知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-02-29
(45)【発行日】2024-03-08
(54)【発明の名称】推定装置、推定方法、及びプログラム
(51)【国際特許分類】
G06T 7/00 20170101AFI20240301BHJP
A01G 7/00 20060101ALI20240301BHJP
G06T 7/55 20170101ALI20240301BHJP
【ＦＩ】
G06T7/00 C
A01G7/00 603
G06T7/00 350B
G06T7/55
【請求項の数】
9
(21)【出願番号】P 2020094618
(22)【出願日】2020-05-29
(65)【公開番号】P2021189763
(43)【公開日】2021-12-13
【審査請求日】2023-02-27
【新規性喪失の例外の表示】特許法第３０条第２項適用 （１） 発行日 令和元年６月１０日 刊行物 ＪＳＴｎｅｗｓ ２０１９年６月号（Ｊｕｎｅ ２０１９） Ｐ５－７（ウェブ版ＵＲＬ：ｈｔｔｐｓ：／／ｗｗｗ．ｊｓｔ．ｇｏ．ｊｐ／ｐｒ／ｊｓｔ－ｎｅｗｓ／ｂａｃｋｎｕｍｂｅｒ／２０１９／２０１９０６／ｉｎｄｅｘ．ｈｔｍｌ ｈｔｔｐｓ：／／ｗｗｗ．ｊｓｔ．ｇｏ．ｊｐ／ｐｒ／ｊｓｔ－ｎｅｗｓ／ｂａｃｋｎｕｍｂｅｒ／２０１９／２０１９０６／ｐｄｆ／２０１９＿０６．ｐｄｆ ） 国立研究開発法人科学技術振興機構 発行 ＜資 料＞ ＪＳＴｎｅｗｓ ２０１９年６月号（Ｊｕｎｅ ２０１９） 抜粋 （２） ウェブサイト公開日 令和元年７月９日 ウェブサイトアドレス ｈｔｔｐｓ：／／ｗｗｗ．ｊｓｔａｇｅ．ｊｓｔ．ｇｏ．ｊｐ／ｂｒｏｗｓｅ／ｊｓｔｎｅｗｓ／－ｃｈａｒ／ｊａ ｈｔｔｐｓ：／／ｗｗｗ．ｊｓｔａｇｅ．ｊｓｔ．ｇｏ．ｊｐ／ａｒｔｉｃｌｅ／ｊｓｔｎｅｗｓ／２０１９／６／２０１９＿５／＿ａｒｔｉｃｌｅ／－ｃｈａｒ／ｊａ／ ＜資 料＞ 公開ウェブサイト（Ｊ－Ｓｔａｇｅ）プリントアウト （３） 発行日 令和元年８月６日 刊行物 国立研究開発法人科学技術振興機構 戦略的創造研究推進事業（さきがけ） 「情報科学との協働による革新的な農作物栽培手法を実現するための技術基盤の創出」 研究領域 領域活動・評価報告書－２０１８年度終了研究課題－国立研究開発法人科学技術振興機構 発行 （ウェブ版ＵＲＬ）ｈｔｔｐｓ：／／ｗｗｗ．ｊｓｔ．ｇｏ．ｊｐ／ｋｉｓｏｋｅｎ／ｐｒｅｓｔｏ／ｅｖａｌｕａｔｉｏｎ／ｐｏｓｔｅｒｉｏｒｉ／ｈ３０／ＪＳＴ＿１１１２０７５＿２０１８＿ＰＥＥ．ｐｄｆ ＜資 料＞ 〔研究報告書〕
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２７年度、国立研究開発法人科学技術振興機構、戦略的創造研究推進事業「超高精細フィールドセンシングによる個体生育モニタリング」委託研究、産業技術力強化法第１７条の適用を受ける特許出願
(73)【特許権者】
【識別番号】501203344
【氏名又は名称】国立研究開発法人農業・食品産業技術総合研究機構
(74)【代理人】
【識別番号】100161207
【弁理士】
【氏名又は名称】西澤 和純
(74)【代理人】
【識別番号】100188558
【弁理士】
【氏名又は名称】飯田 雅人
(74)【代理人】
【識別番号】100154852
【弁理士】
【氏名又は名称】酒井 太一
(72)【発明者】
【氏名】杉浦 綾
(72)【発明者】
【氏名】石原 光則
(72)【発明者】
【氏名】イム ジヒョン
(72)【発明者】
【氏名】常松 浩史
【審査官】吉川 康男
(56)【参考文献】
【文献】国際公開第２０１５／０９３０５４（ＷＯ，Ａ１）
【文献】三次元点群を拡張したボクセル空間における果樹の生育特徴量の抽出方法の検討，電子情報通信学会技術研究報告 Ｖｏｌ．１１９ Ｎｏ．２６６ ＳｅＭＩ２０１９－９８，一般社団法人電子情報通信学会，2019年10月29日
【文献】季節を考慮した農作物の生育予測手法の提案，日立ＴＯ技報 第１８号，株式会社日立東日本ソリューションズ，2012年11月20日，6～10
【文献】ドローン空撮画像による高速フィールドフェノタイピング，日本ロボット学会誌 第３５巻 第５号，一般社団法人日本ロボット学会，2017年06月15日，9～11
【文献】果樹の生育把握に向けたヒューリスティックな近傍モデルによる三次元点群からの個体分割方法，情報処理学会第８２回（２０２０年）全国大会講演論文集（１） コンピュータシステム ソフトウェア科学・工学 データとウェブ ６M-03，一般社団法人情報処理学会，2020年02月20日
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｔ ７／００
Ｇ０６Ｔ ７／５５
Ａ０１Ｇ ７／００
(57)【特許請求の範囲】
【請求項1】
対象場所における三次元情報に基づいて、前記対象場所における作物個体ごとの地上部体積を算出する地上部体積算出部と、前記地上部体積算出部によって算出された、前記対象場所における作物個体ごとの地上部体積に基づいて、作物個体ごとに作物生育モデルの内部パラメータを決定するパラメータ決定部と、
前記パラメータ決定部によって内部パラメータが決定された作物生育モデルを用いて、前記対象場所における作物個体ごとの収穫量を推定する収穫量推定部と、
を備える推定装置。
【請求項2】
前記三次元情報は、前記対象場所が撮像された対象画像に基づいて復元された前記対象場所の三次元形状を示す情報、または距離を測定する測定器により測定された情報である、請求項１に記載の推定装置。
【請求項3】
前記パラメータ決定部は、作物生育モデルを用いたシミュレーション結果から得られる作物個体の地上部体積が、前記地上部体積算出部によって算出された、前記対象場所における作物個体ごとの地上部体積に近づくように、作物生育モデルの内部パラメータを決定する、請求項１又は請求項２に記載の推定装置。
【請求項4】
前記パラメータ決定部は、作物生育モデルを用いたシミュレーション結果から得られる作物個体の地上部体積の時系列変化が、前記地上部体積算出部によって算出された圃場における作物個体ごとの地上部体積の時系列変化に沿うように、作物生育モデルの内部パラメータを決定する、請求項１から請求項３のいずれか一項に記載の推定装置。
【請求項5】
前記パラメータ決定部は、前記地上部体積算出部によって算出された、前記対象場所における作物個体ごとの、発芽または萌芽から収穫時期までの地上部体積の時系列変化を用いて、作物生育モデルの内部パラメータを決定する、請求項１から請求項４の何れか一項に記載の推定装置。
【請求項6】
前記収穫量推定部は、前記パラメータ決定部によって内部パラメータが決定された作物生育モデルを用いたシミュレーション結果から得られる収穫時期における作物個体の乾物質量を、当該作物個体の収穫量として推定する、請求項１から請求項５の何れか一項に記載の推定装置。
【請求項7】
前記地上部体積算出部は、前記対象場所が撮像された対象画像に基づいて作物が植生している植生部分を抽出し、抽出した前記植生部分に含まれる作物個体の個体数を推定し、推定した個体数を用いて、前記対象場所における作物個体ごとの地上部体積を算出する、請求項１から請求項６の何れか一項に記載の推定装置。
【請求項8】
地上部体積算出部が、対象場所における三次元情報に基づいて、前記対象場所における作物個体ごとの地上部体積を算出し、パラメータ決定部が、前記地上部体積算出部によって算出された、前記対象場所における作物個体ごとの地上部体積に基づいて、作物個体ごとに作物生育モデルの内部パラメータを決定し、
収穫量推定部が、前記パラメータ決定部によって内部パラメータが決定された作物生育モデルを用いて、前記対象場所における作物個体ごとの収穫量を推定する、
推定方法。
【請求項9】
コンピュータに、対象場所における三次元情報に基づいて、前記対象場所における作物個体ごとの地上部体積を算出させ、
前記算出された前記対象場所における作物個体ごとの地上部体積に基づいて、作物個体ごとに作物生育モデルの内部パラメータを決定させ、
前記内部パラメータが決定された作物生育モデルを用いて、前記対象場所における作物個体ごとの収穫量を推定させる、
ためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、作物の収穫量を推定する推定装置、推定方法、及びプログラムに関する。
【背景技術】
【0002】
圃場における作物の収量を収穫前に推定することができれば、収穫作業やその後の加工工程のスケジューリングに有用な情報となる。作物の画像と作物生長モデルを組み合わせることにより、作物の収穫量を推定する方法が報告されている（例えば、非特許文献１－２）。
【0003】
非特許文献１－２では、衛星画像やドローンによる空撮画像と、既存の作物生長モデルを統合して、稲の収穫量を推定する技術が開示されている。非特許文献１－２で用いられる作物生長モデルは、葉面積指数（ＬＡＩ、Leaf Area Index）を観測変数としたものである。非特許文献１－２では、画像から推定したＬＡＩを用いて、作物生長モデルの内部パラメータを決定し、内部パラメータを決定したモデルを用いて生長シミュレーションを行う。そして、生長シミュレーションの結果を基に、最終的な収穫量を計算する。
【先行技術文献】
【非特許文献】
【0004】
【文献】リモートセンシングと作物モデルを用いた水稲の生育と収量の高精度予測、［online］、科学研究費助成事業データベース、［令和２年４月２日検索］，インターネット ＜https://kaken.nii.ac.jp/ja/grant/KAKENHI-PROJECT-23780263/＞
【文献】濱ら、２０１８． ＵＡＶリモートセンシングおよび日射量を用いた水稲の草丈と収量の推定、水文・水資源学会誌３１（２）、６８－８２．
【発明の概要】
【発明が解決しようとする課題】
【0005】
しかしながら、ＬＡＩは、画像からは直接的に計測することができない。このため、画像からのＬＡＩを推定する方法を作物ごとに決定する必要があり、作物によってＬＡＩを推定する精度がばらつくという問題があった。画像から精度よくＬＡＩを推定することができなければ、モデルの内部パラメータを適切に決定することができず、収穫量を正確に推定することが困難となる。また、ＬＡＩは、ある特定の面積を持つ作物群落を対象にした物理量である。このため、ＬＡＩを、作物個体の情報として扱うことができない。非特許文献１－２に記載の方法では、作物の圃場単位あるいは群落単位での収穫量を推定することができるが、作物個体ごとの収穫量を推定することが難しいという問題があった。
【0006】
本発明は、このような事情に鑑みてなされたもので、作物個体ごとに収穫量を推定することができる推定装置、推定方法、及びプログラムを提供する。
【課題を解決するための手段】
【0007】
本発明の一態様によれば、推定装置は、対象場所における三次元情報に基づいて、前記対象場所における作物個体ごとの地上部体積を算出する地上部体積算出部と、前記地上部体積算出部によって算出された、前記対象場所における作物個体ごとの地上部体積に基づいて、作物個体ごとに作物生育モデルの内部パラメータを決定するパラメータ決定部と、前記パラメータ決定部によって内部パラメータが決定された作物生育モデルを用いて、前記対象場所における作物個体ごとの収穫量を推定する収穫量推定部と、を備える。
【0008】
前記三次元情報は、前記対象場所が撮像された対象画像に基づいて復元された情報、または距離を測定する測定器により測定された情報であるようにしてもよい。
【0009】
前記パラメータ決定部は、作物生育モデルを用いたシミュレーション結果から得られる作物個体の地上部体積が、前記地上部体積算出部によって算出された圃場における作物個体ごとの地上部体積に近づくように、作物生育モデルの内部パラメータを決定するようにしてもよい。
【0010】
前記パラメータ決定部は、作物生育モデルを用いたシミュレーション結果から得られる作物個体の地上部体積の時系列変化が、前記地上部体積算出部によって算出された圃場における作物個体ごとの地上部体積の時系列変化に沿うように、作物生育モデルの内部パラメータを決定するようにしてもよい。
【0011】
前記パラメータ決定部は、前記地上部体積算出部によって算出された圃場における作物個体ごとの、発芽または萌芽から収穫時期までの地上部体積の時系列変化を用いて、作物生育モデルの内部パラメータを決定するようにしてもよい。
【0012】
前記収穫量推定部は、前記パラメータ決定部によって内部パラメータが決定された作物生育モデルを用いたシミュレーション結果から得られる収穫時期における作物個体の乾物質量を、当該作物個体の収穫量として推定するようにしてもよい。
【0013】
前記地上部体積算出部は、前記空撮画像に基づいて作物が植生している植生部分を抽出し、抽出した前記植生部分に含まれる作物個体の個体数を推定し、推定した個体数を用いて、圃場における作物個体ごとの地上部体積を算出するようにしてもよい。
【0014】
本発明の一態様によれば、推定方法は、地上部体積算出部が、対象場所における三次元情報に基づいて、前記対象場所における作物個体ごとの地上部体積を算出し、パラメータ決定部が、前記地上部体積算出部によって算出された、前記対象場所における作物個体ごとの地上部体積に基づいて、作物個体ごとに作物生育モデルの内部パラメータを決定し、収穫量推定部が、前記パラメータ決定部によって内部パラメータが決定された作物生育モデルを用いて、前記対象場所における作物個体ごとの収穫量を推定する。
【0015】
本発明の一態様によれば、プログラムは、コンピュータに、対象場所における三次元情報に基づいて、前記対象場所における作物個体ごとの地上部体積を算出させ、前記算出された前記対象場所における作物個体ごとの地上部体積に基づいて、作物個体ごとに作物生育モデルの内部パラメータを決定させ、前記内部パラメータが決定された作物生育モデルを用いて、前記対象場所における作物個体ごとの収穫量を推定させるためのプログラムである。
【発明の効果】
【0016】
本発明によれば、作物個体ごとに収穫量を推定することができる。
【図面の簡単な説明】
【0017】
【図1】第１の実施形態に係る推定装置１の構成の例を示すブロック図である。
【図2】第１の実施形態に係る植生部分抽出部１２が行う処理を説明する図である。
【図3】第１の実施形態に係る個体数推定部１３が行う処理を説明する図である。
【図4】第１の実施形態に係る個体数推定部１３が行う処理を説明する図である。
【図5】第１の実施形態に係る個体数推定部１３が行う処理を説明する図である。
【図6】第１の実施形態に係る個体位置決定部１４が行う処理を説明する図である。
【図7】第１の実施形態に係る個体位置決定部１４が行う処理を説明する図である。
【図8】第１の実施形態に係る個体位置決定部１４が行う処理を説明する図である。
【図9】第１の実施形態に係る個体間境界決定部１５が行う処理を説明する図である。
【図10】第１の実施形態に係る個体生長領域算出部１６が行う処理を説明する図である。
【図11】第１の実施形態に係る個体生長領域算出部１６が行う処理を説明する図である。
【図12】第１の実施形態に係る個体生長領域算出部１６が行う処理を説明する図である。
【図13】第１の実施形態に係る個体生長領域算出部１６が行う処理を説明する図である。
【図14】第１の実施形態に係る個体生長領域算出部１６が行う処理を説明する図である。
【図15】第１の実施形態に係る個体生長領域算出部１６が行う処理を説明する図である。
【図16】第１の実施形態に係る個体生長領域算出部１６が行う処理を説明する図である。
【図17】第１の実施形態に係る推定装置１が行う処理の流れを示すフロー図である。
【図18】第２の実施形態に係る推定装置１００の構成の例を示すブロック図である。
【図19】第２の実施形態に係る画像取得部１１０が取得する画像の例を示す図である。
【図20】第２の実施形態に係る画像取得部１１０が取得する画像の例を示す図である。
【図21】第２の実施形態に係る地上部体積算出部１１２により算出される地上部体積と乾物質量との関係を示す図である。
【図22】第２の実施形態に係るパラメータ決定部１１３により内部パラメータが決定されるモデルを説明する図である。
【図23】第２の実施形態に係るパラメータ決定部１１３が行う処理を説明する図である。
【図24】第２の実施形態に係る地上部体積算出部１１２により算出される地上部体積と、モデルによるシミュレーション結果から算出された地上部体積とを比較した例を示す図である。
【図25】第２の実施形態に係るモデルによるシミュレーション結果の例を示す図である。
【図26】第２の実施形態に係るモデルによるシミュレーション結果の例を示す図である。
【図27】第２の実施形態に係るモデルによるシミュレーション結果の例を示す図である。
【図28】第２の実施形態に係るモデルによるシミュレーション結果の例を示す図である。
【図29】第２のモデルを用いて推定した収穫量と、実際の収穫量とを比較した結果の例を示す図である。
【図30】第２の実施形態に係る推定装置１００が行う処理の流れを示すフロー図である。
【発明を実施するための形態】
【0018】
以下、本発明の実施形態について図面を参照して説明する。第1の実施形態は、第２の実施形態を説明するための前段階の実施形態である。第２の実施形態は、第1の実施形態を用いて、作物の収穫量を推定する実施形態である。
【0019】
（第１の実施形態）
以下、第１の実施形態を説明する。図１は、第１の実施形態に係る推定装置１の構成の例を示すブロック図である。推定装置１は、圃場に植生する個々の作物（作物個体）の生長領域を推定するコンピュータ装置である。作物の生長領域とは、作物の生長に利用することが可能な領域である。推定装置１は、圃場の作物が発芽、或いは萌芽してから、定期的（例えば、１週間毎）に作物個体の生長領域を推定する。これにより、作物個体それぞれの生育状況に応じた生長領域の実態を把握する。
以下、第１の実施形態を説明する。図１は、第１の実施形態に係る推定装置１の構成の例を示すブロック図である。推定装置１は、圃場に植生する個々の作物（作物個体）の生長領域を推定するコンピュータ装置である。作物の生長領域とは、作物の生長に利用することが可能な領域である。推定装置１は、圃場の作物が発芽、或いは萌芽してから、定期的（例えば、１週間毎）に作物個体の生長領域を推定する。これにより、作物個体それぞれの生育状況に応じた生長領域の実態を把握する。
【0020】
推定装置１は、例えば、画像取得部１０と、画像合成部１１と、植生部分抽出部１２と、個体数推定部１３と、個体位置決定部１４と、個体間境界決定部１５と、個体生長領域算出部１６と、記憶部１７とを備える。
【0021】
画像取得部１０は、空撮画像を取得する。空撮画像は上空からみた圃場に植生している作物の様子が撮像された画像であり、例えば、デジタルカメラなどの撮像装置が搭載されたドローンなどを用いて撮像される。この場合、ドローンは、圃場の上空を往復飛行しながら、定期的（例えば、１～２秒毎）に静止画像（空撮画像）を連続的に撮像し、複数に分けて圃場の全体が撮像されるようにする。画像取得部１０は、取得した空撮画像を画像合成部１１に出力する。
【0022】
画像合成部１１は、画像取得部１０によって得られた空撮画像に基づいて、圃場全体の合成画像（以下、単に「合成画像」という）を生成する。画像合成部１１は、複数の空撮画像の中心から所定の範囲にある画像をつなぎ合わせたオルソ画像を生成し、生成したオルソ画像を合成画像とする。この場合において、画像合成部１１は複数の空撮画像から得られる土壌や作物個体の高さ情報等に基づいて画像に生じる歪を補正するようにしてもよい。
【0023】
本実施形態において、合成画像は、後述する画像処理に要求される精度を満たす空間分解能であることが好ましい。後述する画像処理とは、画像合成部１１、植生部分抽出部１２、個体数推定部１３、個体位置決定部１４、及び個体生長領域算出部１６により行われる画像処理である。合成画像に求められる空間分解能は、例えば、１［ｃｍ／ｐｉｘｅｌ］、すなわち、画像の１［ピクセル］に、実際の空間における１［ｃｍ］程度の範囲が撮像されるような分解能である。この場合、合成画像に要求される空間分解能に応じて、例えば、空撮画像の空間分解能が決定され、決定された空間分解能により空撮画像が撮像される。
【0024】
以下、合成画像を用いて、推定装置１が生長領域を推定する場合を例に説明する。しかしながらこれに限定されることはない。推定装置１は、少なくとも生長領域を推定する対象とする作物とその周囲の領域が撮像された画像を用いて生長領域を推定できればよい。例えば、推定装置１は、圃場の一部のみが撮像された画像を用いて、その画像に撮像されている作物個体の生長領域を推定するようにしてもよい。また、推定装置１は、空撮画像に生じ得る歪が低減される観点から、オルソ画像を用いて生長領域を推定することが好ましいが、これに限定されることはない。推定装置１は、合成前の空撮画像を用いて作物個体の生長領域を推定してもよい。
【0025】
植生部分抽出部１２は、合成画像から植生部分を抽出する。例えば、植生部分抽出部１２は、合成画像における植生部分と土壌部分との色の相違に基づいて両者を分離する。この場合、植生部分抽出部１２は、植生部分と土壌部分の色の特徴に基づいて、画素ごとの色情報（例えば、ＲＧＢ値）を２値化する。
【0026】
例えば、植生部分抽出部１２は、植生部分と想定される標準的な色（例えば、緑色：ＲＧＢ値（０、１２８、０））と、色空間上の距離が所定の範囲内にある色の画素を特定の第１色（例えば、白色）に変換する。植生部分抽出部１２は、植生部分における標準的な色と、色空間上の距離が所定の範囲外にある色の画素を特定の第２色（例えば、黒色）に変換する。植生部分抽出部１２は、合成画像において、第１色（例えば、白色）に変換された部分を、植生部分として抽出する。植生部分抽出部１２は、合成画像において植生部分を示す情報（例えば、画素の座標値）を、個体数推定部１３に出力する。
【0027】
ここで、合成画像から抽出される植生部分としては、１つの作物個体からなる植生部分として抽出されるもの（図２の植生部分Ｒ２１参照）のみならず、２つ以上の作物個体がつながった状態で抽出されるもの（図２の植生部分Ｒ２２参照）があり得る。本実施形態の推定装置１では、作物個体の生長領域を推定する。このため、推定装置１では、合成画像から２つ以上の作物個体がつながった状態で植生部分が抽出された場合、抽出された植生部分を、１つの作物個体に相当する植生部分ごとに分離する必要がある。
【0028】
この対策として、推定装置１では、個体数推定部１３により、植生部分に含まれる作物の個体数を推定する。そして、推定装置１では、作物個体の生長領域を推定する方法を、植生部分に含まれる作物の個体数に応じて、それぞれの個体数に適した方法を用いて作物個体の生長領域を推定する。これにより、推定装置１は、合成画像から２つ以上の作物個体がつながった状態で植生部分が抽出された場合であっても、１つの作物ごとに、その作物個体の生長領域を推定することが可能となる。
【0029】
個体数推定部１３は、植生部分抽出部１２によって抽出された植生部分に含まれる作物の個体数を推定する。一般に、植生部分の面積が大きい程、その植生部分に含まれる作物の個体数が多いことが推定される。また、１つの作物個体からなる植生部分は、略円形の形状となり、複数の作物個体の植生部分がつながって１つの植生部分が構成される場合、個々の作物個体の略円形の形状における周縁部が重なった形状と面積が大きい程、その植生部分に含まれる作物の個体数が多いことが推定される。
【0030】
個体数推定部１３は、この性質を利用し、植生部分のそれぞれの大きさや形状に基づいて、当該植生部分に含まれる作物の個体数を推定する。例えば、個体数推定部１３は、サポートベクタマシンによる分類結果を利用して、植生部分に含まれる作物の個体数を２つのクラスに分離する。この場合、サポートベクタマシンに入力する説明変数は、植生部分の面積、及び形状に関する特徴である。形状に関する特徴は、任意の特徴であってよいが、特に、植生部分に含まれる作物個体の個体数に応じた形状の特徴であることが好ましい。これにより、形状に関する特徴を入力することにより、サポートベクタマシンから得られる結果を、植生部分に含まれる作物個体の個体数に応じて分離された結果とすることが可能である。
【0031】
個体数推定部１３は、例えば、植生部分の形状に関する特徴として、植生部分の周囲長、円形度、最小外接矩形の長辺長と短辺長、回帰円からのＲＭＳ（Root Mean Square）誤差、及び回帰円の半径などを用いる。周囲長は、植生部分の周囲の長さであり、例えば、植生部分の輪郭（エッジ）に相当する画素を抽出し、抽出した画素の数に応じて導出される。円形度は、植生部分の形状における円形らしさを示す指標であり。例えば、円形度は、植生部分の形状が円形であった場合の面積と周囲長の関係に対する、実際の植生部分の面積と周囲長の関係、に応じて導出される。最小外接矩形は、植生部分に外接する最小の矩形である。回帰円は、植生部分の形状に当てはめることができる円である。
【0032】
まず、個体数推定部１３は、合成画像から抽出された植生部分の全てを対象として、植生部分の面積、及び形状に関する特徴をサポートベクタマシンに入力する。これにより、サポートベクタマシンは、入力された説明変数に基づいて、例えば、植生部分を、１つの作物個体からなる植生部分と、複数（２つ以上）の作物個体からなる植生部分とに分離する（図３参照）。
【0033】
次に、個体数推定部１３は、サポートベクタマシンにより、複数（２つ以上）の作物個体からなる植生部分に分類された植生部分を対象として、植生部分の面積、及び形状に関する特徴をサポートベクタマシンに入力する。これにより、サポートベクタマシンは、入力された説明変数に基づいて、例えば、植生部分を、２つの作物個体からなる植生部分と、３つ以上の作物個体からなる植生部分とに分離する（図４参照）。
【0034】
さらに、個体数推定部１３は、サポートベクタマシンにより、３つ以上の作物個体からなる植生部分に分類された植生部分を対象として、植生部分の面積、及び形状に関する特徴をサポートベクタマシンに入力する。これにより、サポートベクタマシンは、入力された説明変数に基づいて、例えば、植生部分を、３つの作物個体からなる植生部分と、それ以上（４つ以上）の作物個体からなる植生部分とに分離する（図５参照）。
【0035】
このように、例えば、個体数推定部１３は、分離する対象を絞り込みながら、サポートベクタマシンから得られる結果を用いて、植生部分に含まれる作物個体の個体数を推定する。
【0036】
なお、植生部分に含まれる作物の個体数が増加した場合、サポートベクタマシンを用いた分離の精度が劣化することが考えられる。例えば、４つの作物個体からなる植生部分と、それ以上（５つ以上）の作物個体からなる植生部分における植生部分の面積、及び形状に関する特徴が類似することが考えられる。植生部分を個体数ごとに分離し得る特徴が見いだされなかった場合、サポートベクタマシンを用いた分離の精度が劣化する可能性がある。
【0037】
この対策として、個体数推定部１３は、サポートベクタマシンにより分離する個体数の上限を予め設定するようにしてもよい。例えば、個体数推定部１３は、サポートベクタマシンにより精度よく分離可能な範囲において、サポートベクタマシンを用いた個体数の推定を行う。例えば、個体数推定部１３は、個体数が既知である植生部分を、サポートベクタマシンに分離させた場合に、実際の個体数と整合するか否かに基づいて、サポートベクタマシンを用いた分離を行う個体数の上限を決定する。
【0038】
なお、上記では、個体数推定部１３がサポートベクタマシンを用いた分類を行う場合を例に説明したが、これに限定されない。個体数推定部１３は、少なくとも、植生部分の面積、及び形状に基づいて分類した結果を用いて、個体数を推定すればよい。例えば、個体数推定部１３は、植生部分の面積及び形状の組合せに、その植生部分の個体数が対応づけられたテーブルを参照することにより、植生部分に含まれる作物個体の個体数を推定するようにしもよい。
【0039】
個体位置決定部１４は、植生部分における作物個体の個体位置を決定する。個体位置は、生長領域を推定する際に用いられる作物個体の位置である。個体位置決定部１４は、植生部分に含まれる作物個体が、
（ケース１）１個体である場合
（ケース２）２個体又は３個体である場合
（ケース３）４個体以上である場合
のそれぞれに応じて、互いに異なる方法を用いて、個体位置を決定する。
（ケース１）１個体である場合
（ケース２）２個体又は３個体である場合
（ケース３）４個体以上である場合
のそれぞれに応じて、互いに異なる方法を用いて、個体位置を決定する。
【0040】
まず、（ケース１）植生部分に含まれる作物個体が１個体である場合において、個体位置決定部１４が、植生部分における作物個体の個体位置を決定する方法について説明する。植生部分に含まれる作物個体が１個体である場合、個体位置決定部１４は、植生部分の重心位置を、その植生部分における作物個体の個体位置とする（図６参照）。
【0041】
次に、（ケース２）植生部分に含まれる作物個体が２個体又は３個体である場合において、個体位置決定部１４が、植生部分における作物個体の個体位置を決定する方法について説明する。まず、植生部分に含まれる作物個体が２個体である場合について説明する。個体位置決定部１４は、植生部分における主軸を定義する。ここでの主軸は、植生部分に含まれる二つの作物個体の個体位置と想定される点を通る直線である（図７の主軸ＳＧ参照）。
【0042】
植生部分は、作物個体の個体位置を中心として同心円状に広がる傾向にある。そして、植生部分に二つの作物個体が含まれている場合には、二つの作物個体それぞれに相当する二つの略円形が、互いが隣接する周縁部において重なり、楕円の中央部分が窪んだ、ひょうたんのような形状となる。この場合における二つの円の中心を通る直線が、本実施形態における主軸に相当する。
【0043】
上記のように定義される主軸は、植生部分における画素の分布のばらつきを最大にする軸とみなすことができる。この性質を利用して、個体位置決定部１４は、例えば、主成分分析を用いて主軸を決定する。この場合、植生部分における画素の分布のばらつきを主成分分析して得られる第１主成分軸が、本実施形態における、植生部分の主軸に相当する。
【0044】
具体的に、個体位置決定部１４は、まず、植生部分の輪郭を構成する画素の位置座標の平均座標を原点とする座標系（以下、ｘｙ座標系という）を定義する。個体位置決定部１４は、植生部分の輪郭を構成する画素のそれぞれの位置座標を、ｘｙ座標系を用いて表す。個体位置決定部１４は、ｘｙ座標系の原点を通る直線ＴＳ（ａｘ＋ｂｙ＝０）を定義する。ａ、及びｂは任意の実数である。個体位置決定部１４は、植生部分の輪郭を構成する画素のｘｙ座標（ｘｉ、ｙｉ）から直線ＴＳまでの最短距離を誤差ｅｉとする。但し、iは、植生部分の輪郭を構成する画素の総数をＮとした場合における、１～Ｎまでの任意の自然数である。誤差ｅｉは、下記（式１）で導出される。
【0045】
ｅｉ＝｜ａｘｉ、ｂｙｉ｜／√（ａ２＋ｂ２） …（式１）
【0046】
個体位置決定部１４は、植生部分を構成する全ての画素における誤差ｅｉの和が最小となる条件を満たすａ、及びｂの組合せを導出する。この条件を満たすａ、及びｂの組合せは、下記（式２）で表現される。（式２）におけるα、及びβは、誤差ｅｉの和が最小となる条件を満たすａ、及びｂの組合せである。また、（式２）におけるΣで加算する範囲は、（ｉ＝１）から（ｉ＝Ｎ）まで、である。Ｎは、植生部分の輪郭を構成する画素の総数である。（式２）を変形すると、元のデータ（植生部分の輪郭を構成する画素）について分散共分散の固有ベクトル（α、β）を求める問題となる。
【0047】
α、β＝ａｒｇｍｉｎ｛Σｅｉ
２｝ …（式２）
【0048】
個体位置決定部１４は、（式２）を満たすα、βで定義される直線ＴＳ（αｘ＋βｙ＝０）を主軸にする。
【0049】
或いは、個体位置決定部１４は、植生部分を貫通する直線のうち、植生部分を通る距離が長いものを主軸としてもよい。この場合、個体位置決定部１４は、植生部分の輪郭を構成する画素から抽出した任意の２点を結ぶ直線のうち、直線の距離が最大となるものを主軸とする。
【0050】
或いは、個体位置決定部１４は、植生部分の輪郭を構成する画素の回帰直線を主軸とすることが考えられる。上述した主成分分析における主軸と、回帰直線とは、直線までの距離の和が最小となる直線ＴＳを求めるという点において共通するためである。
【0051】
しかしながら、植生部分の主軸を求める手法に回帰直線を採用することは困難である。主成分分析の主軸と回帰直線では、誤差ｅｉの取り方が異なるためである。主成分分析では、画素から直線までの最短距離を誤差と定義する。一方、回帰直線では、画素から直線までのｙ軸方向の距離を誤差と定義している。このため、植生部分が、ｙ軸方向に縦長の形状である場合、誤差の和を最小とする直線の傾き（ａ／ｂの絶対値）が大きくなってしまう傾向になり、意図しない直線が主軸として導出されてしまう可能性がある。このため、本実施形態において、植生部分がｙ軸方向に縦長の形状である場合、植生部分における回帰直線を主軸として採用することは好ましくない。
【0052】
個体位置決定部１４は、主軸に対して水平な方向（図７の方向ＳＨ参照）に、植生部分の画素数を投影させたヒストグラム（図７のヒストグラムＨＧ参照）を作成する。個体間境界決定部１５は、作成したヒストグラムにおいて、分布を２分割する判別分析を行う。例えば、個体位置決定部１４は、ヒストグラムのうち、画素の分布数が減少から増加に転じる位置に対応する箇所を、判別分析により分布を２分割する境界（図７の境界閾値ＫＳ参照）とする。
【0053】
個体位置決定部１４は、植生部分の輪郭と主軸が交差する２点（図７の端点ＥＰ１、及びＥＰ２）を、植生部分における端点とする。個体位置決定部１４は、主軸上の端点ＥＰ１から、主軸と境界閾値ＫＳの交点を結んだ直線の中間点（図７における点ＧＰ１）を、植生部分に含まれる二つの作物個体のうち、一方の作物個体の個体位置とする。また、個体位置決定部１４は、主軸上の端点ＥＰ２から、主軸と境界閾値ＫＳの交点を結んだ直線の中間点（図７における点ＧＰ２）を、植生部分に含まれる二つの作物個体のうち、他方の作物個体の個体位置とする。
【0054】
植生部分に含まれる作物個体が３個体である場合にも、植生部分に含まれる作物個体が２個体である場合と同様の手法を適用して、作物個体の個体位置を決定することができる。この場合、個体位置決定部１４は、作成したヒストグラムにおいて、分布を３分割する判別分析を行う。
【0055】
次に、（ケース３）植生部分に含まれる作物個体が４個体以上である場合において、個体位置決定部１４が、植生部分における作物個体の個体位置を決定する方法について説明する。
【0056】
植生部分に含まれる作物個体が４個体以上である場合、植生部分における長い楕円のような形状において、３つ以上の窪んだ部分を判別することが困難となる（図８における領域Ｒ５１参照）。このため、（ケース２）と同様の方法を適用して個体位置を決定することが難しい。
【0057】
ここで、一般的に、作物の生育がある程度進んだ場合に、４個体以上の作物が互いにつながって見えるようになってくると考えられる。個体位置決定部１４は、この性質を利用し、前回以前の合成画像における作物個体の位置を用いて、今回の個体位置を決定する。
【0058】
具体的に、個体位置決定部１４は、４個体以上の作物がつながる以前に撮像された空撮画像に基づく合成画像に基づいて、個体作物の個体位置を決定する。この場合、植生部分には、４個体未満の作物が含まれていることから、（ケース１）又は（ケース２）を用いて個体位置を決定することができる。個体位置決定部１４は、決定した個体位置を、例えば、合成画像に対応させ記憶させておく。
【0059】
個体位置決定部１４は、今回の合成画像において抽出された植生部分に、４個体以上の作物が含まれていると推定された場合、その植生部分を用いた個体位置を決定しない。代わりに、個体位置決定部１４は、前回以前の合成画像において、今回個体位置を決定しなかった植生部分に相当する領域における個体位置（図８における領域Ｒ３１、或いはＲ４１）を、当該植生部分の個体位置とする。
【0060】
個体間境界決定部１５は、個体間の境界（以下、個体間境界ともいう）を決定する。個体間境界とは、作物個体と、それに隣り合う作物個体との生長領域の境界である。一般に、植生部分の面積が大きい作物個体は、植生部分の面積が小さい作物個体と比較して、より広い生長領域を有すると考えられる。この性質が反映されるように、個体間境界決定部１５は、個体位置決定部１４により決定された作物個体の個体位置、及び作物個体の被覆面積（植生部分の面積）に基づいて、個体間境界を決定する。
【0061】
個体間境界決定部１５は、個体間境界を決定する対象とする、二つの作物個体（植生部分ＳＢ３、及びＳＢ４）に着目する。個体間境界決定部１５は、二つの個体位置のそれぞれを結んだ線分の中間点を原点とし、二つの個体位置のそれぞれを結んだ直線をｘ軸とする直行座標系を定義する（図９参照）。
【0062】
個体間境界決定部１５は、二つの個体位置を焦点とする双曲線（ｘ２／Ａ２－ｙ２／Ｂ２＝１）を、個体間境界（図９の境界ＲＫ３４）として、係数Ａ、Ｂを以下の方法で決定する。
【0063】
まず、個体間境界決定部１５は、二つの作物個体の被覆面積（植生部分の面積）を算出し、それぞれ面積ｗ１、ｗ２とする。また、個体間境界決定部１５は、二つの作物個体の位置のｘｙ座標を、それぞれ（－Ｌ、０）、（Ｌ、０）とする。また、個体間境界決定部１５は、二つの個体位置の距離２Ｌを、面積ｗ１：ｗ２の割合で分割した距離をｐ、及びｑとする（図９参照）。この場合、ｐ、及びｑは以下の（式３）により表すことができる。
【0064】
ｐ＝｛２Ｌ／（ｗ１＋ｗ２）｝ｗ１、
ｑ＝｛２Ｌ／（ｗ１＋ｗ２）｝ｗ２ …（式３）
ｑ＝｛２Ｌ／（ｗ１＋ｗ２）｝ｗ２ …（式３）
【0065】
個体間境界決定部１５は、（式３）で示されるｐ、及びｑを用いて、双曲線の頂点のｘｙ座標が（ｐ－Ｌ、０）となるように、以下の（式４）を示すようにＡ、及びＢを決定する。
【0066】
Ａ＝（ｐ－ｑ）／２、
Ｂ＝√（ｐｑ）
但し、ｗ１＞ｗ２の場合、ｘ＞０
ｗ１＜ｗ２の場合、ｘ＜０
ｗ１＝ｗ２の場合、個体間境界はｙ軸に一致する …（式４）
Ｂ＝√（ｐｑ）
但し、ｗ１＞ｗ２の場合、ｘ＞０
ｗ１＜ｗ２の場合、ｘ＜０
ｗ１＝ｗ２の場合、個体間境界はｙ軸に一致する …（式４）
【0067】
個体生長領域算出部１６は、作物個体の生長領域を算出する。個体生長領域算出部１６は、生長領域を算出する対象とする作物個体に着目する（図１０の植生部分ＳＢ５）。個体生長領域算出部１６は、着目した作物個体と隣り合う作物個体（図１０の植生部分ＳＢ７～ＳＢ１０）それぞれとの個体間境界を取得する。ここでの個体間境界は、個体間境界決定部１５によって決定される。個体生長領域算出部１６は、取得した境界によって囲まれる領域（図１０の領域ＳＲ）を、その作物個体の生長領域とする。
【0068】
上述した、推定装置１の機能部（画像取得部１０、画像合成部１１、植生部分抽出部１２、個体数推定部１３、個体位置決定部１４、個体間境界決定部１５、及び個体生長領域算出部１６）は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
【0069】
記憶部１７は、例えば、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ、ＲＡＭ（Random Access Memory）などで構成される。記憶部１７は、例えば、画像情報を記憶する。例えば、記憶部１７は、空撮画像の画像情報を記憶する。この場合、画像取得部１０は、取得した空撮画像の情報を１７に記憶させる。記憶部１７は、合成画像の画像情報を記憶するようにしてもよい。この場合、画像合成部１１は、生成した合成画像の画像情報を記憶部１７に記憶させる。
【0070】
記憶部１７は、画像合成部１１により抽出された植生部分が示された合成画像の画像情報を記憶するようにしてもよい。記憶部１７は、個体数推定部１３により推定された植生部分に含まれる個体数を示す情報を記憶するようにしてもよい。記憶部１７は、個体位置決定部１４により決定された個体位置を示す情報を記憶するようにしてもよい。記憶部１７は、個体間境界決定部１５により決定された個体間境界が示された合成画像の画像情報を記憶するようにしてもよい。記憶部１７は、個体生長領域算出部１６により算出された作物個体の生長領域が示された合成画像の画像情報を記憶するようにしてもよい。記憶部１７は、他の情報、例えば、推定装置１のＣＰＵに実行させるプログラムや、プログラムが実行される際に使用される各種パラメータなども記憶される。
【0071】
図２は、第１の実施形態に係る植生部分抽出部１２が行う処理を説明する図である。図２の左側には合成画像の一部を示す画像Ｇ１が示されている。図２の右側には画像Ｇ１から抽出した植生部分を白色、植生部分とは異なる部分を黒色で示した二値の画像Ｇ２が示されている。このように、植生部分抽出部１２は、画像Ｇ１における画素ごとの色を、植生部分の色に基づいて二値化することにより、植生部分を抽出する。なお、画像Ｇ２における領域Ｒ２０には、二つの個体作物が含まれる植生部分の例が示されている。また、画像Ｇ２における領域Ｒ２１には、１つの個体作物からなる植生部分の例が示されている。
【0072】
図３～図５は、第１の実施形態に係る個体数推定部１３が行う処理を説明する図である。図３から図５には、植生部分の形状などの特徴に基づいてサポートベクタマシンにより生成された多次元のベクトル空間が示されている。それぞれのベクトル空間には、合成画像から抽出された植生部分のそれぞれの特徴が、ベクトル空間における特徴軸に応じた位置座標で示されている。
【0073】
図３には、植生部分に含まれる個体数が１つであるクラスＣ１と、二つ以上であるクラスＣ２とに分離された様子が示されている。サポートベクタマシンは、合成画像から抽出された植生部分の全てを対象として入力された説明変数に基づいて、例えば、図３に示すような、クラスＣ１とＣ２との分離曲面を提示する。
【0074】
図４には、植生部分に含まれる個体数が二つ以上であるクラスＣ２が、個体数が二つであるクラスＣ２１と、３つ以上であるクラスＣ２２とに分離された様子が示されている。サポートベクタマシンは、クラスＣ２に分類された植生部分を対象として入力された説明変数に基づいて、例えば、図４に示すような、クラスＣ２１とＣ２２との分離曲面を提示する。
【0075】
図５には、植生部分に含まれる個体数が３つ以上であるクラスＣ２２が、個体数が３つであるクラスＣ２２１と、４つ以上であるクラスＣ２２２とに分離された様子が示されている。サポートベクタマシンは、クラスＣ２２に分類された植生部分を対象として入力された説明変数に基づいて、例えば、図５に示すような、クラスＣ２２１とＣ２２２との分離曲面を提示する。
【0076】
図６～図８は、第１の実施形態に係る個体位置決定部１４が行う処理を説明する図である。図６には、植生部分に含まれる作物の個体数が１つである場合における個体位置、つまり（ケース１）の手法により決定された個体位置が示されている。図６における画像Ｇ２は図２における画像Ｇ２と同様に、植生部分が白色に変換された合成画像である。画像Ｇ２０は、画像Ｇ２における植生部分（１つの作物個体が含まれる植生部分）を拡大させたものである。この場合、個体位置決定部１４は、（ケース１）の手法に基づいて、植生部分ＳＢ１の重心ＧＰ１の位置を、個体位置とする。
【0077】
図７には、植生部分に含まれる作物の個体数が２個体又は３個体である場合における個体位置、つまり（ケース２）の手法により決定された個体位置が示されている。図７における画像Ｇ２は図２における画像Ｇ２と同様に、植生部分が白色に変換された合成画像である。画像Ｇ２１は、画像Ｇ２における植生部分（２つつの作物個体が含まれる植生部分）を拡大させたものである。この場合、個体位置決定部１４は、（ケース２）の手法に基づいて、植生部分ＳＢ２の主軸ＳＧを決定する。個体位置決定部１４は、決定した主軸ＳＧに垂直な方向ＳＨに沿って、植生部分ＳＢを構成する画素のヒストグラムＨＧを作成する。個体位置決定部１４は、作成したヒストグラムに基づいて、境界閾値ＫＳの位置を決定する。個体位置決定部１４は、植生部分ＳＢ２の端点ＥＰ１から、主軸と境界閾値ＫＳの交点までの距離を等分する点を、一方の個体位置ＧＰ１とする。個体位置決定部１４は、植生部分ＳＢ２の端点ＥＰ２から、主軸と境界閾値ＫＳの交点までの距離を等分する点を、他方の個体位置ＧＰ２とする。
【0078】
図８には、植生部分に含まれる作物の個体数が４個体以上である場合における個体位置、つまり（ケース３）の手法により決定された個体位置が示されている。図８には、撮像日が異なる３つの合成画像である画像Ｇ３～Ｇ５が示されている。画像Ｇ３～Ｇ５は、いずれも圃場における同じ領域が示されている。画像Ｇ３～Ｇ５のうち、画像Ｇ３が最も早い日付（例えば、６月７日）、画像Ｇ４が次点の日付（例えば、６月９日）、画像Ｇ５が最も遅い日付（例えば、６月１１日）に撮像されたものである。
【0079】
図８の領域Ｒ５１のように、４つ以上の作物がつながった植生部分が観察された場合、個体位置決定部１４は、このままでは領域Ｒ５１の個体位置を決定することができない。そこで、個体位置決定部１４は、２日前に撮像された画像Ｇ４の領域Ｒ４１、或いは、４日前に撮像された画像Ｇ３の領域Ｒ３１で決定された個体位置を、画像Ｇ５における領域Ｒ５１の個体位置とする。
【0080】
（ケース３）における個体位置の決定をより安定して行うためには、より頻繁に（例えば、毎日、或いは数日おき）空撮画像を撮像することが考えられる。作物は固定され、生育の過程で個体位置が動くことがない。このため、作物の生育期間中に少なくとも１回個体位置を決定すれば、その後日以降の合成画像から個体位置を決定する必要がないとも考えられる。
【0081】
しかしながら、毎回、個体位置を決定することにより、個体位置の精度を向上させることが可能である。例えば、毎回決定した個体位置について、複数回（例えば、３回）の個体位置がともに所定の範囲の領域内であれば、その個体位置は正確な位置を示しているとみなすことが可能である。
【0082】
これを利用して、例えば、個体位置決定部１４は、毎回決定した個体位置について、複数回（例えば、３回）における個体位置のそれぞれのばらつき度合いに基づき、個体位置の尤度（確からしさ）を判定するようにしてもよい。
【0083】
図９は、第１の実施形態に係る個体間境界決定部１５が行う処理を説明する図である。図９には、２つの植生部分ＳＢ３、ＳＢ４における個体間境界である境界ＲＫ３４が示されている。図９に示すように、個体間境界決定部１５は、２つの植生部分ＳＢ３、ＳＢ４の個体位置（－Ｌ、０）、（Ｌ、０）を焦点とし、植生部分ＳＢ３、ＳＢ４間の距離２Ｌを、植生部分ＳＢ３、ＳＢ４の面積ｗ１、ｗ２に応じた割合（ｗ１：ｗ２）で分割する点（ｐ－Ｌ、０）が頂点となる双曲線を、植生部分ＳＢ３とＳＢ４との個体間境界である境界ＲＫ３４とする。
【0084】
図１０から図１６は、第１の実施形態に係る個体生長領域算出部１６が行う処理を説明する図である。図１０には、作物個体の植生部分ＳＢ５の生長領域ＳＲが示されている。図１０に示すように、個体生長領域算出部１６は、植生部分ＳＢ５と、その隣り合う作物個体の植生部分ＳＢ７～ＳＢ１０のそれぞれとの間の境界を、個体間境界決定部１５から取得する。植生部分ＳＢ５とＳＢ６との個体間境界は境界ＲＫ５６である。植生部分ＳＢ５とＳＢ７との個体間境界は境界ＲＫ５７である。植生部分ＳＢ５とＳＢ８との個体間境界は境界ＲＫ５８である。植生部分ＳＢ５とＳＢ９との個体間境界は境界ＲＫ５９である。植生部分ＳＢ５とＳＢ１０との個体間境界は境界ＲＫ５１０である。個体生長領域算出部１６は、植生部分ＳＢ５と、その隣り合う作物個体の植生部分ＳＢ７～ＳＢ１０のそれぞれとの間の境界（境界ＲＫ５６、ＲＫ５７、ＲＫ５８、ＲＫ５９、及びＲＫ５１０）で囲まれる領域を、生長領域ＳＲとする。
【0085】
図１１には、画像Ｇ１０において抽出された植生部分のそれぞれに含まれる作物個体ごとの生長領域が示されている。図１１に示すように、圃場の端に植えられた作物については、隣り合う作物個体が存在しない側の境界として、圃場と圃場外との境界を適用するようにしてもよい。
【0086】
図１２には、作物の生育の過程により、その生長領域が変化していく様子が示されている。隣り合う作物の植生部分の面積が同程度である場合、境界は、個体位置を結んだ直線の中心を通り、個体位置を結んだ直線にほぼ垂直な線となる（撮影日１参照）。作物の生長が進み、隣り合う作物の植生部分の面積に差が出てくると、その個体間境界は、個体位置を結んだ直線を、面積に比率で分割した点（面積の小さい方の側によった位置）を頂点とする双曲線となる（撮影日２参照）。隣り合う作物の植生部分の面積の差が大きくなると、その個体間境界は、双曲線の曲率が更に大きくしたものとなる（撮影日３参照）。隣り合う作物の植生部分がつながった場合、植生部分がつながる前に決定した境界を、最終的な境界として採用する（撮影日４参照）。
【0087】
図１３～図１６には、圃場における作物が発芽し始める段階から、植生部分がつながるまでの各段階において決定された個体間境界が示されている。作物が発芽し始める段階においては、空撮画像の撮像が行われる度に新しい個体位置が検出されるため、新たに検出された個体位置に基づいて新たな生長領域が決定される（図１３、及び図１４参照）。個体間境界は、植生部分の面積を重みとして決定されるため、作物が生長する段階では、撮像が行われる度に生長領域の形状が変化する（図１４、及び１５参照）。生長領域の形状は、隣り合う作物の植生部分がつながるまで更新される（図１５、及び１６参照）。
【0088】
図１７は、第１の実施形態に係る推定装置１が行う処理の流れを示すフロー図である。推定装置１は、ドローン等によって上空から圃場が撮像された空撮画像を取得する（ステップＳ１）。推定装置１は、取得した空撮画像をつなぎ合わせて合成し、圃場全体の合成画像（オルソ画像）を生成する（ステップＳ２）。推定装置１は、合成画像の色を二値化するなどして、合成画像における植生部分を抽出する（ステップＳ３）。推定装置１は、抽出した植生部分のそれぞれに含まれる作物個体の個体数を、サポートベクタマシンを利用するなどして推定する（ステップＳ４）。推定装置１は、推定した個体数に応じて、主成分分析を利用するなどして、作物個体の個体位置を決定する（ステップＳ５）。推定装置１は、決定した個体位置を用いて、隣り合う作物個体の被覆面積（植生部分の面積）を重みづけした境界（個体間境界）を決定する（ステップＳ６）。推定装置１は、作物個体に隣り合う作物との間で決定した境界により囲まれる領域を、その作物個体の生長領域として算出する（ステップＳ７）。
【0089】
（第２の実施形態）
第２の実施形態を説明する。図１８は、第２の実施形態に係る推定装置１００の構成の例を示すブロック図である。推定装置１００は、圃場に植生する個々の作物（作物個体）の収穫量を推定するコンピュータ装置である。推定装置１００は、例えば、画像取得部１１０と、三次元情報復元部１１１と、地上部体積算出部１１２と、パラメータ決定部１１３と、収穫量推定部１１４と、記憶部１１７とを備える。
第２の実施形態を説明する。図１８は、第２の実施形態に係る推定装置１００の構成の例を示すブロック図である。推定装置１００は、圃場に植生する個々の作物（作物個体）の収穫量を推定するコンピュータ装置である。推定装置１００は、例えば、画像取得部１１０と、三次元情報復元部１１１と、地上部体積算出部１１２と、パラメータ決定部１１３と、収穫量推定部１１４と、記憶部１１７とを備える。
【0090】
画像取得部１１０は、空撮画像を取得する。空撮画像は上空からみた圃場に植生している作物の様子が撮像された画像であり、例えば、デジタルカメラなどの撮像装置が搭載されたドローンなどを用いて撮像される。この場合、ドローンは、圃場の上空を往復飛行しながら、定期的（例えば、１～２秒毎）に静止画像（空撮画像）を連続的に撮像し、複数に分けて圃場の全体が撮像されるようにする。
【0091】
本実施形態では、圃場の作物が発芽、或いは萌芽してから、定期的（例えば、１週間毎）に空撮が行われる。これにより、作物の生長過程を示す空撮画像が時系列で撮像される。画像取得部１１０は、撮像される度に空撮画像を取得し、取得した空撮画像を画像合成部１１に出力する。
【0092】
三次元情報復元部１１１は、画像取得部１１０によって得られた空撮画像に基づいて、圃場表面の三次元情報を復元する。ここでの三次元情報は、空撮画像の画素ごとの位置座標に、その画素の深度（奥行情報）が付与された情報、あるいは、３次元点群情報である。例えば、三次元情報復元部１１１は、互いに異なる撮像位置から撮像された複数の空撮画像を、ステレオカメラの原理を適用させる三次元再構成技術を用いて、画像における画素ごとの深度を算出する。あるいは、ＬｉＤＡＲ（Light Detection and Ranging、Laser Imaging Detection and Ranging）などの距離センサで測定することにより圃場表面３次元点群を得るようにしてもよい。ここでのＬｉＤＡＲなどの距離センサは、「距離を測定する測定器」の一例である。三次元情報復元部１１１は、三次元情報を地上部体積算出部１１２に出力する。
【0093】
地上部体積算出部１１２は、三次元情報復元部１１１によって復元された三次元情報に基づいて、圃場における作物個体の地上部の体積（以下、地上部体積ともいう）を算出する。ここでの地上部とは、作物において地上に出ている部分、つまり作物の葉部である。
【0094】
例えば、地上部体積算出部１１２は、圃場の三次元情報から土壌の三次元情報を減算することにより、まず、空撮画像から作物の三次元情報を抽出する。地上部体積算出部１１２は、作物がない状態（裸地）における圃場の三次元情報（図１９参照）を取得する。裸地の圃場とは、例えば、作物が発芽する前に撮像された圃場の空撮画像である。地上部体積算出部１１２は、作物がある状態における圃場の三次元情報（図２０参照）を取得する。作物がある状態の圃場とは、今回、作物個体の地上部体積を算出する対象とする圃場の空撮画像である。
【0095】
作物個体の地上部体積は、以下の（式１）により表現することができる。（式１）において、Ｖｎはｎ番目の作物個体の地上部体積である。Ｒｎはｎ番目の作物個体の領域である。ｇ（ｘ、ｙ、ｚ）は裸地の圃場の三次元情報である。ｆ（ｘ、ｙ、ｚ）は作物がある状態の圃場の三次元情報である。
【0096】
Ｖｎ＝∫∫∫Ｒｎ｛ｆ（ｘ、ｙ、ｚ）－ｇ（ｘ、ｙ、ｚ）｝ｄｘｄｙｄｚ …（式１）
【0097】
地上部体積算出部１１２は、（式１）を用いて、作物がある状態の圃場の三次元情報から、裸地の圃場の三次元情報を差し引くことにより、圃場における作物のみの三次元情報を抽出する。地上部体積算出部１１２は、抽出した作物の三次元情報を、作物個体の領域で空間積分することにより、作物個体の地上部体積を算出する。地上部体積算出部１１２は、算出した作物個体の地上部体積を、パラメータ決定部１１３に出力する。
【0098】
地上部体積算出部１１２は、空間積分を実行する際に、作物個体の領域を把握しておく必要がある。作物個体の領域として、例えば第１の実施形態における作物個体の生長領域が適用される。
【0099】
本実施形態では、作物生育モデルを用いて、作物個体の収穫量を推定する。作物生育モデルは、作物の生育状況をシミュレーションにより導出する数値モデルである。作物生育モデルが導出する作物の生育状況とは、例えば、地上部乾物質量、及び地下部乾物質量である。地上部乾物質量とは、作物の地上部（葉部）における乾物質量である。地下部乾物質量とは、作物の地下部（塊茎部）における乾物質量である。乾物質量とは、作物の重量であって、作物に含まれる水分量を除いた重量である。馬鈴薯などの根菜類の場合、地下部乾物質量が、収穫量に相当する。
【0100】
一般に、作物個体の地上部体積は、その作物個体の地上部乾物質量と線形の関係にあることが知られている（図２１参照）。ここで、地上部乾物質量は、地上部体積と相関を有すると考えられる。本実施形態では、この作物個体の地上部体積と地上部乾物質量との関係を利用して、作物生育モデルの内部パラメータを決定する。
【0101】
具体的に、パラメータ決定部１１３は、作物生育モデルのシミュレーションを実行した結果として得られる作物個体の体積が、地上部体積算出部１１２によって算出された作物個体の体積に近づくように作物生育モデルの内部パラメータを決定する。これにより、作物生育モデルに実際の作物の生育状況を反映させることができる。このため、作物生育モデルのシミュレーションによって、収穫量を精度よく推定することが可能となる。
【0102】
また、パラメータ決定部１１３は、作物生育モデルのシミュレーションを実行した結果として得られる作物個体の体積の時系列変化が、地上部体積算出部１１２によって算出された作物個体の体積の時系列変化に近づくように作物生育モデルの内部パラメータを決定する。これにより、作物生育モデルに、将来の作物の生育状況を精度よく予測させることができる。このため、作物生育モデルのシミュレーションによって、収穫量を精度よく推定することが可能となる。なお、作物生育モデルの内部パラメータについては、後で詳しく説明する。
【0103】
収穫量推定部１１４は、パラメータ決定部１１３によって決定された内部パラメータが設定された作物生育モデルを用いて、作物個体の収穫量を推定する。収穫量推定部１１４は、例えば、作物生育モデルに入力変数（例えば、気象データなど）を入力することにより、作物生育モデルから作物の地下部乾物質量の時系列変化を示す情報を出力させる。収穫量推定部１１４は、地下部乾物質量の時系列変化のうち、収穫時期に相当する地下部乾物質量を、作物個体の収穫量と推定する。
【0104】
上述した、推定装置１００の機能部（画像取得部１１０、三次元情報復元部１１１、地上部体積算出部１１２、パラメータ決定部１１３、及び収穫量推定部１１４）は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
【0105】
記憶部1１７は、例えば、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ、ＲＡＭ（Random Access Memory）などで構成される。記憶部1１７は、例えば、画像情報を記憶する。例えば、記憶部１７は、空撮画像の画像情報を記憶する。この場合、画像取得部１１０は、取得した空撮画像の情報を記憶部1１７に記憶させる。記憶部1１７は、三次元情報復元部１１１により復元された三次元情報を記憶するようにしてもよい。記憶部１７は、地上部体積算出部１１２により算出された地上部体積を示す情報を記憶するようにしてもよい。記憶部1１７は、パラメータ決定部１１３により決定された内部パラメータを作物個体に対応づけて記憶するようにしてもよい。記憶部1１７は、収穫量推定部１１４により推定された収穫量を作物個体に対応づけて記憶するようにしてもよい。記憶部1１７は、他の情報、例えば、推定装置１００のＣＰＵに実行させるプログラムや、プログラムが実行される際に使用される各種パラメータなども記憶される。
【0106】
図１９、及び図２０は、第２の実施形態に係る画像取得部１１０が取得する画像の例を示す図である。図１９には裸地の圃場の三次元情報の例が示されている。図２０には作物がある状態の圃場の三次元情報の例が示されている。このように、三次元情報は、空撮画像における画素に対応づけられ、濃淡などによりその深度を示す情報であってもよい。
【0107】
図２１は、第２の実施形態に係る地上部体積算出部１１２により算出される地上部体積と乾物質量との関係を示す図である。図４の横軸は地上部体積、縦軸は地上部乾物質量を示す。図２１に示すように、地上部体積と地上部乾物質量とは相関し、地上部体積が増加するにしたがって地上部乾物質量も増加する傾向がある。
【0108】
【0109】
図２２の例に示すように、作物生育モデルは、例えば、気象データＴｋを入力変数とする。ｋは萌芽日以降の日数である。気象データＴｋは、萌芽日から現在（ｋ日経過後）までの気象データｔｋの集合として表現される。気象データｔｋは、その日の気象を示す情報であって、例えば、最低気温、最高気温、平均気温、日射エネルギ（ＰＡＲ、Photosynthetically Active Radiation）、日長時間などを示す情報である。
【0110】
作物生育モデルは、その生育の時期に応じた生育状況を出力する。例えば、図５の例に示すように、萌芽日（ｋ＝０）の５月下旬、及び塊茎形成の６月中旬の時期には、地上部乾物質量が増加する一方で、地下部乾物質量はさほど増加しない。生長ピークの７月中旬、及び黄変の８月中旬の時期には、地上部乾物質量、及び地下部乾物質量が共に増加する。そして、完全枯凋の８月下旬には、葉部が枯れて地上部乾物質量が減少し、地下部乾物質量はさほど増加しない。
【0111】
作物生育モデルの内部パラメータは、生育の時期などに対応して設定される。例えば、地上部乾物質量における１日あたりの増加量ΔＷｋは、地上部乾物の増加量ｆ（Ｔｋ）から減少量ｇ（Ｔｋ）を減算させたものとして表される。増加量ｆ（Ｔｋ）における、発芽直後、初期生育期間、及び地上部被覆飽和のそれぞれの時期に応じた生長速度が、内部パラメータａ１、ａ２、ａ３によって設定可能である。減少量ｇ（Ｔｋ）における、葉形成から枯死までの期間が、内部パラメータａ４によって設定可能である。
【0112】
地上部の乾物質量Ｗｋ＋１は、前日の地上部乾物質量Ｗｋに、その日の地上部乾物増加量ΔＷｋを加算させたものとして表される。
【0113】
地上部体積Ｖｋは、地上部乾物質量Ｗｋに、関数ｈ（ｋ）を乗算させたものとして表される。関数ｈ（ｋ）は、内部パラメータａ５、ａ６によって、その振る舞いが設定可能である。
【0114】
地下部乾物質量の増加量ΔＹｋは、地上部受光エネルギに、地下部乾物質量への変換割合Ｌ（Ｔｋ）を乗算させたものとして表される。地上部受光エネルギは、日射エネルギＰＡＲｋに、地上部体積Ｖｋを乗算させたものとして表される。変換割合Ｌ（Ｔｋ）は、内部パラメータａ７によって、品種等に応じた設定が可能である。
【0115】
地下部の乾物質量Ｙｋ＋１は、前日の地下部乾物質量Ｙｋに、その日の地下部乾物増加量ΔＹｋを加算させたものとして表される。
【0116】
ここで、パラメータ決定部１１３が内部パラメータを決定する方法について、図２３を用いて説明する。図２３は、第２の実施形態に係るパラメータ決定部１１３が行う処理を説明する図である。図２３の左上、左下及び右側のそれぞれのグラフにおける横軸は時期、縦軸は地上部体積を示す。
【0117】
図２３の左上のグラフに示すように、作物生育モデルの内部パラメータによって、地上部体積の時系列変化のパターンが無数に存在する。上述したように、作物生育モデルには多数の内部パラメータが存在する。内部パラメータに設定された値の組合せにより、作物生育モデルの振る舞いが異なるためである。
【0118】
【0119】
パラメータ決定部１１３は、作物生育モデルによる地上部体積の時系列変化が、空撮画像から導出した地上部体積の時系列変化に近づくように、内部パラメータを決定することによりデータ同化を行う。データ同化は、任意の方法で行われてよいが、例えばマルコフ連鎖モンテカルロ法（ＭＣＭＣ）、又は最小二乗法や粒子フィルタなどの手法が用いられる。
【0120】
図２３の右のグラフに示すように、データ同化により内部パラメータが決定された作物生育モデルから出力される上部体積の時系列変化は、空撮画像から導出された地上部体積の時系列変化と同じようなパターンとなる。例えば、パラメータ決定部１１３は、作物生育モデルによるシミュレーション結果の中から、空撮画像から導出された地上部体積の時系列変化によく似たものを抽出する。パラメータ決定部１１３は、抽出したシミュレーションを行った作物生育モデルに設定されていた内部パラメータを、収穫量を推定するモデルの内部パラメータとする。
【0121】
図２４は、第２の実施形態に係る空撮画像から導出された地上部体積と、シミュレーション結果が示した地上部体積とを比較した例を示す図である。図２４には１６個の作物個体のそれぞれの地上部体積の時系列変化が示されている。図２４の各グラフの横軸は時期、縦軸は地上部体積を示す。
【0122】
図２４に示すように、実際に観測された地上部体積の時系列変化に合うように、適切に内部パラメータを設定することにより、作物個体の生育状況を忠実にシミュレーションさせることが可能となる。このように、内部パラメータが適切に設定されたモデルを用いることにより、より正確に収穫量を推定することが可能である。
【0123】
図２５～図２８は、第２の実施形態に係るモデルによるシミュレーション結果の例を示す図である。図２５には、地上部体積Ｖｋの時系列変化が、観測値（空撮画像から導出された地上部体積）と共に示されている。図２６には、図２５と同じ内部パラメータが設定されたモデルの地上部乾物増加量ΔＷｋの時系列変化が示されている。図２７には、図２５と同じ内部パラメータが設定されたモデルの地下部乾物増加量ΔＹｋの時系列変化が示されている。図２８には、地下部乾物質量Ｙｋとして、図２７に示す地下部乾物増加量ΔＹｋを積分値の時系列変化が示されている。地上部体積の時系列変化が、実情（空撮画像から導出された地上部体積）の時系列変化によく似た変化をする場合、モデルが実際の作物の生育状況を精度よく示していると推測できる。このように実際の作物の生育状況を精度よく示すモデルは、地上部乾物増加量ΔＷｋ、及び地下部乾物増加量ΔＹｋの時系列変化においても実際の変化の状況によく似た変化をしていると考えられる。したがって、このモデルを用いて推定される収穫量が、実際の収穫量を正確に示していることが期待できる。
【0124】
図２９は、第２の実施形態に係るモデルを用いて推定した収穫量と、実際の収穫量とを比較した結果の例を示す図である。図１２の横軸は実際の収穫量、縦軸は推定した収穫量を示す。図１２に示すように、推定した収穫量と、実際の収穫量とが相関しており、モデルが精度よく収穫量を予測できていることが判る。
【0125】
図３０は、第２の実施形態に係る推定装置１００が行う処理の流れを示すフロー図である。推定装置１００は、ドローン等によって上空から圃場が撮像された空撮画像を取得する（ステップＳ１１）。推定装置１００は、取得した空撮画像を用いて三次元再構成技術により、圃場の三次元情報を復元する（ステップＳ１２）。推定装置１００は、作物個体の地上部体積を算出する（ステップＳ１３）。推定装置１００は、例えば、圃場の三次元情報から裸地圃場の三次元情報を減算し、減算後の三次元情報を作物個体の領域について空間積分するなどして、作物個体の地上部体積を算出する。推定装置１００は、内部パラメータを取得する（ステップＳ１４）。推定装置１００は、モデルのシミュレーション結果から得られる地上部体積の時系列変化が、空撮画像から導出した作物個体の地上部体積に近づくように、内部パラメータを設定する。推定装置１００は、作物個体から得られる収穫量を推定する（ステップＳ１５）。推定装置１００は、ステップＳ４で決定した内部パラメータを設定したモデルから得られるシミュレーション結果に基づいて、収穫量を推定する。
【0126】
以上説明したように、説明した通り、第２の実施形態の推定装置１００は、地上部体積算出部１１２と、パラメータ決定部１１３と、収穫量推定部１１４とを備える。地上部体積算出部１１２は、圃場における三次元情報に基づいて、圃場における作物個体ごとの地上部体積を算出する。圃場は「対象場所」の一例である。空撮画像は、「対象画像」の一例である。パラメータ決定部１１３は、地上部体積算出部１１２によって算出された圃場における作物個体ごとの地上部体積に基づいて、作物個体ごとに作物生育モデルの内部パラメータを決定する。収穫量推定部１１４は、パラメータ決定部１１３によって内部パラメータが決定された作物生育モデルを用いて、圃場における作物個体ごとの収穫量を推定する。これにより、第２の実施形態の推定装置１００では、作物個体の地上部体積に基づいて、作物個体ごとにモデルの内部パラメータが個別に設定される作物個体ごとに収穫量を推定する。このため、作物個体ごとに収穫量を推定することが可能である。
【0127】
また、第２の実施形態の推定装置１００では、三次元情報は、三次元情報復元部１１１によって空撮画像を用いて復元された圃場の三次元形状を示す情報、またはＬｉＤＡＲなどの距離センサを用いて測定された情報である。これにより、第２の実施形態の推定装置１００では、上述した効果と同様の効果を奏する。
【0128】
また、第２の実施形態の推定装置１００では、パラメータ決定部１１３は、作物生育モデルを用いたシミュレーション結果から得られる作物個体の地上部体積が、実情（地上部体積算出部１１２によって算出された圃場における作物個体ごとの地上部体積）に近づくように、作物生育モデルの内部パラメータを決定する。これにより、第２の実施形態の推定装置１００では、実情に合うように内部パラメータを決定することができ、実情に沿ったシミュレーションを実行可能な、精度の良いモデルを作成することができる。したがって、精度の良いモデルを用いて、精度よく収穫量を推定することが可能となる。
【0129】
また、第２の実施形態の推定装置１００では、パラメータ決定部１１３は、作物生育モデルを用いたシミュレーション結果から得られる作物個体の地上部体積の時系列変化が、実情（地上部体積算出部によって算出された圃場における作物個体ごとの地上部体積の時系列変化）に沿うように、作物生育モデルの内部パラメータを決定する。これにより、第２の実施形態の推定装置１００では、実情に合うように内部パラメータを決定することができ、実情に沿ったシミュレーションを実行可能な、精度の良いモデルを作成することができる。したがって、上述した効果と同様の効果を奏する。
【0130】
また、第２の実施形態の推定装置１００では、パラメータ決定部１１３は、地上部体積算出部によって算出された圃場における作物個体ごとの、発芽から収穫時期までの地上部体積の時系列変化を用いて、作物生育モデルの内部パラメータを決定する。これにより、第２の実施形態の推定装置１００では、発芽から収穫時期までの地上部体積の時系列変化が、実情に合うように内部パラメータを決定することができ、実情に沿ったシミュレーションを実行可能な、精度の良いモデルを作成することができる。したがって、上述した効果と同様の効果を奏する。
【0131】
また、第２の実施形態の推定装置１００では、収穫量推定部１１４は、パラメータ決定部１１３によって内部パラメータが決定された作物生育モデルを用いたシミュレーション結果から得られる収穫時期における作物個体の地下部乾物質量を、当該作物個体の収穫量として推定する。これにより、第２の実施形態の推定装置１００では、収穫時期における作物個体の地下部乾物質量を収穫量と推定することができる。したがって、収穫の時期に応じた収穫量を推定することが可能である。
【0132】
また、第２の実施形態の推定装置１００では、地上部体積算出部１１２は、空撮画像に基づいて作物が植生している植生部分を抽出し、抽出した植生部分に含まれる作物個体の個体数を推定し、推定した個体数を用いて、圃場における作物個体ごとの地上部体積を算出する。これにより、第２の実施形態の推定装置１００では、画像において複数の作物がつながって見えている場合であっても、個々の作物個体を抽出して、その領域を特定することができる。したがって、地上部体積算出部１１２が精度よく地上部体積を算出できる。このため、より正確な実情に沿って内部パラメータを決定でき、精度の良いモデルを用いて、精度よく収穫量を推定することが可能となる。
【0133】
また、上述した実施形態では、空撮画像を用いて作物個体の収穫量を推定する場合を例に説明した。しかしながら空撮画像に限定されることはない。推定装置１は、圃場に植生する作物における位置と大きさとが少なくとも判る程度に撮像されたデジタル画像であれば、任意の画像を用いて作物個体の収穫量を推定してよい。
【0134】
また、上述した実施形態では、圃場に植生する作物個体の収穫量を推定する場合を例に説明した。しかしながら圃場に限定されることはない。推定装置１は、少なくとも作物が植生する場所であれば、任意の場所における作物個体の収穫量を推定してよい。
【0135】
また、上述した実施形態では、地下部乾物質量を用いて作物個体の収穫量を推定する合を例に説明した。しかしながら地下部乾物質量に限定されることはない。地上部乾物質量や地下部乾物質量に限定することなく、単に乾物質量を用いて作物個体の収穫量を推定するようにしてもよい。この場合、例えば、収穫時期における作物個体の乾物質量のうち、所定比率を乗算して得られる質量を収穫量と推定するようにしてもよい。
【0136】
なお、推定装置１００の機能部が行う処理（演算及び制御）の全部または一部を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することで各部の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
【0137】
以上、本発明の実施形態を、図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計変更等も含まれる。
【符号の説明】
【0138】
１００ 推定装置
１１０ 画像取得部
１１１ 三次元情報復元部
１１２ 地上部体積算出部
１１３ パラメータ決定部
１１４ 収穫量推定部
１１７ 記憶部
１１０ 画像取得部
１１１ 三次元情報復元部
１１２ 地上部体積算出部
１１３ パラメータ決定部
１１４ 収穫量推定部
１１７ 記憶部
【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】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】