KR20210109575A

KR20210109575A - 정보 처리 장치 및 정보 처리 시스템

Info

Publication number: KR20210109575A
Application number: KR1020217023606A
Authority: KR
Inventors: 사토시 이토
Original assignee: 바이엘 크롭사이언스 케이. 케이.
Priority date: 2018-12-27
Filing date: 2019-10-10
Publication date: 2021-09-06
Also published as: WO2020137085A1; EP3903566A1; BR112021011955A2; US20220076014A1; AU2019415077A1; EP3903566A4; CN113329617A; JPWO2020137085A1

Abstract

본 발명은, 보다 적절한 재배 정보에 기초하여, 보다 정확하게 작물의 감염에 관한 정보를 추정하는 것을 가능하게 한다. 작물에서의 발병의 3 요인인 주인, 소인 및 유인의 각각에 관한 정보 중 적어도 어느 것을 특징량 변환함으로써, 특징량을 생성하는 특징량 변환부(131); 및, 상기 작물의 감염에 관한 감염 정보를 추정하기 위해 사용되고, 머신 학습 알고리즘에 기초하여 생성되는, 상기 특징량을 포함하는 상기 3 요인에 관한 정보를 입력 데이터로 사용하는 감염 추정 모델에 기초하여, 상기 작물의 감염 정보를 추정하는 추정부(133)를 구비하는, 정보 처리 장치(10)가 제공된다.

Description

정보 처리 장치 및 정보 처리 시스템

본 발명은 정보 처리 장치 및 정보 처리 시스템에 관한 것이다.

작물에 병해가 발생하면, 작물의 수확량 및 품질이 저하된다. 작물에 있어서의 병해의 발생을 예측할 수 있으면, 예를 들어 적절한 타이밍에 작물에 농약을 살포함으로써, 병해의 발생을 예방할 수 있다. 종래에, 작물에서의 병해의 발생을 예측하는 기술이 개발되었다.

예를 들어, 특허문헌 1 에는, 작물에 병해를 야기하는 전염원량 및 피해 허용률로부터 농약의 살포 조건을 구하는 처리와, 작물에 대한 농약의 살포 적부를 판정하는 처리를 포함하는 병해 발생 예찰 방법이 기재되어 있다. 보다 구체적으로는, 특허문헌 1 에는, 기온, 습도, 또는 강우량 등의 재배 정보에 기초하여, 발병의 발생을 예측하는 기술이 기재되어 있다.

특허문헌 1 : JP 2002-305971 A

일반적으로, 작물이 감염되고 나서, 당해 작물에 병해가 발생할 때까지는, 잠복 기간이 있다. 특허문헌 1에 기재된, 작물에 있어서의 병해의 발생을 예측하는 기술 외에, 작물에 있어서의 감염의 리스크를 추정하는 기술도 요구되고 있다. 즉, 작물에 있어서의 병해의 발생을 추정하기 위한, 그리고, 감염의 리스크 등과 같은 작물의 감염에 관한 감염 정보를 추정하기 위한 기술이 요구되고 있다.

특허문헌 1에는, 작물에 있어서의 병해의 발생에 관한 정보를 추정하기 위한 재배 정보가 기재되어 있지만, 보다 적절한 작물의 재배에 관한 재배 정보에 기초하여, 보다 정확하게 작물의 감염에 관한 감염 정보를 추정하는 기술에 대한 필요성이 존재한다.

본 발명은, 상기 문제를 감안하여 이루어진 것으로, 본 발명의 목적으로 하는 바는, 보다 적절한 재배 정보에 기초하여, 보다 정확하게 작물의 감염에 관한 정보를 추정하는 것이 가능한, 신규이면서 개량된 정보 처리 장치 및 정보 처리 시스템을 제공하는 것에 있다.

상기 과제를 해결하기 위해, 본 발명의 일 양태는, 작물에 있어서의 발병의 3 요인인 주인(pathogen factor), 소인(host factor) 및 유인(environment factor)의 각각에 관한 정보 중 적어도 어느 것을 특징량 변환(feature value conversion)함으로써, 특징량(feature value)을 생성하는 특징량 변환부; 및, 상기 작물의 감염에 관한 감염 정보를 추정하기 위해 사용되고, 머신 학습 알고리즘(machine learning algorithm)에 기초하여 생성되는, 상기 특징량을 포함하는 상기 3 요인에 관한 정보를 입력 데이터로 사용하는 감염 추정 모델에 기초하여, 상기 작물의 감염 정보를 추정하는 추정부를 구비하는, 정보 처리 장치를 제공한다.

또한, 정보 처리 장치는, 상기 특징량을 포함하는 상기 3 요인에 관한 정보를 입력 데이터로 사용하고, 머신 학습 알고리즘에 기초하여, 상기 감염 추정 모델을 갱신하는 제 1 머신 학습부를 더 구비할 수도 있고, 상기 추정부는, 상기 갱신된 감염 추정 모델에 기초하여, 상기 감염 정보를 추정할 수도 있다.

또한, 상기 주인에 관한 정보는, 상기 작물에 있어서의 병해의 발생 이력에 관한 정보를 포함할 수도 있다.

또한, 상기 병해의 발생 이력에 관한 정보는, 상기 작물에 병해가 발생한 기간에 관한 기간 정보를 포함할 수도 있다.

또한, 상기 병해의 발생 이력에 관한 정보는, 상기 작물에 병해가 발생하는 빈도에 관한 빈도 정보를 포함할 수도 있다.

또한, 상기 병해의 발생 이력에 관한 정보는, 시간축 상에서의, 상기 작물에 병해가 발생한 시점으로부터, 상기 추정부가 상기 감염 정보를 추정하는 시점까지의 길이에 관한 길이 정보를 포함할 수도 있다.

또한, 상기 소인에 관한 정보는, 상기 작물의 병해에 대한 저항성에 관한 정보를 포함할 수도 있고, 상기 유인에 관한 정보는, 상기 작물이 재배되고 있는 공간의 습도 또는 온도 중 적어도 어느 하나에 관한 정보를 포함할 수도 있다.

또한, 상기 추정부는, 상기 감염 추정 모델에 기초하여 추정된 과거의 상기 감염 정보의 추정 결과에 기초하여, 상기 감염 정보를 추정할 수도 있다.

또한, 정보 처리 장치는, 상기 과거의 추정 결과를 입력 데이터로 사용하고, 머신 학습 알고리즘에 기초하여, 상기 감염 추정 모델을 갱신하는 제 2 머신 학습부를 더 구비할 수도 있고, 상기 추정부는, 상기 갱신된 감염 추정 모델에 기초하여, 상기 감염 정보를 추정할 수도 있다.

본 발명은 또한, 작물에서의 발병의 주인, 소인 및 유인의 각각에 관한 정보를 입력으로서 수신하는 입력부; 작물에서의 발병의 3 요인인 주인, 소인 및 유인의 각각에 관한 정보 중 적어도 어느 것을 특징량 변환함으로써 특징량을 생성하는 특징량 변환부; 상기 작물의 감염에 관한 감염 정보를 추정하기 위해 사용되고, 머신 학습 알고리즘에 기초하여 생성되는, 상기 특징량을 포함하는 상기 3 요인에 관한 정보를 입력 데이터로 사용하는 감염 추정 모델에 기초하여, 상기 감염 정보를 추정하는 추정부; 및, 상기 추정부에 의해 추정된 결과를 출력하는 출력부를 구비하는, 정보 처리 시스템을 제공한다.

이상 설명한 바와 같이 본 발명에 따르면, 보다 적절한 재배 정보에 기초하여, 보다 정확하게 작물의 감염에 관한 정보를 추정하는 것이 가능하고, 신규이면서 개량된 정보 처리 장치 및 정보 처리 시스템을 제공한다.

[도 1] 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 개요를 설명하기 위한 도이다.
[도 2] 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 개략적인 기능 구성의 예를 나타내는 블록도이다.
[도 3] 식물병의 피라미드 P를 나타내는 도이다.
[도 4] 본 발명의 일 실시형태에 따른 정보 처리 단말(20)에 표시되는 병해 발생 이력 화면의 예를 나타내는 도이다.
[도 5] 본 발명의 일 실시형태에 따른 정보 처리 단말(20)에 표시되는 병해 발생 이력 화면의 예를 나타내는 도이다.
[도 6] 본 발명의 일 실시형태에 관한 정보 처리 단말(20)에 표시되는 농약 살포 기록 화면의 예를 나타내는 도이다.
[도 7] 본 발명의 일 실시형태에 따른 정보 처리 단말(20)에 표시되는 병해 발생 정보 화면의 예를 나타내는 도이다.
[도 8] 본 발명의 일 실시형태에 따른 정보 처리 단말(20)에 표시되는 작부 정보 화면의 예를 나타내는 도이다.
[도 9] 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 처리 전체의 흐름의 예를 개략적으로 나타내는 도이다.
[도 10] 본 발명의 일 실시형태에 따른 정보 처리 장치(10)에 의한 갱신 처리의 예를 개략적으로 나타내는 플로우차트이다.
[도 11] 본 발명의 일 실시형태에 따른 정보 처리 장치(10)의 추정 처리의 예를 개략적으로 나타내는 플로우차트이다.
[도 12] 본 발명의 일 실시형태에 따른 정보 처리 장치(10)의 하드웨어 구성을 나타내는 설명도이다.

발명을 실시하기 위한 형태

이하에 첨부 도면을 참조하면서, 본 발명의 바람직한 실시형태에 대해 상세하게 설명한다. 본 명세서 및 도면에 있어서, 실질적으로 동일한 기능 구성을 갖는 구성 요소에 대해서는, 동일한 부호를 붙임으로써 중복 설명을 생략한다.

<1. 도입부>

우선, 도 1을 참조하여, 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)에 대하여 설명한다. 도 1 은 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 개요를 설명하기 위한 도이다.

정보 처리 시스템(1)은, 작물의 재배 정보를 수집하는 기능, 재배 정보에 기초하는 감염 정보를 추정하는 기능 및 추정 결과를 제시하는 기능을 갖는다. 이러한 기능은 정보 처리 시스템(1)에 제공되는 정보 처리 장치(10), 정보 처리 단말(20) 및 센서 노드(30)가 협동함으로써 실현된다.

도 1에 도시된 바와 같이, 예를 들어, 정보 처리 장치(10)는, 작물의 재배자 등의 사용자(U1)에 의해 관리되는 정보 처리 단말(20)로부터 작물 정보, 재배지 정보, 병해 정보 및 농약 정보를; 재배지(31)에 설치되는 센서 노드(30)로부터 재배지 관측 정보를; 그리고 또한 기상 정보 서버(40)로부터 기상 정보를 수집한다. 이들 각종 정보의 상세는 후술한다. 정보처리장치(10)는 수집된 정보를 감염 추정 모델에 입력하고, 감염 추정 모델로부터의 출력 정보를 정보 처리 단말(20)에 전송한다. 사용자(U1)는 정보 처리 단말(20)에 의해 제시되는 전송된 출력 정보를 열람하고, 작물의 감염 정보를 확인한다.

감염 정보는, 작물에 발생하는 감염에 관한 정보일 수도 있음에 유의하여야 한다. 보다 구체적으로, 감염 정보는 작물이 예컨대 병원 미생물 등에 감염되는 리스크를 나타내는 감염 리스크일 수도 있다. 혹은, 감염 정보는, 작물에 발생하는 병해에 관한 정보일 수도 있다. 본 실시형태에서는, 정보 처리 장치(10)는 재배 정보에 기초하여 감염 리스크를 추정한다.

상술한 정보 처리 장치(10)의 기능은, 복수의 장치로 실현될 수도 있음에 유의하여야 한다. 예를 들어, 정보 처리 장치(10)의 기능은, 복수의 장치를 갖는 클라우드 컴퓨팅에 의해 실현될 수도 있다. 또한, 도 1에서는, 정보 처리 단말(20)이 스마트폰과 같은 휴대 통신 단말인 예를 설명하지만, 정보 처리 단말(20)은 거치형의 퍼스널 컴퓨터 등의 정보 통신 장치일 수도 있다.

<2. 본 발명의 일 실시형태>

이상, 본 발명의 일 실시형태에 관한 정보 처리 시스템(1)의 개요에 대하여 설명하였다. 다음으로, 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 상세에 대하여 설명한다.

<2. 1. 시스템 구성>

우선, 도 2를 참조하여, 정보 처리 시스템(1)의 기능 구성에 대해 설명한다. 도 2는 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 개략적인 기능 구성의 예를 나타내는 블록도이다.

도 2에 도시한 바와 같이, 정보 처리 시스템(1)은 정보 처리 장치(10), 정보 처리 단말(20) 및 센서 노드(30)를 포함한다. 정보 처리 장치(10), 정보 처리 단말(20), 센서 노드(30) 및 후술하는 기상 정보 서버(40)는 네트워크(50)를 통해 접속되어 있다. 이들 장치는, 예를 들어 인터넷 등의 WAN(Wide Area Network)을 통해 접속된다.

[정보 처리 장치]

정보 처리 장치(10)는 작물에 있어서의 발병의 3 요인인 주인, 소인 및 유인의 각각에 관한 정보(이하, 간단히 "3 요인 정보(three-factor information)"라고도 함) 중 적어도 어느 것을 특징량 변환함으로써, 특징량을 생성하는 기능을 갖는다. 정보 처리 장치 (10) 는, 작물의 감염 리스크를 추정하기 위해서 사용되고, 머신 학습 알고리즘에 기초하여 생성된, 상기 특징량을 포함하는 3 요인 정보를 입력 데이터로 하는 감염 추정 모델에 기초하여, 작물의 감염 리스크를 추정하는 추가적인 기능을 갖는다. 정보 처리 장치(10)의 기능은, 정보 처리 장치(10)에 제공된 통신부(110), 기억부(120) 및 처리부(130)가 협동함으로써 실현된다.

여기서, 작물의 발병의 3 요인에 대해 설명한다. 작물에 있어서의 질병 등의 식물병은, 주인, 소인 및 유인의 3 요인 모두의 복합적인 작용으로 야기되는 것으로 알려져 있다.

우선, 주인에 대해 설명한다. 주인(병인: Pathogen)은 병원 미생물, 해충, 농약, 비료, 오염물질 또는 잡초 등의 병인을 말한다. 또한, 주인에 관한 정보는, 예를 들어, 병해 발생 이력, 살포된 농약의 잔효, 살포된 농약의 그룹, 또는 작물의 포자의 수 등일 수도 있다.

다음으로, 소인에 대해 설명한다. 소인(식물: Host)은 식물과 그것의 저항성, 육성 스테이지 등의 요인이다. 또한, 소인에 관한 정보는, 예를 들어, 작물의 육성 스테이지, 작물의 병해 저항성, 또는 대목의 특성 등의 정보일 수도 있다.

마지막으로, 유인에 대하여 설명한다. 유인(환경: Environment)에 관한 정보인 유인 정보는, 온도 또는 습도 등의 작물이 재배되고 있는 환경에 관한 정보이다. 예를 들어, 유인 정보는, 이하에서 설명하는 대기 센서 혹은 토양 센서 등의 각종 센서에 의해 검출된 결과에 기초하는 재배지 관측 정보, 또는 재배 밀도에 관한 정보 등의 각종 환경에 관련된 정보 중 적어도 어느 것을 포함하는 정보이다. 예를 들어, 대기 센서는, 작물이 재배되고 있는 공간에 설치된 온도 센서 또는 습도 센서 등의 센서이다.

이상, 주인, 소인 및 유인의 3 요인의 각각에 대해서 설명했다. 이들 3 요인에 관한 정보는 정보 처리 단말(20), 센서 노드(30), 또는 기상 정보 서버(40)로부터 정보 처리 장치(10)에 송신된다. 또한, 여기서 구체적으로 설명하지 않은 3 요인에 관한 정보도, 예를 들어 정보 처리 단말(20)에 사용자에 의해 입력되고, 해당 입력된 정보가 네트워크(50)를 통해 정보 처리 장치(10)에 송신될 수도 있다. 또한, 정보 처리 단말(20) 이외의 장치가 3 요인에 관한 정보를 취득하고, 취득된 정보가 예를 들어 네트워크(50)를 통해 정보 처리 장치(10)에 송신될 수도 있다.

상기 3 요인과, 식물에 있어서의 식물병에 의한 피해량을 모델적으로 표현한, 식물병의 피라미드(plant disease pyramid)가 알려져 있다.

도 3은 식물병 피라미드(P)를 나타내는 도이다. 식물병의 피라미드(P)는, 3 요인의 영향의 크기를 변으로 나타내고, 가능한 삼각형의 면적을 그 시점의 식물병 피해로서 나타내고 있다. 보다 구체적으로는, 주인의 영향의 크기가 제 1 변(L1)의 길이, 소인의 영향의 크기가 제 2 변(L2)의 길이, 유인의 영향의 크기가 제 3 변(L3)의 길이로 표시되어 있다. 이들 3개의 변으로 둘러싸이는 삼각형의 면적이 주어진 시점에서의 식물병의 피해의 크기를 나타낸다.

또한, 그 최종적인 식물병에 의한 피해량은 식물병의 피라미드(P)의 체적(V)으로 표시된다. 보다 구체적으로는, 상기 삼각형을 저변으로 하고, 높이를 경과 시간으로 나타내는 제 4 변(L4)으로 하는 삼각뿔의 체적(V)이 최종적인 식물병에 의한 피해량이 된다. 이와 같이, 식물병의 피해량은 3 요인의 영향력에 따라 결정된다. 따라서, 작물에 있어서의 발병에 의한 피해량은, 3 요인의 영향력에 따라 결정된다. 따라서, 감염 리스크를 추정하는데 있어서, 3 요인을 이용하는 것은 큰 의의를 갖는다.

(통신부)

통신부(110)는 정보 처리 단말(20), 센서 노드(30) 및 기상 정보 서버(40)와 통신한다. 구체적으로는, 통신부(110)는 정보 처리 단말(20)로부터 작물 정보, 재배지 정보, 병해 정보, 농약 정보 및 요구 정보를 수신한다. 정보 처리 단말(20)로부터 통신부(110)에 송신되는 작물 정보, 재배지 정보, 병해 정보 및 농약 정보는 3 요인 정보를 포함할 수도 있다. 또한, 통신부(110)는 센서 노드(30)로부터 재배지 관측 정보를 수신한다. 당해 재배지 관측 정보에는, 예를 들면, 유인에 관한 정보가 포함된다. 추가로, 통신부(110)는 기상 정보 서버로부터 기상 정보를 수신한다. 당해 기상 정보에는, 예를 들어 유인에 관한 정보가 포함된다. 또한, 통신부(110)는 표시 정보를 정보 처리 단말(20)에 송신한다. 정보 처리 단말(20)은 당해 표시 정보에 기초하여 각종 정보를 표시한다.

(기억부)

기억부(120)는, 처리부(130)의 처리에 관한 정보를 저장한다. 구체적으로는, 기억부(120)는, 통신부에 의해 수신된 3 요인 정보를 포함하는 각종의 재배 정보를 기록한다. 보다 구체적으로는, 기억부(120)는, 재배 정보(작물 정보, 재배지 정보, 병해 정보, 농약 정보, 재배지 관측 정보 및 기상 정보)를 기록한다. 또한, 기억부(120)는, 감염 추정 모델 및 머신 학습 파라미터를 기록한다.

(제어부)

처리부(130)는 정보 처리 장치(10)의 동작을 포괄적으로 제어한다. 구체적으로는, 도 2에 도시한 바와 같이, 처리부(130)는: 특징량 변환부(131), 머신 학습부(132), 추정부(133) 및 표시 제어부(134)를 구비하고, 감염 리스크의 추정에 관한 처리를 한다. 또한, 감염 리스크의 추정은, 현재의 작물에 있어서의 감염 리스크를 추정하는 것을 수반할 수도 있고, 장래의 작물에 있어서의 감염 리스크를 예측하는 것을 수반할 수도 있다.

특징량 변환부(131)는, 작물에 있어서의 발병의 3 요인인 주인, 소인 및 유인의 각각에 관한 정보 중 적어도 어느 것을 특징량 변환함으로써, 특징량을 생성한다. 여기서 설명된 예에서, 특징량 변환부(131)가 특징량을 생성한다. 또한, 주인, 소인 및 유인에 관한 정보의 각각은 복수의 정보를 포함할 수도 있음에 유의하여야 한다. 본 명세서에 있어서, "3 요인인 주인, 소인 및 유인의 각각에 관한 정보 중 적어도 어느 것"이란, 당해 복수의 정보 중 적어도 어느 것을 말한다. 예를 들어, 특징량 변환부(131)가 주인, 소인 및 유인 중 유인에 관한 정보를 특징량 변환하는 경우에 대하여 설명한다. 유인에 관한 정보가, 예를 들어, 대기 센서에 의한 검지 결과에 관한 정보, 재배밀도에 관한 정보 등의 복수의 정보를 포함하고 있는 것으로 가정한다. 이 경우, 특징량 변환부(131)는, 유인에 관한 정보 중, 대기 센서에 의한 검지 결과에 관한 정보만을 특징량 변환할 수도 있다. 물론, 특징량 변환부(131)는, 당해 검지 결과 이외의 유인에 관한 정보도 특징량 변환할 수도 있고, 또는, 당해 검지 결과를 특징량 변환하지 않고, 다른 유인에 관한 정보를 특징량 변환할 수도 있다.

우선, 특징량 변환부(131)가 병해 발생 이력을 특징량 변환하는 예에 대하여 설명한다. 병해 발생 이력은, 주인에 관한 정보임에 유의하여야 한다. 병해 발생 이력은, 예를 들어 사용자에 의해 병해가 발생한 날짜, 또는 당해 병해의 종류 등이 기록된 정보이다. 특징량 변환부(131)는, 병해 발생 이력으로부터, 예를 들면, 몇 일 전에 병해가 발생했는지를 나타내는 정보를 추출하고, 당해 정보를 특징량으로서 생성한다.

또한, 병해가 어떤 기간 동안 발생할 수도 있다. 따라서, 병해 발생 이력에는, 작물에 병해가 발생한 기간의 길이에 관한 기간 정보가 포함된다. 특징량 변환부(131)는, 예를 들면, 병해가 발생하는 기간을 특징량으로서 생성할 수도 있다.

또한, 병해 발생 이력은, 병해가 발생하는 빈도에 관한 정보를 포함할 수도 있다. 예를 들면, 병해가 발생하는 빈도가 점점 증가하고 있는 경우에는, 감염 리스크가 증가하고 있는 것으로 추정된다. 따라서, 병해가 발생하는 빈도는, 감염 리스크를 추정하는데 있어서, 중요한 정보로서 기능할 수도 있다. 그래서, 특징량 변환부(131)는, 예를 들어 병해가 발생한 일수/소정의 일수의 형태로, 병해가 발생하는 빈도를 특징량으로서 생성할 수도 있다. 보다 구체적으로는, 특징량 변환부(131)는, 병해가 발생한 일수/재배의 합계 일수의 형태로 병해가 발생하는 빈도를 특징량으로서 생성할 수도 있다.

또한, 발병 발생 이력에는, 시간축 상에 있어서의, 작물에 병해가 발생한 시점으로부터, 후술하는 추정부(133)가 감염 리스크를 추정하는 시점까지의 길이에 관한 길이 정보를 포함할 수도 있다. 예를 들면, 이러한 길이가 짧은 경우에는, 감염 리스크가 더 높은 것이 추정될 수 있으므로, 이러한 정보는, 감염 리스크를 추정하는데 있어서 중요한 정보로서 기능할 수도 있다. 그래서, 특징량 변환부(131)는, 이 길이 정보로부터, 작물에 발병이 발생한 시점들 중, 추정부(133)가 감염 리스크의 추정을 행하는 시점부터 가장 짧은 시점까지의 기간을 특징량으로서 생성할 수도 있다.

다음으로, 특징량 변환부(131)가, 센서 노드(30)에 제공된 대기 센서 또는 토양 센서 등의 각종 센서에 의해 검출된 검출 결과를 특징량 변환하는 예에 대하여 설명한다. 이들 검출 결과는, 유인에 관한 정보일 수도 있음에 유의하여야 한다. 예를 들면, 특징량 변환부(131)는, 소정 기간에 있어서 시계열로 취득한 검출 결과에 관한 데이터의 분포를 취득하고, 이러한 분포에 관한 대표값을 특징량으로서 출력한다.

이러한 대표값은, 예를 들어 퍼센타일(percentile) 값일 수도 있다. 예를 들어, 특징량 변환부(131)는, 소정 기간에 있어서 시계열로 취득한 검출 결과의 시계열 데이터를 오름차순 또는 내림차순으로 재배열할 수도 있고, 재배열한 데이터의 소정의 퍼센타일값을 출력할 수도 있다. 이러한 특징량을, 감염 추정 모델의 입력 데이터의 하나로서 이용할 수도 있다.

또한, 이러한 대표값으로서, 예를 들어 최소값, 최대값, 평균값, 최빈값, 분산 또는 표준 편차 등, 각종 통계학적 대표값이 사용될 수도 있다. 감염 추정 모델의 입력 데이터로서 이용되는 대표값의 종류는, 감염 리스크의 추정의 대상을 결정하기 위한 파라미터의 특성, 또는 시간에 걸친 변화의 경향 등에 따라 적절히 설정될 수도 있다.

또한, 검출 결과의 시계열 데이터의 취득 대상 기간인 상기 기간의 설정에 대해서는 특별히 한정되지 않는다. 소정 기간은, 예를 들어 특징량 변환이 실시되는 시점의 수일 전부터 특징량 변환의 시점까지의 기간일 수도 있고, 또는, 특징량 변환이 실시되는 시점의 수개월 전부터 특징량 변환의 시점까지의 기간일 수도 있다. 이러한 소정 기간은, 병해의 감염 거동 또는 발생 거동, 또는 약제의 약효 거동 등에 따라, 적절히 설정될 수 있다.

이상, 센서 노드(30)에 제공된 센서에 의해 검출된 데이터를 특징량 변환하는 예에 대해 설명했다. 다음으로, 식밀도에 관한 정보를 특징량 변환하는 예에 대해 설명한다. 재배 밀도에 관한 정보는, 유인에 관한 정보일 수 있음에 유의하여야 한다. 재배밀도는, 작물의 혼합 정도의 지표이다. 재배 밀도가 높으면, 일반적으로는, 습도가 높아져, 예를 들어 사상 균 병해 발생의 리스크가 높아진다. 재배밀도가 높아짐에 따라, 군락 내의 일사 부족 또는 환기 부족이 발생하기 쉬워져, 식물체의 생육이나 주변 환경에 영향을 준다. 이 때문에, 재배밀도를 그룹 나누는 것은, 감염 리스크의 추정에 있어서 의미가 있다. 예를 들면, 특징량 변환부(131)는, 재배밀도를, 2000-2200주/10a의 재배밀도를 중심으로, ±200주/10a 마다 분류함으로써, 재배밀도에 관한 특징량을 생성한다.

재식밀도에 관한 정보는, 재식 밀도 그대로의 정보일 수도 있고, 재식 밀도를 포함하는 정보를 특징량 변환함으로써 생성된 특징량일 수도 있다.

이상, 특징량 변환부(131)가, 특징량을 생성하는 예에 관해 설명하였다. 특징량 변환부(131)는, 생성한 특징량을, 머신 학습부(132)에 출력한다. 이 경우, 머신 학습부(132)는, 이러한 특징량을 입력값으로 하여, 감염 추정 모델의 생성 또는 갱신을 행한다. 또한, 특징량 변환부(131)는, 생성한 특징량을, 추정부(133)에 출력한다. 이 경우, 추정부(133)는, 특징량을 감염 추정 모델에 입력하고, 당해 감염 추정 모델로부터 추정 결과를 출력하고, 당해 추정 결과를 표시 제어부(134)에 전달할 수 있다. 또한, 생성된 특징량은, 기억부(120)에 저장될 수도 있다. 또한, 여기서 특징량 변환된 각종 재배 정보는, 특징량 변환되어 있지 않은 상태로, 머신 학습부(132) 또는 추정부(133)에 의해 이용될 수도 있다.

머신 학습부(132)는, 소정의 머신 학습 알고리즘에 기초하여, 감염 추정 모델을 생성 또는 갱신한다. 구체적으로는, 머신 학습부(132)는, 기억부(120)에 저장된 3 요인 정보를 입력 데이터로 하여, 머신 학습 알고리즘에 기초하여, 감염 추정 모델을 생성 또는 갱신한다(이하, 이들을 통합하여 간단히 "머신 학습"이라고도 함). 또한, 상기 머신 학습 알고리즘은, 기존의 머신 학습 알고리즘 중 감염 추정 모델의 머신 학습에 이용 가능한, 머신 학습 알고리즘 중 어느 것이어도 된다. 예를 들어, 머신 학습 알고리즘은, 로지스틱 회귀, 서포트 벡터 머신, 랜덤 포레스트 혹은 근방법 등의 분류 기법일 수도 있고, 또는, 뉴럴 네트워크 또는 베이지안 네트워크 등을 채용한 계산 알고리즘일 수도 있다.

구체적으로는, 머신 학습부(132)는, 특징량 변환부(131)에 의해 생성된 특징량을 포함하는 3 요인 정보를 기억부(120)로부터 취득한다. 머신 학습부(132)는, 특징량을 특징량 변환부(131)로부터 취득할 수도 있음에 유의하여야 한다. 그리고, 머신 학습부(132)는, 취득된 당해 3 요인 정보를 이용하여 감염 추정 모델의 생성을 행한다. 머신 학습부(132)에 의해 생성된 감염 추정 모델은, 기억부(120)에 저장된다.

감염 추정 모델은, 각각의 재배지에 대해 생성될 수도 있음에 유의하여야 한다. 구체적으로는, 병해 정보는, 병해가 발생한 재배지를 나타내는 정보를 포함하고, 머신 학습부 (132) 는, 병해가 발생한 재배지에 대응하는 재배 정보에 기초하여 감염 추정 모델을 생성한다. 예를 들어, 머신 학습부 (132) 는, 병해 정보가 나타내는 재배지에 대한 3 요인 정보를 기억부 (120) 로부터 취득한다. 추가로, 머신 학습부(132)는, 취득된 3 요인을 이용하여 당해 재배지에 있어서의 작물에 대한 감염 추정 모델을 생성한다.

또한, 머신 학습부(132)는, 이미 생성된 감염 추정 모델을 갱신할 수도 있다. 보다 구체적으로는, 머신 학습부(132)는, 기억부(120)로부터 특징량을 포함하는 3 요인에 관한 정보 및 기존의 감염 추정 모델을 취득하고, 특징량 변환부(131)로부터 특징량을 취득한다. 머신 학습부(132)는, 취득된 정보를 입력 데이터로 하고, 머신 학습 알고리즘에 기초하여, 기존의 감염 추정 모델을 갱신한다. 추정부(133)는, 갱신된 감염 추정 모델을 이용함으로써, 보다 정밀도(accuracy) 좋게 감염 리스크를 추정할 수 있다. 머신 학습부(132)가 감염 추정 모델을 갱신하는 기능은, 제 1 머신 학습부로서의 기능임에 유의하여야 한다.

추정부(133)는, 작물에 있어서의 감염의 발생 리스크에 대한 추정을 행한다. 구체적으로는, 추정부(133)는, 작물의 감염에 관한 감염 정보를 추정하기 위해 사용되고, 머신 학습 알고리즘에 기초하여 생성된, 특징량을 포함하는 3 요인 정보를 입력 데이터로 하는 감염 추정 모델에 기초하여, 작물에 있어서의 감염 정보를 추정한다. 본 실시형태에서는, 당해 감염 정보는, 작물의 감염 리스크에 관한 정보이다. 예를 들어, 추정부(133)는, 기억부(120)로부터 감염 추정 모델 및 특정 시점에 있어서의 3 요인 정보를 취득하고, 취득된 3 요인 정보를 감염 추정 모델에 입력한다. 그리고, 추정부(133)는, 감염 추정 모델로부터 출력된 감염의 발생 리스크를 나타내는 정보(이하, "추정 결과"라고도 칭함)를 표시 제어부(134)에 전달한다.

또한, 추정부(133)는, 감염 추정 모델에 기초하여 추정된 과거의 감염 리스크의 추정 결과에 기초하여, 감염 리스크를 추정할 수도 있다. 보다 구체적으로는, 추정부(133)는, 과거의 감염 리스크의 추정 결과를 입력 데이터로 하여, 감염 추정 모델에 기초하여, 감염 리스크를 추정할 수도 있다. 이에 의해, 추정부(133)는, 보다 정밀도 좋게 감염 리스크를 추정할 수 있다.

또한, 추정부(133)는, 과거의 추정 결과를 입력 데이터로 하고, 머신 학습 알고리즘에 기초하여 갱신된, 감염 추정 모델을 사용하여 감염 리스크를 추정할 수도 있다. 보다 구체적으로는, 우선, 머신 학습부(132)가, 추정부(133)가 추정한 과거의 추정 결과를 입력 데이터로 하여, 소정의 머신 학습 알고리즘에 기초하여, 감염 추정 모델을 갱신한다. 추정부(133)는, 당해 갱신된 감염 추정 모델에 기초하여, 감염 리스크를 추정한다. 이와 같이, 추정부(133)는, 과거의 추정 결과에 기초하여 갱신된 감염 추정 모델을 이용할 수 있기 때문에, 보다 정밀도 좋게 감염 리스크를 추정할 수 있다. 머신 학습부(132)가 과거의 추정 결과에 기초하여, 감염 추정 모델을 갱신하는 기능은, 제 2 머신 학습부로서의 기능임에 유의하여야 한다.

표시 제어부(134)는 정보 처리 단말(20)에 표시되는 정보를 생성한다. 구체적으로는, 표시 제어부(134)는 추정 결과에 관한 정보를 정보 처리 단말(20)에 표시시키기 위한 표시 정보를 생성한다. 예를 들면, 정보 처리 단말(20)로부터 표시 정보의 전달을 요구하는 정보인 요구 정보가 정보 처리 장치(10)에 송신되고, 당해 요구 정보가 통신부(110)에 의해 수신된다. 이때, 표시 제어부(134)는, 당해 요구 정보에 기초하여 특정되는 재배지에 관한 추정 결과로서, 당해 요구 정보로부터 특정되는 기간의 추정 결과를 취득한다. 그리고, 표시 제어부(134)는, 취득된 추정 결과를 가공함으로써 표시 정보를 생성하고, 생성된 표시 정보를 통신부(110)에 전달한다. 또한, 추정 결과는 가공되지 않고 전달될 수도 있다.

또한, 표시 정보로서, 표시되는 추정 결과에 대응하는 재배 정보가 추가될 수도 있다. 예를 들어, 표시 제어부(134)는 취득된 추정 결과가 출력으로 된 추정 처리의 입력이었던 재배 정보(기상 정보 또는 농약 정보 등)를 기억부(120)로부터 취득한다. 그리고, 표시 제어부(134)는, 취득된 추정 결과를 가공함으로써 표시 정보를 생성하고, 생성된 표시 정보를 통신부(110)에 전달한다. 또한, 재배 정보 또한 가공되지 않고, 통신부(110)에 전달될 수도 있음에 유의하여야 한다.

[정보 처리 단말]

정보 처리 단말(20)은, 사용자로부터의 조작에 따라 생성하는 정보를, 네트워크(50)를 통해 정보 처리 장치(10)에 송신하고, 정보 처리 장치(10)로부터의 제어에 따라 작물에 관한 각종 정보를 표시하는 기능을 갖는다. 정보 처리 단말(20)의 기능들은 도 2에 도시한 입력부(210), 제어부(220), 통신부(230) 및 표시부(240)가 협동함으로써 실현된다.

입력부(210)는 정보 처리 단말(20)에 대한 조작을 접수한다. 구체적으로는, 입력부(210)는, 입력되는 조작을 접수하고, 접수되는 조작에 따라 각종 정보를 생성한다. 생성된 각종 정보는 제어부(220)로 전달된다. 상세하게는, 사용자에 의한 조작에 따라 생성되는 정보는, 병해 정보, 농약 정보, 작물 정보, 재배지 정보, 및 요구 정보이다. 여기서, 이들 정보에 대해서, 보다 구체적으로 설명한다.

병해 정보는, 작물에 발생한 병해에 관한 정보이다. 병해 정보는 회색곰팡이병, 잎곰팡이병, 흰가루병 또는 역병 등의 발생한 병해의 종류를 나타내는 정보를 포함한다. 또한, 병해는 미생물 병, 생리 장해 또는 잡초에 의한 생리 장해 등이다. 또한, 병해 정보는, 병해의 발생일 또는 발생의 정도를 나타내는 정보를 포함한다. 이들 병해 정보가 적절히 조합됨으로써, 병해 발생 이력이 생성된다. 병해 발생 이력은, 작물에 발생한 병해의 종류, 병해가 발생한 날짜 또는 시각 등을 나타내는 정보이다.

화상 취득 장치가 재배지(31)에 설치될 수도 있고, 당해 화상 취득 장치가 작물의 화상 정보를 취득할 수도 있으며, 네트워크(50)를 통하여, 당해 화상 정보를 정보 처리 장치(10)에 송신할 수도 있음에 유의하여야 한다. 정보 처리 장치(10)는, 당해 화상 정보를 해석함으로써, 작물에 병해가 발생하고 있는지 여부를 판정할 수도 있고, 병해 발생 이력을 생성할 수도 있다. 또한, 작물에 발생한 병해를, 간접적인 사실에 기초하여 추정할 수도 있고, 당해 추정된 정보에 기초하여 병해 발생 이력이 생성될 수도 있다. 예를 들어, 재배지 (31)에서 작물을 키우고 있는 농가 등의 사용자가 병에 걸린 경우, 당해 병의 원인이 병해일 수도 있다. 그래서, 당해 병에 기초하여, 작물에 병해가 발생하고 있는 것이 추정될 수도 있다. 또한, 이러한 추정 결과에 기초하여, 병해 발생 이력이 생성될 수도 있다.

농약 정보는, 살포된 농약에 관한 정보이다. 보다 구체적으로, 농약 정보는 살포된 농약의 명칭, 종류, 그룹 또는 효능, 살포일 또는 살포량을 나타내는 정보이다. 정보 처리 단말(20)은 농약의 명칭 및 살포일 등의 살포 정보에 기초하여 농약의 잔효를 추정한다. 또한, 농약의 그룹은 사용자가 정보 처리 단말(20)에 의해 입력할 수도 있고, 정보 처리 단말(20)이 사용자에 의해 입력된 농약의 명칭 등에 기초하여 당해 농약의 그룹을 추정할 수도 있다. 농약의 잔효 및 농약의 그룹은, 소인에 관한 정보에 포함될 수도 있다.

또한, 농약의 잔효란, 작물에 살포된 농약의 효능 중, 당해 작물에 남아있는 효능이다. 농약의 잔효는, 농약의 살포일과 살포한 농약의 명칭에 기초하여 산출될 수도 있다. 예를 들어, 정보 처리 단말(20)에 농약의 명칭이 농약 정보로서 사용자에 의해 입력된다. 당해 정보는, 네트워크(50)를 통하여, 정보 처리 장치(10)에 송신된다. 여기서, 농약의 명칭과 농약의 효력의 경시 변화에 관한 정보가 정보 처리 장치(10)에 저장되어 있는 것으로 한다. 정보처리장치(10)는, 정보 처리 단말(20)로부터 취득한 농약의 명칭과, 농약의 효력의 경시 변화에 관한 정보에 기초하여, 농약의 잔효를 산출할 수도 있다.

또한, 농약의 그룹이란, 잔효가 있는 농약을, 화합물 그룹에 관한 정보로 변환한 것이다. 여기서, 정보처리장치(10)는, 농약의 명칭과, 농약의 그룹을 대응시키는 데이터베이스를 저장하고 있는 것으로 한다. 예를 들어, 정보 처리 장치(10)는 정보 처리 단말(20)로부터 취득한 농약의 명칭을 당해 데이터베이스에 기초하여 농약의 그룹에 관한 정보로 변환할 수도 있다.

작물 정보는, 재배지 (31)에서 자라져 있는 작물에 관한 정보이다. 보다 구체적으로는, 작물 정보는, 육성 스테이지, 작물의 종류 및 품종, 병해 저항성, 재식 밀도, 대목의 품종 및 특성, 잎의 적엽의 정도 또는 수세 등을 나타내는 정보이다.

작물의 육성 스테이지에 관한 정보는, 당해 작물의 파종일, 정식일, 수확 개시일 또는 재배 종료일 등의 작물의 육성의 단계에 관한 정보이다. 이들 정보는, 사용자에 의해 작물 정보로서 정보 처리 단말(20)에 입력되어도 된다.

작물의 병해 저항성은, 작물이 각종 병해에 대하여 갖는 저항에 관한 특성이다. 병해 저항성은, 정보처리장치(10)가, 사용자에 의해 입력된 정보에 기초하여 생성해도 된다. 예를 들어, 미리 작물의 품종마다의 병해에 대한 저항성을 나타내는 데이터베이스가 정보 처리 장치 (10)에 저장되어 있는 것으로 한다. 예컨대, 사용자는 정보 처리 단말(20)에 작물 정보로서 작물의 품종에 관한 정보를 입력한다. 당해 정보는, 네트워크(50)를 통하여, 정보 처리 장치(10)에 송신된다. 정보 처리 장치(10)는, 송신된 정보와, 당해 데이터베이스에 기초하여, 작물의 병해 저항성에 관한 정보를 생성해도 된다. 또한, 병해 저항성은, 사용자에 의해, 정보 처리 단말(20)에 직접 입력되어, 정보 처리 장치(10)에 송신되어도 된다.

또한, 대목의 특성에 관한 정보는, 작물의 대목에는, 어떠한 품종의 대목이 사용되고 있는지를 나타내는 정보여도 된다. 보다 구체적으로는, 대목의 특성에 관한 정보는, 대목의 품종의 명칭 또는 대목의 품종이 갖는 특성을 나타내는 정보여도 된다.

재배지 정보는 재배지의 표고, 기상 특성, 토양의 종류 또는 토양의 영양 상태 등을 나타내는 정보이다. 재배지 정보는, 단일의 재배지에 대한 정보일 수도 있고, 복수의 재배지에 대한 정보일 수도 있음에 유의하여야 한다. 이들 재배지 정보는, 유인에 관한 정보에 포함될 수도 있다.

요구 정보는, 표시 정보의 전달의 정보 처리 장치(10)에의 요구를 나타내는 정보이다. 예를 들어, 표시부(240)에 의해 입력 화면이 표시되고, 사용자가 입력 화면에 대하여 조작함으로써, 상술한 각종 정보가 생성된다.

제어부(220)는 정보 처리 단말(20)의 동작을 전체적으로 제어한다. 구체적으로는, 제어부(220)는, 통신부(230) 및 표시부(240)의 동작을 제어한다. 예를 들어, 제어부(220)는, 입력부(210)에 의해 생성된 정보를 통신부(230)에 송신시킨다. 또한, 제어부(220)는 정보 처리 장치(10)로부터 전달되는 표시 정보에 기초하여 화상 정보를 생성하고, 표시부(240)에 화상 정보를 전달함으로써 화상을 표시시킨다.

통신부(230)는 정보 처리 장치(10)와 통신한다. 구체적으로는, 통신부(230)는, 정보 처리 장치(10)에, 입력부(210)에 의해 생성된 작물 정보, 재배지 정보, 병해 정보, 농약 정보 및 요구 정보를 송신한다. 또한, 통신부(230)는, 정보 처리 장치(10)로부터 표시 정보를 수신한다. 정보 처리 단말기(20)는 센서 노드(30) 또는 기상 정보 서버(40)와 통신하여, 재배지 관측 정보 또는 기상 정보를 수신할 수도 있음에 유의하여야 한다.

표시부(240)는, 본 실시형태에서는 출력부로서, 제어부(220)의 지시에 기초하여 화상을 표시한다. 구체적으로는, 표시부(240)는, 제어부(220)로부터 전달되는 화상 정보에 기초하여 정보 표시 화면 및 조작 입력 화면을 표시한다. 예를 들어, 표시부(240)는 병해 발생 이력 화면, 농약 살포 기록 화면, 병해 발생 정보 화면 또는 작부 정보 화면을 표시한다. 상기 화면에 대해서, 도 4 내지 도 8을 참조하여, 보다 구체적으로 설명한다. 도 4 및 도 5는, 각각 본 발명의 일 실시형태에 따른 정보 처리 단말(20)에 표시되는 병해 발생 이력 화면의 예를 나타내는 도면이다. 도 6은 본 발명의 일 실시형태에 따른 정보 처리 단말(20)에 표시되는 농약 살포 기록 화면의 예를 나타내는 도이다. 도 7은 본 발명의 일 실시형태에 따른 정보 처리 단말(20)에 표시되는 병해 발생 정보 화면의 예를 나타내는 도이다. 도 8은 본 발명의 일 실시형태에 따른 정보 처리 단말(20)에 표시되는 작부 정보 화면의 예를 나타내는 도이다.

(병해 발생 이력 화면)

표시부(240)는, 제어부(220)에 의해, 사용자에 의해 입력된 각종 정보와 정보 처리 장치(10)의 추정 결과에 기초하여 생성되는 화상 정보에 기초하여, 재배지마다의 병해 발생 이력 화면을 표시한다. 보다 구체적으로는, 병해 발생 이력 화면은 도 4에 나타내는 바와 같은 병해의 발생의 이력, 감염 리스크의 추정 결과, 및 농약의 살포에 관한 기록 등이 표시되는 화면(img1)이다. 보다 구체적으로는, 병해 발생 이력 화면(img1)에는 위에서부터 순서대로 날짜 화상(241a), 추정 결과 화상(242b), 농약 입력 버튼(243a), 병해 입력 버튼(244a), 농약 기록 화상(245a) 및 병해 기록 화상(246a)이 표시되어 있다.

날짜 화상(241a)에는, 예를 들면 병해 발생 이력 화면(img1)이 표시부(240)에 표시되어 있는 날짜가 표시되어 있다. 도 4에 나타내는 예에서는, 날짜 화상(241a)에는, 날짜로서 y1년 m2월 d5일이 표시되어 있다.

추정 결과 화상(242a)에는, 위에서부터 순서대로, 각 날짜(도 4에 나타내는 예에서는, y1년 m2월의 23-30일의 각 날짜)에 있어서의 감염 리스크, 발병 유무(병해의 발생 유무) 및 농약 살포의 유무가 표시되어 있다. 추정 결과 화상(242a)의 감염 리스크의 행은, 정보 처리 장치(10)에 의해 추정된 추정 결과에 기초하는 문자, 도형, 또는 기호 등이 표시된다. 예를 들면, 감염 리스크가 높은 경우에는 "H"의 문자, 감염 리스크가 낮은 경우에는 "L"의 문자가 표시된다. 도 4에 나타내는 예에서는, 감염 리스크는, y1년 m2월의 23-30일에 있어서 낮은 것이 추정되고 있는 것으로 한다. 이 때문에, 감염 리스크의 행에 있어서, y1년 m2월의 23-30일에 대응하는 개소에는, "L"의 문자가 표시된다.

또, 발병 유무의 행에 있어서, 작물에 발병이 있었던 날에 대응하는 개소에는, 예를 들어 엑스 표시 등의 발병이 있었던 것을 나타내는 표지가 표시된다. 한편, 작물에 발병이 없는 날에 대응하는 개소는, 공란으로 되어 있다. 따라서, 발병 유무의 행의 y1년 m2월의 23-30일에 대응하는 개소가 공란으로 되어 있는 것은, y1년 m2월의 23-30일에는 작물에 발병이 없었던 것을 나타내고 있다. 이와 같이 작물에 발병이 없었기 때문에, 감염 리스크는 y1년 m2월의 23-30일에 있어서 낮은 것이 추정되고 있다.

또한, 농약 살포의 행에 있어서, 농약이 살포된 날에 대응하는 개소에는, 예를 들어 동그라미 표시 등의 농약이 살포된 것을 나타내는 기호가 표시된다. 또한, 농약 살포의 행에 있어서, 농약이 살포되지 않은 날에 대응하는 개소는, 공란이다. 따라서, 농약 살포 행의 y1년 m2월의 23-30일에 대응하는 개소가 공란으로 되어 있는 것은, y1년 m2월의 23-30일에 농약이 살포되지 않은 것을 나타내고 있다.

농약 입력 버튼(243a)이 사용자에 의해 조작되면 표시부(240)에 표시되는 화면은 화상(img1)으로부터 도 6에 나타내는 농약 살포 기록 화면의 일례인 화면(img3)으로 스위칭된다. 또한, 병해 입력 버튼(244a)이 사용자에 의해 조작되면, 표시부(240)에 표시되는 화면은 화상(img1)으로부터 도 7에 나타내는 병해 발생 정보 화면의 일례인 화면(img4)으로 스위칭된다.

또한, 화면(img1)에는 농약의 살포 기록 또는 발병의 발생 기록을 시계열로 나타내는 농약 기록 화상(245a) 또는 병해 기록 화상(246a)이 표시되어 있다. 예를 들면, 농약 기록 화상(245a)에는, y1년 m2월 d9일에 농약_B가 살포된 것을 나타내는 화상이 표시되어 있다. 또한, 병해 기록 화상(246a)에는 병해_D, E 및 F가 발생한 것이 시계열로 표시되어 있다.

이어서, 도 5를 참조하여 상술한 화면(img1)과 다른 병해 발생 이력 화면의 일례로서 화면(img2)을 설명한다. 화면(img1)과 마찬가지로, 화면(img2)에는 위로부터 순서대로 날짜 화상(241b), 추정 결과 화상(242b), 농약 입력 버튼(243b), 병해 입력 버튼(244b), 농약 기록 화상(245b) 및 병해 기록 화상(246b)이 표시되어 있다. 여기서는, 화면(img1)과 화면(img2)에서 다른 추정 결과 화상(242b)에 대해서 설명한다.

추정 결과 화상(242b)에서는, 발병 유무의 행의 23일과 24일에 대응하는 개소에, 발병이 있었던 것을 나타내는 엑스 표지가 표시되어 있다. 정보처리장치(10)는, 23일과 24일에 발병이 있었다는 정보를 받아서, 25일과 26일에 감염 리스크가 높은 것을 추정하고 있는 것으로 한다. 이 때문에, 감염 리스크의 행의 25일과 26일에 대응하는 개소에, 감염 리스크가 높은 것을 나타내는 문자 "H"가 표시되어 있다. 또, 발병 유무의 행의 25-29 일에 대응하는 개소는, 발병이 없었던 것을 나타내는 공란으로 되어 있다. 정보처리장치(10)는, 25-29일에 발병이 없었다는 정보를 받아서, 27-30일에 감염의 리스크가 낮은 것을 추정하고 있다. 이 때문에, 감염 리스크의 행의 27-30일에 대응하는 개소에는, "L"의 문자가 표시되어 있다. 그러나, 30일에는, 발병이 있었던 것을 나타내는 엑스 표지가 표시되어 있다. 일반적으로, 작물이 감염되고 나서 발병할 때까지는, 잠복 기간이 있다. 예를 들어, 작물이 감염되고 나서 4-5 일 정도 경과하고 나서 당해 작물에 발병이 발생하는 경우가 있다. 도 5에 나타내는 예에서는, 정보 처리 장치(10)에 의한 감염 리스크의 추정이 맞는 것을 알 수 있다. 즉, 정보 처리 장치(10)가 추정한 바와 같이, 25일 또는 26일에 작물이 감염되었고, 그 감염일들로부터 4-5일 경과한 30일에 작물이 발병했다.

(농약 살포 기록 화면)

표시부(240)는 제어부(220)에 의해 생성되는 화상 정보에 기초하여, 농약 살포 기록 화면을 표시한다. 농약 살포 기록 화면으로서는, 예를 들어 도 6에 도시한 바와 같은, 사용자가 살포한 농약을 기록할 때에 표시되는 화면(img3)이 있다. 사용자는 화면(img3)을 참조하여 정보 처리 단말(20)에 농약 정보 등을 입력한다. 예를 들면, 화면(img3)의 상부에 기재된 날짜란에 농약을 살포한 날짜가 입력된다. 사용자는, 농약란에 기재된 농약_A-F의 6종의 농약의 종류로부터, 살포된 농약의 종류를 선택하고, 체크란을 체크한다. 도 6에 나타내는 예에서는, 농약_A의 체크란이 체크되어 있다. 농약란 아래에 표시된 그 밖의 란에는, 살포된 농약 등에 관한 메모 쓰기 등이 기입된다.

저장 버튼이 조작됨으로써 농약의 살포일, 살포된 농약의 종류(도 6에 도시하는 예에서는 농약_A) 및 당해 농약 등에 관한 메모 쓰기 등의 화면(img3)에 기입된 정보가 농약 정보로서 정보 처리 단말(20)에 입력된다. 정보 처리 단말(20)에 입력된 정보는 네트워크(50)를 통해 정보 처리 장치(10)에 송신되고, 해당 정보 처리 장치(10)에 저장된다.

도 6에 나타내는 농약란에는, 농약의 종류가 기입되는 것으로 했지만, 이것에 한정되지 않고, 농약의 명칭, 그룹, 효능 또는 살포량 등이 기재될 수도 있음에 유의하여야 한다. 또, 도 6에 나타내는 농약란에는, 6 종류의 농약의 종류가 기재되어 있지만, 1-5 종류의 농약의 종류가 기재되어도 되고, 7 종류 이상의 농약의 종류가 기재되어도 된다.

(병해 발생 정보 화면)

표시부(240)는 제어부(220)에 의해 생성되는 화상 정보에 기초하여 병해 발생 정보 화면을 표시한다. 병해 발생 정보 화면으로서는, 예를 들면 도 7에 나타낸 바와 같은 작물에 발생한 병해를 기록하기 위한 화면(img4)이 있다. 예를 들면, 화면(img4)의 상부에 표시된 날짜란에 병해가 발생한 날짜가 입력된다. 사용자는, 병해란에 표시된 병해_A-F의 6종의 병해의 종류로부터, 발생한 병해의 종류를 선택하고, 체크란에 체크한다. 도 7에 나타내는 예에서는 병해_C의 체크란이 체크되어 있다. 또한, 그 밖의 란에는, 병해의 발생의 정도 등에 관한 메모 쓰기 등이 기입된다.

저장 버튼이 조작됨으로써 병해가 발생한 날, 병해의 종류 및 메모 쓰기 등 화면(img4)에 기입된 정보가 병해 정보로서 정보 처리 단말(20)에 입력된다. 입력된 정보는, 네트워크(50)를 통하여 정보 처리 장치(10)에 송신되고, 당해 정보 처리 장치(10)에 저장된다.

도 7에 나타내는 병해란에는, 6 종류의 병해의 종류가 기재되어 있지만, 1-5 종류의 병해의 종류가 기재될 수도 있고, 7 종류 이상의 병해의 종류가 기재될 수도 있음에 유의하여야 한다. 혹은, 병해 발생 정보 화면에는, 병해의 정도를 입력하기 위한 화상이 표시되어도 된다.

(작부 정보 화면)

표시부(240)는, 제어부(220)에 의해 생성되는 화상 정보에 기초하여, 작부 정보 화면을 표시한다. 작부 정보 화면으로서는, 예를 들면 도 8에 나타낸 바와 같은, 금번 기간의 작부 정보를 기록하기 위한 화면(img5)이 있다. 화면(img5)에는, 위로부터 순서대로 작물명, 품종, 재식 밀도, 재배 방법, 작부 개시일, 수확 개시일, 및 수확 종료일을 입력하기 위한 란이 표시되어 있다. 작물명의 란에는, 작물의 종류로서, 작물_A가 기입되어 있다. 또한, 품종의 란에는, 작물의 품종으로서, 품종_A가 기입되어 있다. 또, 재식 밀도의 란에는, 작물의 재식 밀도로서, XXXX 주/10a 라고 기입되어 있다. 또한, 재배 방법의 란에는, 재배 방법_A(예컨대, 양액 토경 재배 등)가 기입되어 있다. 또한, 작부 개시일, 수확 개시일 및 수확 종료일의 란에는, 각각의 란에 대응하는 날짜가 기입되어 있다.

사용자가 화면(img5)의 저장 버튼을 조작하면 화면(img5)에 기입된 정보가 작물 정보로서 정보 처리 단말(20)에 입력된다. 입력된 정보는, 네트워크(50)를 통하여 정보 처리 장치(10)에 송신되고, 정보 처리 장치(10)에 저장된다.

또한, 작부 정보 화면은 화면(img5)에 표시된 항목 이외의 항목도 기입할 수 있는 화면이어도 좋다. 예를 들어, 작부 정보 화면에는, 파종일, 정식일, 재배 종료일, 대목의 품종 또는 대목의 특성 등을 기입하기 위한 항목이 표시되어도 된다. 사용자는, 이들 항목에 대응하는 정보를 기입하고, 예를 들어 저장 버튼을 조작함으로써, 기입된 정보를, 네트워크(50)를 통하여 정보 처리 장치(10)에 송신하고, 정보 처리 장치(10)에 저장시킬 수 있다.

병해 발생 이력 화면, 농약 살포 기록 화면, 병해 발생 정보 화면 및 작부 정보 화면을 사용하여 기록한 정보는, 정보 처리 장치 (10)에 저장됨에 유의하여야 한다. 이에 한정되지 않, 정보 처리 단말(20)이 상술한 화면을 이용하여 기입된 정보를 저장할 수도 있다.

[센서 노드]

센서 노드(30)는, 작물의 재배지(31)에 설치된다. 또한, 센서 노드(30)는, 센서, 신호 처리부 및 통신부를 구비한다. 센서는, 센서의 주변 환경에 대한 관측을 행함으로써 신호를 생성한다. 예를 들어, 센서는, 온도 센서, 습도 센서, 일사 센서, 이산화탄소 농도 센서 또는 토양 수분 센서 등의 각종 공지된 센서이다. 토양 센서는 토양 수분 센서 또는 토양 pH 센서 등의 토양에 관한 정보를 검출하는 센서이다. 또한, 유인 정보를 생성하는 센서로서는, 일사 센서 또는 습도 센서 등의 센서여도 된다.

신호 처리부는, 센서에 의해 생성된 신호에 기초하여 재배지 관측 정보를 생성한다. 구체적으로는, 신호 처리부는, 센서로부터 얻어지는 신호에 대하여 샘플링 또는 필터링 등의 신호 처리를 행함으로써 재배지 관측 정보를 생성한다. 생성되는 재배지 관측 정보는, 디지털 데이터일 수도 있고 아날로그 데이터일 수도 있음에 유의하여야 한다.

통신부는 정보 처리 장치(10)와 통신한다. 구체적으로는, 통신부는, 신호 처리부에 의해 생성된 재배지 관측 정보를, 네트워크(50)를 통하여 정보 처리 장치(10)에 송신한다. 또한, 통신부는, 재배지 관측 정보가 생성될 때마다 송신을 행해도 되고, 소정의 시간 간격으로 송신을 행해도 된다. 혹은, 통신부는, 정보 처리 장치(10)로부터의 요구에 따라, 재배지 관측 정보의 송신을 행해도 된다.

또, 센서 노드(30)는, 재배지(31)에 마련된 포자 카운터에 의해 계측되는 작물의 포자의 수에 관한 정보를 송신해도 된다. 보다 구체적으로는, 센서 노드(30)는, 계측된 포자의 수에 관한 정보를 재배지 관측 정보로서, 네트워크(50)를 통하여, 정보 처리 장치(10)에 송신한다.

[기상 정보 서버]

기상 정보 서버(40)는, 기상 정보를 외부의 장치에 전달한다. 구체적으로는, 기상 정보 서버(40)는 기상 정보의 송신이 정보 처리 장치(10)로부터 요구되면, 요구된 기상 정보를 정보 처리 장치(10)에 송신한다. 예를 들어, 기상 정보는 기온, 습도, 일사량 또는 강우량을 나타내는 정보이다. 이들 기상 정보는, 3 요인 중 유인에 관한 정보일 수 있다.

<2. 2. 시스템의 처리>

다음으로, 정보 처리 시스템(1)의 처리에 대해 설명한다.

(처리 전체)

우선, 도 9를 참조하여, 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 처리 전체의 흐름에 대하여 설명한다. 도 9는 본 발명의 일 실시형태에 따른 정보 처리 시스템(1)의 처리 전체의 흐름의 예를 개략적으로 나타내는 도이다.

우선, 정보 처리 단말(20)은 작물 정보, 재배지 정보, 병해 정보 및 농약 정보를 정보 처리 장치(10)에 송신한다(단계 S101). 구체적으로는, 통신부(230)는, 사용자의 조작에 기초하여 입력부(210)에 의해 생성된 작물 정보, 재배지 정보, 병해 정보 및 농약 정보를 정보 처리 장치(10)에 송신한다.

다음으로, 센서 노드(30)는, 재배지 관측 정보를 정보 처리 장치(10)에 송신한다(단계 S102). 구체적으로는, 센서 노드(30)는, 센서에 의해 얻어진 신호에 기초하여 생성된 재배지 관측 정보를, 정보 처리 장치(10)에 송신한다.

다음으로, 기상 정보 서버(40)는 기상 정보를 정보 처리 장치(10)에 송신한다(단꼐 S103). 구체적으로는, 기상 정보 서버(40)는 기상 정보를 생성하거나, 또는 다른 장치로부터 기상 정보를 취득한다. 기상 정보 서버(40)는, 정보 처리 장치(10)의 요구에 따라 또는 정기적으로, 기상 정보를 정보 처리 장치(10)에 송신한다.

다음으로, 정보 처리 장치(10)는, 수신된 정보를 이용하여, 감염 추정 모델의 갱신 처리를 행한다(단계 S104). 구체적으로는, 통신부(110)는 정보 처리 단말(20), 센서 노드(30) 및 기상 정보 서버(40)로부터 송신된 재배 정보를 기억부(120)에 저장시킨다. 그리고, 머신 학습부(132)는, 저장된 재배 정보를 이용하여 감염 추정 모델의 갱신을 행한다. 또한, 이 처리의 상세에 대해서는, 도 10을 참조하여 후술한다.

다음으로, 정보 처리 장치(10)는, 감염 추정 모델을 이용하여 감염 리스크에 대한 추정을 행한다(단계 S105). 구체적으로는, 추정부(133)는, 특징량을 포함하는 3 요인 정보를 감염 추정 모델에 입력한다. 보다 구체적으로는, 추정부(133)는, 특징량 변환부(131)에 의해 생성된 특징량을 포함하는 3 요인 정보를 감염 추정 모델에 입력한다. 추정부(133)는, 감염 추정 모델로부터 출력되는 추정 결과를 기억부(120)에 저장시킨다. 또한, 이 처리의 상세에 대해서는, 도 11을 참조하여 후술한다.

다음에, 정보 처리 단말(20)은 감염 리스크의 추정 결과에 대한 요구 정보를 정보 처리 장치(10)에 송신한다(단계 S106). 구체적으로는, 통신부(230)는 사용자의 조작에 기초하여 입력부(210)에 의해 생성되는, 감염 리스크의 추정 결과에 관한 표시 정보에 관한 요구 정보를 정보 처리 장치(10)에 송신한다.

다음에, 정보 처리 장치(10)는 수신된 요구 정보로의 응답으로서 표시 정보를 정보 처리 단말(20)에 송신한다(단계 S107). 구체적으로는, 표시 제어부(134)는, 통신부(110)에 의해 요구 정보가 수신되면, 기억부(120)에 저장되어 있는 추정 결과에 기초하여, 표시 정보를 생성한다. 표시 제어부(134)는 생성된 표시 정보를 통신부(110)로 하여금 정보 처리 단말(20)에 송신하게 한다.

정보 처리 단말(20)은 수신된 표시 정보에 기초하여 감염 리스크의 추정 정보를 표시한다(단계 S108). 구체적으로, 제어부(220)는 통신부(230)에 의해 수신된 표시 정보로부터 화상 정보를 생성하고, 생성된 화상 정보를 표시부(240)에 전달한다. 표시부(240)는 전달된 화상 정보에 기초하여 추정 결과 화면을 표시한다. 그 추정 결과 화면은, 도 4 또는 도 5에 나타낸 바와 같은, 감염 리스크의 레벨을 표시하는 화면일 수도 있다.

(머신 학습 처리)

이상, 본 발명의 일 실시형태에 관한 정보 처리 시스템(1)의 처리 전체의 흐름에 대하여 설명하였다. 계속해서, 도 10을 참조하여, 단계 S104에 있어서의 처리인, 정보 처리 장치(10)에 의한 갱신 처리의 흐름에 대하여 상세하게 설명한다. 도 10은 본 발명의 일 실시형태에 따른 정보 처리 장치(10)에 의한 갱신 처리의 예를 개략적으로 나타내는 플로우차트이다.

정보 처리 장치(10)는 3 요인 정보를 취득한다(단계 S201). 구체적으로는, 특징량 변환부(131)는, 기억부(120)에 저장된, 3 요인 정보를 포함하는 재배 정보를 취득한다. 또한, 머신 학습부(132)도, 필요에 따라, 기억부(120)에 저장된, 3 요인 정보를 포함하는 재배 정보를 취득한다.

또한, 정보 처리 장치(10)는, 3 요인 정보 중 적어도 어느 것을 특징량 변환함으로써 특징량을 생성하고, 생성한 특징량을 출력한다(단계 S202). 구체적으로는, 특징량 변환부(131)는, 취득한 재배 정보에 포함되는, 3 요인 정보 중 적어도 어느 것을 특징량 변환함으로써 특징량을 생성하고, 생성된 특징량을 머신 학습부(132)에 출력한다. 이때, 특징량 변환부(131)는, 생성된 특징량을 기억부(120)에 저장할 수도 있다.

또한, 정보 처리 장치(10)는, 기존의 감염 추정 모델을 취득한다(단계 S203). 구체적으로는, 머신 학습부(132)는, 기억부(120)에 저장되어 있는 감염 추정 모델을 취득한다.

다음으로, 정보 처리 장치(10)는, 특징량을 포함하는 3 요인 정보를 이용하여, 감염 추정 모델을 갱신한다(단계 S204). 구체적으로는, 머신 학습부(132)는, 기억부(120)에 저장된 머신 학습 알고리즘을 취득한다. 머신 학습부(132)는, 특징량을 포함하는 3 요인 정보를 입력 데이터로 하여, 취득된 머신 학습 알고리즘에 기초하여, 감염 추정 모델을 갱신한다. 당해 입력 데이터는, 특징량 변환부(131)에 의해 생성된 특징량만을 포함하는 정보일 수도 있고, 또는 당해 특징량과, 특징량 변환되어 있지 않은 3 요인 정보가 합쳐진 정보일 수도 있음에 유의하여야 한다.

다음으로, 정보 처리 장치(10)는, 갱신 후의 감염 추정 모델의 정확성을 산출한다(단계 S205). 구체적으로는, 머신 학습부(132)는, 단계 S204에서 갱신된 감염 추정 모델에 테스트용 입력 데이터를 입력하고, 출력된 값과 테스트용 출력 데이터를 비교함으로써 모델의 정확성을 산출한다. 테스트용 입력 데이터는, 특징량 변환부(131)에 의해 생성된 특징량만을 포함하는 정보일 수도 있고, 또는 테스트용 입력 데이터는 당해 특징량과, 특징량 변환되어 있지 않은 3 요인 정보가 합쳐진 정보일 수도 있다.

다음에, 머신 학습부(132)는, 단계 S205에 있어서 산출된 산출값이, 미리 정해진 소정의 임계치 이상인지의 여부를 판정한다(단계 S206). 산출된 값이 임계치 이상인 경우(단계 S206/Y), 정보 처리 장치(10)는 갱신 후의 감염 추정 모델을 저장한다(단계 S207). 구체적으로는, 머신 학습부(132)는, 산출된 정확성이 임계치 이상인 경우, 새로운 감염 추정 모델을 기억부(120)에 기억시킨다. 또한, 산출된 값이 임꼐치 미만인 경우(단계 S206/N), 단계 S204에서 처리가 다시 실시된다.

(추정 처리)

계속해서, 도 11을 참조하여, 정보 처리 장치(10)에 의한 추정 처리의 흐름에 대하여 상세하게 설명한다. 도 11은 본 발명의 일 실시형태에 따른 정보 처리 장치(10)의 추정 처리의 예를 개략적으로 나타내는 플로우차트이다.

정보 처리 장치(10)는, 감염 리스크의 추정에 관한 대상에 대한 파라미터를 설정한다(단계 S301). 구체적으로는, 추정부(133)는, 예를 들면, 재배지, 작물명, 병해명 및 추정 기간 등의 파라미터를 설정한다. 설정되는 파라미터는, 상기 이외의 파라미터여도 되고, 상기의 파라미터와 상이한 파라미터가 추가될 수도 있거나, 또는 상기의 파라미터가 제외될 수도 있음에 유의하여야 한다.

다음으로, 정보 처리 장치(10)는, 파라미터로부터 특정되는 기간의 재배 정보를 취득한다(단계 S302). 구체적으로는, 추정부(133)는, 설정된 추정 기간에 있어서의, 설정된 재배지, 작물명 및 병해명에 대응하는 재배 정보를 각각 취득한다.

다음에, 정보 처리 장치(10)는, 3 요인 정보 중 적어도 어느 것을 특징량 변환함으로써 특징량을 생성하고, 생성한 특징량을 출력한다(단계 S303). 구체적으로는, 특징량 변환부(131)는, 기억부(120)로부터 3 요인 정보를 포함하는 재배 정보를 취득한다. 특징량 변환부(131)는, 취득된 재배 정보에 포함되는 3 요인 정보 중 적어도 어느 것을 특징량 변환함으로써 특징량을 생성하고, 생성된 특징량을 추정부(133)에 출력한다.

다음으로, 정보 처리 장치(10)는, 감염 추정 모델을 취득한다(단계 S304). 구체적으로는, 추정부(133)는, 기억부(120)에 저장되어 있는 감염 추정 모델을 취득한다. 또한, 추정부(133)는, 필요에 따라, 감염 리스크를 추정하기 위한 3 요인 정보를 포함하는 재배 정보를, 기억부(120)로부터 취득한다.

다음으로, 정보 처리 장치(10)는, 감염 추정 모델에 기초하여, 감염 리스크의 추정 정보를 생성한다(단계 S305). 구체적으로는, 추정부(133)는, 특징량 변환부(131)에 의해 생성된 특징량을 포함하는 3 요인에 관한 정보를 입력 데이터로 하여, 당해 입력 데이터를 감염 추정 모델에 입력하고, 감염 추정 모델로부터 감염 리스크의 추정 결과를 얻는다. 당해 추정 결과가 감염 리스크의 추정 정보가 된다. 또한, 당해 입력 데이터는, 특징량만을 포함하는 정보일 수도 있고, 또는, 특징량과, 특징량 변환되어 있지 않은 3 요인 정보를 합친 정보일 수도 있음에 유의하여야 한다.

다음에, 정보 처리 장치(10)는 생성된 감염 리스크의 추정 정보를 저장한다(단계 S306). 구체적으로는, 추정부(133)는, 생성된 추정 정보를 기억부(120)에 기억시킨다.

<2. 3. 본 발명의 실시형태의 요약>

이와 같이, 본 발명의 일 실시형태에 의하면, 정보 처리 장치(10)는, 작물에 있어서의 발병의 3 요인인 주인, 소인 및 유인의 각각에 관한 정보 중 적어도 어느 것을 특징량 변환함으로써, 특징량을 생성한다. 또한, 정보 처리 장치(10)는, 상기 작물의 감염 리스크를 추정하기 위해 사용되고, 머신 학습 알고리즘에 기초하여 생성된, 상기 특징량을 포함하는 상기 3 요인에 관한 정보를 입력 데이터로 하는 감염 추정 모델에 기초하여, 상기 작물의 감염 리스크를 추정한다. 따라서, 정보 처리 장치(10)는, 3 요인에 관한 정보라고 하는 보다 적절한 재배 정보에 기초하여 작물의 감염 리스크를 추정하기 때문에, 보다 고정밀도로 감염 리스크를 추정할 수 있다.

또한, 지금까지 병해의 3 요인 모두에 관한 정보를 수집하고, 당해 정보를 병해의 추정에 활용하는 것은 곤란했다. 또한, 병해는, 3 요인 중 다수의 요소에 기초하여 발생하지만, 당해 다수의 요소 모두를 얻는 것도 곤란하였다. 예를 들면, 센서 데이터로 취득된 정보만을 이용하여 감염 리스크를 추정하는 경우에는, 추정의 정확성의 향상에는 한계가 있다. 또한, 수집하는 데이터의 종류를 제한 없이 늘리면, 정보를 기록하는 기록 매체 또는 감염 리스크를 예측하는 연산 처리 장치 등의 러닝 코스트가 걸려 버린다.

한편, 최근 AI(Artificial Intelligence) 기술의 진보에 의해, 다수의 요소를 이용한 해석이 가능해지고 있다. 또한, 스마트폰 등의 통신 단말기의 보급에 의해, 사용자가 보다 용이하게 3 요인 등에 관한 정보를 포함하는 재배 정보를 통신 단말기에 입력하는 것이 가능하게 되었다.

본 실시형태에서는, 사용자(U1)가 정보 처리 단말(20)에 재배 정보를 입력하고, 정보 처리 장치(10)는 이 재배 정보를 이용하여 머신 학습 알고리즘에 기초하여 생성된 감염 추정 모델을 이용하여 감염 리스크를 추정한다. 이것에 의해, 감염 리스크의 추정의 정확성이 향상될 뿐만 아니라, 보다 간편하고 또한 보다 비용이 들지 않는 방법으로 감염 리스크를 추정할 수 있다.

또한, 본 실시형태에 따른 머신 학습부(132)는, 특징량을 포함하는 3 요인에 관한 정보를 입력 데이터로 하고, 머신 학습 알고리즘에 기초하여, 감염 추정 모델을 갱신한다. 또한, 추정부(133)는, 갱신된 감염 추정 모델에 기초하여, 작물의 감염 리스크를 추정한다. 즉, 본 실시형태에 따른 감염 추정 모델은, 자동적으로, 보다 정확한 감염 추정 모델로 갱신된다. 이에 의해, 정보 처리 장치(10)에 자율적으로 감염 추정 모델을 갱신시킬 수 있다. 그에 따라, 감염 추정 모델의 개선에 사람이 직접적으로 관련되지 않아도 되어, 모델의 개선에 걸리는 시간 및 비용을 저감할 수 있다. 따라서, 비용을 억제하면서, 감염 리스크의 추정의 정확성을 향상시키는 것이 가능해진다.

또한, 본 실시형태에 따른 주인에 관한 정보는, 작물에 있어서의 병해의 발생 이력에 관한 이력 정보를 포함한다. 이력 정보는, 감염 리스크를 추정하는데 있어서 매우 중요한 정보이다. 보다 구체적으로는, 이력 정보는, 실제로 작물에 발생한 병해의 종류나 발병의 발생일 등을 포함하는 정보이며, 작물의 감염과 결부가 강한 정보이다. 이 때문에, 정보 처리 장치(10)는, 이력 정보에 기초하여 감염 리스크를 추정함으로써, 보다 정확하게 감염 리스크를 추정할 수 있다.

또한, 본 실시형태에 따른 이력 정보는, 작물에 병해가 발생한 기간의 길이에 관한 기간 정보를 포함한다. 기간 정보는, 감염 리스크를 추정하는데 있어서 중요한 정보이다. 예를 들면, 병해가 발생하는 기간이 길어질수록, 감염 리스크가 더 높은 것으로 추정된다. 이 때문에, 기간 정보를 이용함으로써, 보다 정밀도 좋게 감염 리스크를 추정할 수 있다.

또한, 병해의 발생 이력에 관한 정보는, 작물에 병해가 발생하는 빈도에 관한 빈도 정보를 또한 포함할 수도 있다. 빈도 정보는 감염 리스크를 추정하는데 중요한 정보가 될 수 있다. 예를 들면, 병해가 발생하는 빈도가 높은 경우에는, 감염 리스크가 높은 것으로 추정될 수도 있다. 또한, 병해가 발생하는 빈도가 점점 증가하는 경우에도, 감염 리스크가 높다고 추정할 수 있다. 이와 같이, 작물에 병해가 발생하는 빈도에 관한 정보를 사용함으로써, 보다 고정밀도로 감염 리스크를 추정할 수 있다.

병해의 발생 이력에 관한 정보는, 시간축 상에 있어서의, 작물에 병해가 발생한 시점으로부터, 추정부가 감염 리스크를 추정하는 시점까지의 길이에 관한 길이 정보를 또한 포함할 수도 있다. 빈도 정보는 감염 리스크를 추정하는데 중요한 정보가 될 수 있다. 예를 들어, 병해가 발생하고 나서 감염 리스크를 추정할 때까지의 기간이 짧을수록, 감염 리스크가 높은 것으로 추정될 수도 있다. 이와 같이, 길이 정보를 이용함으로써, 보다 정밀도 좋게 감염 리스크를 추정할 수 있다.

또한, 소인에 관한 정보는, 작물의 병해에 대한 저항성에 관한 정보를 포함할 수도 있고, 유인에 관한 정보는, 작물이 재배되고 있는 공간의 습도 또는 온도 중 적어도 어느 하나에 관한 정보를 포함할 수도 있다. 이들 정보는 감염 리스크를 추정하는데 있어서 중요한 정보가 된다. 작물의 병해에 대한 저항성은, 소인 중에서도 비교적 감염에 대한 영향도가 큰 특성이다. 또한, 습도 및 온도는, 유인 중에서도 비교적 감염에 대한 영향도가 큰 지표이다. 이 때문에, 이들 정보를 이용함으로써, 보다 정밀도 좋게 감염 리스크를 추정할 수 있다.

추정부(133)는, 감염 추정 모델에 기초하여 추정된 과거의 감염 리스크의 추정 결과에 기초하여, 작물의 감염 리스크를 추정해도 된다. 예를 들면, 추정부(133)는, 과거의 감염 리스크의 추정 결과 및 당해 감염 리스크를 추정하기 위해서 사용한 재배 정보 등을 사용하여, 감염 추정 모델에 근거하여, 감염 리스크를 추정해도 된다. 이와 같이, 과거의 감염 리스크의 추정 결과를 이용함으로써, 보다 정밀도 좋게 감염 리스크를 추정할 수 있다.

머신 학습부(132)는, 과거의 추정 결과를 입력 데이터로 하고, 머신 학습 알고리즘에 기초하여, 감염 추정 모델을 갱신해도 된다. 이에 의해, 과거의 추정 결과에 기초하는 감염 추정 모델이 생성된다. 상기 감염 추정 모델에는, 과거의 추정 결과가 반영되어 있기 때문에, 추정부(133)는, 이 감염 추정 모델을 이용함으로써, 보다 정밀도 좋게 감염 리스크를 추정할 수 있다.

<3. 본 발명의 일 실시형태에 다른 정보 처리 장치의 소프트웨어 구성>

이상, 본 발명의 실시형태를 설명하였다. 상술한 정보 처리 장치(10)의 처리는, 소프트웨어와, 이하에 설명하는 정보 처리 장치(10)의 하드웨어와의 협동에 의해 실현된다.

도 12는 본 발명의 일 실시형태에 따른 정보 처리 장치(10)의 하드웨어 구성을 나타내는 설명도이다. 도 12에 도시한 바와 같이, 정보 처리 장치(10)는: 프로세서(141), 메모리(142), 내부 버스(143), 인터페이스(144), 입력 장치(145), 출력 장치(146), 스토리지 장치(147), 접속 포트(148), 및 통신 모듈(149)을 구비한다.

(프로세서)

프로세서(141)는, 연산 처리 장치 및 제어 장치로서 기능하고, 각종 프로그램과 협동하여 처리부(130)(특징량 변환부(131), 머신 학습부(132), 추정부(133), 표시 제어부(134))의 기능을 실현한다. 프로세서(141)는, 제어 회로를 사용하여 메모리(142) 또는 스토리지 장치(147) 등의 다른 저장 매체에 저장되는 프로그램을 실행함으로써, 정보 처리 장치(10)의 다양한 논리적 기능을 동작시킨다. 예를 들어, 프로세서(141)는 CPU(Central Processing Unit) 또는 GPU(Graphics Processing Unit)일 수 있다. 또한, 프로세서(141)는 마이크로프로세서일 수도 있다.

(메모리)

메모리(142)는, 프로세서(141)가 사용하는 프로그램 또는 연산 파라미터 등을 저장하고, 기억부(120)의 기능을 실현한다. 예를 들면, 메모리(142)는, RAM(Random Access Memory) 및 ROM(Read Only Memory)을 포함하고, 프로세서(141)의 실행에 있어서 사용하는 프로그램 또는 실행에 있어서 적절히 변화하는 파라미터 등을 일시 저장한다. 접속 포트(148) 또는 통신 모듈(149)을 통해 접속되는 외부 스토리지 장치가 메모리(142)의 일부로서 이용될 수도 있음에 유의하여야 한다.

프로세서(141) 및 메모리(142)는, CPU 버스 등을 구비하는 내부 버스(143)에 의해 서로 접속되어 있음에 유의하여야 한다. 또한, 인터페이스(144)는, 내부 버스(143), 입력 장치(145), 출력 장치(146), 스토리지 장치(147), 접속 포트(148) 및 통신 모듈(149)을 접속한다.

(입력 장치)

입력 장치(145)는, 정보를 입력하기 위한 입력 수단과, 입력에 기초하여 입력 신호를 생성하고, 당해 입력 신호를 CPU(131)에 출력하는 입력 제어 회로를 구비하고, 조작부의 기능을 실현한다. 예를 들어, 입력 수단으로서는, 버튼, 스위치, 레버 또는 마이크로폰 등이 있다. 입력 장치(145)가 조작됨으로써, 정보 처리 장치(10)에 대하여 각종 데이터가 입력되고 처리 동작이 지시된다.

(출력 장치)

출력 장치(146)는, 출력 신호에 기초하여 소리 또는 광 등을 출력하고, 출력부의 기능을 실현한다. 예를 들어, 출력 장치(146)는 스피커 또는 헤드폰 등의 소리 출력 장치, 및 LED(Light Emitting Diode) 등을 사용한 램프, LCD(Liquid Crystal Display) 장치, OLED(Organic Light Emitting Diode) 장치 및 프로젝터 장치 등의 표시 장치를 포함한다.

(스토리지 장치)

스토리지 장치(147)는, 데이터 저장용 장치이다. 스토리지 장치(147)는, 기록 매체에 데이터를 기록하는 기록 장치, 기록 매체로부터 데이터를 판독하는 판독 장치 및 기록 매체에 기록된 데이터를 삭제하는 삭제 장치 등을 포함할 수도 있다. 스토리지 장치(147)는, CPU(131)가 실행하는 프로그램이나 각종 데이터를 저장한다.

(접속 포트)

접속 포트(148)는 기기를 정보 처리 장치(10)에 직접 접속하기 위한 포트이다. 예를 들어, 접속 포트(148)는 USB(Universal Serial Bus) 포트, IEEE1394 포트, RS-232C 포트, HDMI(등록 상표)(High-Definition Multimedia Interface) 포트 등일 수 있다. 접속 포트(148)에 외부 기기를 접속함으로써, 정보 처리 장치(10)와 외부 기기 사이에서 데이터가 교환될 수도 있다.

(통신 모듈)

통신 모듈(149)은, 네트워크에 접속하기 위한 통신 디바이스이며, 통신부(110)의 기능을 실현한다. 예를 들어, 통신 모듈(149)은 무선 LAN(Local Area Network) 대응 통신 디바이스일 수도 있거나, 또는, 3G 또는 LTE 대응 통신 디바이스일 수도 있다. 또한, 통신 모듈(149)은, 유선에 의한 통신을 행하는 와이어 통신 대응 디바이스일 수도 있다.

<4. 보충>

이상, 첨부 도면을 참조하면서 본 발명의 바람직한 실시형태에 대해 상세하게 설명했지만, 본 발명은 이러한 예에 한정되지 않는다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 특허청구범위에 기재된 기술적 사상의 범주 내에서 각종 변경예 또는 수정예에 상도할 수 있음은 자명하며, 이들에 대해서도 당연히 본 발명의 기술적 범위에 속하는 것으로 이해되어야 한다.

예를 들어, 상기 실시형태에서는, 정보 처리 장치 (10) 는, 재배 정보에 기초하여, 감염 정보로서 감염 리스크를 추정하였다. 이에 한정되지 않고, 정보 처리 장치(10)는, 재배 정보에 기초하여, 감염 정보로서 작물의 병해의 발생에 관한 정보를 추정해도 된다. 보다 구체적으로는, 정보 처리 장치(10)는 작물에 병해가 발생하는 날짜, 확률, 또는 당해 병해의 종류 등을 추정할 수도 있다.

또한, 상기 실시형태에 있어서 입력부(210)에 의해 생성된다고 설명한 정보는, 사용자의 조작에 의하지 않고 자동적으로 생성될 수도 있다. 예를 들어, 병해 정보는, 촬상 센서 및 수분량 센서 등의 센서로부터 얻어지는 정보를 사용하여 생성될 수도 있다.

또한, 상기 실시형태에 있어서 설명한 각 정보는, 정량적인 정보 또는 정성적인 정보 중 어느 것이어도 된다.

또한, 상기 실시예들에서, 도 8 내지 도 11의 플로우차트에 도시된 단계들은 기재된 순서에 따라 시계열적으로 수행되는 처리들은 물론, 반드시 시계열적으로 처리되지 않더라도 병렬적으로 또는 개별적으로 수행되는 처리들도 포함한다. 또한, 시계열적으로 처리되는 단계에서도, 경우에 따라서는 적절히 순서를 변경하는 것이 가능한 것은 물론이다.

예를 들면, 상기 실시형태에서는, 단계 S101-S103에서, 정보 처리 단말(20), 센서 노드(30) 및 기상 정보 서버(40)가 이 순서로 정보 처리 장치(10)에 각종 정보를 송신하였다. 물론 이에 한정되지 않고, 정보 처리 단말(20), 센서 노드(30) 및 기상 정보 서버(40)가 각종 정보를 송신하는 순서는 적절히 전환될 수도 있다. 또한, 정보 처리 단말(20), 센서 노드(30) 및 기상 정보 서버(40)는 필요에 따라 복수회 각종 정보를 송신해도 된다. 또한, 상기 실시형태에서는, 정보 처리 단말(20)로부터의 요구 정보가 정보 처리 장치(10)에 송신되기 전에, 정보 처리 장치(10)에 의해 추정 처리가 실행되는 예를 설명하였다. 이에 한정되지 않고, 추정 처리는 당해 정보 전달의 요구에 따라서 실행되어도 된다.

또한, 상기 실시형태에서는, 추정 결과가 사용자에게 제시되는 예를 설명했지만, 추정 결과에 기초하는 사용자로의 통지가 행해져도 된다. 예를 들면, 정보 처리 장치(10)는 산출된 감염 리스크의 크기에 따라 감염의 우려가 있다는 취지를 나타내는 경보 정보를 정보 처리 단말(20)에 송신한다. 정보 처리 단말(20)은 당해 경보 정보가 수신되면, 소리 또는 진동 등을 이용하여 사용자에게 당해 경보 정보의 수신을 통지하고, 감염의 우려가 있다는 취지를 나타내는 화상을 표시한다.

또한, 기상 정보 서버(40)가 취득한 기상 정보는, 감염 리스크의 추정 또는 감염 추정 모델의 갱신 등에 사용되어도 된다. 기상 정보는, 예를 들어 장래의 예측되는 기상 정보가 포함된다. 추정부(133)는, 당해 예상되는 기상 정보를 사용함으로써, 장래의 예측되는 감염 리스크를 추정할 수 있다.

또한, 본 실시형태에 따른 추정부(133)는, 감염 추정 모델에 기초하여, 감염 리스크를 2 개의 레벨들(높음 또는 낮음)로 추정하였다. 이에 한정되지 않고, 추정부(133)는, 감염 추정 모델에 기초하여, 감염 리스크를 3 개 이상의 레벨로 추정해도 되고, 수치 등을 사용하여 평가해도 된다.

또한, 본 실시형태에 따른 정보 처리 단말(20)은 감염 정보의 추정 결과를 표시부(240)에 의해 화상으로서 출력시켰다. 이에 한정되지 않고, 정보 처리 단말(20)은 감염 정보의 추정 결과를 음성으로서 출력시켜도 된다. 이 경우, 정보 처리 단말(20)은 감염 정보의 추정 결과를 음성으로서 출력하는 음성 출력 장치를 출력부로서 구비한다.

또한, 정보 처리 장치(10)에 내장되는 하드웨어에 상술한 정보 처리 장치(10)의 각 기능 구성과 동등한 기능을 발휘시키기 위해 컴퓨터 프로그램에 의해서 동작들이 또한 수행될 수도 있다. 또한, 당해 컴퓨터 프로그램이 저장된 기억 매체도 전달된다.

10: 정보 처리 장치
110: 통신부
120: 기억부
130: 처리부
131: 특징량 변환부
132: 머신 학습부
133: 추정부
134: 표시 제어부
20: 정보 처리 단말
210: 입력부
220: 제어부
230: 통신부
240: 표시부
30: 센서 노드
40: 기상 정보 서버

Claims

정보 처리 장치(10)로서,
작물에서의 발병의 3 요인인 주인(pathogen factor), 소인(host factor) 및 유인(environment factor)의 각각에 관한 정보 중 적어도 어느 것을 특징량 변환함으로써, 특징량을 생성하는 특징량 변환부(131); 및
상기 작물의 감염에 관한 감염 정보를 추정하기 위해 사용되고, 머신 학습 알고리즘에 기초하여 생성되는, 상기 특징량을 포함하는 상기 3 요인에 관한 정보를 입력 데이터로 사용하는 감염 추정 모델에 기초하여, 상기 작물의 감염 정보를 추정하는 추정부(133)를 구비하는, 정보 처리 장치(10).
제1항에 있어서,
상기 특징량을 포함하는 상기 3 요인에 관한 정보를 입력 데이터로 사용하고, 머신 학습 알고리즘에 기초하여 상기 감염 추정 모델을 갱신하는 제 1 머신 학습부(132)를 더 구비하고,
상기 추정부(133)는 갱신된 상기 감염 추정 모델에 기초하여 상기 감염 정보를 추정하는, 정보 처리 장치(10).
제1항 또는 제2항에 있어서,
상기 주인에 관한 정보는, 상기 작물에 있어서의 병해의 발생 이력에 관한 정보를 포함하는, 정보 처리 장치(10).
제3항에 있어서,
상기 병해의 발생 이력에 관한 정보는, 상기 작물에 병해가 발생한 기간에 관한 기간 정보를 포함하는, 정보 처리 장치(10).
제3항 또는 제4항에 있어서,
상기 병해의 발생 이력에 관한 정보는, 상기 작물에 병해가 발생하는 빈도에 관한 빈도 정보를 포함하는, 정보 처리 장치(10).
제3항 내지 제5항 중 어느 한 항에 있어서,
상기 병해의 발생 이력에 관한 정보는, 시간축 상에서의, 상기 작물에 병해가 발생한 시점부터, 상기 추정부(133)가 상기 감염 정보를 추정하는 시점까지의 길이에 관한 길이 정보를 포함하는, 정보 처리 장치(10).
제1항 내지 제6항 중 어느 한 항에 있어서,
상기 소인에 관한 정보는, 상기 작물의 병해에 대한 저항성에 관한 정보를 포함하고,
상기 유인에 관한 정보는, 상기 작물이 재배되고 있는 공간의 습도 또는 온도 중 적어도 어느 하나에 관한 정보를 포함하는, 정보 처리 장치(10).
제1항 내지 제7항 중 어느 한 항에 있어서,
상기 추정부(133)는, 상기 감염 추정 모델에 기초하여 추정된 상기 감염 정보의 과거의 추정 결과에 기초하여, 상기 감염 정보를 추정하는, 정보 처리 장치(10).
제8항에 있어서,
상기 과거의 추정 결과를 입력 데이터로 사용하고, 머신 학습 알고리즘에 기초하여, 상기 감염 추정 모델을 갱신하는 제 2 머신 학습부(132)를 더 구비하고,
상기 추정부(133)는, 갱신된 상기 감염 추정 모델에 기초하여, 상기 감염 정보를 추정하는, 정보 처리 장치(10).
정보 처리 시스템(1)으로서,
작물에서의 발병의 주인, 소인 및 유인의 각각에 관한 정보를 입력으로서 수신하는 입력부(210);
작물에서의 발병의 3 요인인 상기 주인, 소인 및 유인의 각각에 관한 정보 중 적어도 어느 것을 특징량 변환함으로써 특징량을 생성하는 특징량 변환부(131);
상기 작물의 감염에 관한 감염 정보를 추정하기 위해서 사용되고, 머신 학습 알고리즘에 기초하여 생성되는, 상기 특징량을 포함하는 상기 3 요인에 관한 정보를 입력 데이터로 사용하는 감염 추정 모델에 기초하여, 상기 감염 정보를 추정하는 추정부(133); 및
상기 추정부(133)에 의해 추정된 결과를 출력하는 출력부(240)를 구비하는, 정보 처리 시스템(1).