特開 2025-5662 推定装置、推定方法、推定プログラム、記録装置および記録媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2025005662

(43)【公開日】2025-01-17

(54)【発明の名称】推定装置、推定方法、推定プログラム、記録装置および記録媒体

(51)【国際特許分類】

   A01G 7/00 20060101AFI20250109BHJP

   G06T 7/00 20170101ALI20250109BHJP

   G06V 10/58 20220101ALI20250109BHJP

【ＦＩ】

A01G7/00 603

G06T7/00 300G

G06V10/58

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2023105924

(22)【出願日】2023-06-28

(71)【出願人】

【識別番号】000001270

【氏名又は名称】コニカミノルタ株式会社

(71)【出願人】

【識別番号】519135633

【氏名又は名称】公立大学法人大阪

(74)【代理人】

【識別番号】110000671

【氏名又は名称】ＩＢＣ一番町弁理士法人

(72)【発明者】

【氏名】柴谷 一弘

(72)【発明者】

【氏名】大江 真道

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096AA06

5L096CA02

5L096DA02

5L096FA32

5L096FA35

5L096FA59

5L096GA51

5L096KA04

(57)【要約】

【課題】植生指標を、より広く活用することが可能な推定装置、推定方法、推定プログラム、記録装置および記録媒体を提供する。
【解決手段】情報処理装置２０は、所定の領域に生育する植物を複数の波長帯域で撮影した画像に基づく植生指標と、植物の植被率とを取得する取得部２１１と、取得された植生指標および植被率に基づいて、植物の草丈を推定する草丈推定部２１２とを含む。
【選択図】図４

【特許請求の範囲】

【請求項1】

所定の領域に生育する植物を複数の波長帯域で撮影した画像に基づく植生指標と、前記植物の植被率とを取得する取得部と、
取得された前記植生指標および前記植被率に基づいて、前記植物の草丈を推定する草丈推定部と
を備える推定装置。

【請求項2】

推定された前記草丈に基づいて、前記植物の葉色を推定する葉色推定部をさらに含む請求項１に記載の推定装置。

【請求項3】

推定された前記草丈に関する情報を出力する出力部をさらに含む請求項１に記載の推定装置。

【請求項4】

前記草丈推定部は、予め記憶された前記植生指標、前記植被率および前記草丈の関係式に基づいて、前記草丈を推定する請求項１に記載の推定装置。

【請求項5】

前記画像に基づいて、前記植物の散乱状態を表す散乱指標を算出する算出部をさらに有し、
前記草丈推定部は、算出された前記散乱指標と、取得された前記植生指標および前記植被率とに基づいて前記草丈を推定する請求項１に記載の推定装置。

【請求項6】

取得された前記植生指標は、前記画像の単位画素毎の画素植生指標の平均であり、
前記算出部は、前記画素植生指標のヒストグラムを用いて前記散乱指標を算出する請求項５に記載の推定装置。

【請求項7】

前記算出部は、前記ヒストグラムの平均値および最頻値を用いて前記散乱指標を算出する請求項６に記載の推定装置。

【請求項8】

前記ヒストグラムは、前記画像のうち、前記植物が存在する前記単位画素の前記画素植生指標を用いて作成される請求項６に記載の推定装置。

【請求項9】

複数の前記波長帯域は可視光域および赤外光域を含む請求項１に記載の推定装置。

【請求項10】

取得される前記植被率は、前記画像に基づいて算出されている請求項１に記載の推定装置。

【請求項11】

所定の領域に生育する植物を複数の波長帯域で撮影した画像に基づく植生指標と、前記植物の植被率とを取得するステップ（ａ）と、
取得された前記植生指標および前記植被率に基づいて、前記植物の草丈を推定するステップ（ｂ）と
を含む推定方法。

【請求項12】

請求項１１に記載の推定方法をコンピューターに実行させる推定プログラム。

【請求項13】

所定の領域に生育する植物が複数の波長帯域で撮影された画像に基づく植生指標と、前記植物の植被率と、前記植物の草丈とを取得する取得部と、
取得された前記植生指標、前記植被率および前記草丈の関係式を決定する決定部と、
決定された前記関係式に関する情報を記録媒体に記録する記録部と
を備える記録装置。

【請求項14】

請求項１３に記載された記録装置によって、前記関係式に関する情報が記録された記録媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、推定装置、推定方法、推定プログラム、記録装置および記録媒体に関する。

【背景技術】

【0002】

農業では、高品質および安定多収穫な作物等の植物を育てるためには、追肥時期、追肥量および倒伏軽減措置等の適切な管理が必要となる。植物の生産者等は、植物の生育の度合いを確認しながら管理を行う。植物の生産者等は、たとえば、草丈を測定することにより生育の度合いを確認する。

【0003】

一方、カメラを用いて圃場の撮影を行うことにより、ＮＤＶＩ（Ｎｏｒｍａｌｉｚｅｄ Ｄｉｆｆｅｒｅｎｃｅ Ｖｅｇｅｔａｔｉｏｎ Ｉｎｄｅｘ）等の植生指標を求める方法が提案されている（たとえば、特許文献１参照）。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２１－５６２３６号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

このような植生指標は、より広く活用されることが好ましい。

【0006】

本発明は、上記のような事情に鑑みてなされたものであり、本発明の目的は、植生指標を、より広く活用することが可能な推定装置、推定方法、推定プログラム、記録装置および記録媒体を提供することである。

【課題を解決するための手段】

【0007】

本発明の上記目的は、下記によって達成される。

【0008】

（１）所定の領域に生育する植物を複数の波長帯域で撮影した画像に基づく植生指標と、前記植物の植被率とを取得する取得部と、取得された前記植生指標および前記植被率に基づいて、前記植物の草丈を推定する草丈推定部とを備える推定装置。

【0009】

（２）推定された前記草丈に基づいて、前記植物の葉色を推定する葉色推定部をさらに含む上記（１）に記載の推定装置。

【0010】

（３）推定された前記草丈に関する情報を出力する出力部をさらに含む上記（１）または（２）に記載の推定装置。

【0011】

（４）前記草丈推定部は、予め記憶された前記植生指標、前記植被率および前記草丈の関係式に基づいて、前記草丈を推定する上記（１）～（３）のいずれかに記載の推定装置。

【0012】

（５）前記画像に基づいて、前記植物の散乱状態を表す散乱指標を算出する算出部をさらに有し、前記草丈推定部は、算出された前記散乱指標と、取得された前記植生指標および前記植被率とに基づいて前記草丈を推定する上記（１）～（４）のいずれかに記載の推定装置。

【0013】

（６）取得された前記植生指標は、前記画像の単位画素毎の画素植生指標の平均であり、前記算出部は、前記画素植生指標のヒストグラムを用いて前記散乱指標を算出する上記（５）に記載の推定装置。

【0014】

（７）前記算出部は、前記ヒストグラムの平均値および最頻値を用いて前記散乱指標を算出する上記（６）に記載の推定装置。

【0015】

（８）前記ヒストグラムは、前記画像のうち、前記植物が存在する前記単位画素の前記画素植生指標を用いて作成される上記（６）または（７）に記載の推定装置。

【0016】

（９）複数の前記波長帯域は可視光域および赤外光域を含む上記（１）～（８）のいずれかに記載の推定装置。

【0017】

（１０）取得される前記植被率は、前記画像に基づいて算出されている上記（１）～（９）のいずれかに記載の推定装置。

【0018】

（１１）所定の領域に生育する植物を複数の波長帯域で撮影した画像に基づく植生指標と、前記植物の植被率とを取得するステップ（ａ）と、取得された前記植生指標および前記植被率に基づいて、前記植物の草丈を推定するステップ（ｂ）とを含む推定方法。

【0019】

（１２）上記（１１）に記載の推定方法をコンピューターに実行させる推定プログラム。

【0020】

（１３）所定の領域に生育する植物が複数の波長帯域で撮影された画像に基づく植生指標と、前記植物の植被率と、前記植物の草丈とを取得する取得部と、取得された前記植生指標、前記植被率および前記草丈の関係式を決定する決定部と、決定された前記関係式に関する情報を記録媒体に記録する記録部とを備える記録装置。

【0021】

（１４）上記（１３）に記載された記録装置によって、前記関係式に関する情報が記録された記録媒体。

【発明の効果】

【0022】

本発明に係る推定装置、推定方法および推定プログラムによれば、植生指標とともに、植物の植被率が取得され、これら植生指標および植被率に基づいて、植物の草丈が推定される。換言すれば、植被率を用いて、植生指標が草丈に換算される。これにより、植物の生産者等が植生指標の取り扱いに不慣れな場合であっても、植生指標を活用して植物の生育の度合いを容易に把握することができる。よって、植生指標を、より広く活用することが可能となる。本発明に係る記録装置および記録媒体は、植生指標、植被率および草丈の関係式を記録するものである。

【図面の簡単な説明】

【0023】

【図1】第１実施形態に係る草丈推定システムの構成の一例を表すブロック図である。

【図2】図１に示した光測定装置の使用状態の一例を表す図である。

【図3】図１に示した情報処理装置の構成の一例を表すブロック図である。

【図4】図１に示した情報処理装置の機能構成の一例を表すブロック図である。

【図5】（Ａ）～（Ｄ）は図１に示した光測定装置により撮影された画像の一例を表す図である。

【図6】図４に示した草丈推定部に使用される関係式の一例を表す図である。

【図7】図１に示した情報処理装置が実行する処理の一例を表すフローチャートである。

【図8】所定の圃場のＮＤＶＩと生育量との関係を表す図である。

【図9】図８に示した図の縦軸を草丈および植被率の積に変換した図である。

【図10】変形例１に係る情報処理装置の機能構成の一例を表すブロック図である。

【図11】図１０に示した葉色推定部に使用される関係式の一例を表す図である。

【図12】所定の圃場のＮＤＶＩと、葉色、草丈および植被率の積との関係を表す図である。

【図13】図１０に示した情報処理装置が実行する処理の一例を表すフローチャートである。

【図14】変形例２に係る情報処理装置の機能構成の一例を表すブロック図である。

【図15】（Ａ）（Ｂ）は各々、図９に示した点Ａ、点Ｂの画素ＮＤＶＩのヒストグラムである。

【図16】図１４に示した算出部により算出される散乱指標の一例を表す図である。

【図17】図１６に示した散乱指標と、植生指標との関係を表す図である。

【図18】図１４に示した草丈推定部により使用される関係式の一例を表す図である。

【図19】図１４に示した情報処理装置が実行する処理の一例を表すフローチャートである。

【図20】図１９に示した処理の他の例を表すフローチャートである。

【図21】第２実施形態に記録装置の構成の一例を表すブロック図である。

【図22】図２１に示した記録装置の機能構成の一例を表すブロック図である。

【発明を実施するための形態】

【0024】

以下、添付した図面を参照して本発明の推定装置、推定方法、推定プログラム、記録装置および記録媒体の実施形態を説明する。なお、図中、同一の部材には同一の符号を用いた。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

【0025】

［第１実施形態］
＜草丈推定システム１の全体構成＞
図１は、本発明の第１実施形態に係る草丈推定システム１の構成の一例を表している。草丈推定システム１は、いわゆるリモートセンシングにより植物（たとえば、後述の図２の植物Ｐ）の草丈を推定する。この草丈推定システム１は、たとえば、光測定装置１０および情報処理装置２０を含んでいる。光測定装置１０および情報処理装置２０は、たとえば、ネットワークを介して接続されている。ここでは、情報処理装置２０が、本発明の推定装置の一具体例に対応する。

【0026】

光測定装置１０は、たとえばマルチスペクトルカメラまたはハイパースペクトルカメラ等のカメラを含んでおり、情報処理装置２０の制御にしたがって、複数の波長帯域で圃場の植物を撮影し、画像を生成する。光測定装置１０は、たとえば、可視光測定部１０Ａおよび赤外光測定部１０Ｂを含んでおり、可視光（たとえば、波長４００ｎｍ～７００ｎｍ）の画像および赤外光（たとえば、波長８００ｎｍ～１ｍｍ）の画像を生成する。可視光測定部１０Ａは、たとえば、赤色波長域（６１０ｎｍ付近）、緑色波長域（５５０ｎｍ付近）および青色波長域（４７０ｎｍ付近）のいずれかの画像を生成する。赤外光測定部１０Ｂは、たとえば、近赤外波長域（８００ｎｍ～１３００ｎｍ）の画像を生成する。光測定装置１０により撮影された植物の画像データは、情報処理装置２０に送られる。

【0027】

光測定装置１０は、たとえば、バンドパスフィルタ、結像光学系、イメージセンサーおよびデジタルシグナルプロセッサ（ＤＳＰ）等を含んでいる。バンドパスフィルタは、所定波長域（可視光域および赤外光域）の光を選択的に透過させる。結像光学系は、バンドパスフィルタを透過した光の光学像を所定の結像面上に結像する。イメージセンサーは、結像光学系の結像面と同じ位置に受光面を有しており、所定波長域の光学像を電気信号に変換する。デジタルシグナルプロセッサは、イメージセンサーから出力された電気信号に処理を施し、画像データを生成する。

【0028】

図２は、光測定装置１０を用いた圃場の植物Ｐの撮影状況の一例を表している。光測定装置１０は、たとえば、ドローン等の無人航空機に搭載されて、上空から圃場の植物Ｐを撮影する。このように、上空から圃場の植物Ｐを撮影することにより、圃場全体を短時間で簡便に撮影することが可能となる。植物Ｐは、たとえば、水稲等の作物である。太陽光Ｌが植物Ｐの群葉に照射されると、植物Ｐの群葉による太陽光Ｌの反射（反射光Ｌｒ）、散乱（散乱光Ｌｓ）および透過（透過光Ｌｔ）等が生じる。光測定装置１０は、植物Ｐの群葉からの反射光Ｌｒおよび散乱光Ｌｓを受光するようにドローン等に搭載されている。光測定装置１０により、植物Ｐの群葉の状態に応じた多重反射および多重散乱等の変化を検知することができる。

【0029】

情報処理装置２０は、たとえばＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）およびタブレット端末等のコンピューターである。この情報処理装置２０は、たとえば、光測定装置１０による植物Ｐの撮像を制御するとともに、光測定装置１０によって撮影された植物Ｐの画像データに基づいて植物Ｐの草丈を推定する。

【0030】

図３は、情報処理装置２０の概略構成の一例を示すブロック図である。情報処理装置２０は、たとえば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２３、ストレージ２４、通信インターフェース２５および操作表示部２６を有している。各構成は、バス２７を介して相互に通信可能に接続されている。

【0031】

ＣＰＵ２１は、ＲＯＭ２２およびストレージ２４に記録されているプログラムにしたがって、上記各構成の制御や各種の演算処理を行う。ＣＰＵ２１の具体的な機能については後述する。

【0032】

ＲＯＭ２２は、各種プログラムや各種データを格納する。

【0033】

ＲＡＭ２３は、作業領域として一時的にプログラムやデータを記憶する。

【0034】

ストレージ２４は、オペレーティングシステムを含む各種プログラムや、各種データを格納する。ストレージ２４には、後述の植物Ｐの植生指標および草丈の関係が記憶されていてもよく、あるいは、学習済みの識別器を用いて、植物Ｐの画像データから植物Ｐの草丈を推定するためのアプリケーションがインストールされていてもよい。また、ストレージ２４には、光測定装置１０により撮影された植物Ｐの画像に関する情報が記憶されてもよい。ストレージ２４には、識別器として用いられる学習済みモデルおよび、機械学習に用いられる教師データが記憶されてもよい。

【0035】

通信インターフェース２５は、他の装置と通信するためのインターフェースである。通信インターフェース２５としては、有線または無線の各種規格による通信インターフェースが用いられる。通信インターフェース２５は、たとえば、光測定装置１０または外部の装置から植物Ｐの画像データを受信したり、撮影条件を光測定装置１０に送信したりする際に用いられる。

【0036】

操作表示部２６は、たとえば、ＬＣＤ（液晶ディスプレイ）または有機ＥＬディスプレイ等の表示部とタッチセンサーとを含むタッチパネルにより構成されている。各種情報を表示する表示部と、ユーザーの各種操作を受け付ける操作部とを別に設けるようにしてもよい。このとき表示部は、上記ディスプレイの他、ビューワーソフトまたはプリンター等により構成されていてもよく、操作部は、タッチセンサーおよびマウス等のポインティングデバイスまたはキーボード等により構成されていてもよい。

【0037】

＜情報処理装置２０の機能＞
図４は、情報処理装置２０の機能構成を示すブロック図である。情報処理装置２０は、ＣＰＵ２１がストレージ２４に記憶されたプログラムを読み込んで処理を実行することによって、取得部２１１、草丈推定部２１２、および出力部２１３として機能する。

【0038】

取得部２１１は、所定時点の植物Ｐの植生指標および植被率を取得する。植生指標は、植物Ｐによる光の反射の特徴を生かして衛星データなどを使って簡易な計算式で植生の状況を把握することを目的として考案された指標で、植物Ｐの量や活力を表す。この植生指標は、複数の波長帯域で撮影された植物Ｐの画像、具体的には、光測定装置１０により撮影された画像に基づいて算出されている。植生指標としては、たとえば、ＮＤＶＩまたはＧＮＤＶＩ等が挙げられる。ＮＤＶＩは、たとえば以下の式（１）、ＧＮＤＶＩは、たとえば以下の式（２）によって各々表される。

【0039】

【数1】

【0040】

取得部２１１が取得する植生指標は、ＧＮＤＶＩであることが好ましい。緑色光は、赤色光に比べて植物Ｐの反射率が高いので、ノイズを抑えることができ、また、赤外光の反射率との差分（Ｒ_ＩＲ－Ｒ_{ＧＲＥＥＮ}）が飽和しにくい。したがって、ＧＮＤＶＩでは、ＮＤＶＩに比べて、より高い精度で植生の活性度を検知することができる。

【0041】

取得部２１１は、ＮＤＶＩおよびＧＮＤＶＩ以外の植生指標を取得してもよく、たとえば、ｍＮＤＶＩ（ｍｏｄｉｆｉｅｄ ＮＤＶＩ）、ＳＲ（Ｓｉｍｐｌｅ Ｒａｔｉｏ）、ＳＧＲ（Ｓｐｅｃｉｆｉｃ Ｇｒｏｗｔｈ Ｒａｔｅ）、ＰＲＩ（Ｐｈｏｔｏｃｈｅｍｉｃａｌ Ｒｅｆｌｅｃｔａｎｃｅ Ｉｎｄｅｘ）、ＲＧＲ（Ｒｅｌａｔｉｖｅ Ｇｒｏｗｔｈ Ｒａｔｅ）、ＮＰＣＩ（Ｎｏｒｍａｌｉｚｅｄ Ｐｉｇｍｅｎｔ Ｃｈｌｏｒｏｐｈｙｌｌ Ｉｎｄｅｘ）、ＳＲＰＩ（Ｓｉｍｐｌｅ Ｒａｔｉｏ Ｐｉｇｍｅｎｔ Ｉｎｄｅｘ）、ＮＰＱＩ（Ｎｏｒｍａｌｉｚｅｄ Ｐｈａｅｏｐｈｙｔｉｎｉｚａｔｉｏｎ Ｉｎｄｅｘ）、ＳＩＰＩ（Ｓｔｒｕｃｔｕｒｅ－Ｉｎｓｅｎｓｉｔｉｖｅ Ｐｉｇｍｅｎｔ Ｉｎｄｅｘ）、ＰＩ１、ＰＩ２、ＰＩ３およびＰＩ４等であってもよい。

【0042】

情報処理装置２０は、たとえば、光測定装置１０により撮影された画像の単位画素毎に、植生指標（以下、画素植生指標という。）を算出する。取得部２１１により取得される植生指標は、たとえば、この画素植生指標の平均である。情報処理装置２０は、たとえば、光測定装置１０により撮影された画像のうち、植物Ｐが存在すると判断した単位画素の画素植生指標に基づいて、植生指標（画素植生指標の平均）を算出する。情報処理装置２０は、たとえば、画素植生指標の閾値に基づいて、当該単位画素に植物Ｐが存在するか否かを判断する。この植生指標の閾値は、たとえば、任意に設定可能である。

【0043】

植物Ｐの植被率は、単位面積当たりにおいて植生が地表面を占める面積の割合である。植物Ｐの植被率は、光測定装置１０により撮影された画像に基づいて算出されていることが好ましい。これにより、光測定装置１０により撮影された画像に基づいて、植生指標および植被率の両方を算出することができる。また、画像を用いることにより、圃場全体での植物Ｐの植被率を容易に求めることができ、圃場全体の植物Ｐの草丈を推定しやすくなる。

【0044】

図５（Ａ）～（Ｄ）は、光測定装置１０により撮影された圃場の植物Ｐの群葉の画像の一例を表している。図５（Ａ）は植物Ｐの移植後３０日、図５（Ｂ）は植物Ｐの移植後３５日、図５（Ｃ）は植物Ｐの移植後３７日、図５（Ｄ）は植物Ｐの移植後４３日の画像を各々表している。これらの画像に基づいて、たとえば情報処理装置２０が移植後３０日、３５日、３７日および４３日各々のＮＤＶＩおよび植被率を算出する。たとえば、移植後３０日のＮＤＶＩは０．３０、植被率は０．４４であり、移植後３５日のＮＤＶＩは０．４４、植被率は０．８０であり、移植後３７日のＮＤＶＩは０．５５、植被率は０．８９であり、移植後４３日のＮＤＶＩは０．６６、植被率は０．９３である。取得部２１１は、たとえば、このような画像から算出されたＮＤＶＩおよび植被率の値を取得する。

【0045】

草丈推定部２１２は、取得部２１１により取得された所定時点の植物Ｐの植生指標および植被率に基づいて、植物Ｐの草丈を推定する。草丈は、植物の地上部の高さ、即ち、地際から先端までの高さである。植物Ｐの生産者等は、たとえば、この草丈に基づいて、植物Ｐの生育ステージを判断し、追肥時期、追肥量および倒伏軽減措置等の管理を行う。本実施形態では、この草丈推定部２１２が、所定時点の植物Ｐの植生指標および植被率に基づいて、植物Ｐの草丈を推定する。詳細は後述するが、これにより、植生指標をより広く活用することが可能となる。

【0046】

草丈推定部２１２は、たとえば、ストレージ２４に記憶された植生指標、植被率および草丈の関係に基づいて、所定時点の植物Ｐの草丈を推定する。ストレージ２４には、たとえば、予め求められた植物Ｐの植生指標、植被率および草丈の関係式が記憶されている。植物Ｐの植生指標、植被率および草丈の関係式は、たとえば、過去の植物Ｐのデータを用いて求められている。植物Ｐの植生指標、植被率および草丈の関係式は、過去数年分のデータを用いて求められていてもよい。植物Ｐの植生指標、植被率および草丈の関係式は、所定期間毎に更新されてもよい。このとき、植物Ｐの草丈は、ものさし等の測定器を用いて測定される。草丈は、ドローンにＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）等を搭載して測定してもよく、あるいは、オルソ画像から視差を用いて測定してもよい。オルソ画像は、たとえば、ドローンに搭載されたカメラにより撮影した植物Ｐの複数枚の画像から生成される。

【0047】

図６は、植物Ｐの植生指標、植被率および草丈の関係の一例を表している。図６の縦軸は草丈および植被率の積（草丈×植被率）を表し、横軸は植生指標を表している。植物Ｐの植生指標、植被率および草丈の関係式は、たとえば、以下の式（３）のような一次関数で表される。

【0048】

【数2】

【0049】

草丈推定部２１２は、たとえば、取得部２１１により取得された植生指標および植被率と式（３）とを用いて所定時点の植物Ｐの草丈を推定する。植物Ｐの植生指標、植被率および草丈の関係式は、一次の相関に限定されない。

【0050】

草丈推定部２１２は、機械学習を利用して植物Ｐの草丈を推定してもよい。たとえば、草丈推定部２１２は、学習済みの識別器を用いて、取得部２１１により取得された植物Ｐの植生指標および植被率を入力とし、植物Ｐの草丈を推定する。学習済みの識別器は、たとえば、ストレージ２４に記憶されている。この学習済みの識別器には、過去の画像から算出された植物Ｐの植生指標および植被率と、草丈の測定値とが、教師データとして予め学習されている。

【0051】

出力部２１３は、草丈推定部２１２により推定された所定時点の植物Ｐの草丈に関する情報を出力する。草丈に関する情報は、たとえば、草丈の値を示す情報、所定の草丈に対する過不足を示す情報、および所定の草丈に対する過不足量を示す情報等である。出力部２１３は、たとえば、この草丈の値を操作表示部２６に表示することにより、草丈に情報を出力する。出力部２１３は、「生育不良です」、「生育順調です」および「生育過多です」等の情報を操作表示部２６に表示してもよく、あるいは、音声により草丈に関する情報を出力してもよい。

【0052】

＜情報処理装置２０の処理概要＞
情報処理装置２０において実行される処理、即ち、情報処理装置２０が実行する推定方法について、以下に詳述する。

【0053】

図７は、情報処理装置２０において実行される推定処理の手順を示すフローチャートである。図７のフローチャートに示される情報処理装置２０の処理は、情報処理装置２０のストレージ２４にプログラムとして記憶されており、ＣＰＵ２１が各部を制御することにより実行される。

【0054】

（ステップＳ１０１）
情報処理装置２０は、まず、所定時点の植物Ｐの植生指標および植被率を取得する。情報処理装置２０は、たとえば、光測定装置１０により撮影された所定時点の圃場全体の植物Ｐの画像から算出されたＧＮＤＶＩおよび植被率を取得する。

【0055】

（ステップＳ１０２）
情報処理装置２０は、ステップＳ１０１の処理において取得された植生指標および植被率を、予めストレージ２４に記憶された植生指標、植被率および草丈の関係式（たとえば、上記の式（３））に入力して、所定時点の植物Ｐの草丈を推定する。

【0056】

（ステップＳ１０３）
情報処理装置２０は、ステップＳ１０２の処理において推定された所定時点の植物Ｐの草丈に関する情報を出力して処理を終了する。たとえば、情報処理装置２０は、ステップＳ１０２の処理において推定された所定時点の植物Ｐの草丈の値を操作表示部２６に表示することにより、草丈に関する情報を出力する。

【0057】

＜情報処理装置２０および草丈推定システム１の作用効果＞
本実施形態の情報処理装置２０および草丈推定システム１では、光測定装置１０により撮影された画像に基づいて算出された植生指標とともに、植被率を用いることにより、所定時点の植物Ｐの草丈が推定される。換言すれば、植被率を用いて、植生指標が草丈に換算される。これにより、植物Ｐの生産者等が植生指標の取り扱いに不慣れな場合であっても、植生指標を活用して植物Ｐの生育の度合いを容易に把握することができる。以下、この作用効果について詳細に説明する。

【0058】

ＮＤＶＩおよびＧＮＤＶＩ等の植生指標は、画像から算出できるため、非接触で、かつ、圃場の広い領域にわたって一度に計測することができる。このため、植物の生産者等は、植生指標から圃場全体の植生の活性度分布を容易に把握することが可能である。即ち、植生指標は、植生の活性度を表す有益な指標であると言える。

【0059】

一方、植物の生産者等は、長く、植物の生育の度合いを表す指標として草丈を使用しており、植生指標の取り扱いには不慣れな生産者等が多い。草丈は、ものさし等の測定器を用いて地上で測定されるので、測定に手間がかかり、また、圃場全体での草丈の分布を正確に把握することは困難である。ステレオ視またはレーザーレーダー等を用い、非接触での草丈の測定方法も検討されているが、未だ実用化には至っていない。これは、群落を形成する植物、たとえば、水稲では、圃場の内部にわたり非接触で草丈を測定することは困難であることに起因する。ここで、植生指標を草丈に紐づけることができれば、植物の生産者等は上記のように有益な植生指標を利用しやすくなる。

【0060】

図８は、稲の移植後の日数（移植後１６日、２３日、３０日、３５日、３７日、４３日、５１日、５８日）毎のＮＤＶＩと生育量との関係を表す。図８の横軸はＮＤＶＩ、縦軸は生育量を表している。稲の生育量は、下記の式（４）を用いて決定されている。式（４）中、植物の葉色（ＳＰＡＤ値）、茎数および草丈は地上で測定されている。稲は、あきたこまち、ひとめぼれ、コシヒカリおよびキヌヒカリの４品種である。

【0061】

【数3】

【0062】

図８から、移植後の日数に応じて、換言すれば、生育ステージに応じてＮＤＶＩと生育量との関係がシフトしていることが分かる。即ち、生育ステージに応じてＮＤＶＩと生育量との関係がシフトしていることが分かる。詳細には、生育初期の段階では、ＮＤＶＩと生育量との関係が一定に維持されるが、幼穂形成期に入る１０日前頃からＮＤＶＩと生育量との関係が変化し始めている。たとえば、予め、植物の品種毎かつ生育ステージ毎に植生指標と生育量との関係を求めておくことにより、植生指標を生育量に換算することは可能であるが、これには膨大かつ煩雑な作業を要する。したがって、実用化は困難である。

【0063】

これに対し、草丈推定システム１および情報処理装置２０では、ＮＤＶＩなどの植生指標とともに、植被率を用いるようにしたので、容易に植生指標を草丈に換算することが可能となる。

【0064】

図９は、図８に示したデータを、植被率を用いてプロットし直したものである。図９の横軸はＮＤＶＩ、縦軸は草丈および植被率の積（草丈×植被率）を表している。この図９では、決定係数Ｒ^２の値が０．９６５５である。即ち、ＮＤＶＩ、植被率および草丈では、生育ステージ全体にわたって、一定の相関関係が維持されており、ＮＤＶＩ等の植生指標は、植物の体積情報（草丈×植被率）と相関を有することが分かる。したがって、生育ステージの段階に関わらず、一つの関係式を用いて植生指標を草丈に換算することができる。

【0065】

以上説明したように、草丈推定システム１および情報処理装置２０では、植物Ｐの植生指標とともに、植物Ｐの植被率が取得されるので、容易に植生指標を草丈に換算することができる。これにより、植物の生産者等が植生指標の取り扱いに不慣れな場合であっても、植生指標を活用して植物の生育の度合いを容易に把握することができる。よって、植生指標を、より広く活用ことが可能となる。

【0066】

また、植生指標が草丈に紐づけられるので、植生指標が植物の生産者等に身近となり、農業に植生指標を普及させることが可能となる。これにより、たとえば、農業試験場などが作成する栽培指針に植生指標を取り込みやすくなる。したがって、農業分野でのリモートセンシングの活用が促進され、いわゆるスマート農業の実現を推進することができる。

【0067】

以下、上記実施形態で説明した情報処理装置２０の変形例および他の実施形態について説明する。なお、以下では、説明の重複を避けるため、上記実施形態で説明した各構成と同様の構成については詳細な説明を省略する。

【0068】

［変形例１］
図１０は、変形例１に係る情報処理装置２０のＣＰＵ２１の機能構成を表している。ＣＰＵ２１は、取得部２１１、草丈推定部２１２、および出力部２１３に加えて、葉色推定部２１４として機能してもよい。

【0069】

葉色推定部２１４は、草丈推定部２１２によって推定された所定時点の植物Ｐの草丈と、取得部２１１により取得された植生指標および植被率との関係に基づいて植物Ｐの葉色（たとえば、ＳＰＡＤ値）を推定する。葉色推定部２１４は、たとえば、ストレージ２４に記憶されたＮＤＶＩ、植被率、草丈および葉色の関係に基づいて、植物Ｐの葉色を推定する。

【0070】

図１１は、植物Ｐの植生指標、植被率、草丈および葉色（ＳＰＡＤ値）の関係の一例を表している。図１１の縦軸は葉色、草丈および植被率の積（ＳＰＡＤ値×草丈×植被率）を表し、横軸は植生指標を表している。植物Ｐの植生指標、植被率、草丈および葉色の関係式は、たとえば、以下の式（５）のような一次関数で表される。

【0071】

【数4】

【0072】

式（５）は、たとえば、過去の植物Ｐのデータを用いて求められている。植物Ｐの植生指標、植被率、草丈および葉色の関係式は、過去数年分のデータを用いて求められていてもよい。植物Ｐの植生指標、植被率、草丈および葉色の関係式は、所定期間毎に更新されてもよい。このとき、植物Ｐの草丈および葉色は測定器を用いて測定される。

【0073】

葉色推定部２１４は、たとえば、草丈推定部２１２によって推定された所定時点の植物Ｐの草丈と、取得部２１１により取得された植生指標および植被率と、式（５）とを用いて所定時点の植物Ｐの葉色を推定する。植物Ｐの植生指標、植被率、草丈および葉色の関係式は、一次の相関に限定されない。

【0074】

図１２は、所定年度の稲の植生指標、植被率、草丈および葉色の関係を表したものである。植生指標および植被率は、リモートセンシングにより測定され、草丈および葉色は、地上で測定器を用いて測定されたものである。図１２の横軸はＮＤＶＩ、縦軸は葉色（ＳＰＡＤ値）、草丈および植被率の積（ＳＰＡＤ値×草丈×植被率）を表している。この図１２では、決定係数Ｒ^２の値が０．９１５９である。即ち、ＮＤＶＩ、植被率、草丈および葉色では、生育ステージ全体にわたって、一定の相関関係が維持されていることが分かる。したがって、生育ステージの段階に関わらず、一つの関係式を用いて植生指標を葉色に換算することができる。

【0075】

葉色推定部２１４は、機械学習を利用して植物Ｐの草丈を推定してもよい。たとえば、葉色推定部２１４は、学習済みの識別器を用いて、取得部２１１により取得された植物Ｐの植生指標および植被率と、草丈推定部２１２により推定された植物Ｐの草丈とを入力とし、植物Ｐの葉色を推定する。学習済みの識別器は、たとえば、ストレージ２４に記憶されている。この学習済みの識別器には、過去の画像から算出された植物Ｐの植生指標および植被率と、草丈および葉色の測定値とが、教師データとして予め学習されている。

【0076】

出力部２１３は、たとえば、葉色推定部２１４により推定された植物Ｐの葉色に関する情報を出力する。出力部２１３は、葉色に関する情報とともに、草丈推定部２１２により推定された植物Ｐの草丈に関する情報を出力してもよい。

【0077】

図１３は、この変形例１に係る情報処理装置２０において実行される推定処理の手順を示すフローチャートである。

【0078】

（ステップＳ２０１、Ｓ２０２）
情報処理装置２０は、まず、上述のステップＳ１０１、Ｓ１０２（図７）と同様にして、所定時点の植物Ｐの植生指標および植被率を取得した後、植物Ｐの草丈を推定する。

【0079】

（ステップＳ２０３、Ｓ２０４）
次いで、情報処理装置２０は、ステップＳ２０２の処理において推定された植物Ｐの草丈に基づいて、植物Ｐの葉色を推定する。情報処理装置２０は、たとえば、ステップＳ２０２の処理において推定された植物Ｐの草丈と、ステップＳ２０１の処理において取得された植物Ｐの植生指標および植被率とを上記の式（５）に入力することにより、植物Ｐの葉色を推定する。この後、情報処理装置２０は、ステップＳ２０３の処理において推定された植物Ｐの葉色に関する情報を出力して処理を終了する。情報処理装置２０は、植物Ｐの葉色に関する情報とともに、ステップＳ２０２で推定された草丈に関する情報を出力してもよい。

【0080】

このようなＣＰＵ２１を有する情報処理装置２０も、上記実施形態で説明したのと同様に、植物Ｐの植生指標とともに、植物Ｐの植被率が取得されるので、容易に植生指標を草丈に換算することができる。これにより、植物の生産者等が植生指標の取り扱いに不慣れな場合であっても、画像から算出された植生指標を活用して植物の生育度合いを容易に把握することができる。よって、植生指標を、より広く活用ことが可能となる。また、この情報処理装置２０では、植物Ｐの葉色が推定されるので、植物Ｐの生産者等はさらに植物の生育に有用な情報を得ることができる。

【0081】

［変形例２］
図１４は、変形例２に係る情報処理装置２０のＣＰＵ２１の機能構成を表している。ＣＰＵ２１は、取得部２１１、草丈推定部２１２、および出力部２１３に加えて、算出部２１５として機能してもよい。

【0082】

算出部２１５は、光測定装置１０により撮影された植物Ｐの画像に基づいて、植物Ｐの散乱状態を表す散乱指標を算出する。算出部２１５は、たとえば、光測定装置１０により撮影された植物Ｐの単位画素毎に算出される画素植生指標のヒストグラムを用いて、散乱指標を算出する。

【0083】

図１５（Ａ）は、図９に示した点Ａ（ＮＤＶＩが０．４９）の画素植生指標のヒストグラムを表し、図１５（Ｂ）は、図９に示した点Ｂ（ＮＤＶＩが０．６５）の画素植生指標のヒストグラムを表す。具体的には、図１５（Ａ）（Ｂ）の縦軸は画素数、横軸は各単位画素のＮＤＶＩ（以下、画素ＮＤＶＩという。）を表している。図９に示した点Ａ、点ＢのＮＤＶＩの値である０．４９、０．６５は、各々の画素ＮＤＶＩの平均値である。

【0084】

図１５（Ａ）に示した画素ＮＤＶＩの最頻値は０．６０付近にあり、これよりも小さい値の領域（左側）に裾が長くなっている。これは、点Ａの状態の植物Ｐでは、比較的、葉の重なり具合が少なく、多重反射、即ち、散乱の程度が小さいことを表している。

【0085】

一方、図１５（Ｂ）に示した画素ＮＤＶＩの最頻値は０．７０付近にあり、最頻値の左右の領域の対称性が、図１５（Ａ）に比べて高くなっている。これは、点Ｂの状態の植物Ｐは、一様な葉の重なりが存在する群葉に近づいており、点Ａの状態の植物Ｐに比べて多重反射、即ち、散乱の程度が大きくなっていることを表す。

【0086】

図１６は、このような散乱の程度を表す散乱指標の算出方法の一例を表している。図１６は、植物Ｐの画素植生指標のヒストグラムであり、縦軸は画素数、横軸は画素ＮＤＶＩを表す。算出部２１５は、たとえば、このヒストグラムの最頻値Ｍｏと平均値Ｍｅとの差ΔＮＤＶＩ（ΔＮＤＶＩ＝｜最頻値Ｍｏ－平均値Ｍｅ｜）を散乱指標として算出する。ΔＮＤＶＩが小さいとき、植物Ｐの散乱の程度が比較的大きいことを表し、ΔＮＤＶＩが大きいとき、植物Ｐの散乱の程度が比較的小さいことを表す。このようなヒストグラムは、光測定装置１０により撮影された画像のうち、植物Ｐが存在する単位画素の画素植生指標を用いて作成されていることが好ましい。これにより、より高い精度で散乱指標を算出することが可能となる。

【0087】

図１７は、植生指標と散乱指標との関係の一例を表している。図１７の縦軸はΔＮＤＶＩであり、横軸はＮＤＶＩ（画素ＮＤＶＩの平均）である。たとえば、このように、ＮＤＶＩの値が小さいときには植物Ｐの葉の重なりが小さいので、ΔＮＤＶＩが大きくな。ストレージ２４には、たとえば、このような植物Ｐの植生指標および散乱指標の関係式が記憶されている。植物Ｐの植生指標および散乱指標の関係式は、たとえば、過去の植物Ｐのデータを用いて求められている。たとえば、上述の式（３）に示した植物Ｐの植生指標、植被率および草丈の関係式を求めるのと同時に、植物Ｐの植生指標および散乱指標の関係式を求めることができる。

【0088】

草丈推定部２１２は、算出部２１５により算出された散乱指標と、取得部２１１により取得された植生指標および植被率とに基づいて、所定時点の植物Ｐの草丈を推定する。草丈推定部２１２は、たとえば、以下のようにして、所定時点の植物Ｐの草丈を推定する。

【0089】

まず、ストレージ２４に記憶された植物Ｐの植生指標および散乱指標の関係式（たとえば、図１７）を用いて、所定時点の植物Ｐの補正指数Ｉｓを求める。補正指数Ｉｓは、ストレージ２４に記憶された関係式から求められる植物Ｐの散乱指標と、算出部２１５により算出された散乱指標との乖離の程度を表す指標である。たとえば、取得部２１１により取得されたＮＤＶＩの値が０．５であるとき、ストレージ２４に記憶された関係式から求められる植物Ｐの散乱指標（点Ｃ）と、算出部２１５により算出された散乱指標（点Ｄ）との乖離の程度に応じて補正指数Ｉｓ（Ｉｓ２）を求めることができる。

【0090】

次に、草丈推定部２１２は、たとえば、ストレージ２４に記憶された補正指数Ｉｓ、植生指標、植被率および草丈の関係に基づいて、所定時点の植物Ｐの草丈を推定する。ストレージ２４には、たとえば、予め求められた植物Ｐの補正指数Ｉｓ、植生指標、植被率および草丈の関係式が記憶されている。植物Ｐの補正指数Ｉｓ、植生指標、植被率および草丈の関係式は、たとえば、過去の植物Ｐのデータを用いて求められている。

【0091】

図１８は、植物Ｐの補正指数Ｉｓ、植生指標、植被率および草丈の関係の一例を表している。図１８の縦軸は草丈および植被率の積（草丈×植被率）を表し、横軸は植生指標を表している。たとえば、ストレージ２４には、補正指数Ｉｓ（Ｉｓ－１、Ｉｓ－２、Ｉｓ０、Ｉｓ１、Ｉｓ２）毎に、植生指標、植被率および草丈の関係式が記憶されている。

【0092】

草丈推定部２１２は、たとえば、図１８に示す関係式と、先に求めた補正指数Ｉｓ（Ｉｓ２）と、取得部２１１により取得された植生指標および植被率とを用いて所定時点の植物Ｐの草丈を推定する。たとえば、補正指数Ｉｓ２、ＮＤＶＩが０．５、植被率が０．７５であるとき（点Ｄ’）、草丈推定部２１２は、植物Ｐの草丈を約１３３ｃｍ（１００／０．７５）と推定する。なお、補正指数Ｉｓ０であるときには、ＮＤＶＩが０．５、植被率が０．７５であっても（点Ｃ’）、草丈推定部２１２は、植物Ｐの草丈を約８７ｃｍ（６５／０．７５）と推定する。出力部２１３は、草丈推定部２１２により推定された所定時点の植物Ｐの草丈に関する情報を出力する。

【0093】

図１９は、変形例２に係る情報処理装置２０において実行される推定処理の手順を示すフローチャートである。

【0094】

（ステップＳ３０１）
情報処理装置２０は、まず、上述のステップＳ１０１（図７）と同様にして、所定時点の植物Ｐの植生指標および植被率を取得する。

【0095】

（ステップＳ３０２）
情報処理装置２０は、光測定装置１０により撮影された植物Ｐの画像に基づいて、所定時点の植物Ｐの散乱指標を算出する。

【0096】

（ステップＳ３０３）
情報処理装置２０は、ステップＳ３０１の処理において取得された植生指標および植被率と、ステップＳ３０２の処理において算出された散乱指標とを、予めストレージ２４に記憶された散乱指標、植生指標、植被率および草丈の関係式（たとえば、上述の図１８）に入力して、所定時点の植物Ｐの草丈を推定する。

【0097】

（ステップＳ３０４）
情報処理装置２０は、ステップＳ３０３の処理において推定された所定時点の植物Ｐの草丈に関する情報を出力して処理を終了する。

【0098】

図２０は、情報処理装置２０において実行される推定処理の手順の他の例を表している。情報処理装置２０は、上記変形例１で説明したのと同様に、さらに、葉色を推定し（ステップＳ３０５）、葉色に関する情報を出力してもよい（ステップＳ３０６）。

【0099】

このようなＣＰＵ２１を有する情報処理装置２０も、上記実施形態で説明したのと同様に、植物Ｐの植生指標とともに、植物Ｐの植被率が取得されるので、容易に植生指標を草丈に換算することができる。これにより、植物の生産者等が植生指標の取り扱いに不慣れな場合であっても、画像から算出された植生指標を活用して植物の生育度合いを容易に把握することができる。よって、植生指標を、より広く活用ことが可能となる。また、この情報処理装置２０では、散乱指標が算出されるので、より高い精度で植物Ｐの草丈および葉色を推定することが可能となる。以下、これについて説明する。

【0100】

取得部２１１により取得される植被率は、圃場全体にわたる植物Ｐの分布を表す重要な値であるが、この植被率には、植物Ｐの葉の重なり具合は反映されない。言い換えると、植物Ｐの葉の重なりが少ない状態であっても、より成長して植物Ｐの葉の重なりが多くなった状態であっても、植被率が大きく変化しないことがある。本変形例では、この植物Ｐの葉の重なりの程度を散乱指標として算出するので、より植物Ｐの成長の状態が多角的に反映され、より高い精度で草丈を推定することができる。

【0101】

［第２実施形態］
＜記録装置３０の構成＞
図２１は、本発明の第２実施形態に係る記録装置３０の概略構成の一例を示すブロック図である。記録装置３０は、たとえば、プリンターなどであり、ＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、ストレージ３４、通信インターフェース３５、操作表示部３６および記録部３７を有している。各構成は、バス３８を介して相互に通信可能に接続されている。ＣＰＵ３１、ＲＯＭ３２、ＲＡＭ３３、ストレージ３４、通信インターフェース３５および操作表示部３６の各機能は、情報処理装置２０のＣＰＵ２１、ＲＯＭ２２、ＲＡＭ２３、ストレージ２４、通信インターフェース２５および操作表示部２６の各機能と同様である。記録装置３０は、上記第１実施形態等で説明した情報処理装置２０の機能を備えていてもよい。

【0102】

記録部３７は、たとえば、電子写真プロセス等の周知の作像プロセスを用いて、用紙等の記録媒体に画像を形成する。記録部３７は、たとえば、植物Ｐの植生指標、植被率および草丈の関係式に関する画像（たとえば、上述の図１１に示すグラフ）を記録媒体に記録する。記録部３７は、植物Ｐの補正指数Ｉｓ、植生指標、植被率および草丈の関係式に関する画像（たとえば、上述の図１８に示すグラフ）を記録媒体に記録してもよい。記録部３７は、さらに、情報処理装置２０が取得した植生指標および植被率に関する情報（たとえば、図１８の点Ｄ’）を記録してもよい。

【0103】

図２２は、記録装置３０の機能構成を示すブロック図である。記録装置３０は、ＣＰＵ３１がストレージ３４に記憶されたプログラムを読み込んで処理を実行することによって、取得部３１１、決定部３１２、および出力部３１３として機能する。

【0104】

取得部３１１は、経時的に植物Ｐの植生指標、植被率および草丈を取得する。取得部３１１は、たとえば、光測定装置１０により撮影された画像に基づいて求められた植生指標および植被率を取得し、ものさし等の測定器を用いて測定された草丈を取得する。

【0105】

決定部３１２は、取得部３１１により取得された植生指標、植被率および草丈の関係式（たとえば、上述の式（３））を決定する。

【0106】

出力部３１３は、決定部３１２により決定された関係式に関する情報を記録部３７に出力する。これにより、記録部３７は、この関係式に関する画像を記録媒体に記録する。

【0107】

この記録装置３０および記録媒体では、植物Ｐの植生指標、植被率および草丈の関係式に関する画像等が記録される。これにより、植物の生産者等が植生指標の取り扱いに不慣れな場合であっても、植生指標を活用して植物の生育の度合いを容易に把握することができる。よって、植生指標を、より広く活用ことが可能となる。

【0108】

以上のように、実施形態および変形例において本発明の推定装置、推定方法、推定プログラム、記録装置および記録媒体について説明した。しかしながら、本発明は、その技術思想の範囲内において当業者が適宜に追加、変形、および省略することができることはいうまでもない。

【0109】

たとえば、上記実施形態では、植物Ｐが稲である例を説明したが、植物Ｐは大豆、小豆または麦等であってもよい。

【0110】

また、上記実施形態では、草丈推定システム１が、光測定装置１０および情報処理装置２０を含む例を説明したが、草丈推定システム１は、さらに、植生指標の補正を行う植生指標補正部等を有していてもよい。植生指標補正部は、たとえば、太陽光の強度および高度等に応じて、画像から算出された植生指標を補正する。

【0111】

また、上記実施形態および変形例では、ストレージ２４に関係式または学習済みの識別器が記憶されている例を説明したが、関係式および学習済みの識別器は、外部の記憶装置等に記憶されていてもよい。

【0112】

また、上記の実施形態におけるフローチャートの処理単位は、各処理の理解を容易にするために、主な処理内容に応じて分割したものである。処理ステップの分類の仕方によって、本願発明が制限されることはない。各処理は、さらに多くの処理ステップに分割することもできる。また、１つの処理ステップが、さらに多くの処理を実行してもよい。

【0113】

上述した実施形態に係るシステムにおける各種処理を行う手段および方法は、専用のハードウェア回路、またはプログラムされたコンピューターのいずれによっても実現することが可能である。上記プログラムは、たとえば、フレキシブルディスクおよびＣＤ－ＲＯＭ等のコンピューター読み取り可能な記録媒体によって提供されてもよいし、インターネット等のネットワークを介してオンラインで提供されてもよい。この場合、コンピューター読み取り可能な記録媒体に記録されたプログラムは、通常、ハードディスク等の記憶部に転送され記憶される。また、上記プログラムは、単独のアプリケーションソフトとして提供されてもよいし、システムの一機能としてその装置のソフトウエアに組み込まれてもよい。

【符号の説明】

【0114】

１ 草丈推定システム、
１０ 光測定装置、
１０Ａ 可視光測定部、
１０Ｂ 赤外光測定部、
２０ 情報処理装置、
２１，３１ ＣＰＵ、
２１１ 取得部、
２１２ 草丈推定部、
２１３ 出力部、
２１４ 葉色推定部、
２１５ 算出部、
２２，３２ ＲＯＭ、
２３，３３ ＲＡＭ、
２４，３４ ストレージ、
２５，３５ 通信インターフェース、
２６，３６ 操作表示部、
３０ 記録装置、
３７ 記録部。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】