ホーム > 特許ランキング > 国立大学法人東海国立大学機構
特許7473951情報処理装置、情報処理システム、情報処理方法、および、コンピュータプログラム
(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】2024-04-16
(45)【発行日】2024-04-24
(54)【発明の名称】情報処理装置、情報処理システム、情報処理方法、および、コンピュータプログラム
(51)【国際特許分類】
G06Q 50/02 20240101AFI20240417BHJP
A01G 7/00 20060101ALI20240417BHJP
G06T 7/00 20170101ALI20240417BHJP
【ＦＩ】
G06Q50/02
A01G7/00 603
G06T7/00 350C
【請求項の数】
7
(21)【出願番号】P 2020031113
(22)【出願日】2020-02-27
(65)【公開番号】P2021135726
(43)【公開日】2021-09-13
【審査請求日】2023-02-24
【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）令和元年度 戦略的プロジェクト研究推進事業委託事業「ＡＩを活用した食品における効率的な生産流通に向けた研究開発」、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】504139662
【氏名又は名称】国立大学法人東海国立大学機構
(74)【代理人】
【識別番号】110001911
【氏名又は名称】弁理士法人アルファ国際特許事務所
(72)【発明者】
【氏名】北 栄輔
(72)【発明者】
【氏名】内山 敦史
(72)【発明者】
【氏名】吉田 重信
(72)【発明者】
【氏名】窪川 清一
【審査官】樋口 龍弥
(56)【参考文献】
【文献】国際公開第２０１６／００９７５２（ＷＯ，Ａ１）
【文献】特開２０１３－００５７２４（ＪＰ，Ａ）
【文献】特開２０１４－１９１６２４（ＪＰ，Ａ）
【文献】特開２０１７－１６９５１１（ＪＰ，Ａ）
【文献】特開２０１９－０３７２２５（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００ － ９９／００
Ａ０１Ｇ ７／００
Ｇ０６Ｔ ７／００
(57)【特許請求の範囲】
【請求項1】
情報処理装置であって、栽培中の特定種類の植物である対象植物を撮影することにより生成された画像データである対象画像データを取得する対象データ取得部と、
前記対象画像データの色情報を含む画像データと、所定の機械学習により作成されたモデルとを用いて、収穫時の前記対象植物の生育状態に対する、画像データにより表される前記対象植物の生育状態の比である生育率を推定する生育率推定部と、
前記対象画像データについて推定された前記生育率に基づき、前記対象植物の収穫日時を予測する収穫日時予測部と、
を備え、
前記対象データ取得部は、前記対象植物を複数の日時に撮影することにより生成された複数の前記対象画像データを取得し、
前記生育率推定部は、複数の前記対象画像データについて前記生育率を推定し、
前記収穫日時予測部は、一の前記対象画像データについての前記対象植物の収穫日時を、前記一の対象画像データについて推定された前記生育率と、前記一の対象画像データの撮影日時より前に撮影された各前記対象画像データについて推定された前記生育率と、に基づき予測する、
情報処理装置。
【請求項2】
請求項１に記載の情報処理装置であって、さらに、前記特定種類の植物を、定植から収穫までの期間内の複数の日時に撮影することにより生成された画像データである複数の訓練用画像データと、前記訓練用画像データにより表される前記植物の前記生育率を示す生育率データと、が関連付けられた訓練データを取得する訓練データ取得部と、
前記訓練データを用いた前記機械学習により、前記モデルを取得するモデル取得部と、
を備える、
情報処理装置。
【請求項3】
請求項２に記載の情報処理装置であって、前記生育率データは、前記特定種類の植物の定植から収穫までに要する時間に対する、定植から各前記訓練用画像データの撮影日時までの経過時間の比を前記生育率として示すデータである、
情報処理装置。
【請求項4】
請求項１から請求項３までのいずれか一項に記載の情報処理装置と、前記情報処理装置との間で通信ネットワークを介して通信可能な端末装置と、
を備える情報処理システムであって、
前記情報処理装置は、さらに、推定された前記対象植物の生育率を示す情報を、前記通信ネットワークを介して前記端末装置に向けて送信する情報送信部を備える、
情報処理システム。
【請求項5】
請求項４に記載の情報処理システムであって、さらに、前記対象植物が栽培されている圃場に設置され、前記情報処理装置との間で通信ネットワークを介して通信可能な撮影装置を備え、
前記対象データ取得部は、前記撮影装置が前記対象植物を撮影することにより生成された前記対象画像データを、前記通信ネットワークを介して取得する、
情報処理システム。
【請求項6】
情報処理方法であって、栽培中の特定種類の植物である対象植物を撮影することにより生成された画像データである対象画像データを取得する工程と、
前記対象画像データの色情報を含む画像データと、所定の機械学習により作成されたモデルとを用いて、収穫時の前記対象植物の生育状態に対する、画像データにより表される前記対象植物の生育状態の比である生育率を推定する工程と、
前記対象画像データについて推定された前記生育率に基づき、前記対象植物の収穫日時を予測する工程と、
を備え、
前記対象画像データを取得する工程は、前記対象植物を複数の日時に撮影することにより生成された複数の前記対象画像データを取得する工程であり、
前記生育率を推定する工程は、複数の前記対象画像データについて前記生育率を推定する工程であり、
前記収穫日時を予測する工程は、一の前記対象画像データについての前記対象植物の収穫日時を、前記一の対象画像データについて推定された前記生育率と、前記一の対象画像データの撮影日時より前に撮影された各前記対象画像データについて推定された前記生育率と、に基づき予測する工程である、
情報処理方法。
【請求項7】
コンピュータプログラムであって、コンピュータに、
栽培中の特定種類の植物である対象植物を撮影することにより生成された画像データである対象画像データを取得する処理と、
前記対象画像データの色情報を含む画像データと、所定の機械学習により作成されたモデルとを用いて、収穫時の前記対象植物の生育状態に対する、画像データにより表される前記対象植物の生育状態の比である生育率を推定する処理と、
前記対象画像データについて推定された前記生育率に基づき、前記対象植物の収穫日時を予測する処理と、
を実行させ、
前記対象画像データを取得する処理は、前記対象植物を複数の日時に撮影することにより生成された複数の前記対象画像データを取得する処理であり、
前記生育率を推定する処理は、複数の前記対象画像データについて前記生育率を推定する処理であり、
前記収穫日時を予測する処理は、一の前記対象画像データについての前記対象植物の収穫日時を、前記一の対象画像データについて推定された前記生育率と、前記一の対象画像データの撮影日時より前に撮影された各前記対象画像データについて推定された前記生育率と、に基づき予測する処理である、
コンピュータプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本明細書に開示される技術は、栽培中の植物の生育率を推定する情報処理装置に関する。
【背景技術】
【0002】
近年、植物（葉物野菜、果樹、花き類等）の栽培の効率化や最適化のための技術が種々提案されている。例えば、篤農家が行った果樹栽培において、果樹を撮影した画像から果実のサイズおよび葉面積の積算値を求め、果実のサイズおよび葉面積の積算値に基づき果実の生育状態を近似した生育曲線を決定し、該生育曲線を用いて栽培の果実の生育状態を評価し、該評価結果に基づき果実の収穫日を予測する技術が知られている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０１９－１８７２５９号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上記従来の技術では、栽培中の植物の生育状態を評価するための処理が煩雑である、という課題がある。
【0005】
本明細書では、上述した課題を解決することが可能な技術を開示する。
【課題を解決するための手段】
【0006】
本明細書に開示される技術は、例えば、以下の形態として実現することが可能である。
【0007】
（１）本明細書に開示される情報処理装置は、栽培中の特定種類の植物である対象植物を撮影することにより生成された画像データである対象画像データを取得する対象データ取得部と、前記対象画像データの色情報を含む画像データと、所定の機械学習により作成されたモデルとを用いて、収穫時の前記対象植物の生育状態に対する、画像データにより表される前記対象植物の生育状態の比である生育率を推定する生育率推定部と、を備える。このように、本情報処理装置は、栽培中の対象植物を撮影することにより生成された対象画像データを取得し、対象画像データの色情報を含む画像データと機械学習により作成されたモデルとを用いて、対象植物の生育率を推定することができる。そのため、本情報処理装置によれば、対象画像データを取得するだけで対象植物の生育率を推定することができ、植物栽培の効率化や最適化を実現することができる。また、本情報処理装置によれば、対象画像データを取得するだけで対象植物の生育率を推定することができるため、生育率の推定の精度の低下を抑制しつつ、対象植物の生育率を推定するための処理が煩雑になることを抑制することができる。
【0008】
（２）上記情報処理装置において、さらに、前記対象画像データについて推定された前記生育率に基づき、前記対象植物の収穫日時を予測する収穫日時予測部を備える構成としてもよい。本情報処理装置によれば、対象画像データを取得するだけで対象植物の収穫日時を予測することができ、植物栽培の効率化や最適化を効果的に実現することができる。
【0009】
（３）上記情報処理装置において、前記対象データ取得部は、前記対象植物を複数の日時に撮影することにより生成された複数の前記対象画像データを取得し、前記生育率推定部は、複数の前記対象画像データについて前記生育率を推定し、前記収穫日時予測部は、一の前記対象画像データについての前記対象植物の収穫日時を、前記一の対象画像データについて推定された前記生育率と、前記一の対象画像データの撮影日時より前に撮影された各前記対象画像データについて推定された前記生育率と、に基づき予測する構成としてもよい。本情報処理装置によれば、対象植物の収穫日時を精度良く予測することができ、植物栽培の効率化や最適化をさらに効果的に実現することができる。
【0010】
（４）上記情報処理装置において、さらに、前記特定種類の植物を、定植から収穫までの期間内の複数の日時に撮影することにより生成された画像データである複数の訓練用画像データと、前記訓練用画像データにより表される前記植物の前記生育率を示す生育率データと、が関連付けられた訓練データを取得する訓練データ取得部と、前記訓練データを用いた前記機械学習により、前記モデルを取得するモデル取得部と、を備える構成としてもよい。本情報処理装置によれば、他の装置を用いずとも、植物の生育率を推定するためのモデルを取得することができ、該モデルを用いて対象植物の生育率を推定することができる。
【0011】
（５）上記情報処理装置において、前記生育率データは、前記特定種類の植物の定植から収穫までに要する時間に対する、定植から各前記訓練用画像データの撮影日時までの経過時間の比を前記生育率として示すデータである構成としてもよい。本情報処理装置によれば、容易に、かつ、画一的に、植物の生育率を特定することができ、植物栽培の効率化や最適化をさらに効果的に実現することができる。
【0012】
（６）本明細書に開示される情報処理システムは、上記情報処理装置と、前記情報処理装置との間で通信ネットワークを介して通信可能な端末装置と、を備える情報処理システムであって、前記情報処理装置は、さらに、推定された前記対象植物の生育率を示す情報を、前記通信ネットワークを介して前記端末装置に向けて送信する情報送信部を備える。本情報処理システムによれば、情報処理装置の情報送信部が、推定された対象植物の生育率を示す情報を端末装置に向けて送信するため、端末装置を保持する農作業者は、圃場以外の地点に居ても対象植物の生育率を把握することができ、植物栽培の効率化や最適化をさらに効果的に実現することができる。
【0013】
（７）上記情報処理システムにおいて、さらに、前記対象植物が栽培されている圃場に設置され、前記情報処理装置との間で通信ネットワークを介して通信可能な撮影装置を備え、前記対象データ取得部は、前記撮影装置が前記対象植物を撮影することにより生成された前記対象画像データを、前記通信ネットワークを介して取得する構成としてもよい。本情報処理システムによれば、撮影者（例えば、農作業者）が圃場に出向くことなく対象画像データを取得することができ、取得された対象画像データを用いて対象植物の生育率を推定することができるため、植物栽培の効率化や最適化を極めて効果的に実現することができる。
【0014】
なお、本明細書に開示される技術は、種々の形態で実現することが可能であり、例えば、情報処理装置、情報処理システム、情報処理方法、それらの方法を実現するコンピュータプログラム、そのコンピュータプログラムを記録した一時的でない記録媒体等の形態で実現することができる。
【図面の簡単な説明】
【0015】
【図1】本実施形態における植物栽培管理システム１０の概略構成を示す説明図
【図2】植物栽培管理サーバ１００の構成を概略的に示すブロック図
【図3】本実施形態における生育率推定モデル作成処理の内容を示すフローチャート
【図4】訓練データＴＤの一例を概念的に示す説明図
【図5】生育率推定モデルＭＯの一例を概念的に示す説明図
【図6】本実施形態における植物栽培支援処理の内容を示すフローチャート
【図7】本実施形態における植物栽培支援処理中に端末装置２００の表示部２１０に表示される画面の一例を示す説明図
【図8】本実施形態における生育率Ｇに基づく収穫日時Ｔｅの予測方法の一例を示す説明図
【図9】本実施形態における植物栽培支援処理中に端末装置２００の表示部２１０に表示される画面の一例を示す説明図
【図10】本実施例において利用した植物の栽培実績を示す説明図
【図11】本実施例において使用した画像データを示す説明図
【図12】本実施例におけるエポック毎の損失関数の推移を示す説明図
【図13】本実施例における生育率Ｇの予測精度を示す説明図
【図14】本実施例における生育率Ｇの予測精度を示す説明図
【図15】本実施例における生育率Ｇの予測精度を示す説明図
【発明を実施するための形態】
【0016】
Ａ．実施形態：
Ａ－１．植物栽培管理システム１０の構成：
図１は、本実施形態における植物栽培管理システム１０の概略構成を示す説明図である。植物栽培管理システム１０は、圃場における植物の栽培の管理を行うためのシステムであり、より具体的には、栽培中の植物の画像データを利用して当該植物の生育状態や予測される収穫日時を把握することを可能とし、植物栽培の効率化や最適化を図るシステムである。本実施形態において、圃場は、半開放型の植物工場ＰＦである。ここで、半開放型の植物工場ＰＦとは、例えばビニールハウスのように、太陽光を遮断しない材料によって囲われた圃場である。ただし、植物栽培管理システム１０は、他の種類の圃場（例えば、閉鎖型や開放型といった他のタイプの植物工場、露地栽培用の圃場等）にも適用可能である。なお、図１には、１つの植物工場ＰＦのみが示されているが、植物栽培管理システム１０は、複数の植物工場ＰＦのそれぞれにおける植物栽培の管理にも適用可能である。また、栽培対象の植物は、葉物野菜（例えば、ほうれん草）や果樹（例えば、トマト）、花き類等、任意の種類の植物であってよい。植物栽培管理システム１０は、特許請求の範囲における情報処理システムに相当する。
Ａ－１．植物栽培管理システム１０の構成：
図１は、本実施形態における植物栽培管理システム１０の概略構成を示す説明図である。植物栽培管理システム１０は、圃場における植物の栽培の管理を行うためのシステムであり、より具体的には、栽培中の植物の画像データを利用して当該植物の生育状態や予測される収穫日時を把握することを可能とし、植物栽培の効率化や最適化を図るシステムである。本実施形態において、圃場は、半開放型の植物工場ＰＦである。ここで、半開放型の植物工場ＰＦとは、例えばビニールハウスのように、太陽光を遮断しない材料によって囲われた圃場である。ただし、植物栽培管理システム１０は、他の種類の圃場（例えば、閉鎖型や開放型といった他のタイプの植物工場、露地栽培用の圃場等）にも適用可能である。なお、図１には、１つの植物工場ＰＦのみが示されているが、植物栽培管理システム１０は、複数の植物工場ＰＦのそれぞれにおける植物栽培の管理にも適用可能である。また、栽培対象の植物は、葉物野菜（例えば、ほうれん草）や果樹（例えば、トマト）、花き類等、任意の種類の植物であってよい。植物栽培管理システム１０は、特許請求の範囲における情報処理システムに相当する。
【0017】
植物栽培管理システム１０は、植物栽培管理サーバ１００と、農作業者Ｐ１が使用する端末装置２００と、植物工場ＰＦに設置された撮影装置３００とを備える。植物栽培管理システム１０を構成する各装置は、通信ネットワークＮＥＴを介して互いに通信可能に接続されている。
【0018】
撮影装置３００は、植物工場ＰＦ内に設置され、植物工場ＰＦ内で栽培されている植物を撮影することにより、該植物の画像データ（例えば、ＲＧＢの静止画像データ）を生成する装置である。本実施形態では、撮影装置３００は、植物工場ＰＦ内における予め設定された範囲（栽培されている植物を含む範囲）を被写体として、定期的に（例えば、１時間毎に）撮影を行う。また、撮影装置３００は、図示しない通信インターフェースを有しており、例えば撮影の都度、撮影により生成された画像データを通信ネットワークＮＥＴを介して植物栽培管理サーバ１００に送信する。なお、１つの植物工場ＰＦに、互いに異なる範囲を被写体として撮影する複数の撮影装置３００が設置されていてもよい。また、植物栽培管理システム１０の管理対象の植物工場ＰＦが複数ある場合には、各植物工場ＰＦに撮影装置３００が設置される。
【0019】
端末装置２００は、例えば、スマートフォンやタブレット型端末である。端末装置２００は、例えば液晶ディスプレイ等により構成された表示部２１０を備える（図７，９参照）。また、端末装置２００には、植物栽培管理のためのアプリケーションプログラムがインストールされている。詳しくは後述するが、端末装置２００の使用者（農作業者Ｐ１等）は、該アプリケーションプログラムを用いることにより、植物工場ＰＦにおいて栽培中の植物の生育状態や予測される収穫日時を把握することができる。
【0020】
植物栽培管理サーバ１００は、植物工場ＰＦにおける植物の栽培の管理を行うためのサーバ装置である。図２は、植物栽培管理サーバ１００の構成を概略的に示すブロック図である。植物栽培管理サーバ１００は、制御部１１０と、記憶部１２０と、表示部１３０と、操作入力部１４０と、インターフェース部１５０とを備える。これらの各部は、バス１９０を介して互いに通信可能に接続されている。なお、植物栽培管理サーバ１００は、特許請求の範囲における情報処理装置に相当する。
【0021】
植物栽培管理サーバ１００の表示部１３０は、例えば液晶ディスプレイ等により構成され、各種の画像や情報を表示する。また、操作入力部１４０は、例えばキーボードやマウス、ボタン、マイク等により構成され、管理者の操作や指示を受け付ける。なお、表示部１３０がタッチパネルを備えることにより、操作入力部１４０として機能するとしてもよい。また、インターフェース部１５０は、例えばＬＡＮインターフェースやＵＳＢインターフェース等により構成され、有線または無線により他の装置との通信を行う。
【0022】
植物栽培管理サーバ１００の記憶部１２０は、例えばＲＯＭやＲＡＭ、ハードディスクドライブ（ＨＤＤ）等により構成され、各種のプログラムやデータを記憶したり、各種のプログラムを実行する際の作業領域やデータの一時的な記憶領域として利用されたりする。例えば、記憶部１２０には、後述する生育率推定モデル作成処理や植物栽培支援処理を実行するためのコンピュータプログラムである植物栽培管理プログラムＣＰが格納されている。植物栽培管理プログラムＣＰは、例えば、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭ、ＵＳＢメモリ等のコンピュータ読み取り可能な記録媒体（不図示）に格納された状態で提供され、植物栽培管理サーバ１００にインストールすることにより記憶部１２０に格納される。
【0023】
また、植物栽培管理サーバ１００の記憶部１２０には、後述する生育率推定モデル作成処理および植物栽培支援処理の実行中に、訓練データＴＤと、生育率推定モデルＭＯと、対象画像データＩ（ｏ）と、推定生育率データＧＤと、予測収穫日時データＰＤとが格納される。これらの情報の内容については、後述する生育率推定モデル作成処理および植物栽培支援処理の説明に合わせて説明する。
【0024】
植物栽培管理サーバ１００の制御部１１０は、例えばＣＰＵ等により構成され、記憶部１２０から読み出したコンピュータプログラムを実行することにより、植物栽培管理サーバ１００の動作を制御する。例えば、制御部１１０は、記憶部１２０から植物栽培管理プログラムＣＰを読み出して実行することにより、後述の生育率推定モデル作成処理および植物栽培支援処理を実行する植物栽培管理部１１１として機能する。植物栽培管理部１１１は、訓練データ取得部１１２と、モデル取得部１１４と、対象データ取得部１１５と、生育率推定部１１６と、収穫日時予測部１１７と、情報送信部１１８とを含む。これら各部の機能については、後述の生育率推定モデル作成処理および植物栽培支援処理の説明に合わせて説明する。
【0025】
Ａ－２．生育率推定モデル作成処理：
次に、本実施形態の植物栽培管理サーバ１００により実行される生育率推定モデル作成処理について説明する。図３は、本実施形態における生育率推定モデル作成処理の内容を示すフローチャートである。生育率推定モデル作成処理は、所定の機械学習を用いて、特定種類の植物（例えば、ほうれん草）を撮影することにより生成された画像データから、該画像データにより表される植物の生育率Ｇを推定するための生育率推定モデルＭＯを作成する処理である。生育率推定モデル作成処理は、管理者が、植物栽培管理サーバ１００の操作入力部１４０を操作して開始指示を入力したことに応じて開始される。
次に、本実施形態の植物栽培管理サーバ１００により実行される生育率推定モデル作成処理について説明する。図３は、本実施形態における生育率推定モデル作成処理の内容を示すフローチャートである。生育率推定モデル作成処理は、所定の機械学習を用いて、特定種類の植物（例えば、ほうれん草）を撮影することにより生成された画像データから、該画像データにより表される植物の生育率Ｇを推定するための生育率推定モデルＭＯを作成する処理である。生育率推定モデル作成処理は、管理者が、植物栽培管理サーバ１００の操作入力部１４０を操作して開始指示を入力したことに応じて開始される。
【0026】
ここで、植物の生育率Ｇとは、（予想される）収穫時の該植物の生育状態に対する、現時点での該植物の生育状態の比を意味する。本実施形態では、ある日時Ｔｉ（例えば、植物の撮影日時）における植物の生育率Ｇを、該植物の栽培に要する全体の時間（定植（栽培開始）から収穫（栽培終了）までに要する時間）に対する、該植物の定植から該日時Ｔｉまでの経過時間の比で表すものとする。すなわち、生育率Ｇは、下記の式（１）で表される。
Ｇ＝（Ｔｉ－Ｔｓ）／（Ｔｅ－Ｔｓ） ・・・（１）
ただし、
Ｔｓ：植物の定植日時
Ｔｅ：植物の収穫日時
Ｔｉ：生育率Ｇを特定する対象の日時
Ｇ＝（Ｔｉ－Ｔｓ）／（Ｔｅ－Ｔｓ） ・・・（１）
ただし、
Ｔｓ：植物の定植日時
Ｔｅ：植物の収穫日時
Ｔｉ：生育率Ｇを特定する対象の日時
【0027】
生育率推定モデル作成処理では、はじめに、植物栽培管理サーバ１００の訓練データ取得部１１２（図２）が、訓練データＴＤを取得する（Ｓ１１０）。訓練データＴＤは、植物工場ＰＦにおいて栽培される特定種類の植物（例えば、ほうれん草）を、定植から収穫までの期間内の複数の日時に撮影することにより生成された複数の訓練用画像データＩ（ｔ）と、各訓練用画像データＩ（ｔ）により表される植物の生育率Ｇ（すなわち、撮影日時における生育率Ｇ）を示す生育率データと、が対応付けられたデータである。取得された訓練データＴＤは、植物栽培管理サーバ１００の記憶部１２０に格納される。
【0028】
図４は、訓練データＴＤの一例を概念的に示す説明図である。上述したように、植物工場ＰＦに設置された撮影装置３００は、定期的に（例えば、１時間毎に）撮影を行っており、撮影の都度、撮影により生成された画像データを通信ネットワークＮＥＴを介して植物栽培管理サーバ１００に送信している。なお、本実施形態では、撮影装置３００は、植物の定植前や収穫後にも、撮影および画像データの送信を行う。植物栽培管理サーバ１００の訓練データ取得部１１２は、撮影装置３００から送信された画像データを、インターフェース部１５０を介して取得し、記憶部１２０に格納する。なお、訓練データ取得部１１２は、撮影装置３００から送信された画像データに対して、トリミング等の所定の処理を実行した後に、記憶部１２０に格納するとしてもよい。
【0029】
訓練データ取得部１１２は、記憶部１２０に格納された複数の画像データの中から、特定種類の植物の定植日時Ｔｓから収穫日時Ｔｅまでの期間内の複数の日時に撮影することにより生成された一連の複数の画像データ（すなわち、１作分の画像データ）を選択する。なお、以下では、日時Ｔｉに撮影・生成された画像データを、画像データＩｉと表す。定植日時Ｔｓに撮影された画像データは画像データＩｓであり、収穫日時Ｔｅに撮影された画像データは画像データＩｅである。訓練データ取得部１１２は、公知の画像認識処理により、記憶部１２０に格納された複数の画像データの中から、定植日時Ｔｓに撮影された画像データＩｓおよび収穫日時Ｔｅに撮影された画像データＩｅを特定する。また、訓練データ取得部１１２は、記憶部１２０に格納された複数の画像データの中から、撮影日時が定植日時Ｔｓから収穫日時Ｔｅまでの期間内である画像データＩを選択する。ただし、本実施形態では、太陽光を利用して栽培を行う半開放型の植物工場ＰＦを対象としており、比較的明るい時間帯（例えば、７時～１７時）以外の時間帯に撮影された画像データＩには植物の姿が鮮明に写らないおそれがあるため、該時間帯に撮影された画像データＩは除外される。このようにして、訓練データ取得部１１２は、定植日時Ｔｓから収穫日時Ｔｅまでの期間内の複数の日時Ｔｉ（Ｔｓ，Ｔ１，Ｔ２，・・・，Ｔｅ）に撮影・生成された複数の画像データＩｉ（Ｉｓ，Ｉ１，Ｉ２，・・・，Ｉｅ）を、訓練用画像データＩ（ｔ）として選択する。
【0030】
また、訓練データ取得部１１２は、選択された複数の画像データＩｉ（すなわち、１作分の画像データ）のそれぞれについて、上記式（１）に従ってラベルとしての生育率Ｇｉ（Ｇｓ，Ｇ１，Ｇ２，・・・，Ｇｅ）を算出し、算出された生育率Ｇｉを画像データＩｉに関連付けることにより、ラベル付きデータとしての訓練データＴＤを作成する。例えば、図４に示すように、ある日時Ｔｍに撮影された画像データＩｍについて、定植日時Ｔｓから該日時Ｔｍまでの経過時間が、栽培に要した全体の時間（定植日時Ｔｓから収穫日時Ｔｅまでの時間）の２割であった場合には、生育率Ｇｍは「０．２」であると算出される。そのため、画像データＩｍに生育率Ｇｍとして０．２という値が関連付けられたデータが、訓練データＴＤとして作成される。他の画像データＩｉについても同様である。なお、定植日時Ｔｓにおける生育率Ｇｓは０（ゼロ）であり、収穫日時Ｔｅにおける生育率Ｇｅは１．０である。
【0031】
なお、訓練データ取得部１１２は、特定種類の植物の１作分の訓練データＴＤを取得するとしてもよいが、生育率推定モデルＭＯの精度向上のために、特定種類の植物の複数作分の訓練データＴＤを取得することが好ましい。また、訓練データ取得部１１２は、１つの植物工場ＰＦに複数の撮影装置３００が設置されている場合には、複数の撮影装置３００から取得された画像データに基づき訓練データＴＤを取得するとしてもよい。また、訓練データ取得部１１２は、栽培される植物の種類が上記特定種類である限りにおいて、複数の植物工場ＰＦのそれぞれに設置された撮影装置３００から取得された画像データに基づき訓練データＴＤを取得するとしてもよい。
【0032】
次に、植物栽培管理サーバ１００のモデル取得部１１４（図２）が、訓練データＴＤを用いた所定の機械学習により、生育率推定モデルＭＯを作成する（Ｓ１２０）。図５は、生育率推定モデルＭＯの一例を概念的に示す説明図である。図５に示すように、生育率推定モデルＭＯは、特定種類の植物を撮影することにより生成された画像データＩの色情報（例えば、ＲＧＢ値）を含む画像データから、該画像データＩにより表される植物の生育率Ｇ（すなわち、撮影日時における生育率Ｇ）を推定するためのモデルである。モデル取得部１１４は、訓練データＴＤに含まれる訓練用画像データＩ（ｔ）を入力データとし、各訓練用画像データＩ（ｔ）に関連付けられた生育率Ｇを目的変数とし、評価指標として平均二乗平方根誤差（ＲＭＳＥ）、平均絶対誤差（ＭＡＥ）、決定係数（Ｒ２）の少なくとも１つを用いた公知の機械学習を実行することにより、生育率推定モデルＭＯを作成する。作成された生育率推定モデルＭＯは、植物栽培管理サーバ１００の記憶部１２０に格納される。なお、生育率推定モデルＭＯの作成には、例えば、重回帰分析、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ、ＸＧＢｏｏｓｔ、畳み込みニューラルネットワーク（ＣＮＮ）等の種々の公知の機械学習のアルゴリムを利用可能である。生育率推定モデルＭＯは、特許請求の範囲におけるモデルに相当する。以上の工程により、生育率推定モデルＭＯを作成する生育率推定モデル作成処理が完了する。
【0033】
Ａ－３．植物栽培支援処理：
次に、本実施形態の植物栽培管理サーバ１００により実行される植物栽培支援処理について説明する。図６は、本実施形態における植物栽培支援処理の内容を示すフローチャートである。また、図７および図９は、本実施形態における植物栽培支援処理中に端末装置２００の表示部２１０に表示される画面の一例を示す説明図であり、図８は、本実施形態における生育率Ｇに基づく収穫日時Ｔｅの予測方法の一例を示す説明図である。
次に、本実施形態の植物栽培管理サーバ１００により実行される植物栽培支援処理について説明する。図６は、本実施形態における植物栽培支援処理の内容を示すフローチャートである。また、図７および図９は、本実施形態における植物栽培支援処理中に端末装置２００の表示部２１０に表示される画面の一例を示す説明図であり、図８は、本実施形態における生育率Ｇに基づく収穫日時Ｔｅの予測方法の一例を示す説明図である。
【0034】
植物栽培支援処理は、農作業者Ｐ１による特定種類の植物（対象植物）の栽培を支援するための処理である。より具体的には、植物栽培支援処理は、栽培中の対象植物を撮影することにより生成された画像データＩである対象画像データＩ（ｏ）の色情報を含む画像データと、上述した生育率推定モデルＭＯとを用いて、対象画像データＩ（ｏ）により表される対象植物の生育率Ｇ（すなわち、対象画像データＩ（ｏ）の撮影日時における生育率Ｇ）を推定すると共に、推定された生育率Ｇに基づき対象植物の収穫日時Ｔｅを予測し、生育率Ｇや収穫日時Ｔｅを示す情報を農作業者Ｐ１の端末装置２００に表示させる処理である。植物栽培支援処理は、農作業者Ｐ１が端末装置２００を操作したり植物栽培管理サーバ１００の管理者が操作入力部１４０を操作したりして開始指示を入力したことに応じて開始される。
【0035】
植物栽培支援処理では、はじめに、植物栽培管理サーバ１００の対象データ取得部１１５（図２）が、栽培中の対象植物を撮影することにより生成された画像データＩである対象画像データＩ（ｏ）を取得する（Ｓ２１０）。上述したように、植物工場ＰＦに設置された撮影装置３００は、定期的に（例えば、１時間毎に）撮影を行っており、撮影の都度、撮影により生成された画像データＩを通信ネットワークＮＥＴを介して植物栽培管理サーバ１００に送信している。植物栽培管理サーバ１００の対象データ取得部１１５は、撮影装置３００から送信された画像データＩを、インターフェース部１５０を介して取得し、対象画像データＩ（ｏ）として記憶部１２０に格納する。なお、対象データ取得部１１５は、撮影装置３００から送信された画像データＩに対して、生育率推定モデルＭＯへの入力として適切な形式になるように所定の処理（例えば、トリミング）を実行した後に、対象画像データＩ（ｏ）として記憶部１２０に格納するとしてもよい。
【0036】
次に、植物栽培管理サーバ１００の生育率推定部１１６（図２）は、直前のＳ２１０において取得された対象画像データＩ（ｏ）と、上述した生育率推定モデルＭＯとを用いて、対象画像データＩ（ｏ）により表される対象植物の生育率Ｇ（すなわち、対象画像データＩ（ｏ）の撮影日時における生育率Ｇ）を推定する（Ｓ２２０）。生育率推定部１１６は、図５に示すように、生育率推定モデルＭＯに対象画像データＩ（ｏ）の色情報を含む画像データを入力し、生育率推定モデルＭＯから出力される生育率Ｇを取得することにより、生育率Ｇを推定する。例えば図５に示す例では、対象植物の生育率Ｇは「０．５」であると推定される。生育率推定部１１６は、推定された生育率Ｇを示す情報である推定生育率データＧＤを生成し、植物栽培管理サーバ１００の記憶部１２０に格納する。
【0037】
次に、植物栽培管理サーバ１００の植物栽培管理部１１１（図２）は、生育率Ｇが推定された対象画像データＩ（ｏ）の個数Ｎが所定の閾値Ｔｈ（例えば、３０個）以上であるか否かを判定する（Ｓ２３０）。Ｓ２３０の判定において、生育率Ｇが推定された対象画像データＩ（ｏ）の個数Ｎが閾値Ｔｈ未満であると判定された場合には（Ｓ２３０：ＮＯ）、定式化が難しいために後述する収穫日時Ｔｅの予測（Ｓ２４０）は実行されない。この場合には、植物栽培管理サーバ１００の情報送信部１１８（図２）が、直前のＳ２１０において取得された対象画像データＩ（ｏ）と、直前のＳ２２０において推定された生育率Ｇを示す推定生育率データＧＤとを、インターフェース部１５０および通信ネットワークＮＥＴを介して、農作業者Ｐ１の端末装置２００に向けて送信する（Ｓ２５０）。その結果、図７に示すように、端末装置２００の表示部２１０に、植物工場ＰＦで栽培されている対象植物（図７の例では、ほうれん草）について、現時点（正確には、対象画像データＩ（ｏ）の撮影時点）での写真および推定された生育率Ｇが表示される。これにより、農作業者Ｐ１は、植物工場ＰＦに出向かなくても、現時点での対象植物の生育率Ｇを把握することができる。なお、上述したように、Ｓ２３０の判定において生育率Ｇが推定された対象画像データＩ（ｏ）の個数Ｎが閾値Ｔｈ未満であると判定された場合には、収穫日時Ｔｅの予測（Ｓ２４０）は実行されていないため、予測される収穫日時Ｔｅの欄には、予測不能を示す記号「－」が表示されている。
【0038】
Ｓ２５０の処理の後には、植物栽培管理サーバ１００の植物栽培管理部１１１（図２）は、栽培が終了したか（植物が収穫されたか）否かを判定する（Ｓ２７０）。Ｓ２７０の判定において、栽培はまだ終了していないと判定された場合には（Ｓ２７０：ＮＯ）、Ｓ２１０以降の処理が繰り返し実行される。
【0039】
Ｓ２１０以降の処理が繰り返し実行され、Ｓ２３０の判定において生育率Ｇが推定された対象画像データＩ（ｏ）の個数Ｎが閾値Ｔｈ以上であると判定された場合には（Ｓ２３０：ＹＥＳ）、植物栽培管理サーバ１００の収穫日時予測部１１７（図２）が、各対象画像データＩ（ｏ）について推定された生育率Ｇに基づき、対象植物の収穫日時Ｔｅを予測する（Ｓ２４０）。図８に示すように、本実施形態では、生育率Ｇｉを目的変数とし、定植日時Ｔｓからの経過時間ΔＴｉ（＝Ｔｉ－Ｔｓ）を説明変数として単回帰分析による回帰式を立て、該回帰式において生育率Ｇｉが１．０となる経過時間ΔＴｉを逆算することにより、収穫日時Ｔｅを予測している。例えば、図８には、日時Ｔｋに撮影された対象画像データＩ（ｏ）についての生育率Ｇの推定が完了した時点において、これまでに生育率Ｇが推定されたデータを示す（ｋ＋１）個の点（ΔＴｉ，Ｇｉ）がプロットされている。収穫日時予測部１１７は、これら（ｋ＋１）個のデータを用いて、単回帰式ＲＬ：Ｇｉ＝ａ×ΔＴｉ＋ｂを導出する。そして、収穫日時予測部１１７は、この単回帰式ＲＬにおいてＧｉ＝１．０となるΔＴｉ（＝ΔＴｅ）の値を算出し、定植日時Ｔｓからこの経過時間ΔＴｅが経過した日時（＝Ｔｓ＋ΔＴｅ）を、予測される収穫日時Ｔｅとして算出する。収穫日時予測部１１７は、予測された収穫日時Ｔｅを示す情報である予測収穫日時データＰＤを生成し、植物栽培管理サーバ１００の記憶部１２０に格納する。
【0040】
収穫日時Ｔｅの予測（Ｓ２４０）が行われた場合には、植物栽培管理サーバ１００の情報送信部１１８（図２）が、直前のＳ２１０において取得された対象画像データＩ（ｏ）と、直前のＳ２２０において推定された生育率Ｇを示す推定生育率データＧＤと、直前のＳ２４０において予測された収穫日時Ｔｅを示す予測収穫日時データＰＤとを、インターフェース部１５０および通信ネットワークＮＥＴを介して、農作業者Ｐ１の端末装置２００に向けて送信する（Ｓ２６０）。その結果、図９に示すように、端末装置２００の表示部２１０に、植物工場ＰＦで栽培されている対象植物（図９の例では、ほうれん草）について、現時点（正確には、対象画像データＩ（ｏ）の撮影時点）での写真と、推定された生育率Ｇと、予測された収穫日時Ｔｅとが表示される。これにより、農作業者Ｐ１は、植物工場ＰＦに出向かなくても、現時点での対象植物の生育率Ｇや予測される収穫日時Ｔｅを把握することができる。
【0041】
Ｓ２６０の処理の後には、植物栽培管理サーバ１００の植物栽培管理部１１１（図２）は、栽培が終了したか（植物が収穫されたか）否かを判定する（Ｓ２７０）。Ｓ２７０の判定において、栽培はまだ終了していないと判定された場合には（Ｓ２７０：ＮＯ）、Ｓ２１０以降の処理が繰り返し実行される。上述した処理が繰り返し実行され、Ｓ２７０の判定において、栽培は終了したと判定された場合には（Ｓ２７０：ＹＥＳ）、物栽培支援処理は終了される。
【0042】
Ａ－４．本実施形態の効果：
以上説明したように、本実施形態の植物栽培管理サーバ１００は、対象データ取得部１１５と、生育率推定部１１６とを備える。対象データ取得部１１５は、栽培中の特定種類の植物である対象植物を撮影することにより生成された画像データである対象画像データＩ（ｏ）を取得する。生育率推定部１１６は、対象画像データＩ（ｏ）の色情報を含む画像データと、所定の機械学習により作成された生育率推定モデルＭＯとを用いて、対象諸物の生育率Ｇを推定する。ここで、生育率Ｇは、収穫時の対象植物の生育状態に対する、対象画像データＩ（ｏ）により表される対象植物の生育状態の比である。
以上説明したように、本実施形態の植物栽培管理サーバ１００は、対象データ取得部１１５と、生育率推定部１１６とを備える。対象データ取得部１１５は、栽培中の特定種類の植物である対象植物を撮影することにより生成された画像データである対象画像データＩ（ｏ）を取得する。生育率推定部１１６は、対象画像データＩ（ｏ）の色情報を含む画像データと、所定の機械学習により作成された生育率推定モデルＭＯとを用いて、対象諸物の生育率Ｇを推定する。ここで、生育率Ｇは、収穫時の対象植物の生育状態に対する、対象画像データＩ（ｏ）により表される対象植物の生育状態の比である。
【0043】
このように、本実施形態の植物栽培管理サーバ１００は、栽培中の対象植物を撮影することにより生成された対象画像データＩ（ｏ）を取得し、対象画像データＩ（ｏ）の色情報を含む画像データと生育率推定モデルＭＯとを用いて、対象植物の生育率Ｇを推定することができる。そのため、本実施形態の植物栽培管理サーバ１００によれば、対象画像データＩ（ｏ）を取得するだけで対象植物の生育率Ｇを推定することができ、植物栽培の効率化や最適化を実現することができる。また、本実施形態の植物栽培管理サーバ１００によれば、対象画像データＩ（ｏ）を取得するだけで対象植物の生育率Ｇを推定することができるため、生育率Ｇの推定の精度の低下を抑制しつつ、対象植物の生育率Ｇを推定するための処理が煩雑になることを抑制することができる。
【0044】
また、本実施形態の植物栽培管理サーバ１００は、さらに、収穫日時予測部１１７を備える。収穫日時予測部１１７は、対象画像データＩ（ｏ）について推定された生育率Ｇに基づき、対象植物の収穫日時Ｔｅを予測する。そのため、本実施形態の植物栽培管理サーバ１００によれば、対象画像データＩ（ｏ）を取得するだけで対象植物の収穫日時Ｔｅを予測することができ、植物栽培の効率化や最適化を効果的に実現することができる。
【0045】
また、本実施形態の植物栽培管理サーバ１００では、対象データ取得部１１５は、対象植物を複数の日時に撮影することにより生成された複数の対象画像データＩ（ｏ）を取得し、生育率推定部１１６は、複数の対象画像データＩ（ｏ）について生育率Ｇを推定する。また、収穫日時予測部１１７は、一の対象画像データＩ（ｏ）についての対象植物の収穫日時Ｔｅを、該一の対象画像データＩ（ｏ）について推定された生育率Ｇと、該一の対象画像データＩ（ｏ）の撮影日時より前に撮影された各対象画像データＩ（ｏ）について推定された生育率Ｇと、に基づき予測する。そのため、本実施形態の植物栽培管理サーバ１００によれば、対象植物の収穫日時Ｔｅを精度良く予測することができ、植物栽培の効率化や最適化をさらに効果的に実現することができる。
【0046】
また、本実施形態の植物栽培管理サーバ１００は、さらに、特定種類の植物を、定植から収穫までの期間内の複数の日時に撮影することにより生成された画像データである複数の訓練用画像データＩ（ｔ）と、訓練用画像データＩ（ｔ）により表される植物の生育率Ｇを示す生育率データと、が関連付けられた訓練データＴＤを取得する訓練データ取得部１１２と、訓練データＴＤを用いた機械学習により、生育率推定モデルＭＯを取得するモデル取得部１１４とを備える。そのため、本実施形態の植物栽培管理サーバ１００によれば、他の装置を用いずとも、生育率推定モデルＭＯを取得することができ、生育率推定モデルＭＯを用いて生育率Ｇを推定することができる。
【0047】
また、本実施形態の植物栽培管理サーバ１００では、訓練データＴＤに含まれる生育率データは、特定種類の植物の定植から収穫までに要する時間に対する、定植から各訓練用画像データＩ（ｔ）の撮影日時までの経過時間の比を生育率Ｇとして示すデータである。そのため、本実施形態の植物栽培管理サーバ１００によれば、容易に、かつ、画一的に、植物の生育率Ｇを特定することができ、植物栽培の効率化や最適化をさらに効果的に実現することができる。
【0048】
また、本実施形態の植物栽培管理システム１０は、植物栽培管理サーバ１００と、植物栽培管理サーバ１００との間で通信ネットワークＮＥＴを介して通信可能な端末装置２００とを備える。また、植物栽培管理サーバ１００は、さらに、推定された対象植物の生育率Ｇを示す推定生育率データＧＤを、通信ネットワークＮＥＴを介して端末装置２００に向けて送信する情報送信部１１８を備える。このように、本実施形態の植物栽培管理システム１０では、植物栽培管理サーバ１００の情報送信部１１８が、推定された対象植物の生育率Ｇを示す推定生育率データＧＤを端末装置２００に向けて送信するため、端末装置２００を保持する農作業者Ｐ１は、植物工場ＰＦ以外の地点に居ても対象植物の生育率Ｇを把握することができ、植物栽培の効率化や最適化をさらに効果的に実現することができる。
【0049】
また、本実施形態の植物栽培管理システム１０は、さらに、対象植物が栽培されている圃場（例えば、植物工場ＰＦ）に設置され、植物栽培管理システム１０との間で通信ネットワークＮＥＴを介して通信可能な撮影装置３００を備える。また、植物栽培管理システム１０の対象データ取得部１１５は、撮影装置３００が対象植物を撮影することにより生成された画像データＩである対象画像データＩ（ｏ）を、通信ネットワークＮＥＴを介して取得する。そのため、本実施形態の植物栽培管理システム１０では、撮影者（例えば、農作業者Ｐ１）が圃場に出向くことなく対象画像データＩ（ｏ）を取得することができ、取得された対象画像データＩ（ｏ）を用いて対象植物の生育率Ｇを推定することができるため、植物栽培の効率化や最適化を極めて効果的に実現することができる。
【0050】
Ａ－５．実施例：
上述した本実施形態の植物栽培管理サーバ１００による生育率Ｇの推定の精度を検証するために行った実施例について、以下説明する。図１０は、本実施例において利用した植物の栽培実績を示す説明図である。本実施例では、半開放型の植物工場ＰＦ（ビニールハウス）において、ほうれん草の栽培を６作分行った際のデータを利用した。図１０には、作毎の定植日時Ｔｓおよび収穫日時Ｔｅが示されている。植物工場ＰＦ内の上部に撮影装置３００を設置し、１時間毎に撮影を行い、撮影により得られた画像データＩを使用した。ただし、７時～１７時の時間帯に撮影された画像データＩのみを使用し、それ以外の時間帯に撮影された画像データＩは除外した。また、システムのエラーにより画像データＩが取得できなかった時間もあった。また、各画像データＩに対し、２２４×２２４ピクセルの領域をトリミングにより切り出して使用した。
上述した本実施形態の植物栽培管理サーバ１００による生育率Ｇの推定の精度を検証するために行った実施例について、以下説明する。図１０は、本実施例において利用した植物の栽培実績を示す説明図である。本実施例では、半開放型の植物工場ＰＦ（ビニールハウス）において、ほうれん草の栽培を６作分行った際のデータを利用した。図１０には、作毎の定植日時Ｔｓおよび収穫日時Ｔｅが示されている。植物工場ＰＦ内の上部に撮影装置３００を設置し、１時間毎に撮影を行い、撮影により得られた画像データＩを使用した。ただし、７時～１７時の時間帯に撮影された画像データＩのみを使用し、それ以外の時間帯に撮影された画像データＩは除外した。また、システムのエラーにより画像データＩが取得できなかった時間もあった。また、各画像データＩに対し、２２４×２２４ピクセルの領域をトリミングにより切り出して使用した。
【0051】
また、本実施例では、生育率Ｇの推定モデルとして、畳み込みニューラルネットワーク（ＣＮＮ）をベースとしたモデルを使用した。より具体的には、大規模学習済みネットワークであるＩｍａｇｅＮｅｔを利用した転移学習として、ＩｍａｇｅＮｅｔに対して出力層を一部変更し再学習させ、畳み込み層１３層、全結合層２層のＣＮＮ（ＶＧＧ１６）をベースとしたモデルを使用した。学習時のパラメータは、下記の通りとした。
・損失関数：平均二乗平方根誤差（ＲＭＳＥ）
・活性化関数：ＲｅＬＵ
・最適化関数：Ａｄａｍ
・学習率：０．００１（３エポック続けて損失が減らなかった場合には学習率を１／１０にする。）
・バッチサイズ：３２
・エポック数：５０
・学習終了条件：５エポック続けて損失が減らなかった場合には最大エポック数５０を待たずに学習を終了する。
・損失関数：平均二乗平方根誤差（ＲＭＳＥ）
・活性化関数：ＲｅＬＵ
・最適化関数：Ａｄａｍ
・学習率：０．００１（３エポック続けて損失が減らなかった場合には学習率を１／１０にする。）
・バッチサイズ：３２
・エポック数：５０
・学習終了条件：５エポック続けて損失が減らなかった場合には最大エポック数５０を待たずに学習を終了する。
【0052】
図１１は、本実施例において使用した画像データを示す説明図である。図１１に示すように、本実施例では、全６作分の画像データ（１０６４枚）の内、６作目の画像データ（２２０枚）をテスト用画像データとした。また、６作目以外の画像データ（８４４枚）をシャッフルし、その内の８割（６７５枚）の画像データを訓練用画像データとし、残り２割（１６９枚）の画像データを検証用画像データとした。
【0053】
【0054】
また、図１３から図１５は、本実施例における生育率Ｇの予測精度を示す説明図である。図１３には、訓練用画像データおよびテスト用画像データのそれぞれについて、平均二乗平方根誤差（ＲＭＳＥ）、平均絶対誤差（ＭＡＥ）および決定係数（Ｒ２）の値が示されている。また、図１４には、訓練用画像データについて、生育率Ｇの真値と推定値との関係が示されており、図１５には、テスト用画像データについて、生育率Ｇの真値と推定値との関係が示されている。図１４および図１５に示すように、本実施例では、生育率Ｇの真値と推定値との関係を示す各点が概ね直線上に乗っており、生育率Ｇを概ね正しく推定できていると言える。また、図１３に示すように、テスト用画像データについて、決定係数（Ｒ２）は０．９５を超えている。また、平均絶対誤差（ＭＡＥ）は０．０４７であるので、平均して４．７％の誤差に収まっている。今回のテスト用画像データの栽培日数は２１日であるため、４．７％の誤差を日数に換算すると１日未満に収まっており、十分な推定精度を実現していると言える。なお、収穫直前の画像を対象として予測を行うと、決定係数（Ｒ２）は０．８５～０．９７程度であったため、この点からも十分な推定精度を実現していると言える。
【0055】
Ｂ．変形例：
本明細書で開示される技術は、上述の実施形態に限られるものではなく、その要旨を逸脱しない範囲において種々の形態に変形することができ、例えば次のような変形も可能である。
本明細書で開示される技術は、上述の実施形態に限られるものではなく、その要旨を逸脱しない範囲において種々の形態に変形することができ、例えば次のような変形も可能である。
【0056】
上記実施形態における植物栽培管理システム１０の構成は、あくまで一例であり、種々変形可能である。例えば、上記実施形態では、植物栽培管理システム１０が撮影装置３００を備えているが、植物栽培管理システム１０が撮影装置３００を備えていなくてもよい。植物栽培管理システム１０が撮影装置３００を備えていない場合であっても、例えば、農作業者Ｐ１が撮影装置（例えば、端末装置２００に搭載されているカメラ）を用いて植物工場ＰＦ内で栽培されている植物を撮影することにより画像データを生成し、該画像データを植物栽培管理サーバ１００に送信することにより、植物栽培管理サーバ１００は植物の画像データを取得することができる。
【0057】
また、上記実施形態では、撮影装置３００は、撮影の都度、撮影により生成された画像データを植物栽培管理サーバ１００に送信するとしているが、他のタイミング（例えば、植物栽培管理サーバ１００からの要求があったタイミング）で画像データを植物栽培管理サーバ１００に送信するとしてもよい。
【0058】
また、上記実施形態では、植物栽培管理サーバ１００が、生育率推定モデルＭＯを作成するための生育率推定モデル作成処理を実行しているが、生育率推定モデル作成処理が、植物栽培管理サーバ１００以外の他の装置により実行され、植物栽培管理サーバ１００のモデル取得部１１４が、該他の装置から生育率推定モデルＭＯを取得するものとしてもよい。あるいは、植物栽培管理サーバ１００が、該他の装置に対象画像データＩ（ｏ）を送信し、該他の装置において生育率推定モデルＭＯを用いて推定された生育率Ｇを植物栽培管理サーバ１００が取得するとしてもよい。
【0059】
また、上記実施形態における植物栽培支援処理の内容は、あくまで一例であり、種々変形可能である。例えば、上記実施形態における植物栽培支援処理では、生育率Ｇの推定（Ｓ２２０）と収穫日時Ｔｅの予測（Ｓ２４０）とが実行されているが、生育率Ｇの推定のみが実行され、収穫日時Ｔｅの予測は実行されないとしてもよい。
【0060】
また、上記実施形態では、圃場として半開放型の植物工場ＰＦを例に説明しているが、本明細書に開示される技術は、他の種類の圃場（例えば、閉鎖型や開放型といった他のタイプの植物工場、露地栽培用の圃場等）にも同様に適用可能である。
【0061】
また、上記各実施形態において、ハードウェアによって実現されている構成の一部をソフトウェアに置き換えるようにしてもよく、反対に、ソフトウェアによって実現されている構成の一部をハードウェアに置き換えるようにしてもよい。
【符号の説明】
【0062】
１０：植物栽培管理システム １００：植物栽培管理サーバ １１０：制御部 １１１：植物栽培管理部 １１２：訓練データ取得部 １１４：モデル取得部 １１５：対象データ取得部 １１６：生育率推定部 １１７：収穫日時予測部 １１８：情報送信部 １２０：記憶部 １３０：表示部 １４０：操作入力部 １５０：インターフェース部 １９０：バス ２００：端末装置 ２１０：表示部 ３００：撮影装置 ＣＰ：植物栽培管理プログラム ＧＤ：推定生育率データ ＭＯ：生育率推定モデル ＮＥＴ：通信ネットワーク Ｐ１：農作業者 ＰＤ：予測収穫日時データ ＰＦ：植物工場 ＴＤ：訓練データ
【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】