Search

JP-2026077601-A - イチゴの収穫時果重推定方法及びイチゴの収穫時果重推定プログラム、並びに痩果数取得方法及び痩果数取得プログラム

JP2026077601AJP 2026077601 AJP2026077601 AJP 2026077601AJP-2026077601-A

Abstract

【課題】イチゴの株のある果房に含まれる果実それぞれの収穫時重量を効率よく推定する。 【解決手段】コンピュータは、イチゴの株における任意の果実の痩果数を取得し、イチゴの品種の情報、任意の果実が属する果房を特定する情報、及び当該果房において任意の果実が何番目の果実であるかを示す果実の順位情報を取得し、品種ごとに定められた果実の痩果数と当該果実の収穫時果重に対応する指標との関係を示す第１情報の中から、取得した品種の情報に対応する第１情報を特定し、特定した第１情報と、取得した任意の果実の痩果数と、に基づいて、任意の果実の収穫時果重を推定し、第Ｎ果と第Ｍ果の収穫時果重に対応する指標の関係を示す第２情報と、任意の果実の収穫時果重に対応する指標と、に基づいて、任意の果実が属する果房に含まれる果実の収穫時果重を推定し、推定した収穫時果重を出力する。 【選択図】図１０

Inventors

  • 山崎 敬亮
  • 礒▲崎▼ 真英
  • 長菅 香織

Assignees

  • 国立研究開発法人農業・食品産業技術総合研究機構

Dates

Publication Date
20260513
Application Date
20251020
Priority Date
20241025

Claims (9)

  1. イチゴの株における任意の果実の痩果数を取得し、 前記イチゴの品種の情報、前記任意の果実が属する果房を特定する情報、及び当該果房において前記任意の果実が何番目の果実であるかを示す果実の順位情報を取得し、 品種ごとに定められた果実の痩果数と当該果実の収穫時果重に対応する指標との関係を示す第１情報の中から、取得した前記品種の情報に対応する第１情報を特定し、 特定した前記第１情報と、取得した前記任意の果実の痩果数と、に基づいて、前記任意の果実の収穫時果重を推定し、 第Ｎ果（Ｎは１以上の自然数）の収穫時果重に対応する指標と、第Ｍ果（Ｍは１以上のＮ以外の自然数）の収穫時果重に対応する指標と、の関係を示す第２情報と、前記任意の果実の収穫時果重に対応する指標と、に基づいて、前記任意の果実が属する果房に含まれる果実の収穫時果重を推定し、 推定した前記収穫時果重を出力する、 処理をコンピュータが実行することを特徴とするイチゴの収穫時果重推定方法。
  2. 前記任意の果実の収穫時果重を推定する際に、前記任意の果実の開花後の環境に関する実測値及び／又は予測値である開花後環境情報を用いる、ことを特徴とする請求項１に記載のイチゴの収穫時果重推定方法。
  3. 前記任意の果実が属する果房に含まれる果実の収穫時果重を推定する際に、前記任意の果実が属する果房に含まれる果実それぞれの開花後の環境に関する実測値及び／又は予測値である開花後環境情報を用いる、ことを特徴とする請求項２に記載のイチゴの収穫時果重推定方法。
  4. 前記痩果数を取得する処理において、前記イチゴの株を撮影した画像から前記任意の果実における痩果の位置を特定し、位置が特定された痩果の数に基づいて前記任意の果実の痩果数を取得する請求項１に記載のイチゴの収穫時果重推定方法。
  5. 前記イチゴの株を撮影した画像から、機械学習により、前記任意の果実が属する果房を特定する情報、及び前記任意の果実の順位情報を取得する、ことを特徴とする請求項１に記載のイチゴの収穫時果重推定方法。
  6. 前記任意の果実は、果房のうち肥大を開始している果実であることを特徴とする請求項１に記載のイチゴの収穫時果重推定方法。
  7. イチゴの株における任意の果実の痩果数を取得し、 前記イチゴの品種の情報、前記任意の果実が属する果房を特定する情報、及び当該果房において前記任意の果実が何番目の果実であるかを示す果実の順位情報を取得し、 品種ごとに定められた果実の痩果数と当該果実の収穫時果重に対応する指標との関係を示す第１情報の中から、取得した前記品種の情報に対応する第１情報を特定し、 特定した前記第１情報と、取得した前記任意の果実の痩果数と、に基づいて、前記任意の果実の収穫時果重を推定し、 第Ｎ果（Ｎは１以上の自然数）の収穫時果重に対応する指標と、第Ｍ果（Ｍは１以上のＮ以外の自然数）の収穫時果重に対応する指標と、の関係を示す第２情報と、前記任意の果実の収穫時果重に対応する指標と、に基づいて、前記任意の果実が属する果房に含まれる果実の収穫時果重を推定し、 推定した前記収穫時果重を出力する、 処理をコンピュータに実行させることを特徴とするイチゴの収穫時果重推定プログラム。
  8. イチゴの果実の痩果数を取得する痩果数取得方法であって、 撮影装置により取得された対象果実の画像に基づいて、前記対象果実に含まれる痩果の位置を抽出し、 抽出された前記痩果の位置に基づいて、前記画像から計数可能な前記痩果の数を計数し、 計数された前記痩果の数に、第１の果実を撮影した画像から計数可能な痩果数と前記第１の果実全体の痩果数との比に基づく補正係数を乗じて、前記対象果実の全痩果数を推定する、 処理をコンピュータが実行することを特徴とする痩果数取得方法。
  9. イチゴの果実の痩果数を取得する痩果数取得プログラムであって、 撮影装置により取得された対象果実の画像に基づいて、前記対象果実に含まれる痩果の位置を抽出し、 抽出された前記痩果の位置に基づいて、前記画像から計数可能な前記痩果の数を計数し、 計数された前記痩果の数に、第１の果実を撮影した画像から計数可能な痩果数と前記第１の果実全体の痩果数との比に基づく補正係数を乗じて、前記対象果実の全痩果数を推定する、 処理をコンピュータに実行させることを特徴とする痩果数取得プログラム。

Description

本発明は、イチゴの収穫時果重推定方法及びイチゴの収穫時果重推定プログラム、並びに痩果数取得方法及び痩果数取得プログラムに関する。 作物生産を行う農家や農業法人などにおいては、効率の良い経営を行うために、収穫前に収量を予測し、収穫作業（労務管理）計画や出荷計画を立てることが重要である。 従来、作物の収量を推定する場合、生産者等が栽培状況を把握した上で、過去の収量データや経験に基づいて行うことが一般的であった。これに対し、近年においては、施設で栽培される果菜類の収量を推定する際に、定期的に取得される作物の生体情報と、作物が生育する環境の情報と、を用いる方法が開発されている（例えば、特許文献１、非特許文献１等参照）。また、イチゴ等の収量を推定する方法として、特許文献２～４等に記載の方法が知られている。 特開２０２０－２０４８２９号公報特開２０２２－７８９８７号公報特開２０２３－３９４６５号公報特開２０２３－３４５５７号公報 東出忠桐（2018）施設トマトの収量増加を目的とした受光と物質生産の関係の利用．園芸学研究．17：133-146.伏原 肇、林 三徳、柴戸靖志（1993）イチゴの果重に及ぼすそうか数の影響．九州農業研究．191．森 利樹（1998）花芽形成期の温度がイチゴ果実のそうか数と果重に及ぼす影響．園芸学会雑誌．67：396-399． 図１は、一実施形態に係るイチゴの収穫時果重推定システムの構成を概略的に示す図である。図２は、情報処理装置のハードウェア構成の一例を示す図である。図３は、情報処理装置の機能ブロック図である。図４（ａ）は、イチゴの株が撮影された画像の一例を示す図であり、図４（ｂ）は、イチゴの痩果を説明するための図である。図５は、画像の中から、第１果房、第２果房、…を特定する方法について説明するための図である。図６は、肥大を開始した果実（第Ｎ果）の順位情報を特定する方法について説明するための図である。図７（ａ）、図７（ｂ）は、イチゴの品種「恋みのり」と「よつぼし」それぞれについて、イチゴ果実１果あたりの全痩果数と収穫時果重（ポテンシャル）との関係について調査した結果を示す図である。図８（ａ）は、開花日から収穫日までの平均気温と果重増加割合ａとの関係を示すグラフであり、図８（ｂ）は、開花日から収穫日までの積算日射量と果重増加割合ｂとの関係を示すグラフである。図９は、任意の果房内における第１果の収穫時果重（ポテンシャル）と当該果房内におけるその他の果実の収穫時果重（ポテンシャル）との関係を示すグラフである。図１０は、情報処理装置の処理を示すフローチャートである。図１１は、出力部が出力する画面の一例を示す図である。 以下、一実施形態に係るイチゴの収穫時果重推定システムについて、詳細に説明する。 図１には、一実施形態に係るイチゴの収穫時果重推定システム１００の構成が概略的に示されている。本実施形態において、イチゴの収穫時果重推定システム１００は、カメラ１０と、情報取得装置１２と、情報処理装置７０と、を備える。カメラ１０、情報取得装置１２、及び情報処理装置７０は、インターネット、携帯電話通信網、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）などのネットワーク８０に接続されており、各装置間における情報のやり取りが可能となっている。 （カメラ１０） カメラ１０は、圃場で栽培されているイチゴの株を撮影する撮影装置であり、ＣＣＤ（Charge Coupled Device）カメラ、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）カメラ、赤外線カメラなどのカメラである。カメラ１０は、作業者が持ち運び可能なカメラであってもよいし、圃場に多数設置された定点カメラであってもよい。また、カメラ１０は、圃場に敷設されたレールに沿って移動可能な移動装置に設けられたカメラであってもよいし、ドローン等の飛行装置に設けられたカメラであってもよい。 （情報取得装置１２） 情報取得装置１２は、カメラ１０が撮影した画像において被写体となっているイチゴの株（撮影対象の株）を特定するために必要な情報を取得する装置である。例えば、情報処理装置７０がカメラ１０の位置や撮影方向に基づいて撮影対象の株を特定する場合には、情報取得装置１２はカメラ１０に設けられたＧＮＳＳ（Global Navigation Satellite System）センサや角速度センサ等から位置情報や撮影方向の情報を取得する。なお、イチゴの圃場が屋内等であり、ＧＮＳＳセンサによる測位ができないような場合には、その他の手段（ビーコン等）を用いてカメラ１０の位置情報を取得することとしてもよい。また、例えば、情報処理装置７０がカメラ１０が撮影した画像に含まれる株を特定可能な情報（例えば株の近傍に設けられた看板の文字情報や２次元コードの情報など）に基づいて撮影対象の株を特定する場合には、情報取得装置１２は画像から株を特定可能な情報を取得する。また、例えば、情報処理装置７０が撮影者の入力情報（撮影対象の株の識別情報など）に基づいて撮影対象の株を特定する場合には、情報取得装置１２は撮影者の入力情報を取得する。なお、情報取得装置１２は、カメラ１０と一体となっていてもよいし、情報処理装置７０と一体となっていてもよい。 （情報処理装置７０） 情報処理装置７０は、スマートフォンやＰＣ（Personal Computer）、サーバなどであり、カメラ１０によって撮影された画像を受信したり、情報取得装置１２が取得した情報を受信したりする。そして、情報処理装置７０は、受信した画像や情報を用いて、撮影された株における特定の果房に含まれる果実それぞれの収穫時重量を推定する。 図２には、情報処理装置７０のハードウェア構成が示されている。図２に示すように、情報処理装置７０は、ＣＰＵ（Central Processing Unit）１９０、ＲＯＭ（Read Only Memory）１９２、ＲＡＭ（Random Access Memory）１９４、記憶部（ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等）１９６、ネットワークインタフェース１９７、表示部１９３、入力部１９５、及び可搬型記憶媒体用ドライブ１９９等を備えている。表示部１９３は液晶ディスプレイや有機ＥＬディスプレイ等を含み、入力部１９５はキーボードやマウス、タッチパネル等を含む。これら情報処理装置７０の構成各部は、バス１９８に接続されている。情報処理装置７０では、ＲＯＭ１９２あるいは記憶部１９６に格納されているプログラム、或いは可搬型記憶媒体用ドライブ１９９が可搬型記憶媒体１９１から読み取ったプログラムをＣＰＵ１９０が実行することにより、図３に示す各部の機能が実現される。なお、図３の各部の機能は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されてもよい。 情報処理装置７０においては、ＣＰＵ１９０がプログラムを実行することにより、図３に示すように、画像取得部４０、株情報取得部４１、果房特定部４２、果実特定部４４、痩果数推定部４６、開花日推定部４８、環境情報取得部５０、果重推定部５２、出力部５４としての機能が実現されている。 画像取得部４０は、カメラ１０により撮影された画像（イチゴの株が撮影された画像）を取得する。画像取得部４０は、一例として、図４（ａ）に示すようなイチゴの株が撮影された画像を取得するものとする。 株情報取得部４１は、画像において撮影された株（撮影対象の株）を特定するために必要な情報を情報取得装置１２から取得し、撮影対象の株の識別情報や、識別情報に対応する品種の情報を特定する。なお、株情報取得部４１は、圃場で栽培されている各株の識別情報と品種の情報とその他の情報（例えば株の位置情報等）とを紐づけて管理するデータベース（不図示）を参照するものとする。 果房特定部４２は、画像取得部４０が取得した画像の中に含まれる果房（花房）を特定するとともに、特定した果房（花房）それぞれが何番目の果房（花房）であるかを特定する。なお、以下においては、果房（花房）を単に「果房」と記述するものとする。また、Ｐ番目の果房を「第Ｐ果房」（Ｐは自然数）と呼ぶものとする。 ここで、果房特定部４２が、画像の中から、第１果房、第２果房、…を特定する方法について、図５に基づいて説明する。本実施形態では、果房特定部４２は、機械学習の手法を用いて、第１果房、第２果房、…を特定する。 図５に示すように、機械学習の手法を用いる場合、（１）学習フェーズと（２）推定フェーズとを実行する。 （１）学習フェーズにおいては、生画像（イチゴの株を撮影した多数の画像）を大量に収集し、アノテーション作業において、人が正解（第１果房、第２果房、…の位置及び範囲）を指定し、教師データを生成する。また、教師データを用いて機械学習を行うことにより、画像から第１果房、第２果房、…の位置及び範囲を推定するための学習済みモデルを生成する。 一方、（２）推定フェーズにおいては、果房特定部４２に対して、画像取得部４０が取得した画像が入力されると、果房特定部４２は学習フェーズで生成した学習済みモデルを利用して、画像中の第１果房、第２果房、…それぞれの位置や範囲を特定する。 図３に戻り、果実特定部４４は、画像取得部４０が取得した画像において、肥大を開始した（緑熟期の）果実を特定するとともに、当該果実を含む果房を特定する。また、果実特定部４４は、特定した果実が特定した果房において何番目の果実であるかを示す順位情報（第Ｎ果）を特定する。 具体的には、果実特定部４４は、画像から肥大を開始した果実を抽出する機械学習モデル（学習済みモデル）を用いて、肥大を開始した果実（第Ｎ果）を特定する。この機械学習モデルは、予め大量に収集された肥大を開始した果実の画像を機械学習することにより、生成することができる。 また、果実特定部４４は、図６に示すような機械学習の手法を用いて、肥大を開始した果実（第Ｎ果）の順位情報を特定する。図６の機械学習の学習フェーズにおいては、生画像（イチゴの果房を撮影した多数の画像）を大量に収集し、アノテーション作業において、人が正解（第１果、第２果、…）を指定し、教師データを生成する。また、教師データを用いて機械学習を行うことにより、画像から果実の順位情報（第１果、第２果、…）を推定するための学習済みモデルを生成する。一方、推定フェーズにおいては、果実特定部４４に対して、画像取得部４０が取得した画像が入力されると、果実特定部４４は学習フェーズで生成した学習済みモデルを利用して、各果実の順位情報を特定するとともに、肥大を開始した果実の順位情報（Ｎ）を特定する。 図３に戻り、痩果数推定部４６は、果実特定部４４が特定した肥大を開始した果実（第Ｎ果）が有する全痩果数を推定する。具体的には、痩果数推定部４６は、第Ｎ果の画像から痩果の位置を抽出する機械学習モデル（学習済みモデル）を用いて、第Ｎ果の痩果の位置を特定する。また、痩果数推定部４６は、第Ｎ果の痩果の数を計数（カウント）する。なお、第Ｎ果の画像から痩果の位置を抽出する機械学習モデルは、予め大量に収集された痩果の画像を機械学習することにより、生成することができる。ここで、図４（ｂ）に示すように、画像は二次元であるため、画像からは果実の約半分の痩果数しかカウントすることができない。したがって、痩果数推定部４６は、カウントした痩果数に所定数ｎ（ｎは例えば２）を掛けることで、第Ｎ果全体の痩果数（全痩果数）を推定する。なお、所定数ｎは、画像から得られる痩果数と全痩果数との比であり、事前に行われた実験やシミュ