JP2022139192A - 情報処理装置、情報処理方法、およびプログラム - Google Patents
情報処理装置、情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP2022139192A JP2022139192A JP2021039461A JP2021039461A JP2022139192A JP 2022139192 A JP2022139192 A JP 2022139192A JP 2021039461 A JP2021039461 A JP 2021039461A JP 2021039461 A JP2021039461 A JP 2021039461A JP 2022139192 A JP2022139192 A JP 2022139192A
- Authority
- JP
- Japan
- Prior art keywords
- growth
- information processing
- crop
- information
- trait index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 33
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 230000007704 transition Effects 0.000 claims abstract description 35
- 238000009795 derivation Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 16
- 241000196324 Embryophyta Species 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000012821 model calculation Methods 0.000 description 8
- 241001465754 Metazoa Species 0.000 description 7
- 241000209140 Triticum Species 0.000 description 6
- 235000021307 Triticum Nutrition 0.000 description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 239000003337 fertilizer Substances 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000002250 progressing effect Effects 0.000 description 3
- 241000607479 Yersinia pestis Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 230000004720 fertilization Effects 0.000 description 2
- 230000035784 germination Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 208000003152 Yellow Fever Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】作物の状態を精度よく予測することができる情報処理装置、情報処理方法、およびプログラムを提供すること。【解決手段】作物に与えられる条件および外乱要素を含む影響要因の情報を取得する取得部と、前記影響要因および生育日数に基づいて、次の生育段階への遷移に向けて進行する進行速度を、少なくとも前記作物の生育形質指標ごとに導出する進行速度導出部と、基準時点から予測時点までの前記進行速度の積分値を並べたベクトルに、生育段階の遷移イベントにおける出力アークから入力アークを差し引いた接続マトリクスを乗算することで、前記作物の生育形質指標ごとの状態値を含む予測状態ベクトルを導出する状態値導出部と、を備える情報処理装置。【選択図】図１
Description
本発明は、情報処理装置、情報処理方法、およびプログラムに関する。
従来、栽培されている農作物に関する情報を取得する情報検出手段と、農作物の生育状況を予測するための農作物登録情報を記憶する記憶手段と、農作物に関する情報に基づき農作物登録情報を参照して、農作物の生育状況を予測する生育予測手段と、生育予測手段で予測された生育状況を表示する表示手段と、を有する圃場管理システムが知られている（特許文献１）。
従来の技術では、様々な条件や外乱要素などの影響要因を考慮して個体生育モデルを作成しておらず、そのため作物の状態を精度よく予測することができない場合があった。
本発明は、このような事情を考慮してなされたものであり、作物の状態を精度よく予測することができる情報処理装置、情報処理方法、およびプログラムを提供することを目的の一つとする。
本発明の第１の態様である情報処理装置は、作物に与えられる条件および外乱要素を含む影響要因の情報を取得する取得部と、前記影響要因および生育日数に基づいて、次の生育段階への遷移に向けて進行する進行速度を、少なくとも前記作物の生育形質指標ごとに導出する進行速度導出部と、基準時点から予測時点までの前記進行速度の積分値を並べたベクトルに、生育段階の遷移イベントにおける出力アークから入力アークを差し引いた接続マトリクスを乗算することで、前記作物の生育形質指標ごとの状態値を含む予測状態ベクトルを導出する状態値導出部と、を備えるものである。
本発明の第２の態様である情報処理装置は、第１の態様において、前記進行速度導出部は、同じ生育形質指標に関する前記進行速度を、生育段階ごとに異なる傾向で導出し、前記接続マトリクスは、生育段階を問わず前記積分値の用法を定義するものである。
本発明の第３の態様である情報処理装置は、第１または第２の態様において、前記取得部は、環境測定値に基づいて前記影響要因の情報を生成する処理を行うものである。
本発明の第４の態様である情報処理装置は、第１から第３の態様において、前記取得部は、環境測定値に基づいて前記影響要因の情報を生成する処理の手法を変えながら予測状態ベクトルを導出し、前記予測状態ベクトルの実際の作物への当てはまり度合いに基づいて前記影響要因の情報を生成する処理の手法を評価する評価部を更に備えるものである。
本発明の第５の態様である情報処理装置は、少なくとも前記影響要因、前記遷移イベント、および前記生育形質指標の関係をグラフ化した画像を表示装置に表示させる表示制御部を更に備えるものである。
本発明の第６の態様である情報処理装置は、生育形質指標の変化をグラフ化した画像を表示装置に表示させる表示制御部を更に備えるものである。
本発明の第７の態様である情報処理方法は、コンピュータが、作物に与えられる条件および外乱要素を含む影響要因の情報を取得し、前記影響要因および生育日数に基づいて、次の生育段階への遷移に向けて進行する進行速度を、少なくとも前記作物の生育形質指標ごとに導出し、基準時点から予測時点までの前記進行速度の積分値を並べたベクトルに、生育段階の遷移イベントにおける出力アークから入力アークを差し引いた接続マトリクスを乗算することで、前記作物の生育形質指標ごとの状態値を含む予測状態ベクトルを導出するものである。
本発明の第８の態様であるプログラムは、コンピュータに、作物に与えられる条件および外乱要素を含む影響要因の情報を取得させ、前記影響要因および生育日数に基づいて、次の生育段階への遷移に向けて進行する進行速度を、少なくとも前記作物の生育形質指標ごとに導出させ、基準時点から予測時点までの前記進行速度の積分値を並べたベクトルに、生育段階の遷移イベントにおける出力アークから入力アークを差し引いた接続マトリクスを乗算することで、前記作物の生育形質指標ごとの状態値を含む予測状態ベクトルを導出させるものである。
上記各態様によれば、作物の状態を精度よく予測することができる。
以下、図面を参照し、本発明の情報処理装置、情報処理方法、およびプログラムの実施形態について説明する。
図１は、実施例に係る情報処理装置１００の構成と処理対象の一例を示す図である。情報処理装置１００は、例えば、自然環境の耕作地における対象圃場の個体株ごとに、作物の生育形質指標ごとの状態値を導出する装置である。情報処理装置１００は、例えば、取得部１１０と、進行速度導出部１２０と、状態値導出部１３０と、評価部１４０と、表示制御部１５０とを備える。これらの構成要素は、例えば、ＣＰＵ（Central Processing Unit）など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または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（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などの記憶装置（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など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記憶装置にインストールされてもよい。
以下、情報処理装置１００の各部の機能について説明する。図２は、取得部１１０の機能について説明するための図である。
取得部１１０は、作物に与えられる影響要因の情報を取得する。影響要因は、後述する進行速度の計算過程に与えられる入力情報である。影響要因には、環境測定値に基づいて取得部１１０が生成するものと、イベントの発生状況を示すものとがある。前者について取得部１１０は、環境測定値から環境要因の情報を生成する。環境測定値とは、例えば、時系列の気温データから求められる積算温度量、時系列の日照データから求められる日照量、時系列の給水量データから求められる水量、時系列の酸素供給量データから求められる酸素量、時系列の施肥データから求められる積算温度量である。
取得部１１０は、積算温度量に基づいて影響要因の一つである温度条件を生成する。取得部１１０は、日照量に基づいて影響要因の一つである日照条件を生成する。取得部１１０は、水量に基づいて影響要因の一つである水条件を生成する。取得部１１０は、酸素量に基づいて影響要因の一つである酸素条件を生成する。取得部１１０は、肥料量に基づいて影響要因の一つである肥料条件を生成する。温度条件、日照条件、水条件、酸素条件、肥料条件のそれぞれは、進行速度の計算過程に与えることが可能な任意の形態の情報である。取得部１１０は、これらの影響要因の生成手法を、例えばパラメータの変更等によって変更することが可能である。
また、イベントの発生状況を示す影響要因には、病虫害発生状況、鳥獣による被害状況、人的関与（防除）条件、雑草発生状況、その他がある。これらの影響要因は、例えば発生有りを示す１、発生無しを示すゼロなどで表される情報である。
このようにして取得された環境要因は、進行速度導出部１２０の処理に使用される。なお図中、丸で表されているものは作物自らの生育条件や外的要因による条件または状態を示し、丸の中の黒点は一つの条件または状態を表す。環境要因は、遷移イベントに影響するものである。遷移イベントとは、例えば、発芽、分げつ、出穂、登熟といったものを含む。遷移イベント間の状態を、生育段階と称する。図２では、生育段階の例として発芽後、分げつ後（出穂前）を記載している。遷移イベントが到来すると、生育段階が次の生育段階に遷移する。
以下、作物の一例として小麦を例にとって説明する。図３は、小麦の生育プロセスを示す図である。小麦は、発芽、分げつ、出穂、登熟という生育段階を経て成熟に至る。各生育段階において、最高分げつ、穂ばらみ、開花、黄熱といった状態が出現する。図４以降では、小麦に対してモデルが適用されることを前提に、各部の機能について説明する。なお本発明は小麦に限らず、あらゆる作物あるいは植物に適用可能である。
図４は、進行速度導出部１２０および状態値導出部１３０の機能について説明するための図である。進行速度導出部１２０は、影響要因および生育日数に基づいて、次の生育段階への遷移に向けて進行する進行速度を、少なくとも作物の生育形質指標ごとに導出する。生育形質指標とは、例えば、草丈、葉数、茎数、穂数などである。生育形質指標は、図４において二重丸で表されている。生育形質指標には、穂数のように特定の生育段階に至った後に出現するものも存在する。
状態値導出部１３０は、基準時点（例えば種まき時点）から予測時点までの進行速度の積分値を並べたベクトルに、生育段階の遷移イベントにおける出力アークから入力アークを差し引いた接続マトリクスＡを乗算することで、作物の生育形質指標ごとの状態値を含む予測状態ベクトルを導出する。
以下、進行速度導出部１２０および状態値導出部１３０の機能について、より簡易な例と計算結果を示しながら説明する。以下の説明において、ｅは影響因子、ｔは生育日数、ｊは生育段階、ｋは生育形質指標の識別子を表す。図５～８は、進行速度導出部１２０および状態値導出部１３０の処理について例示した図である。これらの図の例では、Ｔ１とＴ２の二つの遷移イベントがある。また、説明を簡略化するために生育段階を分げつ後（出穂前）まで、生育形質指標を草丈に絞って説明するが、他の部分についても同様に展開できる。図５は、ｔ＝０すなわち生育開始日の状態をモデルによって計算した結果を示す図である。
遷移イベントの切り替わり日数は予め定められており、Ｔ１が６日後、Ｔ２が１２０日後に発生すると定義されている。切り替わり日数は可変であってもよいし、当該作物に関して経験から求められた適合値であってもよい。この場合、進行速度導出部１２０が導出する進行速度は、以下の式で表される。式中、Ｅ（ｅ,ｔ,ｊ,ｋ）は、影響因子ｅ、生育日数ｔ、生育段階ｊ、生育形質指標ｋに基づいて進行速度を導出する関数またはアルゴリズムである。Ｅ（ｅ,ｔ,ｊ,ｋ）は、例えば、当該作物に関して経験から求められたものである。
図５～８に示すモデルに関して状態値導出部１３０が用いる接続マトリクス（接続行列）Ａは、以下の式で表される。接続マトリクスＡは、生育段階の遷移イベントにおける出力アークＯから入力アークＩを差し引いたものである。入力アークとは、遷移イベントよりも前の状態であって、当該遷移イベントまで作用する状態について１、そうでない状態についてゼロが定義されるベクトルを、遷移イベントごとに並べたマトリクスである。出力アークとは、遷移イベントよりも後の状態であって、当該遷移イベントの直後から作用する状態について１、そうでない状態についてゼロが定義されるベクトルを、遷移イベントごとに並べたマトリクスである。
進行速度導出部１２０および状態値導出部１３０が行う処理を一般式で表すと、以下の式のようになる。式中、Ｓ０は初期状態の予測状態ベクトルであり、Ｓｔは生育日数ｔにおける予測状態ベクトルであり、ｕは時間増分である。Ｓ０およびＳｔの要素には生育形質指標が少なくとも含まれ、例えば、｛Ｐ１（ｔ）,Ｐ２（ｔ）,Ｐ３（ｔ）,Ｐｅ（ｔ），Ｐ２－１（ｔ）,Ｐ３－１（ｔ）｝Ｔで表される。このように、進行速度導出部１２０は、同じ生育形質指標に関する進行速度を、生育段階ごとに異なる傾向で導出し、接続マトリクスＡは、生育段階を問わず積分値の用法（取捨選択、およびプラスで作用させるかマイナスで作用させるか）を定義するものである。
図６は、ｔ＝５．５のときの状態をモデルによって計算した結果を示す図である。ｔ＝５．５のとき、Ｐ２－１すなわち生育段階が「発芽後」である作物の生育形質指標「草丈」として１．０が算出されている。この場合の計算式は以下の式で表される。
図７は、ｔ＝６のときの状態をモデルによって計算した結果を示す図である。ｔ＝６のとき、Ｐ２－１すなわち生育段階が「発芽後」である作物の生育形質指標「草丈」として１．２が算出されている。この場合の計算式は以下の式で表される。
図８は、ｔ＝３０のときの状態をモデルによって計算した結果を示す図である。ｔ＝３０のとき、Ｐ３－１すなわち生育段階が「分げつ後（出穂前）」である作物の生育形質指標「草丈」として１１．５が算出されている。この場合の計算式は以下の式で表される。ｔ＝６で遷移の条件を満たしたことで遷移イベント（分げつ）が発生したため、ｔ＝６以降の分の生育形質指標は、ｖ２（ｐ３－１）に基づいて決定される。
上記のように計算を行うことで、任意の生育日数について各生育形質指標を求めることができる。
再度、生育段階の全体に関して説明する。図９は、ｔ＝３０のときの状態をモデルによって計算した結果を全体的に示す図である。図示するように、草丈だけでなく葉数や茎数も同様の計算で算出されている。
ここで、病虫害発生状況、鳥獣による被害状況、人的関与（防除）条件、雑草発生状況などの影響要因を反映させる手法について説明する。例えば、ｔ＝３３のときに鳥獣による被害が発生したと仮定すると、取得部１１０は、例えば、所定の生育形質指標に関して、実際の計測値や予め定められた被害後の生育形質値または被害度合いから計算するという形で影響要因を定義する。図１０は、ｔ＝３３のときに鳥獣による被害が発生した状態をモデルによって計算した結果を全体的に示す図である。図示するように、草丈と葉数に関してｔ＝３０のときの状態から値が減少しているのが分かる。
図１１は、鳥獣による被害が発生したことを反映させて、作物の成熟（ｔ＝１６６）まで計算を行った結果をグラフで表した図である。図示するように、ｔ＝３３における被害によって減少した草丈と葉数がその後に回復し、作物が成長しているのが分かる。
図１に戻り、取得部１１０は、環境測定値に基づいて影響要因の情報を生成する処理の手法を変えながら予測状態ベクトルを導出する。評価部１４０は、予測状態ベクトルの実際の作物への当てはまり度合いに基づいて、影響要因の情報を生成する処理の手法を評価する。そして、評価部１４０は、対象圃場において当てはまりの良い（相似性の高い）所定数のモデル（影響要因の仕方）を抽出して群落の将来状態を予測する。当てはまりの良い所定数のモデルとは、最大評価値から一定の決定枠範囲内（例えば最大評価値の９０％～１００％の範囲内）である。評価部１４０は、例えば、遺伝的アルゴリズム、焼き鈍し法のような発見的手法やモンテカルロ法などを用いて評価を行ってよい。また、評価部１４０は、状態値導出部１３０の導出結果に基づいて、作物の生育量や活性化指数などによる作物の収穫量を増加するための施肥量を定めても良いし、病虫害を防ぐための予察に利用しても良いし、播種時期毎の最適な植え付け本数を定めるのに利用しても良いし、収穫物の品質・等級を優先するための肥培管理を求めても良い。
表示制御部１５０は、例えば、図４～１０で示したように、少なくとも影響要因、遷移イベント、および生育形質指標の関係をグラフ化した画像を表示装置２００に表示させる。また、表示制御部１５０は、図１１で示したように、上記説明した各部の機能によって生成される、生育形質指標の変化をグラフ化した画像を表示装置２００に表示させてもよい。表示装置２００は、情報処理装置１００に付設されるものであってもよいし、インターネットやＬＡＮ（Local Area Network）などのネットワークを介して情報処理装置１００から画像が提供されるもの（例えば、パーソナルコンピュータ、タブレット端末、スマートフォンなど）であってもよい。
以上説明した実施形態によれば、作物に与えられる条件および外乱要素を含む影響要因の情報を取得する取得部１１０と、影響要因および生育日数に基づいて、次の生育段階への遷移に向けて進行する進行速度を、少なくとも作物の生育形質指標ごとに導出する進行速度導出部１２０と、基準時点から予測時点までの進行速度の積分値を並べたベクトルに、生育段階の遷移イベントにおける出力アークから入力アークを差し引いた接続マトリクスを乗算することで、作物の生育形質指標ごとの状態値を含む予測状態ベクトルを導出する状態値導出部１３０と、を備えることにより、作物の状態を精度よく予測することができる。
以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。
１００ 情報処理装置
１１０ 取得部
１２０ 進行速度導出部
１３０ 状態値導出部
１４０ 評価部
１５０ 表示制御部
２００ 表示装置
１１０ 取得部
１２０ 進行速度導出部
１３０ 状態値導出部
１４０ 評価部
１５０ 表示制御部
２００ 表示装置
Claims (8)
- 作物に与えられる条件および外乱要素を含む影響要因の情報を取得する取得部と、
前記影響要因および生育日数に基づいて、次の生育段階への遷移に向けて進行する進行速度を、少なくとも前記作物の生育形質指標ごとに導出する進行速度導出部と、
基準時点から予測時点までの前記進行速度の積分値を並べたベクトルに、生育段階の遷移イベントにおける出力アークから入力アークを差し引いた接続マトリクスを乗算することで、前記作物の生育形質指標ごとの状態値を含む予測状態ベクトルを導出する状態値導出部と、
を備える情報処理装置。 - 前記進行速度導出部は、同じ生育形質指標に関する前記進行速度を、生育段階ごとに異なる傾向で導出し、
前記接続マトリクスは、生育段階を問わず前記積分値の用法を定義するものである、
請求項１記載の情報処理装置。 - 前記取得部は、環境測定値に基づいて前記影響要因の情報を生成する処理を行う、
請求項１または２記載の情報処理装置。 - 前記取得部は、環境測定値に基づいて前記影響要因の情報を生成する処理の手法を変えながら予測状態ベクトルを導出し、
前記予測状態ベクトルの実際の作物への当てはまり度合いに基づいて前記影響要因の情報を生成する処理の手法を評価する評価部を更に備える、
請求項１から３のうちいずれか１項記載の情報処理装置。 - 少なくとも前記影響要因、前記遷移イベント、および前記生育形質指標の関係をグラフ化した画像を表示装置に表示させる表示制御部を更に備える、
請求項１から４のうちいずれか１項記載の情報処理装置。 - 生育形質指標の変化をグラフ化した画像を表示装置に表示させる表示制御部を更に備える、
請求項１から５のうちいずれか１項記載の情報処理装置。 - コンピュータが、
作物に与えられる条件および外乱要素を含む影響要因の情報を取得し、
前記影響要因および生育日数に基づいて、次の生育段階への遷移に向けて進行する進行速度を、少なくとも前記作物の生育形質指標ごとに導出し、
基準時点から予測時点までの前記進行速度の積分値を並べたベクトルに、生育段階の遷移イベントにおける出力アークから入力アークを差し引いた接続マトリクスを乗算することで、前記作物の生育形質指標ごとの状態値を含む予測状態ベクトルを導出する、
情報処理方法。 - コンピュータに、
作物に与えられる条件および外乱要素を含む影響要因の情報を取得させ、
前記影響要因および生育日数に基づいて、次の生育段階への遷移に向けて進行する進行速度を、少なくとも前記作物の生育形質指標ごとに導出させ、
基準時点から予測時点までの前記進行速度の積分値を並べたベクトルに、生育段階の遷移イベントにおける出力アークから入力アークを差し引いた接続マトリクスを乗算することで、前記作物の生育形質指標ごとの状態値を含む予測状態ベクトルを導出させる、
プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021039461A JP7385931B2 (ja) | 2021-03-11 | 2021-03-11 | 情報処理装置、情報処理方法、およびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021039461A JP7385931B2 (ja) | 2021-03-11 | 2021-03-11 | 情報処理装置、情報処理方法、およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022139192A true JP2022139192A (ja) | 2022-09-26 |
| JP7385931B2 JP7385931B2 (ja) | 2023-11-24 |
Family
ID=83399096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021039461A Active JP7385931B2 (ja) | 2021-03-11 | 2021-03-11 | 情報処理装置、情報処理方法、およびプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7385931B2 (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016049102A (ja) * | 2014-08-29 | 2016-04-11 | 株式会社リコー | 圃場管理システム、圃場管理方法、プログラム |
| WO2020218157A1 (ja) * | 2019-04-25 | 2020-10-29 | 国立大学法人静岡大学 | 予測システム、予測方法、および予測プログラム |
-
2021
- 2021-03-11 JP JP2021039461A patent/JP7385931B2/ja active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016049102A (ja) * | 2014-08-29 | 2016-04-11 | 株式会社リコー | 圃場管理システム、圃場管理方法、プログラム |
| WO2020218157A1 (ja) * | 2019-04-25 | 2020-10-29 | 国立大学法人静岡大学 | 予測システム、予測方法、および予測プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7385931B2 (ja) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8335653B2 (en) | System and method of evaluating crop management | |
| Punt | The performance of a size-structured stock assessment method in the face of spatial heterogeneity in growth | |
| CN104036107A (zh) | 确定狭窄的功能性严重程度 | |
| Johnson et al. | Can autocorrelated recruitment be estimated using integrated assessment models and how does it affect population forecasts? | |
| JP7176980B2 (ja) | 作物管理システム及び作物管理方法 | |
| JP6631747B2 (ja) | 植生指標算出装置、植生指標算出方法、及びプログラム | |
| JP6885394B2 (ja) | 情報処理システム、情報処理装置、シミュレーション方法およびシミュレーションプログラム | |
| JP2017163956A (ja) | 予測方法、予測プログラム、及び、予測装置 | |
| Muradian et al. | Bayesian stock assessment of Pacific herring in Prince William Sound, Alaska | |
| US20180173823A1 (en) | Simulation device, simulation method, and recording medium for storing program | |
| US20200250597A1 (en) | Information processing apparatus, information processing method, and non-transitory recording medium | |
| Mertens et al. | An intelligent control chart for monitoring of autocorrelated egg production process data based on a synergistic control strategy | |
| WO2023042284A1 (ja) | 農作物育成支援装置、農作物育成支援方法、及び農作物育成支援プログラム | |
| JP2022139192A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| De Oliveira et al. | Potential improvements in the management of Bay of Biscay anchovy by incorporating environmental indices as recruitment predictors | |
| CN116757332B (zh) | 叶菜产量预测方法、装置、设备及介质 | |
| Leroux et al. | Optimal investment in ecological rehabilitation under climate change | |
| JP6570929B2 (ja) | 特性推定モデル生成装置および方法、解析対象の特性推定装置および方法 | |
| JP6516282B2 (ja) | 優先度設定装置、優先度設定方法、及びプログラム | |
| Chang et al. | Enhancing Grazing Land Analysis through Integrated Earth Observation and Machine Learning | |
| JP7024733B2 (ja) | 情報処理装置、情報処理方法、及び、情報処理プログラム | |
| TWI852246B (zh) | 田間作物狀態預測系統及方法 | |
| Pfender et al. | A simulation model for epidemics of stem rust in ryegrass seed crops | |
| Marsh et al. | The 2016 stock assessment of paua (Haliotis iris) for PAU 5D | |
| Singh et al. | Modelling of Population Growth for a Seasonal Incidence of Mustard Aphid, Lipaphis erysimi |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230626 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230803 |
|
| 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: 20231024 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231106 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7385931 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |