[go: up one dir, main page]

WO2019003400A1 - 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 - 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が記録された記録媒体 Download PDF

Info

Publication number
WO2019003400A1
WO2019003400A1 PCT/JP2017/024038 JP2017024038W WO2019003400A1 WO 2019003400 A1 WO2019003400 A1 WO 2019003400A1 JP 2017024038 W JP2017024038 W JP 2017024038W WO 2019003400 A1 WO2019003400 A1 WO 2019003400A1
Authority
WO
WIPO (PCT)
Prior art keywords
partial
coefficient calculation
coefficient
area
partial 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.)
Ceased
Application number
PCT/JP2017/024038
Other languages
English (en)
French (fr)
Inventor
藤山　健一郎
峰斗 佐藤
たん 東
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
Priority to JP2019526079A priority Critical patent/JP6835221B2/ja
Priority to US16/619,839 priority patent/US20200166496A1/en
Priority to EP17915268.1A priority patent/EP3647771A4/en
Priority to PCT/JP2017/024038 priority patent/WO2019003400A1/ja
Publication of WO2019003400A1 publication Critical patent/WO2019003400A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
    • A01G7/00—Botany in general
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • 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
    • G01N33/0098—Plants or trees
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/245—Classification techniques relating to the decision surface
    • G06F18/2453—Classification techniques relating to the decision surface non-linear, e.g. polynomial classifier
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Definitions

  • the present invention relates to a coefficient calculation apparatus and the like that calculates the light absorption coefficient in a certain region.
  • the quality of farming implemented in the field is, for example, the difference between the event predicted to occur by practicing farming in the field and the event produced by actually farming in the field. Can be measured.
  • the event is measured by the area of leaves
  • the amount of irrigation etc. is predicted based on the contents of farming conducted in the field, and the leaves of plants growing in the field based on the amount of irrigation
  • the area of is predicted.
  • the area of the leaf of the plant vegetated in the field was actually measured, and the area of the leaf measured was carried out in the field depending on whether the area was greater than the predicted area or not.
  • the quality of farming can be measured.
  • a radar image taken at an angle of view that looks into the field is used May be
  • Patent Document 1 discloses an analysis device that calculates the degree of vegetation in the target area based on a radar image in which the appearance of the ground surface in the target area is captured.
  • the analyzer uses the backscattering coefficient relating to the specific area included in the target area based on the radar image in which the target area is captured at a predetermined time and the radar image in which the target area is captured at another time Backscattering_coefficient) is calculated, and the degree of vegetation in the specific area is calculated based on the correlation between the backscattering coefficient and the degree of vegetation.
  • the area of a leaf can be predicted based on, for example, the Vegetation Index (WDVI) of a plant being vegetated in a field and the extinction coefficient (extinction_coefficient) in the field.
  • WDVI Vegetation Index
  • extinction_coefficient the extinction coefficient
  • the extinction coefficient is a value that can not be measured, and is calculated based on other information. However, a large amount of calculation is required to calculate an accurate extinction coefficient.
  • one of the objects of the present invention is to provide a coefficient calculation device or the like capable of calculating an accurate extinction coefficient for a certain area in a short period of time.
  • the coefficient calculation device is First coefficient calculation means for calculating an absorption coefficient according to a predetermined calculation process for a partial region of a plurality of partial regions in a field; Relevance information creation means for creating relevancy information representing the relevancy between the light absorption coefficient calculated for the partial region and the feature value representing the feature of the partial region; The light absorption coefficient for the different partial region based on the feature amount for the partial region different from the partial region of the plurality of partial regions and the relevance information created by the relevance information creating unit And second coefficient calculating means for calculating
  • the coefficient calculation method is The light absorption coefficient is calculated according to a predetermined calculation process for a part of the plurality of partial regions in the field by the information processing apparatus, and the light absorption coefficient calculated for the partial region and the part
  • the light absorption coefficient for the different partial area is calculated based on the relevance information created by the creating means.
  • the coefficient calculation program A first coefficient calculation function of calculating an absorption coefficient according to a predetermined calculation process for a partial area of a plurality of partial areas in a field; A relationship information generation function of creating relationship information representing the relationship between the light absorption coefficient calculated for the partial region and a feature representing a feature of the partial region; The light absorption coefficient for the different partial region based on the feature amount for the partial region different from the partial region of the plurality of partial regions and the relevance information created by the relevance information creating unit The computer realizes a second coefficient calculation function of calculating.
  • the object is also realized by a computer readable recording medium for recording the program.
  • the coefficient calculation device and the like it is possible to calculate an accurate extinction coefficient for a certain area in a short period of time.
  • FIG. 1 is a block diagram showing a configuration of the coefficient calculation apparatus 101 according to the first embodiment of the present invention.
  • the coefficient calculation apparatus 101 includes a feature quantity calculation unit 102, a first coefficient calculation unit 103, a second coefficient calculation unit 104, and a relevance information creation unit 105.
  • the coefficient calculation device 101 may further include an index calculation unit 106 and a simulation unit 107.
  • the coefficient calculation device 101 is partial image information 113 representing an image obtained by dividing the field region into a plurality of partial regions in the image information 111 (FIG. 3) captured at an angle of view that allows the field 112 (FIG. 3) 3) is received from a sensor, a storage device, etc.
  • FIG. 3 is a diagram conceptually showing an example of the image information 111 and the partial image information 113. As shown in FIG.
  • the process described later with reference to FIG. 2 is performed on the partial area represented by the partial image information 113.
  • the image information 111 is, for example, an image captured at an angle of view looking into the field 112 using a satellite, a drone, a near-infrared camera mounted on a helicopter, or the like.
  • the image information 111 may include information representing an area other than the field 112.
  • the image information 111 may be a plurality of images captured for one field, such as an image in which the visible region is captured and an image in which the near infrared region is captured.
  • information representing the area of the farm field 112 hereinafter, referred to as “farm field area” in the image information 111 is referred to as “farm field information”.
  • the plurality of partial regions may include mutually overlapping regions or may not include overlapping regions.
  • the partial region may have a regular shape or an irregular shape.
  • the partial regions are regions arranged in a lattice in the field region and do not include overlapping regions among a plurality of partial regions. .
  • the coefficient calculation device 101 may read the image information 111 captured at an angle of view in which the farm field 112 is viewed, and specify farm field region information representing the farm field 112 from the image information 111. In this case, the coefficient calculation apparatus 101 creates partial image information 113 representing each partial region by dividing the field region represented by the specified field region information into a plurality of partial regions.
  • FIG. 2 is a flow chart showing the flow of processing in the coefficient calculation apparatus 101 according to the first embodiment.
  • the feature amount calculation unit 102 calculates a feature amount representing a feature related to the partial area represented by the partial image information 113 (step S101).
  • the feature quantity calculation unit 102 calculates, as the feature quantity, for example, the area ratio of a region where a leaf of a plant is present in the partial region (hereinafter referred to as “leaf region”).
  • the feature amount is not limited to the example described above. The process of calculating the feature amount will be described in detail with reference to an example in the case where the feature amount is the area ratio of the leaf area.
  • the feature amount calculation unit 102 specifies a leaf area in which the leaf of the plant is present in the field 112 among the partial areas. For example, the feature amount calculation unit 102 specifies the leaf area based on the image in which the farm field 112 is captured using a near infrared camera. When the image is a color image, for example, when the color in a certain area is a range of colors representing leaves, it may be determined that the certain area is a leaf area. .
  • the feature amount calculation unit 102 calculates an area ratio of the leaf area (hereinafter also referred to as “coverage”) to the area of the partial area as a feature amount.
  • the proportion is not necessarily a mathematically defined proportion, and may represent the extent to which the leaf area occupies the partial area.
  • the area percentage of the leaf area ie, the coverage is an example of information having high relevance to the extinction coefficient.
  • the feature amount calculation unit 102 calculates the coverage for the partial region as a feature amount for the partial region by executing the above-described processing for each partial region.
  • the feature amount calculation unit 102 inputs the calculated feature amount to the relevance information generation unit 105.
  • the first coefficient calculation unit 103 receives, for a partial area of the plurality of partial areas, a vegetation index related to the partial area from a sensor or the like mounted on the artificial satellite.
  • the first coefficient calculation unit 103 receives a leaf area index related to the partial area from the simulation unit 107.
  • the vegetation index is, for example, the distribution of vegetation in a certain area, a normalized difference vegetation index (NDVI) representing the activity of the vegetation, or a weighted vegetation index (WDVI).
  • NDVI represents an abbreviation of Normalized_Difference_Vegetation_Index.
  • WDVI stands for Weighted_Difference_Vegetation_Index.
  • NDVI can be used to measure the reflectance R of the visible range red and the reflectance IR of the near infrared range observed in the vicinity of the field 112 by a sensor or the like mounted on the artificial satellite. Calculated based on
  • NDVI (IR ⁇ R) ⁇ (IR + R) (Equation 1), However, NDVI indicates that the larger the positive value, the denser the vegetation.
  • WDVI can process, for example, the processing shown in Formula 2 for reflectance IR in the near infrared region measured according to near infrared spectroscopy (NIR: Near_InfraRed) and reflectance R in the visible region red. It can be calculated by applying.
  • NIR near infrared spectroscopy
  • Equation 2 IR-C ⁇ R (Equation 2),
  • C represents the ratio of the reflectance SIR in the near infrared region in the case where no plant exists in the partial region and the reflectance SR in the case where no plant exists in the partial region.
  • the leaf area index represents, for example, a leaf area index (LAI) included in a rice growth prediction model (SIMRIW) or the like.
  • SIMRIW stands for SImulation_Model_for_RIce_Weather_relations.
  • LAI stands for Leaf_Area_Index.
  • the leaf area index LAI is represented by, for example, the equation 3 with respect to the temperature Te in a partial area, the precipitation r, the solar radiation time ts, the absorbable nitrogen amount Ni present in the soil, and the irrigation amount w. It can be calculated by applying the predetermined process F.
  • LAI F (Te, r, ts, Ni, w) ... (Equation 3).
  • Formula 3 represents the process which calculates a leaf area index based on the model which can be estimated based on farming implemented by the field.
  • the model is, for example, information such as a partial differential equation including a parameter representing the leaf area index, and is information representing the relationship between the leaf area index and other information.
  • the partial differential equation may not necessarily be a single equation, but may be a plurality of equations.
  • the model is discretized according to a discretization method such as, for example, a finite element method. As a result, simultaneous linear equations are created.
  • the predetermined processing F conceptually represents a processing procedure for calculating a solution of the simultaneous linear equations in accordance with a solution procedure such as an iterative method, for example.
  • the simulation unit 107 simulates, for example, farming practiced in the field 112 in accordance with the procedure for calculating the leaf area index (LAI) as exemplified in Equation 3.
  • the simulation unit 107 may calculate the leaf area index, for example, by simulating a change in the leaf area index when time passes.
  • the first coefficient calculation unit 103 processes the vegetation index for a partial region and the leaf area index (LAI) according to a predetermined calculation process (exemplified in equation 4) to obtain the partial region.
  • the extinction coefficient with respect to is calculated (step S102).
  • the first coefficient calculation unit 103 calculates, for example, the light absorption coefficient ⁇ for the partial region according to the process illustrated in Equation 4.
  • WDVII represents the limit value (limiting_value) of WDVI.
  • ln () represents a logarithmic function based on the number of Napiers.
  • the relevance information creation unit 105 receives the extinction coefficient for a certain partial region from the first coefficient calculation unit 103, and further, from the feature amount calculation unit 102, the feature amount for the partial region (for example, Receive coverage (ie, the percentage of the area in which the leaves are present). For example, as illustrated in FIG. 4, the relevance information creation unit 105 creates information in which the feature amount related to a certain partial area and the extinction coefficient related to a partial area are associated.
  • FIG. 4 is a diagram conceptually illustrating an example of information generated by the relation information generation unit 105.
  • an identifier (ID) representing a partial area, a feature amount related to the partial area, and an extinction coefficient related to the partial area are associated. This represents that it is information on the feature amount on the partial area represented by the partial area ID and the extinction coefficient on the partial area.
  • ID identifier
  • partial area ID “3”, feature quantity “0.9834”, and extinction coefficient “0.47” are associated with each other. This indicates that the feature amount of the partial region represented by the partial region ID “3” is “0.9834” and the extinction coefficient of the partial region is “0.47”.
  • the relevance information creation unit 105 creates a set for the partial area.
  • the relevance information creation unit 105 creates relevance information representing the relevance between the light absorption coefficient and the feature amount (step S103). For example, as illustrated in FIG. 5, the relevance information creation unit 105 obtains the relevance information by obtaining a function fitting the absorption coefficient and the feature value (for example, coverage).
  • FIG. 5 is a diagram conceptually illustrating an example of the calculated relevance information.
  • the function is, for example, a function such as an exponential function or a polynomial function.
  • the horizontal axis in FIG. 5 represents the feature amount, and represents that the feature amount has a larger value as it is closer to the right.
  • the vertical axis in FIG. 5 represents the light absorption coefficient, and the higher the value, the larger the light absorption coefficient.
  • the second coefficient calculation unit 104 is configured to calculate a partial area different from the partial information in the partial area described above among the plurality of partial areas, that is, the first coefficient calculation in relation to the relation information generated by the relation information generation unit 105. And a feature amount (e.g., a coverage) regarding a partial region for which the light absorption coefficient is not calculated by the unit 103.
  • the second coefficient calculation unit 104 calculates an absorption coefficient for the different partial region by calculating an absorption coefficient corresponding to the feature amount in the association information (step S104).
  • the index calculation unit 106 receives the light absorption coefficient from the second coefficient calculation unit 104.
  • the index calculation unit 106 applies the processing shown in Equation 5 to the light absorption coefficient for the partial region and the vegetation index (WDVI) for the partial region to obtain a leaf area index (LAI) for the partial region.
  • LAI ⁇ 1 ⁇ ⁇ ⁇ ln (1 ⁇ WDVI ⁇ WDVII) (5).
  • the coefficient calculation device 101 it is possible to calculate an accurate extinction coefficient for a certain area in a short period of time.
  • the reason is that the coefficient calculation apparatus 101 executes predetermined calculation processing only on a partial area of a part of the agricultural field area, and the characteristic amount of the partial area with respect to a partial area different from the partial area.
  • the light absorption coefficient is calculated based on
  • the processing amount in the process of calculating the light absorption coefficient based on the feature amount (described above while calculating FIG. 5) is the processing amount in the process of calculating the light absorption coefficient according to the predetermined calculation processing (described above with reference to equation 3)
  • the coefficient calculation apparatus 101 it is possible to calculate an accurate light absorption coefficient for a plurality of partial regions in the field region in a short period of time.
  • the coefficient calculation device 101 calculates the light absorption coefficient based on the area ratio of the leaf area having high relevance to the light absorption coefficient. That is, since the area ratio of the leaf area is highly related to the light absorption coefficient, the light absorption coefficient calculated by the coefficient calculation device 101 is a more accurate value.
  • the coefficient calculation device 101 it is possible to calculate an accurate leaf area index (LAI) with a small processing amount.
  • LAI leaf area index
  • the processing for calculating the leaf area index according to the equation 5 has a smaller processing amount than the processing for calculating the leaf area index according to the equation 3, and further, as described above, the group for calculating the leaf area index This is because a certain extinction coefficient is an accurate value.
  • FIG. 6 is a block diagram showing a configuration of the coefficient calculating apparatus 201 according to the second embodiment of the present invention.
  • the coefficient calculation apparatus 201 includes a feature quantity calculation unit 202, a first coefficient calculation unit 203, a second coefficient calculation unit 204, a relevance information generation unit 205, and a region selection unit 206. Have.
  • the coefficient calculation device 201 may further include an index calculation unit 106.
  • the first coefficient calculation unit 203 has the same configuration as that of the first coefficient calculation unit 103 (FIG. 1). However, the first coefficient calculation unit 203 calculates the light absorption coefficient according to a predetermined calculation process for a partial area selected by the area selection unit 206 from among the plurality of partial areas.
  • the second coefficient calculation unit 204 has a configuration similar to that of the second coefficient calculation unit 104 (FIG. 1).
  • the relevance information creation unit 205 has the same configuration as that of the relevance information creation unit 105 (FIG. 1).
  • FIG. 7 is a flowchart showing the flow of processing in the coefficient calculation device 201 according to the second embodiment.
  • the feature amount calculation unit 202 calculates a feature amount representing a feature related to the partial area represented by the partial image information 113 (exemplified in FIG. 3) (step S201).
  • the process at step S201 is similar to the process at step S101 (FIG. 2).
  • the area selecting unit 206 selects a partial area satisfying a predetermined selection condition as a partial area from among the plurality of partial areas included in the field area (step S202).
  • the first coefficient calculation unit 203 calculates the light absorption coefficient according to the process illustrated in Equation 4 for the partial region selected by the region selection unit 206. A process in which the region selection unit 206 selects the partial region will be specifically described.
  • the predetermined selection condition is a condition related to position information indicating the position of the partial region.
  • the predetermined selection condition is, for example, a condition that the degree of dispersion (degree of dispersion) of position information indicating the position of the partial region is larger than the predetermined degree of dispersion.
  • the degree of dispersion is, for example, the dispersion with respect to the position of the partial region, and the value becomes larger as the partial region is dispersed in the field 112 (FIG. 3).
  • the degree of dispersion may be a numerical value similar to the dispersion.
  • the area selection unit 206 receives partial image information 113 (illustrated in FIG.
  • the area selection unit 206 selects, from among the plurality of partial areas, a partial area that satisfies the condition that the degree of dispersion of the position information is larger than a predetermined degree of dispersion.
  • the region selection unit 206 selects, from among the plurality of partial regions, partial regions satisfying the condition that the positions of the partial regions vary, as partial partial regions.
  • the predetermined selection condition is a condition related to the feature quantity of the partial area (for example, the area ratio of the leaf area).
  • the predetermined selection condition is, for example, a condition that the degree of dispersion of the feature amount related to the partial region is larger than the predetermined degree of dispersion.
  • the region selection unit 206 receives partial image information 113 (exemplified in FIG. 3) representing each partial region from a sensor, a storage device or the like, and calculates the feature amount calculated for the partial region.
  • the region selecting unit 206 selects, from among the plurality of partial regions, a partial region that satisfies the condition that the degree of dispersion of the feature amount is larger than a predetermined degree of dispersion. In other words, the region selection unit 206 selects, from among the plurality of partial regions, partial regions that satisfy the condition that the feature quantities relating to the partial regions vary, as partial partial regions.
  • the first coefficient calculation unit 203 calculates the light absorption coefficient according to a predetermined calculation process for the partial region selected by the region selection unit 206 (step S203).
  • the process in step S203 is the same process as the process in step S102 (FIG. 2).
  • steps S103 to S104 in FIG. 2 are executed (steps S204 to S205).
  • the coefficient calculation device 201 According to the coefficient calculation device 201 according to the second embodiment, it is possible to calculate an accurate extinction coefficient for a certain area in a short period of time.
  • the reason is the same as the reason described in the first embodiment.
  • the coefficient calculation device 201 it is possible to more accurately calculate the light absorption coefficient related to a plurality of partial regions in the field region.
  • the reason for this is that the partial region selected by the region selection unit 206 is suitable for creating association information that indicates the association between the light absorption coefficient and the feature value.
  • the relationship information generation unit 205 uses the amount of features scattered over a wide range. Based on the relevant information. Therefore, since there is no bias in the feature amount, the relevance information calculated based on the feature amount represents more accurate relevance.
  • the region selection unit 206 selects a partial region that satisfies the condition that the degree of dispersion of position information is larger than a predetermined degree of dispersion, the degree of dispersion of feature quantities related to the partial region is in a wider range. There is a high possibility of being scattered. As a result, the relevance information creation unit 205 creates the relevance information on the basis of the feature quantities dispersed in a wide range. Therefore, since there is no bias in the feature amount, the relevance information calculated based on the feature amount is likely to represent more accurate relevance.
  • FIG. 8 is a block diagram showing a configuration of the coefficient calculating device 301 according to the third embodiment of the present invention.
  • the coefficient calculation device 301 includes a feature quantity calculation unit 302, a first coefficient calculation unit 303, a second coefficient calculation unit 304, and a relevance information creation unit 305.
  • the first coefficient calculation unit 303 has a configuration similar to that of the first coefficient calculation unit 103 (FIG. 1).
  • the second coefficient calculation unit 304 has a configuration similar to that of the second coefficient calculation unit 104 (FIG. 1).
  • the relevance information creation unit 305 receives the light absorption coefficient calculated for a certain partial region from the first coefficient calculation unit 303.
  • the relevance information creation unit 305 receives, from the feature amount calculation unit 302, the feature amount (for example, the area ratio of the leaf region) calculated for the certain partial region.
  • the relevance information creation unit 305 receives position information indicating the position of the partial area from a sensor, a storage device, or the like.
  • the relevance information creation unit 305 creates information (exemplified in FIG. 4) in which the extinction coefficient for a certain partial region and the feature amount for the partial region are associated.
  • the relevance information creation unit 305 may further create information in which a partial region ID representing a partial region is associated with the extinction coefficient of the partial region.
  • FIG. 9 is a flowchart showing the flow of processing in the coefficient calculation device 301 according to the third embodiment.
  • step S301 to step S302 processing similar to the processing shown in step S101 and step S102 (FIG. 2) is executed (step S301 to step S302).
  • the relevance information creation unit 305 classifies a set (exemplified in FIG. 4) in which the feature amount and the light absorption coefficient are associated with each other into a plurality of groups similar to each other (step S303).
  • the relevance information creation unit 305 classifies the set into a plurality of groups according to, for example, a clustering method.
  • the relevance information creating unit 305 creates, for each group, relevance information representing relevance based on a set belonging to the group (step S304), and further, the group Position information representing the position of (for example, the average of the positions of partial areas belonging to the group) is created (step S305).
  • FIG. 10 is a diagram conceptually illustrating an example of the relevance information calculated regarding each group.
  • the horizontal axis in FIG. 10 represents the feature amount, and represents that the feature amount has a larger value as it is closer to the right.
  • the vertical axis in FIG. 10 represents the light absorption coefficient, and the higher the value, the larger the light absorption coefficient.
  • the sets are classified into a first group indicated by a rectangle and a second group indicated by a triangle.
  • the relevance information creation unit 305 may execute the process in the order of step S305 and step S304.
  • the second coefficient calculation unit 304 receives, from the relevance information creation unit 305, relevance information for each group and position information regarding the group.
  • the second coefficient calculation unit 304 receives, from a sensor, a storage device, or the like, position information indicating the position of a partial area that is different from a certain partial area.
  • the second coefficient calculation unit 304 receives the feature amounts related to the different partial regions from the feature amount calculation unit 302.
  • the second coefficient calculation unit 304 selects a group closest to the position of the different partial area (hereinafter referred to as “selected group”) based on the position information on the group (step S306).
  • the second coefficient calculation unit 304 calculates the light absorption coefficient for the different partial region based on the relevance information created for the selected group and the feature amount for the different partial region (step S307).
  • the coefficient calculation device 301 According to the coefficient calculation device 301 according to the third embodiment, it is possible to calculate an accurate extinction coefficient for a certain area in a short period of time.
  • the reason is the same as the reason described in the first embodiment.
  • the coefficient calculation device 301 it is possible to more accurately calculate the light absorption coefficient regarding a plurality of partial regions in the field region. The reason will be described.
  • the extinction coefficient often changes gradually between adjacent partial regions. For this reason, the relevancy information calculated based on the partial area included in the group close in distance is likely to accurately represent the relevancy information on the partial area near the partial area. Therefore, the coefficient calculation device 301 can accurately calculate the light absorption coefficient by calculating the light absorption coefficient in the target partial region based on the relevance information on the partial region near the target partial region.
  • FIG. 11 is a block diagram showing a configuration of the coefficient calculating device 401 according to the fourth embodiment of the present invention.
  • the coefficient calculation device 401 includes a first coefficient calculation unit 402, a second coefficient calculation unit 403, and a relevance information creation unit 404.
  • FIG. 12 is a flowchart showing the flow of processing in the coefficient calculation device 401 according to the fourth embodiment.
  • the first coefficient calculation unit 402 calculates the light absorption coefficient according to a predetermined calculation process for a partial area of a plurality of partial areas included in the field 112 (FIG. 3) (step S401).
  • the leaf area index is calculated based on the amount of irrigation performed in the partial area, and the vegetation index (for example, NDVI, WDVI) for the partial area is calculated. It is a process which calculates the extinction coefficient regarding the said partial area by performing the process shown by Formula 4 with respect to this leaf area index.
  • the relevance information creation unit 404 receives the extinction coefficient for the partial region from the first coefficient calculation unit 402.
  • the relevance information creation unit 404 receives, from a sensor, a storage device, and the like, feature amounts representing features of the partial area.
  • the feature value is, for example, a coverage representing an area ratio of a leaf area in which a leaf is present in the partial area.
  • the relevance information creation unit 404 creates relevance information (for example, FIGS. 5 and 10) indicating the relevance between the light absorption coefficient and the feature value.
  • the relevance information creation unit 404 creates the relevance information, for example, by calculating a function fitted to the light absorption coefficient and the feature amount (step S402).
  • the second coefficient calculation unit 403 receives the relevance information from the relevance information creation unit 404.
  • the second coefficient calculation unit 403 receives, from a sensor, a storage device, or the like, a feature amount related to a partial area different from the partial area.
  • the second coefficient calculation unit 403 calculates the light absorption coefficient for the different partial region by calculating the light absorption coefficient according to the feature amount based on the relevance information (step S403).
  • the first coefficient calculation unit 402 has the function of the first coefficient calculation unit 103 (FIG. 1) according to the first embodiment, and the first coefficient calculation unit 203 (FIG. 6) according to the second embodiment. It can be realized using the same function as the function it has or the function that the first coefficient calculation unit 303 (FIG. 8) according to the third embodiment has.
  • the second coefficient calculation unit 403 has the function of the second coefficient calculation unit 104 (FIG. 1) according to the first embodiment, and the second coefficient calculation unit 204 (FIG. 6) according to the second embodiment. It can be realized using the same function as the function possessed by or the function possessed by the second coefficient calculation unit 304 (FIG. 8) according to the third embodiment.
  • the relevance information creating unit 404 has the function of the relevance information creating unit 105 (FIG. 1) according to the first embodiment, and the relevance information creating unit 205 (FIG. 6) according to the second embodiment. It can implement
  • the coefficient calculation device 401 has the function of the coefficient calculation device 101 (FIG. 1) according to the first embodiment, and the coefficient calculation device 201 (FIG. 6) according to the second embodiment.
  • a function or a function similar to the function of the coefficient calculation device 301 (FIG. 8) according to the third embodiment can be used.
  • the coefficient calculation device 401 it is possible to calculate an accurate extinction coefficient for a certain area in a short period of time.
  • the reason is that the coefficient calculation device 401 executes predetermined calculation processing only on a partial area of a part of the agricultural field area, and the characteristic amount of the partial area with respect to a partial area different from the partial area.
  • the light absorption coefficient is calculated based on Therefore, even in the case where a long calculation time is required for the predetermined calculation process, according to the coefficient calculation device 401, it is possible to calculate an accurate light absorption coefficient for a plurality of partial regions in the field region in a short period of time.
  • FIG. 13 is a block diagram schematically showing a hardware configuration example of a calculation processing device capable of realizing the coefficient calculation device according to each embodiment of the present invention.
  • the calculation processing unit 20 includes a central processing unit (Central_Processing_Unit, hereinafter referred to as “CPU”) 21, a memory 22, a disk 23, a non-volatile recording medium 24, and a communication interface (hereinafter referred to as “communication IF”) 27.
  • CPU central processing unit
  • the calculation processing device 20 may be connectable to the input device 25 and the output device 26.
  • the calculation processing device 20 can transmit and receive information to and from other calculation processing devices and communication devices via the communication IF 27.
  • the non-volatile recording medium 24 is, for example, a compact disc (Compact_Disc) or a digital versatile disc (Digital_Versatile_Disc) that can be read by a computer.
  • the non-volatile storage medium 24 may be a universal serial bus memory (USB memory), a solid state drive (Solid_State_Drive) or the like.
  • the non-volatile recording medium 24 holds such a program and enables portability without supplying power.
  • the non-volatile recording medium 24 is not limited to the medium described above. Also, instead of the non-volatile recording medium 24, the program may be carried via the communication IF 27 and the communication network.
  • the CPU 21 copies a software program (computer program: hereinafter simply referred to as “program”) stored in the disk 23 to the memory 22 when executing it, and executes arithmetic processing.
  • the CPU 21 reads from the memory 22 data required for program execution. When the display is necessary, the CPU 21 displays the output result on the output device 26. When receiving the program from the outside, the CPU 21 reads the program from the input device 25.
  • the CPU 21 is a coefficient calculation program (FIG. 2, FIG. 7, FIG. 9, or FIG. 9) corresponding to the function (process) represented by each unit shown in FIG. 1, FIG. 6, FIG. Interpret and execute Fig. 12).
  • the CPU 21 sequentially executes the processing described in each embodiment of the present invention described above.
  • each embodiment of the present invention can also be achieved by the coefficient calculation program.
  • the embodiments of the present invention can also be realized by a computer readable non-volatile recording medium in which such a coefficient calculation program is recorded.

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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Abstract

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が提供される。係数算出装置４０１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係数算出部４０２と、該一部の部分領域に関して算出された該吸光係数と、該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部４０４と、該複数の部分領域のうちの該一部の部分領域と異なる部分領域に関する該特徴量と、該関連性情報作成手段によって作成された該関連性情報とに基づき、該異なる部分領域に関する該吸光係数を算出する第２係数算出部４０３とを有する。

Description

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
　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 (10)

  1. 　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
    　を備える係数算出装置。
  2. 　前記圃場を見込む画角にて撮像された画像に基づき、前記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前記特徴量として算出する特徴量算出手段
    　をさらに備える請求項１に記載の係数算出装置。
  3. 　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または請求項２に記載の係数算出装置。
  4. 　前記特徴量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または請求項２に記載の係数算出装置。
  5. 　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特徴量とのセットを、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４のいずれかに記載の係数算出装置。
  6. 　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５のいずれかに記載の係数算出装置。
  7. 　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５のいずれかに記載の係数算出装置。
  8. 　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、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。
  9. 　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が記録された記録媒体。
  10. 　前記圃場を見込む画角にて撮像された画像に基づき、前記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前記特徴量として算出する特徴量算出機能
    　をさらにコンピュータに実現させる請求項９に記載の係数算出プログラムが記録された記録媒体。
PCT/JP2017/024038 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 Ceased WO2019003400A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2019526079A 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
US16/619,839 US20200166496A1 (en) 2017-06-29 2017-06-29 Coefficient calculation device, coefficient calculation method, and non-transitory recording medium
EP17915268.1A EP3647771A4 (en) 2017-06-29 2017-06-29 COEFFICIENT CALCULATION DEVICE, COEFFICIENT CALCULATION PROCESS AND RECORDING MEDIA IN WHICH A COEFFICIENT CALCULATION PROGRAM IS REGISTERED
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

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 (1)

Publication Number Publication Date
WO2019003400A1 true WO2019003400A1 (ja) 2019-01-03

Family

ID=64742040

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/024038 Ceased 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

Country Status (4)

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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021085053A1 (ja) * 2019-10-29 2021-05-06 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
WO2025009036A1 (ja) * 2023-07-03 2025-01-09 株式会社ナイルワークス 作物情報処理システム、作物情報処理方法、作物情報処理装置および作物情報処理プログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11348272B2 (en) * 2017-03-23 2022-05-31 Nec Corporation Vegetation index calculation apparatus, vegetation index calculation method, and computer readable recording medium

Citations (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
US20070065857A1 (en) * 2005-09-16 2007-03-22 U.S. Environmental Protection Agency Optical system for plant characterization
US20090007485A1 (en) * 2007-07-03 2009-01-08 Holland Scientific Sensor-Based Chemical Management for Agricultural Landscapes
JP2010117327A (ja) 2008-11-14 2010-05-27 Pasuko:Kk 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
JP2010220569A (ja) * 2009-03-25 2010-10-07 National Institute For Agro-Environmental Science 植物体の生育変化の連続測定方法
US20130152464A1 (en) * 2010-08-13 2013-06-20 Franke Gmbh Sensor system and method for determining an optical property of a plant
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
WO2014103181A1 (ja) * 2012-12-26 2014-07-03 日本電気株式会社 画像計測方法、システム、装置およびプログラム
JP2014183788A (ja) * 2013-03-25 2014-10-02 Sony Corp 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
JP2016142633A (ja) * 2015-02-02 2016-08-08 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
WO2016203689A1 (ja) * 2015-06-19 2016-12-22 パナソニックＩｐマネジメント株式会社 撮像装置

Patent Citations (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
US20070065857A1 (en) * 2005-09-16 2007-03-22 U.S. Environmental Protection Agency Optical system for plant characterization
US20090007485A1 (en) * 2007-07-03 2009-01-08 Holland Scientific Sensor-Based Chemical Management for Agricultural Landscapes
JP2010117327A (ja) 2008-11-14 2010-05-27 Pasuko:Kk 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
JP2010220569A (ja) * 2009-03-25 2010-10-07 National Institute For Agro-Environmental Science 植物体の生育変化の連続測定方法
US20130152464A1 (en) * 2010-08-13 2013-06-20 Franke Gmbh Sensor system and method for determining an optical property of a plant
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
WO2014103181A1 (ja) * 2012-12-26 2014-07-03 日本電気株式会社 画像計測方法、システム、装置およびプログラム
JP2014183788A (ja) * 2013-03-25 2014-10-02 Sony Corp 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
JP2016142633A (ja) * 2015-02-02 2016-08-08 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
WO2016203689A1 (ja) * 2015-06-19 2016-12-22 パナソニックＩｐマネジメント株式会社 撮像装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHUFENG HU ET AL: "The polarized differential extinction coefficient with frequency determined by morphological characteristics of forest vegetation", 2016 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM (IGARSS), 10 July 2016 (2016-07-10) - 15 July 2016 (2016-07-15), pages 1734 - 1737, XP032990663, DOI: 10.1109/IGARSS.2016.7729444 *
See also references of EP3647771A4
TAKUYA SHIMOJO: "Light penetration rate visualization in tomato foliage using wireless sensor networks", IEICE TECHNICAL REPORT, vol. 112, no. 464 (IN2012-215), 2013, pages 365 - 370, XP009517919, ISSN: 0913-5685 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021085053A1 (ja) * 2019-10-29 2021-05-06 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
WO2025009036A1 (ja) * 2023-07-03 2025-01-09 株式会社ナイルワークス 作物情報処理システム、作物情報処理方法、作物情報処理装置および作物情報処理プログラム

Also Published As

Publication number Publication date
EP3647771A4 (en) 2020-08-05
EP3647771A1 (en) 2020-05-06
US20200166496A1 (en) 2020-05-28
JP6835221B2 (ja) 2021-02-24
JPWO2019003400A1 (ja) 2020-03-26

Similar Documents

Publication Publication Date Title
Navarro-Racines et al. High-resolution and bias-corrected CMIP5 projections for climate change impact assessments
US20230367032A1 (en) Estimating soil properties within a field using hyperspectral remote sensing
Bedia et al. Seasonal predictions of Fire Weather Index: Paving the way for their operational applicability in Mediterranean Europe
UA129538C2 (uk) Спосіб, система та носій для вибору гібридного насіння з регулюваним ризиком та оптимізації врожайності сільськогосподарської культури на полі
Jiménez-Brenes et al. Quantifying pruning impacts on olive tree architecture and annual canopy growth by using UAV-based 3D modelling
Alam et al. Climate change in Bangladesh: Temperature and rainfall climatology of Bangladesh for 1949–2013 and its implication on rice yield
Ganeva et al. Phenotypic traits estimation and preliminary yield assessment in different phenophases of wheat breeding experiment based on UAV multispectral images
Righi et al. Capturing farm diversity at regional level to up-scale farm level impact assessment of sustainable development options
Chen et al. Unsupervised plot-scale LAI phenotyping via UAV-based imaging, modelling, and machine learning
JP6544453B1 (ja) 栽培作物選定支援装置、栽培作物選定支援方法、及びプログラム
Dissegna et al. 3-D reconstruction of an urban landscape to assess the influence of vegetation in the radiative budget
Nisa et al. Evaluation of SEBS, METRIC-EEFlux, and QWaterModel actual evapotranspiration for a Mediterranean cropping system in southern Italy
WO2019003400A1 (ja) 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
Sediqi et al. Assessing water resource sustainability in the Kabul River Basin: a standardized runoff index and reliability, resilience, and vulnerability framework approach
Yang et al. Potential geographic distribution of relict plant Pteroceltis tatarinowii in China under climate change scenarios
Wu et al. Three-dimensional modeling of maize canopies based on computational intelligence
Qu et al. A dynamic Bayesian network data fusion algorithm for estimating leaf area index using time-series data from in situ measurement to remote sensing observations
Raghunathan et al. Contrasting climate risks predicted by dynamic vegetation and ecological niche-based models applied to tree species in the Brazilian Atlantic Forest
Bogdan et al. Demographic analysis of an Israeli Carpobrotus population
Nidamanuri Deep learning-based prediction of plant height and crown area of vegetable crops using LiDAR point cloud
Ren et al. Evaluation of an intelligent artificial climate chamber for high-throughput crop phenotyping in wheat
Cammarano et al. Precision agriculture: modelling
Al-Najadi et al. Effectiveness of drone-based thermal sensors in optimizing controlled environment agriculture performance under arid conditions
Itoh et al. PREPs: An open-source software for high-throughput field plant phenotyping
Kularbphettong et al. The automation of mobile application to manage the rice fields

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17915268

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019526079

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2017915268

Country of ref document: EP

Effective date: 20200129