ（Ｇｅｎｅｒａｌ－Ｐｕｒｐｏｓｅ ｃｏｍｐｕｔｉｎｇ ｏｎ Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔｓ）と呼ばれる技術により、ＧＰＵを機械学習に伴う演算処理に利用するように構成することによって、高速処理を可能にしてもよい。
更に、農業管理装置３は、より高速な処理を行うために、このようなＧＰＵを搭載したコンピュータを複数台用いてコンピュータ・クラスターを構築し、このコンピュータ・クラスターに含まれる複数のコンピュータによって並列処理を行うようにしてもよい。
記憶部３２は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリ、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等の非一過性の記憶媒体を備える記憶装置、又はＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等により実現される。
通信部３３は、ネットワークを介して農作物センサ装置２等の外部機器と通信するための通信インターフェースである。
入力部３４は、マウス、キーボード等のような入力インターフェースである。
表示部３５は、画像を表示する装置である。表示部３５は、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）や有機ＥＬ（Ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）等である。
入力部３４は、マウス、キーボード等のような入力インターフェースである。
表示部３５は、画像を表示する装置である。表示部３５は、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）や有機ＥＬ（Ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）等である。
次に、農業管理装置３の制御部３１の処理について説明する。
制御部３１は、農作物センサ装置２から送信された農作物検出データを取得し、検出データ記憶部３２１に記憶する。ここで、農作物検出データは、上述した農作物センサ装置２によって検出された各種の検出データである。
制御部３１は、農作物センサ装置２から送信された農作物検出データを取得し、検出データ記憶部３２１に記憶する。ここで、農作物検出データは、上述した農作物センサ装置２によって検出された各種の検出データである。
次に、制御部３１は、農作物の状態の判定結果をラベルとして取得する。具体的には、制御部３１は、入力部３４によるラベルの入力操作を受け付け、これによりラベルを取得する。ここで、ラベルとは、機械学習において入力に対応すべき正しい出力である。ラベルは、例えば、農作物の状態の可否を示す２段階の度合いである。例えば、制御部３１は、ラベルとして、農作物の状態が良好であることを示す情報を「１」とし、農作物の状態が良好ではないことを示す情報を「０」とする。
次に、制御部３１は、農作物検出データとラベルとの組みを教師データとして教師あり学習を行うことにより、農作物の状態についての学習モデルを構築する。
そして、制御部３１は、構築した学習モデルを学習モデル記憶部３２２に記憶する。なお、機械学習を行うための教師データは、機械学習の精度を高めるために、多数用意されることが望ましい。
制御部３１は、例えば、回帰分析、ニューラルネットワーク、最小二乗法、ステップワイズ法等により、教師あり学習を行う。教師あり学習は、オンライン学習で行ってもよく、バッチ学習で行ってもよく、ミニバッチ学習で行ってもよい。オンライン学習とは、音声データから特徴量を抽出し、ラベルが入力されて教師データが作成される都度、即座に教師あり学習を行うという学習方法である。
また、バッチ学習とは、データから特徴量を抽出し、ラベルが入力されて、教師データが作成されることが繰り返される間に、繰り返しに応じた複数の教師データを収集し、収集した全ての教師データを用いて、教師あり学習を行うという学習方法である。更に、ミニバッチ学習とは、オンライン学習と、バッチ学習の中間的な、ある程度教師データが溜まるたびに教師あり学習を行うという学習方法である。
次に、制御部３１は、農作物センサ装置２が検出した農作物検出データの入力を受け付ける。制御部３１は、農作物検出データの入力を受け付けると、受け付けた農作物検出データ及び学習モデル記憶部３２２に記憶された学習モデルに基づいて、農作物の状態の正常又は異常を判定する。
更に、制御部３１は、検出データ記憶部３２１に記憶されており、教師データとして用いた過去の農作物の状態のデータに基づいて、農作物の最適な生育情報を推定する。ここで、農作物の生育情報とは、例えば農作物の生育に関する情報であり、例えば、肥料の量及び種類、肥料を与える時期、生育度合い、土壌の水分率、温度及び電気伝導率、収穫の時期等を含む。そして、制御部３１は、農作物の状態の正常又は異常の判定結果、及び農作物の最適な生育情報を通信部３３によって農業者端末４へ送信する。
更に、制御部３１は、収穫物センサ装置５から送信された収穫物検出データを取得する。ここで、収穫物検出データは、上述した収穫物センサ装置５によって検出された各種の検出データである。制御部３１は、農作物の種類を識別する識別番号と、農作物の状態（農作物検出データ）と、収穫物の状態（収穫物検出データ）とを対応付けて検出データ記憶部３２１に記憶する。なお、農作物の種類を識別する識別番号は、例えば、農作物の分類、品種等を識別及び特定するための識別番号である。
そして、制御部３１は、事業者端末６から農作物の識別番号の入力を受け付けると、農作物の識別番号と対応付けられた農作物の状態及び収穫物の状態を検出データ記憶部３２１から読み出し、事業者端末６へ送信する。
図４Ａは、農業者端末４の構成の一例を示す図である。図４Ａに示すように、農業者端末４は、制御部４１と、記憶部４２と、通信部４３と、表示部４４と、操作部４５と、を備える。
制御部４１は、例えば、ＣＰＵ等のハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部又は全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵ等のハードウェア（回路部を含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリ等の記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
記憶部４２は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＯＭ等の非一過性の記憶媒体を備える記憶装置、又はＲＡＭ等により実現される。
通信部４３は、ネットワークを介して農業管理装置３等の外部機器と通信するための通信インターフェースである。
表示部４４は、画像を表示する装置である。表示部４４は、例えば、ＬＣＤや有機ＥＬ等である。
表示部４４は、画像を表示する装置である。表示部４４は、例えば、ＬＣＤや有機ＥＬ等である。
操作部４５は、表示部４４を操作するためのボタン等で構成される。また、表示部４４及び操作部４５は、これらの機能が一体に構成されたタッチパネルであってもよい。この場合、操作部４５は、表示部４４に表示されるＧＵＩスイッチであってもよい。また、操作部４５は、機械式のボタンであってもよい。
図４Ｂは、事業者端末６の構成の一例を示す図である。図４Ｂに示すように、事業者端末６は、制御部６１と、記憶部６２と、通信部６３と、表示部６４と、操作部６５と、を備える。事業者端末６は、上述した農業者端末４と同様の構成を備えているため、各構成についての説明を省略する。
図５は、本実施形態に係る農業管理装置３による学習モデルの構築処理の流れを示すフローチャートである。
ステップＳ１において、農業管理装置３の制御部３１は、農作物センサ装置２から送信された農作物検出データを取得し、検出データ記憶部３２１に記憶する。
ステップＳ２において、制御部３１は、農作物の状態の判定結果をラベルとして取得する。
ステップＳ２において、制御部３１は、農作物の状態の判定結果をラベルとして取得する。
ステップＳ３において、制御部３１は、ステップＳ１において取得した農作物検出データとステップＳ２において取得したラベルとの組みを教師データとする。
ステップＳ４において、制御部３１は、農作物検出データとラベルとの組みを教師データとして教師あり学習を行うことにより、農作物の状態についての学習モデルを構築する。
ステップＳ４において、制御部３１は、農作物検出データとラベルとの組みを教師データとして教師あり学習を行うことにより、農作物の状態についての学習モデルを構築する。
ステップＳ５において、制御部３１は、教師あり学習を終了するか否かを判定する。ここで、教師あり学習を終了させる条件は、任意に定めることができる。例えば、制御部３１は、ニューラルネットワークの出力とラベルとの誤差の値が所定値以下となった場合に、教師あり学習を終了させるようにしてもよい。また、制御部３１は、予め定めておいた回数だけ教師あり学習を繰り返した場合に、教師あり学習を終了させるようにしてもよい。教師あり学習を終了する場合（ＹＥＳ）、処理は、ステップＳ６へ移る。一方、教師あり学習を終了しない場合（ＮＯ）、処理は、ステップＳ１へ戻る。
ステップＳ６において、制御部３１は、構築した学習モデルを学習モデル記憶部３２２に記憶する。
図６は、本実施形態に係る農業管理装置３及び農業者端末４による処理の流れを示すフローチャートである。
ステップＳ１１において、制御部３１は、農作物センサ装置２が検出した農作物検出データの入力を受け付ける。
ステップＳ１２において、制御部３１は、農作物検出データの入力を受け付けると、受け付けた農作物検出データ及び学習モデル記憶部３２２に記憶された学習モデルに基づいて、農作物の状態の正常又は異常を判定する。
ステップＳ１２において、制御部３１は、農作物検出データの入力を受け付けると、受け付けた農作物検出データ及び学習モデル記憶部３２２に記憶された学習モデルに基づいて、農作物の状態の正常又は異常を判定する。
ステップＳ１３において、制御部３１は、検出データ記憶部３２１に記憶されており、教師データとして用いた過去の農作物の状態のデータに基づいて、農作物の最適な生育情報を推定する。
ステップＳ１４において、制御部３１は、農作物の状態の正常又は異常の判定結果、農作物の最適な生育情報を通信部３３によって農業者端末４へ送信する。
ステップＳ１５において、農業者端末４は、農作物の状態の正常又は異常の判定結果、及び農作物の最適な生育情報を表示する。
ステップＳ１５において、農業者端末４は、農作物の状態の正常又は異常の判定結果、及び農作物の最適な生育情報を表示する。
図７は、本実施形態に係る農業管理装置３及び事業者端末６による処理の流れを示すフローチャートである。
ステップＳ２１において、制御部３１は、収穫物センサ装置５から送信された収穫物検出データを取得する。
ステップＳ２２において、制御部３１は、農作物の種類を識別する識別番号と、農作物の状態（農作物検出データ）と、収穫物の状態（収穫物検出データ）とを対応付けて検出データ記憶部３２１に記憶する。
ステップＳ２３において、制御部３１は、事業者端末６から農作物の識別番号の入力を受け付ける。
ステップＳ２４において、制御部３１は、受け付けた農作物の識別番号と対応付けられた農作物の状態及び収穫物の状態を検出データ記憶部３２１から読み出し、通信部３３により事業者端末６へ送信する。
ステップＳ２４において、制御部３１は、受け付けた農作物の識別番号と対応付けられた農作物の状態及び収穫物の状態を検出データ記憶部３２１から読み出し、通信部３３により事業者端末６へ送信する。
ステップＳ２５において、事業者端末６は、農作物の識別番号と対応付けられた農作物の状態及び収穫物の状態を一元的に表示する。具体的には、事業者端末６は、農作物の状態及び収穫物の状態を表示部６４の一画面上に一括して表示する。これにより、事業者は、農作物の状態及び収穫物の状態を把握しやすくなる。
以上説明したように、本実施形態に係る農業管理システム１は、農作物の状態を検出する農作物センサ装置２と、農作物に関する情報を管理する農業管理装置３と、農業管理装置３と通信可能であり、農作物を育成又は栽培する農業従事者によって操作される農業者端末４と、を備え、農作物センサ装置２は、農作物の状態を検出した農作物検出データを農業管理装置３へ送信し、農業管理装置３は、農作物センサ装置２から送信された農作物検出データを取得し、前記農作物の状態の判定結果をラベルとして取得し、農作物検出データとラベルとの組みを教師データとして教師あり学習を行うことにより、農作物の状態についての学習モデルを構築し、農作物センサ装置２が検出した農作物検出データの入力を受け付け、学習モデル及び農作物検出データから農作物の状態の正常又は異常を判定し、教師データとして用いた過去の農作物の状態のデータに基づいて、農作物の最適な生育情報を推定し、農作物の状態の正常又は異常の判定結果、及び農作物の最適な生育情報を農業者端末へ送信し、農業者端末４は、農作物の状態の正常又は異常の判定結果、及び農作物の最適な生育情報を表示する。
このような構成によって、農業管理システム１は、農作物センサ装置２によって農作物の状態を管理し、農業者端末４によって農作物に関する情報を農業従事者と共有化することができる。これにより、農業管理システム１は、例えば、化学肥料を極力最小化した施肥で農作物を育成し、植物の吸収不可能、不能な施肥等による温室効果ガスの発生を抑制できる。更に、農業管理システム１は、例えば、土壌に合う農作物の育成（既存種）により、種苗メーカー依存からの脱却や、土壌診断及び環境管理により、自然にある多様性を維持しつつ、連作障害等の抑制に寄与することができる。
また、農業管理システム１は、農作物が収穫された後の状態である収穫物の状態を検出する収穫物センサ装置５と、農業管理装置３と通信可能であり、収穫物に関連する事業を行う事業者によって操作される事業者端末６と、を更に備え、収穫物センサ装置５は、収穫物の状態を示す収穫物検出データを農業管理装置３へ送信し、農業管理装置３は、収穫物センサ装置５から送信された収穫物検出データを取得し、農作物の種類を識別する識別番号と、農作物の状態と、収穫物の状態とを対応付けて記憶し、事業者端末６から農作物の識別番号の入力を受け付けると、農作物の識別番号と対応付けられた農作物の状態及び収穫物の状態を事業者端末６へ送信し、事業者端末６は、農作物の識別番号と対応付けられた農作物の状態及び収穫物の状態を一元的に表示する。
このような構成によって、農業管理システム１は、農作物が生育段階から、収穫物が消費者に渡るまでの保管、輸送及び販売段階において収穫物の状態を追尾管理し、収穫物の安全性を確保することができる。
また、農作物センサ装置２及び収穫物センサ装置５は、少なくともナノダイヤモンドを用いたセンサを備える。これにより、農業管理システム１は、高い精度で所望の検出データを取得することができる。
また、農作物センサ装置２は、ナノダイヤモンド電極を用いた土壌センサを備える。これにより、農業管理システム１は、土壌親和性の高いナノダイヤモンド電極を用いることによって、土壌中の窒素化合物をリアルタイムでより正確に測定できる。更に、農業管理システム１は、土壌センサの測定値により、窒素肥料を基肥及び追肥として施肥する際の過剰施肥を防ぎ、農作物の生育に最適な糖タンパク質（アミノ酸等）を供給することが可能となる。
また、収穫物センサ装置５は、収穫物を包装する包装体に取り付けられており、ナノダイヤモンド電極を用いたセンサを備える。これにより、農業管理システム１は、保管、輸送及び販売段階において収穫物の状態を追尾管理することができる。
また、農業管理装置３は、農業者端末４及び事業者端末６によって農業従事者以外でもアクセス可能である。これにより、農業管理システム１は、農業産業に興味を持つ者であれば、農地を所有していなくても、ボランティア援農として農業に携わり、農業をより多様性のある産業とすることができる。
以上、本発明の一実施形態について説明したが、本発明はこれに限らない。本発明の趣旨の範囲内で、細部の構成を適宜変更してもよい。
１ 農業管理システム
２ 農作物センサ装置
３ 農業管理装置
４ 農業者端末
５ 収穫物センサ装置
６ 事業者端末
２１ ナノダイヤモンドセンサ
２２ 制御部
２３ 通信部
３１ 制御部
３２ 記憶部
３３ 通信部
３４ 入力部
３５ 表示部
３２１ 検出データ記憶部
３２２ 学習モデル記憶部
２ 農作物センサ装置
３ 農業管理装置
４ 農業者端末
５ 収穫物センサ装置
６ 事業者端末
２１ ナノダイヤモンドセンサ
２２ 制御部
２３ 通信部
３１ 制御部
３２ 記憶部
３３ 通信部
３４ 入力部
３５ 表示部
３２１ 検出データ記憶部
３２２ 学習モデル記憶部
Claims (5)
- 農作物の状態を検出する農作物センサ装置と、
前記農作物に関する情報を管理する農業管理装置と、
前記農業管理装置と通信可能であり、前記農作物を育成又は栽培する農業従事者によって操作される農業者端末と、を備える農業管理システムであって、
前記農作物センサ装置は、
前記農作物の状態を検出した農作物検出データを前記農業管理装置へ送信し、
前記農業管理装置は、
前記農作物センサ装置から送信された前記農作物検出データを取得し、
前記農作物の状態の判定結果をラベルとして取得し、
前記農作物検出データと前記ラベルとの組みを教師データとして教師あり学習を行うことにより、前記農作物の状態についての学習モデルを構築し、
前記農作物センサ装置が検出した前記農作物検出データの入力を受け付け、
前記学習モデル及び前記農作物検出データから前記農作物の状態の正常又は異常を判定し、
前記教師データとして用いた過去の前記農作物の状態のデータに基づいて、前記農作物の最適な生育情報を推定し、
前記農作物の状態の正常又は異常の判定結果、及び前記農作物の最適な生育情報を前記農業者端末へ送信し、
前記農業者端末は、
前記農作物の状態の正常又は異常の判定結果、及び前記農作物の最適な生育情報を表示し、
前記農作物センサ装置は、ナノダイヤモンド電極を用いた土壌センサを備え、
前記土壌センサは、セルロースナノファイバーの担体にナノダイヤモンドを担持させたナノダイヤモンド電極を有し、前記ナノダイヤモンド電極間の窒素含有量に影響した電圧又は電流を計測することにより、リアルタイムで土壌中の窒素含有量を計測する、
農業管理システム。 - 前記農業管理システムは、前記農作物が収穫された後の状態である収穫物の状態を検出する収穫物センサ装置と、
前記農業管理装置と通信可能であり、前記収穫物に関連する事業を行う事業者によって操作される事業者端末と、
を更に備え、
前記収穫物センサ装置は、
前記収穫物の状態を示す収穫物検出データを前記農業管理装置へ送信し、
前記農業管理装置は、
前記収穫物センサ装置から送信された前記収穫物検出データを取得し、
前記農作物の種類を識別する識別番号と、前記農作物の状態と、前記収穫物の状態とを対応付けて記憶し、
前記事業者端末から前記農作物の前記識別番号の入力を受け付けると、前記農作物の前記識別番号と対応付けられた前記農作物の状態及び前記収穫物の状態を前記事業者端末へ送信し、
前記事業者端末は、
前記農作物の前記識別番号と対応付けられた前記農作物の状態及び前記収穫物の状態を一元的に表示する、
請求項１に記載の農業管理システム。 - 前記農作物センサ装置及び前記収穫物センサ装置は、少なくともナノダイヤモンドを用いたセンサを備える、請求項２に記載の農業管理システム。
- 前記農業管理装置は、前記農業者端末及び前記事業者端末によって農業従事者以外でもアクセス可能である、請求項２に記載の農業管理システム。
- 前記収穫物センサ装置は、前記収穫物を包装する包装体に取り付けられており、ナノダイヤモンド電極を用いたセンサを備える、請求項２又は３に記載の農業管理システム。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022020382A JP7437431B2 (ja) | 2022-02-14 | 2022-02-14 | 農業管理システム |
| CN202310004278.5A CN116596453A (zh) | 2022-02-14 | 2023-01-03 | 农业管理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022020382A JP7437431B2 (ja) | 2022-02-14 | 2022-02-14 | 農業管理システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023117680A JP2023117680A (ja) | 2023-08-24 |
| JP7437431B2 true JP7437431B2 (ja) | 2024-02-22 |
Family
ID=87603239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022020382A Active JP7437431B2 (ja) | 2022-02-14 | 2022-02-14 | 農業管理システム |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7437431B2 (ja) |
| CN (1) | CN116596453A (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019097815A1 (ja) | 2017-11-16 | 2019-05-23 | 株式会社ダイセル | キャパシタ用電極材料 |
| JP2021056573A (ja) | 2019-09-27 | 2021-04-08 | 富士通株式会社 | 作物成長予測プログラム、作物成長予測方法および作物成長予測装置 |
| JP2022508999A (ja) | 2018-09-28 | 2022-01-20 | ロックウール インターナショナル アー／エス | 植物の成長を制御するシステム |
-
2022
- 2022-02-14 JP JP2022020382A patent/JP7437431B2/ja active Active
-
2023
- 2023-01-03 CN CN202310004278.5A patent/CN116596453A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019097815A1 (ja) | 2017-11-16 | 2019-05-23 | 株式会社ダイセル | キャパシタ用電極材料 |
| JP2022508999A (ja) | 2018-09-28 | 2022-01-20 | ロックウール インターナショナル アー／エス | 植物の成長を制御するシステム |
| JP2021056573A (ja) | 2019-09-27 | 2021-04-08 | 富士通株式会社 | 作物成長予測プログラム、作物成長予測方法および作物成長予測装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116596453A (zh) | 2023-08-15 |
| JP2023117680A (ja) | 2023-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pathange et al. | Non-destructive evaluation of apple maturity using an electronic nose system | |
| Rötter et al. | Simulation of spring barley yield in different climatic zones of Northern and Central Europe: a comparison of nine crop models | |
| Zhao et al. | Plant phenological modeling and its application in global climate change research: overview and future challenges | |
| Antle et al. | Adaptation, spatial heterogeneity, and the vulnerability of agricultural systems to climate change and CO2 fertilization: an integrated assessment approach | |
| Sankar et al. | Non-destructive estimation of leaf area of durian (Durio zibethinus)–An artificial neural network approach | |
| Wen et al. | Machine learning-based canola yield prediction for site-specific nitrogen recommendations | |
| Mbangiwa et al. | Modelling and measurement of water productivity and total evaporation in a dryland soybean crop | |
| Beheydt et al. | N2O emission from conventional and minimum-tilled soils | |
| Toor et al. | Soil health in agricultural ecosystems: current status and future perspectives | |
| US20220076014A1 (en) | Information processing device, and information processing system | |
| Wang et al. | Assessing nitrogen status in potted geranium through discriminant analysis of ground-based spectral reflectance data | |
| Pemsl et al. | Long-term impact of Bt cotton: findings from a case study in China using panel data | |
| Yin et al. | Modelling global impacts of climate variability and trend on maize yield during 1980–2010 | |
| Farina et al. | Do crop rotations improve the adaptation of agricultural systems to climate change? A modeling approach to predict the effect of durum wheat-based rotations on soil organic carbon and nitrogen | |
| Iizumi et al. | Aligning the harvesting year in global gridded crop model simulations with that in census reports is pivotal to national-level model performance evaluations for rice | |
| Botero-Ramírez et al. | Effect of clubroot (Plasmodiophora brassicae) on yield of canola (Brassica napus) | |
| JP7437431B2 (ja) | 農業管理システム | |
| Hochman et al. | Impact of simulation and decision support systems on sustainable agriculture | |
| Couëdel et al. | Long-term soil organic carbon and crop yield feedbacks differ between 16 soil-crop models in sub-Saharan Africa | |
| Tasneem et al. | An automatic soil testing machine for accurate fertilization | |
| Bera et al. | Identification of a maize (Zea mays L.) inbred line adapted to low‐P conditions via analyses of phosphorus utilization, root acidification, and calcium influx | |
| Lord et al. | Ancient prairies as a reference for soil organic carbon content and microbial community structure | |
| Sepehya et al. | Concept and Assessment Methodology of Soil Quality: A Review | |
| Fang et al. | CART model to classify the drought status of diverse tomato genotypes by VPD, air temperature, and leaf–air temperature difference | |
| Maguire et al. | Analysis of the contribution of Lotus corniculatus to soil carbon content in a rice-pasture rotation system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220928 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231024 |
|
| 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: 20240116 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240209 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7437431 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |