JP7565081B2 - Leaf area calculation method and yield prediction method - Google Patents
Leaf area calculation method and yield prediction method Download PDFInfo
- Publication number
- JP7565081B2 JP7565081B2 JP2021043548A JP2021043548A JP7565081B2 JP 7565081 B2 JP7565081 B2 JP 7565081B2 JP 2021043548 A JP2021043548 A JP 2021043548A JP 2021043548 A JP2021043548 A JP 2021043548A JP 7565081 B2 JP7565081 B2 JP 7565081B2
- Authority
- JP
- Japan
- Prior art keywords
- leaf
- day
- harvest
- weight
- projection area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、野菜の葉面積を算出する葉面積算出方法、及び葉面積算出方法によって算出される葉投影面積を用いる収穫量予測方法に関する。 The present invention relates to a leaf area calculation method for calculating the leaf area of vegetables, and a harvest yield prediction method using the leaf projection area calculated by the leaf area calculation method.
露地野菜においては、生産者と実需者との契約取引が増加しており、契約に合わせた安定的な出荷を行うことが要求されている。一方、露地生産は天候の影響を受けやすく、これまで正確な生育予測が困難であった。そのため、生産現場では生育量を推定して収穫時期・収穫量を正確に予測する技術が求められている。
作物の収穫時期、収穫量を予測するためには、気象データを利用した生育シミュレーションモデル（例えば非特許文献１、非特許文献２）の入力値として、所定の時期における葉の鉛直投影面積（葉投影面積）の実測値を求めることが必要となる。従来、画像処理により実寸法を求めようとする場合、対象物と基準寸法指標を同時に撮影し、その基準寸法指標を基に対象物の実寸法を算出したり（特許文献１、特許文献２）、撮影装置からスケール画像を投影してスケール画像と共に対象物を撮影し、実寸法を算出することが必要であった（特許文献３）。
In the case of outdoor vegetables, contract transactions between producers and actual users are increasing, and stable shipments according to the contract are required. However, outdoor production is easily affected by the weather, and accurate growth prediction has been difficult until now. Therefore, there is a demand for technology to estimate growth volume and accurately predict harvest time and yield at production sites.
In order to predict the harvest time and yield of a crop, it is necessary to obtain the actual measured value of the vertical projection area of the leaf (leaf projection area) at a specified time as an input value for a growth simulation model that uses meteorological data (for example, Non-Patent Document 1 and Non-Patent Document 2). Conventionally, when trying to obtain the actual dimensions by image processing, it was necessary to simultaneously photograph the object and a reference dimension indicator and calculate the actual dimensions of the object based on the reference dimension indicator (Patent Document 1 and Patent Document 2), or to project a scale image from a photographing device, photograph the object together with the scale image, and calculate the actual dimensions (Patent Document 3).
しかし、特許文献１から特許文献３に記載の方法では、圃場を広く撮影した画像を用いて対象物の実寸法を算出することが困難である。すなわちこれらの方法を採用する場合は、個々の対象物を基準寸法指標とともに撮影する必要があり、圃場全体にある作物を撮影するには多大な時間を要する。また、上空から圃場を広く撮影しようとすると、大きな基準寸法指標が必要となるなど現実的ではない。 However, with the methods described in Patent Documents 1 to 3, it is difficult to calculate the actual dimensions of an object using an image that captures a wide area of a field. In other words, when using these methods, it is necessary to capture an image of each object along with a reference dimension indicator, and it takes a lot of time to capture images of the crops in the entire field. In addition, capturing a wide area of a field from the air requires a large reference dimension indicator, which is not realistic.
本発明は、撮影した画像データのスケールの推定を容易にすることで葉投影面積を容易に算出できる葉面積算出方法、及びこの葉面積算出方法によって算出される葉投影面積を用いる収穫量予測方法を提供することを目的とする。 The present invention aims to provide a leaf area calculation method that can easily calculate leaf projection area by facilitating estimation of the scale of captured image data, and a harvest yield prediction method that uses the leaf projection area calculated by this leaf area calculation method.
請求項１記載の本発明の葉面積算出方法は、１株１収穫物となる野菜を圃場に定植した後、所定の時期に前記圃場の上方から複数の前記野菜を撮影した画像データを基に、前記野菜の葉面積を算出する葉面積算出方法であって、撮影した前記画像データから、画像処理によって前記野菜の個体を識別する個体識別ステップと、前記野菜の定植時における、畝間隔又は前記野菜の株間隔の設定値から、撮影した前記画像データのスケールを推定するスケール推定ステップと、前記スケール推定ステップで推定した前記スケールに基づいて、前記個体識別ステップで識別した前記野菜の前記個体について葉投影面積を算出する葉投影面積算出ステップとを有し、前記スケール推定ステップで用いる前記畝間隔の前記設定値は、対象とする畝について、それぞれの野菜列を前記野菜の中心位置から直線近似し、その直線間の距離と、前記畝を形成したときの間隔から求め、前記スケール推定ステップで用いる前記株間隔の前記設定値は、前記定植時における移植機で設定された移植間隔値を用いることを特徴とする。
請求項２記載の本発明は、請求項１に記載の葉面積算出方法において、前記個体識別ステップでは、前記野菜の前記個体の外輪を識別し、識別した前記外輪から前記個体の中心位置を推定し、少なくとも一つの畝に並ぶ前記個体をサンプリング対象個体群とし、前記サンプリング対象個体群の数を識別することを特徴とする。
請求項３記載の本発明は、請求項２に記載の葉面積算出方法において、前記葉投影面積算出ステップでは、前記サンプリング対象個体群の前記数と、前記サンプリング対象個体群の一端に位置する一方の前記個体の前記中心位置と前記サンプリング対象個体群の他端に位置する他方の前記個体の前記中心位置との中心間距離と、を用いることを特徴とする。
請求項４記載の本発明の収穫量予測方法は、請求項２又は請求項３に記載の葉面積算出方法によって算出される前記サンプリング対象個体群の前記個体についての前記葉投影面積を用いて、収穫予定日における前記サンプリング対象個体群の前記個体についての収穫重量を推定する収穫重量推定ステップを有することを特徴とする。
請求項５記載の本発明は、請求項４に記載の収穫量予測方法であって、前記収穫重量推定ステップでは、撮影した日を栽培ｎ日目とし、前記葉投影面積とｎ日目の日射量とを用いてｎ日目の日当たり受光量を算出し、算出したｎ日目の前記日当たり受光量からｎ日目の葉投影面積増加量及びｎ日目の収穫重増加量を算出し、ｎ日目の前記葉投影面積増加量をｎ日目の前記葉投影面積に加算してｎ＋１日目の前記葉投影面積を算出し、ｎ＋１日目の前記葉投影面積とｎ＋１日目の前記日射量とを用いてｎ＋１日目の前記日当たり受光量を算出し、算出したｎ＋１日目の前記日当たり受光量からｎ＋１日目の前記葉投影面積増加量及びｎ＋１日目の前記収穫重増加量を算出し、ｎ＋１日目の前記収穫重増加量をｎ＋１日目の前記収穫重量に加算してｎ＋２日目の前記収穫重量を算出し、前記収穫予定日まで、日単位で前記収穫重増加量を算出して加算することで前記収穫重量を推定することを特徴とする。
請求項６記載の本発明は、請求項４に記載の収穫量予測方法であって、前記収穫予定日を設定する収穫予定日設定ステップを有し、前記収穫重量推定ステップでは、前記葉投影面積と、撮影した日以降の日別の積算日射量と、平均気温とを用いて、前記収穫予定日設定ステップで設定した前記収穫予定日における前記サンプリング対象個体群の前記個体についての前記収穫重量を推定し、更に前記収穫重量を用いて前記圃場全体の収穫総重量を算出することを特徴とする。
The leaf area calculation method of the present invention described in claim 1 is a leaf area calculation method for calculating the leaf area of vegetables based on image data of a plurality of vegetables photographed from above the field at a predetermined time after the vegetables, which will be harvested one plant per plant, are planted in a field, and the method includes an individual identification step of identifying individual vegetables from the photographed image data by image processing, a scale estimation step of estimating the scale of the photographed image data from a set value of the row spacing or the vegetable plant spacing at the time of planting the vegetables, and a leaf projection area calculation step of calculating the leaf projection area of the individual vegetables identified in the individual identification step based on the scale estimated in the scale estimation step, wherein the set value of the row spacing used in the scale estimation step is obtained by linearly approximating each vegetable row from the center position of the vegetable for the target ridge, and calculating the distance between the straight lines and the spacing when the ridges were formed, and the set value of the plant spacing used in the scale estimation step is a transplanting spacing value set by a transplanter at the time of planting .
The present invention as described in claim 2 is characterized in that, in the leaf area calculation method as described in claim 1 , in the individual identification step, the outer ring of the individual of the vegetable is identified, the central position of the individual is estimated from the identified outer ring, the individuals lined up in at least one ridge are set as a sampling target population, and the number of the sampling target population is identified.
The present invention described in claim 3 is characterized in that, in the leaf area calculation method described in claim 2 , the leaf projection area calculation step uses the number of the sampling target population and the center-to-center distance between the center position of one of the individuals located at one end of the sampling target population and the center position of the other of the individuals located at the other end of the sampling target population.
The harvest yield prediction method of the present invention described in claim 4 is characterized in that it has a harvest weight estimation step of estimating the harvest weight of the individuals in the sampling population on the planned harvest date using the leaf projection area of the individuals in the sampling population calculated by the leaf area calculation method described in claim 2 or claim 3.
The present invention as set forth in claim 5 is the harvest yield prediction method as set forth in claim 4 , wherein in the harvest weight estimation step, the day when the photograph was taken is set as the nth day of cultivation, the leaf projection area and the amount of solar radiation on the nth day are used to calculate an amount of sunlight received per day on the nth day, an increase in leaf projection area on the nth day and an increase in harvest weight on the nth day are calculated from the calculated amount of sunlight received per day on the nth day, the increase in leaf projection area on the nth day is added to the leaf projection area on the nth day to calculate the leaf projection area on the nth day+1, and The method is characterized in that the amount of daily light received on the n+1th day is calculated using the leaf projection area and the amount of solar radiation on the n+1th day, the increase in leaf projection area on the n+1th day and the increase in harvest weight on the n+1th day are calculated from the calculated amount of daily light received on the n+1th day, the increase in harvest weight on the n+1th day is added to the harvest weight on the n+1th day to calculate the harvest weight on the n+2th day, and the harvest weight is estimated by calculating and adding the increase in harvest weight on a daily basis until the planned harvest date.
The present invention as described in claim 6 is a harvest yield prediction method as described in claim 4 , which includes a planned harvest date setting step for setting the planned harvest date, and in the harvest weight estimation step, the harvest weight of the individuals of the sampling target population on the planned harvest date set in the planned harvest date setting step is estimated using the leaf projection area, the daily accumulated solar radiation since the day the photograph was taken, and the average air temperature, and further the harvest weight is used to calculate the total harvest weight of the entire field.
本発明によれば、野菜の定植時における、畝間隔又は野菜の株間隔の設定値から、撮影した画像データのスケールを推定するため、葉投影面積を容易に算出することができる。 According to the present invention, the scale of the captured image data can be estimated from the set value of the row spacing or the spacing between vegetable plants when planting vegetables, so the leaf projection area can be easily calculated.
本発明の第１の実施の形態による葉面積算出方法は、撮影した画像データから、画像処理によって野菜の個体を識別する個体識別ステップと、野菜の定植時における、畝間隔又は野菜の株間隔の設定値から、撮影した画像データのスケールを推定するスケール推定ステップと、スケール推定ステップで推定したスケールに基づいて、個体識別ステップで識別した野菜の個体について葉投影面積を算出する葉投影面積算出ステップとを有し、スケール推定ステップで用いる畝間隔の設定値は、対象とする畝について、それぞれの野菜列を野菜の中心位置から直線近似し、その直線間の距離と、畝を形成したときの間隔から求め、スケール推定ステップで用いる株間隔の設定値は、定植時における移植機で設定された移植間隔値を用いるものである。
本実施の形態によれば、野菜の定植時における、畝間隔又は野菜の株間隔の設定値から、撮影した画像データのスケールを推定するため、葉投影面積を容易に算出することができる。
A leaf area calculation method according to a first embodiment of the present invention includes an individual identification step of identifying individual vegetables by image processing from photographed image data, a scale estimation step of estimating the scale of the photographed image data from a set value of the row spacing or the vegetable plant spacing at the time of planting the vegetables, and a leaf projection area calculation step of calculating the leaf projection area of each individual vegetable identified in the individual identification step based on the scale estimated in the scale estimation step, wherein the set value of the row spacing used in the scale estimation step is obtained by linearly approximating each vegetable row from the center position of the vegetable for the target ridge, and from the distance between the straight lines and the spacing when the ridges were formed, and the set value of the plant spacing used in the scale estimation step uses the transplanting spacing value set by the transplanter at the time of planting .
According to this embodiment, the scale of the captured image data is estimated from the set value of the row spacing or the spacing between vegetable plants when the vegetables are planted, so that the leaf projection area can be easily calculated.
本発明の第２の実施の形態は、第１の実施の形態による葉面積算出方法において、個体識別ステップでは、野菜の個体の外輪を識別し、識別した外輪から個体の中心位置を推定し、少なくとも一つの畝に並ぶ個体をサンプリング対象個体群とし、サンプリング対象個体群の数を識別するものである。
本実施の形態によれば、サンプリング対象個体群について葉投影面積を算出することで圃場全体についての葉面積算出が容易に行える。
A second embodiment of the present invention is a leaf area calculation method according to the first embodiment, in which in the individual identification step, the outer ring of each vegetable individual is identified, the central position of the individual is estimated from the identified outer ring, the individuals arranged in at least one ridge are set as a sampling target population, and the number of sampling target populations is identified.
According to this embodiment, by calculating the leaf projection area for the sampled population, the leaf area for the entire field can be easily calculated.
本発明の第３の実施の形態は、第２の実施の形態による葉面積算出方法において、葉投影面積算出ステップでは、サンプリング対象個体群の数と、サンプリング対象個体群の一端に位置する一方の個体の中心位置とサンプリング対象個体群の他端に位置する他方の個体の中心位置との中心間距離と、を用いるものである。
本実施の形態によれば、サンプリング対象個体群について正確に葉投影面積を算出することができる。
A third embodiment of the present invention is a leaf area calculation method according to the second embodiment, in which the leaf projection area calculation step uses the number of sampled populations and the center-to-center distance between the center position of one individual located at one end of the sampled population and the center position of another individual located at the other end of the sampled population.
According to this embodiment, it is possible to accurately calculate the leaf projection area for the sampled population.
本発明の第４の実施の形態による収穫量予測方法は、第２又は第３の実施の形態による葉面積算出方法によって算出されるサンプリング対象個体群の個体についての葉投影面積を用いて、収穫予定日におけるサンプリング対象個体群の個体についての収穫重量を推定する収穫重量推定ステップを有するものである。
本実施の形態によれば、収穫予定日におけるサンプリング対象個体群の個体についての収穫重量を容易に推定できる。
A harvest yield prediction method according to a fourth embodiment of the present invention includes a harvest weight estimation step of estimating the harvest weight of individuals in a sampling target population on the planned harvest date using the leaf projection area of the individuals in the sampling target population calculated by the leaf area calculation method according to the second or third embodiment.
According to this embodiment, the harvest weight of each individual plant in the sampling target population on the planned harvest date can be easily estimated.
本発明の第５の実施の形態は、第４の実施の形態による収穫量予測方法において、収穫重量推定ステップでは、撮影した日を栽培ｎ日目とし、葉投影面積とｎ日目の日射量とを用いてｎ日目の日当たり受光量を算出し、算出したｎ日目の日当たり受光量からｎ日目の葉投影面積増加量及びｎ日目の収穫重増加量を算出し、ｎ日目の葉投影面積増加量をｎ日目の葉投影面積に加算してｎ＋１日目の葉投影面積を算出し、ｎ＋１日目の葉投影面積とｎ＋１日目の日射量とを用いてｎ＋１日目の日当たり受光量を算出し、算出したｎ＋１日目の日当たり受光量からｎ＋１日目の葉投影面積増加量及びｎ＋１日目の収穫重増加量を算出し、ｎ＋１日目の収穫重増加量をｎ＋１日目の収穫重量に加算してｎ＋２日目の収穫重量を算出し、収穫予定日まで、日単位で収穫重増加量を算出して加算することで収穫重量を推定するものである。
本実施の形態によれば、撮影時の葉投影面積を基にして、収穫予定日まで、日単位での葉投影面積増加量及び収穫重増加量を算出することで、より精度の高い収穫重量を予測することができる。
A fifth embodiment of the present invention is a harvest yield prediction method according to the fourth embodiment, in which, in the harvest weight estimation step, the day on which the photograph was taken is the nth day of cultivation, the leaf projection area and the amount of solar radiation on the nth day are used to calculate the amount of daily light received on the nth day, an increase in leaf projection area on the nth day and an increase in harvest weight on the nth day are calculated from the calculated amount of daily light received on the nth day, the increase in leaf projection area on the nth day is added to the leaf projection area on the nth day to calculate the leaf projection area on the n+1th day, the leaf projection area on the n+1th day and the amount of solar radiation on the n+1th day are used to calculate the amount of daily light received on the n+1th day, an increase in leaf projection area on the n+1th day and an increase in harvest weight on the n+1th day are calculated from the calculated amount of daily light received on the n+1th day, the increase in harvest weight on the n+1th day is added to the harvest weight on the n+1th day to calculate the harvest weight on the n+2th day, and the harvest weight is estimated by calculating and adding the increase in harvest weight on a daily basis until the planned harvest date.
According to this embodiment, the increase in leaf projection area and the increase in harvest weight on a daily basis until the scheduled harvest date can be calculated based on the leaf projection area at the time of photography, thereby making it possible to predict the harvest weight with greater accuracy.
本発明の第６の実施の形態は、第４の実施の形態による収穫量予測方法において、収穫予定日を設定する収穫予定日設定ステップを有し、収穫重量推定ステップでは、葉投影面積と、撮影した日以降の日別の積算日射量と、平均気温とを用いて、収穫予定日設定ステップで設定した収穫予定日におけるサンプリング対象個体群の個体についての収穫重量を推定し、更に収穫重量を用いて圃場全体の収穫総重量を算出するものである。
本実施の形態によれば、収穫予定日における圃場全体の収穫総重量を容易に推定できる。
A sixth embodiment of the present invention, in the harvest yield prediction method of the fourth embodiment, includes a planned harvest date setting step for setting a planned harvest date, and in a harvest weight estimation step, the leaf projection area, the daily accumulated solar radiation since the day the image was taken, and the average air temperature are used to estimate the harvest weight of each individual in the sampled population on the planned harvest date set in the planned harvest date setting step, and the harvest weight is then used to calculate the total harvest weight of the entire field.
According to this embodiment, the total harvest weight of the entire farm field on the planned harvest date can be easily estimated.
以下本発明の一実施例による葉面積算出方法及び収穫量予測方法について説明する。
図１は本実施例による葉面積算出方法及び収穫量予測方法の処理ステップを示すフローチャート、図２は同葉面積算出方法を説明するためのサンプル写真である。
A leaf area calculation method and a harvest yield prediction method according to an embodiment of the present invention will be described below.
FIG. 1 is a flow chart showing the processing steps of a leaf area calculation method and a harvest yield prediction method according to the present embodiment, and FIG. 2 is a sample photograph for explaining the leaf area calculation method.
本実施例による葉面積算出方法は、圃場の上方から複数の野菜を撮影した画像データを用いて行う。圃場の上方からの撮影は、無人で遠隔操作や自動制御によって飛行できる航空機によって行うことができる。なお、農作業に用いる農業機械から撮影してもよい。
対象となる野菜は、１株１収穫物となる野菜であり、例えば、キャベツ、レタス、ホウレンソウ、ブロッコリーであるが、大根、人参、ネギ、玉ねぎにも適用できる。
画像データは、野菜を圃場に定植した後、所定の時期に撮影したものである。例えば、定植から収穫までの期間が３～４か月であるキャベツでは、定植から１か月ほど経過した頃に撮影を行う。レタスの場合は定植から２～４週間経過した頃に行う。いずれも、隣接する株の葉が接し始める時期に撮影することが好ましい。
The leaf area calculation method according to the present embodiment uses image data of a plurality of vegetables photographed from above the field. The photographing of the field from above can be performed by an unmanned aircraft that can fly by remote control or automatic control. The photographing can also be performed by an agricultural machine used in farm work.
The target vegetables are those that produce one harvest per plant, such as cabbage, lettuce, spinach, and broccoli, but the method can also be applied to radishes, carrots, green onions, and onions.
The image data is taken at a predetermined time after the vegetables are planted in the field. For example, for cabbage, which takes 3 to 4 months from planting to harvest, images are taken about one month after planting. For lettuce, images are taken about 2 to 4 weeks after planting. In either case, it is preferable to take images when the leaves of adjacent plants start to touch.
まず、撮影した画像データから、画像処理によって野菜の個体を識別する。
画像データを入力すると（Ｓ１）、画像データから野菜の個体の外輪を識別する。野菜の個体の外輪を識別することで野菜の個体を識別する。土壌又はマルチシート上の野菜を識別するには、画素を２値化することで処理を容易に行える。
隣接する画素間で濃度値を比較し、野菜の個体を土壌又はマルチシートと区別し、個体の外輪を識別する（Ｓ２）。
レタスの場合であれば、識別された外輪は、１個体の葉の外接円であると推定する。
識別した外輪（外接円）１の中心を個体の中心とみなして個体の中心位置２を推定する（Ｓ３）。なお、葉の投影形状から重心を求め、これを個体の中心とみなしてもよい。
図２では、識別した個体の外輪１と、外輪１から求められた個体の中心位置２を図示している。
中心位置２を推定できた個体の中から、サンプリング対象個体群を特定する（Ｓ４）。そしてサンプリング対象個体群の個体数を識別する（Ｓ５）。サンプリング対象個体群は隣接する２つの個体であってもよい。なお、サンプリング対象個体群として特定する全ての個体は、中心位置２を推定できた個体であることが好ましいが、中心位置２を推定できない個体が含まれていてもよい。サンプリング対象個体群の特定にあたっては、例えば、作業者が指示する範囲とする方法、予め指定された個体数分だけ離れた作物を対象とする方法、画面の中央付近、即ち画像を複数に分割した中央部分に含まれる中央位置に近い畝を抽出して特定する方法がある。
図２では、７つの個体をサンプリング対象個体群としたものを図示している。
Ｓ２からＳ５が個体識別ステップである。
このように、個体識別ステップでは、野菜の個体の外輪１を識別し、識別した外輪１から個体の中心位置２を推定し、少なくとも一つの畝に並ぶ個体をサンプリング対象個体群とし、サンプリング対象個体群の数を識別する。
First, individual vegetables are identified from the captured image data using image processing.
When image data is input (S1), the outer ring of each vegetable individual is identified from the image data. By identifying the outer ring of each vegetable individual, each vegetable individual is identified. To identify vegetables on soil or on a mulch sheet, the pixels are binarized to facilitate processing.
Density values are compared between adjacent pixels to distinguish vegetable individuals from soil or mulch sheets, and identify the outer rings of the individuals (S2).
In the case of lettuce, the identified outer ring is estimated to be the circumscribing circle of a leaf of one plant.
The center of the identified outer ring (circumscribing circle) 1 is regarded as the center of the individual, and the center position 2 of the individual is estimated (S3). Note that the center of gravity may be found from the projection shape of the leaf, and this may be regarded as the center of the individual.
FIG. 2 shows an outer ring 1 of an identified individual and a center position 2 of the individual determined from the outer ring 1.
A sampling target population is identified from among the individuals for which the central position 2 can be estimated (S4). Then, the number of individuals in the sampling target population is identified (S5). The sampling target population may be two adjacent individuals. Note that it is preferable that all individuals identified as the sampling target population are individuals for which the central position 2 can be estimated, but individuals for which the central position 2 cannot be estimated may be included. The sampling target population can be identified, for example, by a method of using a range specified by an operator, a method of targeting crops a predetermined number of individuals away, or a method of extracting and identifying a ridge near the center of the screen, i.e., a central position included in the central part of the image divided into multiple parts.
FIG. 2 illustrates a sampled population of seven individuals.
S2 to S5 are individual identification steps.
In this way, in the individual identification step, the outer ring 1 of each vegetable individual is identified, the center position 2 of the individual is estimated from the identified outer ring 1, the individuals lined up in at least one ridge are set as a sampling target population, and the number of sampling target populations is identified.
次に、野菜の定植時における畝間隔又は野菜の株間隔の設定値と、サンプリング対象個体群の数及び画像上の距離とから、撮影した画像データのスケールを推定する（スケール推定ステップ）。
スケール推定ステップ（Ｓ７）で用いる株間隔の設定値は、定植時における移植機で設定された移植間隔値とする（Ｓ６）。なお、野菜の株間隔に代えて、又は野菜の株間隔とともに、畝立て時の畝間の距離の設定値を用いることもできる。
野菜の株間隔の設定値を入力すると（Ｓ６）、画像データのスケールが推定される。推定されるスケールを、撮影された全体画像（例えば図２）に適用してもよい。
例えば株間隔の設定値が６０ｃｍであり、画像データにおける株間隔寸法が６ｃｍであれば、スケール変換係数は０．１と推定され、画像データのスケールは、画像データにおける１ｃｍの寸法が１０ｃｍであると推定される。
Next, the scale of the captured image data is estimated from the set value of the row spacing or the spacing between vegetable plants when the vegetables are planted, the number of individuals to be sampled, and the distance on the image (scale estimation step).
The set value of the plant spacing used in the scale estimation step (S7) is the transplanting spacing value set by the transplanter at the time of planting (S6). Note that instead of or together with the vegetable plant spacing, the set value of the distance between the ridges at the time of ridge creation can also be used.
When a set value for the spacing between vegetable plants is input (S6), the scale of the image data is estimated. The estimated scale may be applied to the entire captured image (e.g., FIG. 2).
For example, if the set value of the stock spacing is 60 cm and the stock spacing dimension in the image data is 6 cm, the scale conversion coefficient is estimated to be 0.1, and the scale of the image data is estimated to be 10 cm for a dimension of 1 cm in the image data.
画像データのスケールが推定されると、推定したスケールに基づいて、個体識別ステップ（Ｓ５）で識別した野菜の個体について、Ｓ２で識別された個体の外輪１を用いて、葉投影面積を算出する（葉投影面積算出ステップ）。
葉投影面積算出ステップ（Ｓ８）では、画像データ中の個々の作物に対してスケール変換係数を用いて、個々の作物の実際の葉面積を算出することができ、又は、画像データ中に占める葉の面積を集計し、それに対してスケール変換係数を用いて、画像データ内における葉面積を算出することができる。
葉投影面積算出ステップ（Ｓ８）では、サンプリング対象個体群を、１枚の画像の中で複数個所から抽出することが好ましい。サンプリング対象個体群について、その両端の距離と個体数とでスケールを割りだす方法は、作物の中心位置２の推定誤差を軽減することができる。この場合にも、得られたスケールを当該作物群に適用する方法と、圃場全体に適用する方法がある。割り出したスケールとＳ２で識別された個体の外輪１を用いて葉投影面積を算出することができる。
また、畝に沿って２個ずつ作物群を識別し、当該２個について葉投影面積を算出してもよい。例えば、カメラの特性により、中心部と周辺部で拡大率が異なり、ゆがみが発生したりした場合であっても、その影響を軽減できる。
Once the scale of the image data has been estimated, the leaf projection area is calculated for each vegetable individual identified in the individual identification step (S5) based on the estimated scale, using the outer ring 1 of the individual identified in S2 (leaf projection area calculation step).
In the leaf projection area calculation step (S8), the actual leaf area of each crop can be calculated using a scale conversion factor for each crop in the image data, or the leaf area in the image data can be tallied and the leaf area in the image data can be calculated using the scale conversion factor.
In the leaf projection area calculation step (S8), it is preferable to extract the sampled population from multiple locations in one image. A method of calculating the scale of the sampled population from the distance between both ends and the number of individuals can reduce the estimation error of the center position 2 of the crop. In this case, too, there is a method of applying the obtained scale to the crop group, and a method of applying it to the entire field. The leaf projection area can be calculated using the calculated scale and the outer ring 1 of the individual identified in S2.
Alternatively, two crops may be identified along a ridge, and the leaf projection area may be calculated for each of the two. For example, even if the magnification rate differs between the center and the periphery due to the characteristics of the camera, causing distortion, the effect of this can be reduced.
このように、野菜の定植時における、畝間隔又は野菜の株間隔の設定値から、撮影した画像データのスケールを推定するため、葉投影面積を容易に算出することができる。
また、株間隔の設定値として、定植時における移植機で設定された移植間隔値を用いることで、撮影した画像データのスケールを容易に推定できる。
畝間隔を用いる場合には、それぞれの畝に定植された作物が一列に並ぶとは限らず、対象とする畝について、それぞれの作物列を作物の中心位置２から直線近似し、その直線間の距離と、畝を形成したときの間隔からスケールを求めることができる。この場合にも、隣接する畝間だけでなく、離れた畝間を用いてもよい。
また、サンプリング対象個体群の数と、サンプリング対象個体群の一端に位置する一方の個体の中心位置２とサンプリング対象個体群の他端に位置する他方の個体の中心位置２との中心間距離と、を用いることで、サンプリング対象個体群について正確に葉投影面積を算出することができる。
葉面積の算出にあたっては、圃場全体としてとらえる方法もある。すなわち、撮影された画像の株間隔又は畝間隔からスケールを求め、撮影された画像中の葉に相当する画素部分を積算し、画像全体に占める画素に対する比率を算出する。一方、スケールから撮影された圃場の実面積を算出し、圃場全体の面積に対する撮影された圃場の実面積の比を求める。このようにして演算することで、圃場の実面積を基にした圃場全体の葉の実面積を算出することができる。
In this way, the scale of the captured image data can be estimated from the set value of the row spacing or the spacing between vegetable plants when the vegetables are planted, so that the leaf projected area can be easily calculated.
In addition, by using the transplanting interval value set by the transplanter at the time of planting as the setting value for the plant interval, the scale of the captured image data can be easily estimated.
When using ridge spacing, crops planted on each ridge are not necessarily aligned in a line, and for the target ridge, each crop row is approximated as a straight line from the center position 2 of the crop, and the scale can be found from the distance between the straight lines and the spacing when the ridges are formed. In this case, not only adjacent ridges but also distant ridges may be used.
In addition, by using the number of sampled populations and the center-to-center distance between the center position 2 of one individual located at one end of the sampled population and the center position 2 of the other individual located at the other end of the sampled population, the leaf projection area of the sampled population can be accurately calculated.
There is also a method for calculating leaf area that considers the entire field. That is, a scale is found from the spacing between plants or rows in the photographed image, and the pixel parts corresponding to leaves in the photographed image are added up to calculate the ratio to the pixels in the entire image. Meanwhile, the actual area of the photographed field is calculated from the scale, and the ratio of the actual area of the photographed field to the area of the entire field is calculated. By performing this calculation, the actual leaf area of the entire field can be calculated based on the actual area of the field.
なお、個体識別及び個体数の計測は、以下の方法でもよい。
第１の方法は、撮像された画像中の任意の隣接した２つの株１組を抽出し、その株間の画像データ上の距離を求める。最も簡単に処理できる方法であり、この場合、求められたスケール変換係数を画像全体に適用する場合には、撮影された画像データの中心部に近いところから株を抽出することで、画像データのゆがみ等が軽減される。
一方、例えば撮像された画像データを、例えば中央部、右上部、左上部、右下部、左下部に区分し、それぞれの領域内で２つの株１組を抽出し、それぞれの株１組に対してスケール変換係数を求めることでも、撮像装置による画像データのゆがみによる影響を軽減できる。
第２の方法は、画像データ中から隣接した複数組の株を抽出し、それぞれから得られた株間の画像データ上の間隔値の平均を求める。そして、算出された株間の間隔値を撮像された画像データ全体に適用する。
第３の方法は、同一畝上の複数の作物（個体）から算出する方法であり、図２に示されるように、複数の株（この場合７個）を抽出したうえで、隣接する株間それぞれの画像データ上の間隔値を算出してそれを平均化する。平均化することにより、誤差を軽減することができ、第２の方法に近い効果が得られる。
第４の方法は、同一畝上の複数の作物（個体）から算出する方法であり、図２に示されている複数の株の両端の株間の距離を検出し、その間に挟まれた株の個数＋１（図２の場合は５＋１）で除すことにより画像データ上の株間の距離を求める。第３の方法よりも手間がかからず、また、離れた２点間の距離を用いることから、誤差を軽減することができる。更に、間に挟まれた株に対して、外輪１が識別（検出）できなかった場合でも、算出が可能となる。
第５の方法は、畝間を算出する方法であり、畝の方向に直角方向に画像データ上の株の間隔を、画像データより畝方向を検出し、それに直角な仮想線を引き、その仮想線に近いところに位置する隣接する一対の株を抽出してその距離を求める。第１の方法の方向を変えたものであり、第２の方法、第３の方法、及び第４の方法にも適用できる。
第６の方法は、畝間を算出する方法であり、図２に示されているような複数個からなる作物列から、その中心を繋ぐ直線を求める。直線は例えば最小二乗法を用いて求めることができる。これを例えば隣接する二つの畝でそれぞれ直線を求め、その間の距離を求めることで、畝間の画像データ上の間隔を求める。
なお、第３の方法や第４の方法の場合には、予め抽出する作物（個体）の数（又は間に挟む作物（個体）の数）を指定して、自動的に抽出するようにしてもよいし、画像データを見ながら作業者が指定してもよい。
第５の方法や第６の方法の場合は、移植機の移植間隔ではなく、畝立機による畝の間隔となる。
The individual identification and counting of the number of individuals may be performed by the following method.
The first method is to extract any pair of adjacent plants in the captured image and calculate the distance between the plants on the image data. This is the simplest method, and in this case, when the calculated scale conversion coefficient is applied to the entire image, distortion of the image data is reduced by extracting plants from near the center of the captured image data.
On the other hand, the effects of distortion of image data caused by the imaging device can also be reduced by dividing the captured image data into, for example, the center, upper right, upper left, lower right, and lower left, extracting a set of two plants from each region, and calculating a scale conversion coefficient for each set of plants.
The second method involves extracting a number of adjacent pairs of plants from the image data, calculating the average of the spacing values between the plants on the image data obtained from each pair, and applying the calculated spacing value between the plants to the entire captured image data.
The third method is a calculation method for multiple crops (individuals) on the same ridge, in which multiple plants (7 in this case) are extracted, and the distance values between adjacent plants on the image data are calculated and averaged, as shown in Figure 2. By averaging, it is possible to reduce errors and obtain an effect similar to that of the second method.
The fourth method is a calculation method based on multiple crops (individuals) on the same ridge, and involves detecting the distance between the multiple plants at both ends of the plants shown in Figure 2, and dividing this by the number of plants between them + 1 (5 + 1 in the case of Figure 2) to determine the distance between the plants in the image data. This method is less time-consuming than the third method, and since it uses the distance between two distant points, it is possible to reduce errors. Furthermore, calculation is possible even if the outer ring 1 cannot be identified (detected) for the plants between them.
The fifth method is a method for calculating the distance between ridges, in which the distance between plants on the image data is calculated in a direction perpendicular to the ridge direction, the ridge direction is detected from the image data, a virtual line perpendicular to the ridge direction is drawn, and a pair of adjacent plants located close to the virtual line are extracted to calculate the distance between them. This is a change in the direction of the first method, and can also be applied to the second, third, and fourth methods.
The sixth method is a method for calculating the distance between rows of furrows, in which a straight line connecting the centers of multiple crop rows as shown in Figure 2 is found. The straight line can be found, for example, using the least squares method. By finding a straight line for each of two adjacent furrows and calculating the distance between them, the distance between the furrows on the image data can be found.
In the case of the third and fourth methods, the number of crops (individuals) to be extracted (or the number of crops (individuals) to be sandwiched between) may be specified in advance so that they are extracted automatically, or the operator may specify them while looking at the image data.
In the case of the fifth and sixth methods, the spacing between the ridges is determined by the ridge-making machine, not the transplanting spacing by the transplanter.
次に、収穫予定日を設定する（収穫予定日設定ステップ）。
収穫予定日設定ステップ（Ｓ９）で収穫予定日を設定することで、収穫予定日におけるサンプリング対象個体群の個体についての収穫重量を推定することができる（収穫重量推定ステップ）。
収穫重量推定ステップ（Ｓ１０）では、撮影した日の個体の葉投影面積と、撮影した日以降の日別の積算日射量と、平均気温とを用いて、収穫予定日設定ステップで設定した収穫予定日におけるサンプリング対象個体群の個体についての収穫重量を推定する。
そして、サンプリング対象個体群の個体についての収穫重量を用いて圃場全体の収穫総重量を算出する（Ｓ１１）。圃場全体の収穫総重量を算出するにあたっては、サンプリング対照群の個体に対して推定された収穫重量、あるいはサンプリング対照群の個体それぞれに推定された収穫重量の平均値を基に収穫総重量を求めることができる。このとき、収穫重量又は収穫重量の平均値と定植数をかけて求めてもよい。また、定植数に代えて、畝間隔又は野菜の株間隔の設定値と圃場面積を用いてもよい。
なお、サンプル対照群の個体について推定される重量によりランク分けを行い、それぞれのランクに収まる比率を算出するとともに、出荷基準に対して大きすぎるランクあるいは小さすぎるランクに含まれる個体を除外するようにしてもよい。この場合、上記比率を用いて収穫総重量からその分を減らすようにしてよい。
Next, a planned harvest date is set (planned harvest date setting step).
By setting a planned harvest date in the planned harvest date setting step (S9), it is possible to estimate the harvest weight of each individual in the sampling target population on the planned harvest date (harvest weight estimation step).
In the harvest weight estimation step (S10), the leaf projection area of the individual on the day the photograph was taken, the daily accumulated solar radiation since the day the photograph was taken, and the average temperature are used to estimate the harvest weight of each individual in the sampling target population on the planned harvest date set in the planned harvest date setting step.
Then, the total harvest weight of the entire field is calculated using the harvest weights of the individuals in the sampling population (S11). In calculating the total harvest weight of the entire field, the total harvest weight can be calculated based on the harvest weights estimated for the individuals in the sampling control group, or the average of the harvest weights estimated for each individual in the sampling control group. In this case, the total harvest weight may be calculated by multiplying the harvest weight or the average of the harvest weights by the number of plantings. Also, instead of the number of plantings, the set value of the row spacing or the spacing between vegetable plants and the field area may be used.
Alternatively, the control sample may be ranked according to the estimated weight of the individual plants, the proportion of each rank may be calculated, and individuals that are too large or too small for the shipping standard may be removed. In this case, the total harvest weight may be reduced by the proportion.
図３は、画像データから算出した撮影時の葉投影面積を基にした収穫重量（キャベツの場合、結球重）推定方法を示すフローチャートである。
撮影時の葉投影面積を「ｎ日目の葉投影面積」として用いる（Ｓ２１）。なお、例えばｎを、定植１日目としてもよい。
そして、「ｎ日目の葉投影面積」を基に「ｎ日目の葉受光面積」を算出する（Ｓ２２）。
Ｓ２２における「ｎ日目の葉受光面積」の算出にあたっては作付圃場における畝間及び株間の設定値を用いる。ここで、隣接する株の葉が接していない状態では、「ｎ日目の葉投影面積」が「ｎ日目の葉受光面積」となる。隣接する株の葉が畝間×株間全体を覆っている場合、すなわち「ｎ日目の葉投影面積」が畝間×株間の面積より大きい状態では、畝間×株間の面積が「ｎ日目の葉受光面積」となる。なお、隣接する株の葉が接しているが、畝間×株間全体を覆っていない状態では、例えば葉受光面積＝ｆ（葉投影面積・株間・畝間）の関数を用いて算出することができる。
Ｓ２２における「ｎ日目の葉受光面積」とｎ日目の全天日射量とから「日当たり受光量」を算出する（Ｓ２３）。
Ｓ２３における「日当たり受光量」から「葉投影面積増加量（ΔVPA）」を算出する（Ｓ２４）。
Ｓ２４における「葉投影面積増加量」の算出にあたっては、日射利用効率（radiation use efficiency；以下ＲＵＥ）に基づく葉面積増加係数（ＲＵＥLA）を用いる。植物体では、日あたり受光量（DIR n）と植物体の増加量とが比例しているとみなすことができ、その比例定数（係数）のことを、日射利用効率（RUE）という。ＲＵＥは、日射量と作物の受光態勢について一種の標準化を行っているとみなせるものである。葉面積増加係数（ＲＵＥLA）は、葉面積の増加にかかわる日射利用効率、葉投影面積増加量（ΔVPA）は、日あたり受光量と葉面積増加係数の積であり、葉投影面積増加量（ΔVPA）＝日あたり受光量（DIR n）×葉面積増加係数（ＲＵＥLA）となる。
Ｓ２４における「葉投影面積増加量」を、Ｓ２１における「ｎ日目の葉投影面積」に加算することで「ｎ＋１日目の葉投影面積」を算出することができる（Ｓ２５）。ここで、隣接する株の葉が接していない状態では、葉面積と葉投影面積は等しいとみなす。
そして、Ｓ２５における「ｎ＋１日目の葉投影面積」を、Ｓ２１における「ｎ日目の葉投影面積」として、Ｓ２２からＳ２４までを行うことで、更に「ｎ＋２日目の葉投影面積」を算出することができる。
なお、Ｓ２３の「日当たり受光量」の算出に用いる全天日射量には、予報値や年平均値を用いることができる。
このように、撮影時の葉投影面積を基にして、収穫予定日まで、日単位での「葉投影面積増加量」を算出することで、より精度の高い葉面積を予測することができる。
FIG. 3 is a flowchart showing a method for estimating harvest weight (head weight in the case of cabbage) based on the leaf projected area at the time of photography calculated from image data.
The leaf projection area at the time of photographing is used as the "leaf projection area on the nth day" (S21). Note that, for example, n may be the first day after planting.
Then, the "leaf light-receiving area on the nth day" is calculated based on the "leaf projection area on the nth day" (S22).
In calculating the "leaf light receiving area on the nth day" in S22, the set values of the furrow spacing and plant spacing in the cultivated field are used. Here, when the leaves of adjacent plants are not in contact, the "leaf projected area on the nth day" becomes the "leaf light receiving area on the nth day". When the leaves of adjacent plants cover the entire furrow x plant spacing, that is, when the "leaf projected area on the nth day" is larger than the area of furrow x plant spacing, the area of furrow x plant spacing becomes the "leaf light receiving area on the nth day". Note that when the leaves of adjacent plants are in contact but do not cover the entire furrow x plant spacing, the leaf light receiving area can be calculated using, for example, a function of f (leaf projected area x plant spacing x furrow spacing).
The "amount of light received per day" is calculated from the "leaf light receiving area on the nth day" in S22 and the amount of global solar radiation on the nth day (S23).
The "increase in leaf projected area (ΔVPA)" is calculated from the "amount of received light per day" in S23 (S24).
In calculating the "leaf projected area increment" in S24, a leaf area increment coefficient (RUE LA ) based on the radiation use efficiency (hereinafter referred to as RUE) is used. In a plant, the daily amount of light received (DIR n) can be considered to be proportional to the amount of increase in the plant, and the proportional constant (coefficient) is called the radiation use efficiency (RUE). RUE can be considered to be a kind of standardization of the amount of light received and the light receiving posture of the crop. The leaf area increment coefficient (RUE LA ) is the radiation use efficiency related to the increase in leaf area, and the leaf projected area increment (ΔVPA) is the product of the daily amount of light received and the leaf area increment coefficient, so that the leaf projected area increment (ΔVPA) = daily amount of light received (DIR n) × leaf area increment coefficient (RUE LA ).
The "leaf projection area on day n+1" can be calculated by adding the "leaf projection area increase" in S24 to the "leaf projection area on day n" in S21 (S25). Here, when the leaves of adjacent plants are not in contact with each other, the leaf area and the leaf projection area are considered to be equal.
Then, by setting the "leaf projection area on day n+1" in S25 as the "leaf projection area on day n" in S21 and performing steps S22 to S24, the "leaf projection area on day n+2" can be further calculated.
The amount of global solar radiation used to calculate the "amount of received light per day" in S23 may be a forecast value or an annual average value.
In this way, by calculating the "increase in leaf projected area" on a daily basis until the planned harvest date based on the leaf projected area at the time of photography, it is possible to predict the leaf area with greater accuracy.
一方、Ｓ２３における「日当たり受光量」から「地上部重増加量」を算出する（Ｓ３１）。
Ｓ３１における「地上部重増加量（ΔTW）」の算出にあたっては、ＲＵＥに基づく地上部重増加係数（ＲＵＥTW）を用いる。地上部重増加係数（ＲＵＥTW）は、地上部重の増加にかかわる日射利用効率、地上部重増加量（ΔTW）は、日あたり受光量と地上部重増加係数の積であり、地上部重増加量（ΔTW）＝日あたり受光量（DIR n）×地上部重増加係数（ＲＵＥTW）となる。
Ｓ３１における「地上部重増加量」を、「ｎ日目の地上部重」に加算することで「ｎ＋１日目の地上部重」を算出することができる（Ｓ３２）。ここで、「ｎ日目の地上部重」は、例えば定植日の重量と定植日からの日数を用いて算出することができる。
そして、Ｓ３２における「ｎ＋１日目の地上部重」を、「ｎ日目の地上部重」とし、Ｓ２５における「ｎ＋１日目の葉投影面積」をＳ２１における「ｎ日目の葉投影面積」として算出されたＳ２３における「日当たり受光量」を基に算出した「地上部重増加量」を加算することで、更に「ｎ＋２日目の地上部重」を算出することができる。
このように、撮影時の葉投影面積を基にして、収穫予定日まで、日単位での「葉投影面積増加量」及び「地上部重増加量」を算出することで、より精度の高い地上部重（収穫重量）を予測することができる。
On the other hand, the "above-ground weight increase" is calculated from the "amount of light received per day" in S23 (S31).
In calculating the "above-ground weight increase (ΔTW)" in S31, the above-ground weight increase coefficient (RUE TW ) based on RUE is used. The above-ground weight increase coefficient (RUE TW ) is the solar radiation utilization efficiency related to the increase in above-ground weight, and the above-ground weight increase (ΔTW) is the product of the amount of light received per day and the above-ground weight increase coefficient, and is expressed as follows: above-ground weight increase (ΔTW) = amount of light received per day (DIR n) × above-ground weight increase coefficient (RUE TW ).
The "above-ground weight on day n+1" can be calculated by adding the "above-ground weight on day n" to the "above-ground weight on day n" in S31 (S32). Here, the "above-ground weight on day n" can be calculated, for example, using the weight on the planting day and the number of days from the planting day.
Then, the "above ground weight on day n+1" in S32 is set as the "above ground weight on day n," and the "leaf projection area on day n+1" in S25 is added to the "above ground weight increase" calculated based on the "amount of received light per day" in S23 calculated as the "leaf projection area on day n" in S21, thereby further calculating the "above ground weight on day n+2."
In this way, by calculating the “increase in leaf projection area” and “increase in above-ground weight” on a daily basis until the planned harvest date based on the leaf projection area at the time of photography, it is possible to predict the above-ground weight (harvest weight) with greater accuracy.
また、結球開始以降については、Ｓ３１における「地上部重増加量」から「結球重増加量（ΔＤＷ）」を算出する（Ｓ３３）。
Ｓ３３における「結球重増加量」の算出にあたっては、結球分配率（ＤＨ）を用いる。結球分配率（ＤＨ）は、地上部重増加量（ΔTW）のうち、結球部に分配される重量の割合であり、結球重増加量（ΔＤＷ）＝地上部重増加量（ΔTW）×結球分配率（ＤＨ）となる。
ここで、結球分配率ＤＨは、キャベツの場合、非特許文献２で開示されている下記の式を用いることができる。
結球分配率＝０．３／（１＋ｅｘｐ（（４－日平均気温）／２））＋０．５
Ｓ３３における「結球重増加量」を、「ｎ日目の結球重」に加算することで「ｎ＋１日目の結球重」を算出することができる（Ｓ３４）。ここで、「ｎ日目の結球重」は、例えば定植日の重量と定植日からの日数を用いて算出することができる。
そして、Ｓ３４における「ｎ＋１日目の結球重」を、「ｎ日目の結球重」とし、Ｓ２５における「ｎ＋１日目の葉投影面積」をＳ２１における「ｎ日目の葉投影面積」として算出されたＳ２３における「日当たり受光量」及びＳ３１における「地上部重増加量」を基に算出した「結球重増加量」を加算することで、更に「ｎ＋１日目の結球重」を算出することができる。
このように、撮影時の葉投影面積を基にして、収穫予定日まで、日単位での「葉投影面積増加量」、「地上部重増加量」、及び「結球重増加量」を算出することで、より精度の高い結球重（収穫重量）を予測することができる。
In addition, after the start of heading, the "increase in head weight (ΔDW)" is calculated from the "increase in above-ground weight" in S31 (S33).
The head distribution ratio (DH) is used to calculate the "head weight increase" in S33. Head distribution ratio (DH) is the proportion of the weight distributed to the head out of the above-ground weight increase (ΔTW), and is expressed as head weight increase (ΔDW) = above-ground weight increase (ΔTW) × head distribution ratio (DH).
Here, in the case of cabbage, the head distribution ratio DH can be calculated using the following formula disclosed in Non-Patent Document 2.
Head distribution rate = 0.3/(1 + exp((4-day average temperature)/2)) + 0.5
The "head weight on day n+1" can be calculated by adding the "head weight on day n" to the "head weight on day n" in S33 (S34). Here, the "head weight on day n" can be calculated, for example, using the weight on the planting day and the number of days from the planting day.
Then, the "head weight on the n+1th day" in S34 is set as the "head weight on the nth day", and the "leaf projection area on the n+1th day" in S25 is added to the "leaf projection area on the nth day" in S21, calculated based on the "amount of daily light received" in S23, and the "above-ground weight increase" in S31, so that the "head weight on the n+1th day" can be further calculated.
In this way, by calculating the "increase in leaf projection area,""increase in aboveground weight," and "increase in head weight" on a daily basis until the planned harvest date based on the leaf projection area at the time of photography, it is possible to predict head weight (harvested weight) with greater accuracy.
図４は、地上部重と結球重について、図３のフローチャートに基づく生育シミュレーションの推定値と、調査による実測値との比較を示すグラフである。
図４（ａ）は地上部新鮮重の変化を示し、図４（ｂ）は結球部新鮮重の変化を示し、グラフ中、折れ線は本実施例による生育シミュレーションの推定値、ドットはサンプリング調査による実測値である。
図４に示すように、地上部新鮮重及び結球部新鮮重のいずれも精度よく推定できている。
Figure 4 is a graph showing a comparison of above-ground weight and head weight estimated from a growth simulation based on the flowchart of Figure 3 with actual measured values from a survey.
Figure 4(a) shows the change in fresh weight of the above-ground part, and Figure 4(b) shows the change in fresh weight of the head part, in which the broken lines represent estimated values from a growth simulation using this embodiment, and the dots represent actual measured values from a sampling survey.
As shown in Figure 4, both the fresh weight of the aboveground part and the fresh weight of the head could be estimated with high accuracy.
このように、収穫予定日におけるサンプリング対象個体群の個体についての収穫重量を容易に推定でき、更に、収穫予定日における圃場全体の収穫総重量を容易に推定できる。
なお、収穫予定日におけるサンプリング対象個体群の個体について、重量別にクラス分けすることもできる。更には、野菜一個一個に識別コードを付し、識別コードと収穫重量予測を関連付けることにより、収穫時にその情報を収穫機に提供することで、所定重量に満たない野菜の収穫をスキップ（廃棄）し、分別して収穫し、又は所定重量に満たない野菜について収穫時期を遅らす、などといった対応を行うことも可能となる。
In this way, the harvest weight of each individual plant in the sampled population on the planned harvest date can be easily estimated, and further, the total harvest weight of the entire field on the planned harvest date can be easily estimated.
In addition, the vegetables in the sampled population on the planned harvest date can be classified by weight. Furthermore, by attaching an identification code to each vegetable and associating the identification code with a predicted harvest weight, this information can be provided to a harvester at the time of harvest, allowing the harvester to skip (discard) vegetables that do not meet a certain weight, harvest them separately, or delay the harvesting of vegetables that do not meet a certain weight.
本発明による葉面積算出方法及び収穫量予測方法は、露地野菜等の生産、流通、販売に関わる生産者と実需者の双方で利用できる。 The leaf area calculation method and yield prediction method of the present invention can be used by both producers and actual users involved in the production, distribution, and sales of outdoor vegetables, etc.
１ 外輪
２ 中心位置
Ｓ２～Ｓ５ 個体識別ステップ
Ｓ７ スケール推定ステップ
Ｓ８ 葉投影面積算出ステップ
Ｓ９ 収穫予定日設定ステップ
Ｓ１０ 収穫重量推定ステップ
1 Outer ring 2 Center position S2 to S5 Individual identification step S7 Scale estimation step S8 Leaf projection area calculation step S9 Planned harvest date setting step S10 Harvest weight estimation step
Claims (6)
撮影した前記画像データから、画像処理によって前記野菜の個体を識別する個体識別ステップと、
前記野菜の定植時における、畝間隔又は前記野菜の株間隔の設定値から、撮影した前記画像データのスケールを推定するスケール推定ステップと、
前記スケール推定ステップで推定した前記スケールに基づいて、前記個体識別ステップで識別した前記野菜の前記個体について葉投影面積を算出する葉投影面積算出ステップと
を有し、
前記スケール推定ステップで用いる前記畝間隔の前記設定値は、対象とする畝について、それぞれの野菜列を前記野菜の中心位置から直線近似し、その直線間の距離と、前記畝を形成したときの間隔から求め、
前記スケール推定ステップで用いる前記株間隔の前記設定値は、前記定植時における移植機で設定された移植間隔値を用いる
ことを特徴とする葉面積算出方法。 A method for calculating a leaf area of a vegetable, the method comprising: planting a vegetable in a field, the vegetable being harvested one stalk at a time; and calculating a leaf area of the vegetable based on image data of a plurality of the vegetables photographed from above the field at a predetermined time, the method comprising:
an individual identification step of identifying individual vegetables by image processing based on the captured image data;
a scale estimating step of estimating a scale of the captured image data from a set value of a row interval or a plant interval of the vegetable when the vegetable is planted;
a leaf projection area calculation step of calculating a leaf projection area for the individual of the vegetable identified in the individual identification step based on the scale estimated in the scale estimation step,
The set value of the ridge interval used in the scale estimation step is calculated by linearly approximating each vegetable row from the center position of the vegetable for the target ridge, and calculating the distance between the straight lines and the interval when the ridges are formed;
A leaf area calculation method, characterized in that the set value of the plant spacing used in the scale estimation step is a transplanting spacing value set by a transplanter at the time of planting .
ことを特徴とする請求項１に記載の葉面積算出方法。 The leaf area calculation method described in claim 1, characterized in that in the individual identification step, the outer ring of the individual of the vegetable is identified, the central position of the individual is estimated from the identified outer ring, the individuals lined up in at least one ridge are set as a sampling target population, and the number of the sampling target populations is identified.
ことを特徴とする請求項２に記載の葉面積算出方法。 The leaf area calculation method described in claim 2, characterized in that the leaf projection area calculation step uses the number of the sampling target population and the center-to-center distance between the center position of one of the individuals located at one end of the sampling target population and the center position of the other of the individuals located at the other end of the sampling target population.
を有する
ことを特徴とする収穫量予測方法。 A harvest yield prediction method, comprising a harvest weight estimation step of estimating the harvest weight of the individuals in the sampling population on the planned harvest date using the leaf projection area of the individuals in the sampling population calculated by the leaf area calculation method described in claim 2 or claim 3.
撮影した日を栽培ｎ日目とし、前記葉投影面積とｎ日目の日射量とを用いてｎ日目の日当たり受光量を算出し、
算出したｎ日目の前記日当たり受光量からｎ日目の葉投影面積増加量及びｎ日目の収穫重増加量を算出し、
ｎ日目の前記葉投影面積増加量をｎ日目の前記葉投影面積に加算してｎ＋１日目の前記葉投影面積を算出し、
ｎ＋１日目の前記葉投影面積とｎ＋１日目の前記日射量とを用いてｎ＋１日目の前記日当たり受光量を算出し、
算出したｎ＋１日目の前記日当たり受光量からｎ＋１日目の前記葉投影面積増加量及びｎ＋１日目の前記収穫重増加量を算出し、
ｎ＋１日目の前記収穫重増加量をｎ＋１日目の前記収穫重量に加算してｎ＋２日目の前記収穫重量を算出し、
前記収穫予定日まで、日単位で前記収穫重増加量を算出して加算することで前記収穫重量を推定する
ことを特徴とする請求項４に記載の収穫量予測方法。 In the harvest weight estimation step,
The day of the photograph is designated as the nth day of cultivation, and the amount of sunlight received on the nth day is calculated using the leaf projection area and the amount of sunlight received on the nth day.
Calculate the leaf projected area increase on the nth day and the harvest weight increase on the nth day from the calculated daily light reception amount on the nth day,
The leaf projection area increase amount on the nth day is added to the leaf projection area on the nth day to calculate the leaf projection area on the n+1th day;
Calculating the amount of sunlight received on the n+1th day using the leaf projection area on the n+1th day and the amount of sunlight received on the n+1th day;
Calculate the leaf projected area increase on the n+1th day and the harvest weight increase on the n+1th day from the calculated daily light reception amount on the n+1th day,
The harvest weight increase on the n+1th day is added to the harvest weight on the n+1th day to calculate the harvest weight on the n+2th day;
5. The method for predicting harvest yield according to claim 4 , wherein the harvest weight is estimated by calculating and adding up the increase in harvest weight on a daily basis until the planned harvest date.
前記収穫重量推定ステップでは、前記葉投影面積と、撮影した日以降の日別の積算日射量と、平均気温とを用いて、前記収穫予定日設定ステップで設定した前記収穫予定日における前記サンプリング対象個体群の前記個体についての前記収穫重量を推定し、更に前記収穫重量を用いて前記圃場全体の収穫総重量を算出する
ことを特徴とする請求項４に記載の収穫量予測方法。 A planned harvest date setting step for setting the planned harvest date,
The harvest weight estimation step estimates the harvest weight of each individual in the sampled population on the planned harvest date set in the planned harvest date setting step using the leaf projection area, the daily accumulated solar radiation since the date of photography, and the average temperature, and further calculates the total harvest weight of the entire field using the harvest weight.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020049370 | 2020-03-19 | ||
| JP2020049370 | 2020-03-19 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021151228A JP2021151228A (en) | 2021-09-30 |
| JP7565081B2 true JP7565081B2 (en) | 2024-10-10 |
Family
ID=77886289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021043548A Active JP7565081B2 (en) | 2020-03-19 | 2021-03-17 | Leaf area calculation method and yield prediction method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7565081B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2025057873A1 (en) * | 2023-09-14 | 2025-03-20 | 日本電気株式会社 | Estimation device, display device, image generation device, estimation method, display method, image generation method, and recording medium |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010231733A (en) | 2009-03-30 | 2010-10-14 | Japan Research Institute Ltd | Agricultural work support equipment |
| US20140180549A1 (en) | 2011-01-07 | 2014-06-26 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | Automated machine for selective in situ manipulation of plants |
| JP2019216656A (en) | 2018-06-20 | 2019-12-26 | 株式会社椿本チエイン | Inspection device, transplantation device, inspection method, and computer program |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0851839A (en) * | 1994-08-09 | 1996-02-27 | Mitsubishi Agricult Mach Co Ltd | Mobile agricultural working machine |
| JP7021486B2 (en) * | 2017-09-22 | 2022-02-17 | 富士通株式会社 | Growth management system |
-
2021
- 2021-03-17 JP JP2021043548A patent/JP7565081B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010231733A (en) | 2009-03-30 | 2010-10-14 | Japan Research Institute Ltd | Agricultural work support equipment |
| US20140180549A1 (en) | 2011-01-07 | 2014-06-26 | The Arizona Board Of Regents On Behalf Of The University Of Arizona | Automated machine for selective in situ manipulation of plants |
| JP2019216656A (en) | 2018-06-20 | 2019-12-26 | 株式会社椿本チエイン | Inspection device, transplantation device, inspection method, and computer program |
Non-Patent Citations (2)
| Title |
|---|
| 村上敏文、他，低高度空撮による投影面積を用いたレタスの新鮮重の推定と処理間差の解析，農研機構研究成果情報，日本，国立研究開発法人農業・食品産業技術総合研究機構，2013年，https://www.naro.go.jp/project/results/laboratory/narc/2010/narc10-18.html |
| 菅原幸治、他，レタスの生育予測に基づく週別出荷数量推計アプリケーション，農研機構研究成果情報，日本，国立研究開発法人農業・食品産業技術総合研究機構，2010年，https://www.naro.go.jp/project/results/laboratory/narc/2010/narc10-18.html |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021151228A (en) | 2021-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shafi et al. | A multi-modal approach for crop health mapping using low altitude remote sensing, internet of things (IoT) and machine learning | |
| Feng et al. | Yield estimation in cotton using UAV-based multi-sensor imagery | |
| US11631166B2 (en) | Crop yield prediction method and system based on low-altitude remote sensing information from unmanned aerial vehicle | |
| US10817962B2 (en) | Farm field management apparatus, farm field management method, and storage medium | |
| EP4150515A1 (en) | System and method for crop monitoring | |
| US8208680B2 (en) | Method of predicting crop yield loss due to N-deficiency | |
| US9195891B2 (en) | Method of predicting crop yield loss due to n-deficiency | |
| CN106372592B (en) | A calculation method of winter wheat planting area based on winter wheat area index | |
| Kierdorf et al. | GrowliFlower: An image time‐series dataset for GROWth analysis of cauLIFLOWER | |
| Solvin et al. | Use of UAV photogrammetric data in forest genetic trials: measuring tree height, growth, and phenology in Norway spruce (Picea abies L. Karst.) | |
| JP7311102B2 (en) | Agricultural crop growth estimation device, agricultural crop growth estimation system, agricultural crop growth estimation method, and program | |
| US9508007B2 (en) | Method of predicting crop yield loss due to N-deficiency | |
| US11170219B2 (en) | Systems and methods for improved landscape management | |
| CN110765977A (en) | Method for extracting wheat lodging information based on multi-temporal remote sensing data of unmanned aerial vehicle | |
| Borra-Serrano et al. | Towards an objective evaluation of persistency of Lolium perenne swards using UAV imagery | |
| CN119692952A (en) | A variable fertilization control system and method for tobacco fields | |
| Dube et al. | Cotton boll distribution and yield estimation using three‐dimensional point cloud data | |
| CN115527130A (en) | Grassland pest mouse density investigation method and intelligent evaluation system | |
| Li et al. | Unmanned aerial vehicles (UAVs)-based crop lodging susceptibility and seed yield assessment during different growth stages of rapeseed (Brassica napus) | |
| Han et al. | RGB images-based vegetative index for phenotyping kenaf (Hibiscus cannabinus L.) | |
| JP7565081B2 (en) | Leaf area calculation method and yield prediction method | |
| Beck et al. | Presenting an extensive lab-and field-image dataset of crops and weeds for computer vision tasks in agriculture | |
| Hearst | Remote sensing of soybean canopy cover, color, and visible indicators of moisture stress using imagery from unmanned aircraft systems | |
| CN119478770B (en) | Automatic Video Inspection System Based on GIS | |
| Underwood et al. | Fruit load estimation in mango orchards—A method comparison |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231110 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240424 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240514 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240613 |
|
| 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: 20240910 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240920 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7565081 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |