特許 7706002 育成推定装置、育成推定方法及び育成推定プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2025-07-02

(45)【発行日】2025-07-10

(54)【発明の名称】育成推定装置、育成推定方法及び育成推定プログラム

(51)【国際特許分類】

   A01G 7/00 20060101AFI20250703BHJP

   G06Q 50/02 20240101ALI20250703BHJP

【ＦＩ】

A01G7/00 603

G06Q50/02

【請求項の数】 6

(21)【出願番号】P 2024216379

(22)【出願日】2024-12-11

【審査請求日】2025-04-22

【早期審査対象出願】

(73)【特許権者】

【識別番号】000164438

【氏名又は名称】九州電力株式会社

(74)【代理人】

【識別番号】100099634

【弁理士】

【氏名又は名称】平井 安雄

(72)【発明者】

【氏名】大熊 康彦

【審査官】瓦井 秀憲

(56)【参考文献】

【文献】特開２０２１－１５７７６７（ＪＰ，Ａ）

【文献】特開２０１７－０５１１１８（ＪＰ，Ａ）

【文献】特開２００８－１６１１５７（ＪＰ，Ａ）

【文献】中国特許出願公開第１１２５２９０４９（ＣＮ，Ａ）

【文献】中国特許出願公開第１１１７５３７３８（ＣＮ，Ａ）

【文献】中国特許出願公開第１０８５６４２１２（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ０１Ｇ ７／００

Ｇ０６Ｑ ５０／０２

(57)【特許請求の範囲】

【請求項1】

植物の育成において影響度が大きい要素を推定する育成推定装置であって、
複数種類の前記要素を表すそれぞれの要素ごとの計算変数に基づいて、植物の育成状態に関する第１予測値を算出する第１モデルを用いた第１算出部と、
前記計算変数と同一の計算変数に基づいて、植物の育成状態に関する前記第１モデルとは異なる第２予測値を算出する第２モデルを用いた第２算出部と、
前記第１予測値及び前記第２予測値が同一又は所定範囲内で近似するように、前記第１モデルにおける複数の計算変数ごとに対応する複数の第１係数と、前記第２モデルにおける複数の前記計算変数ごとに対応する複数の第２係数とを算出する係数算出部と、
前記係数算出部において、前記第１係数及び／又は前記第２係数の変化量に対する予測値の変化量に応じて、それぞれの第１係数及び／又は第２係数に対応する計算変数が表す前記要素から植物の育成において影響度が大きい重要要素を抽出する重要要素抽出部と、
を備えることを特徴とする育成推定装置。

【請求項2】

請求項１に記載の育成推定装置において、
前記重要要素抽出部が、
前記係数算出部が前記第１係数及び前記第２係数を算出する過程において、それぞれの前記第１係数又は前記第２係数の変化量に対する、前記第１予測値と前記第２予測値との差分の変化量に応じて前記重要要素を抽出することを特徴とする育成推定装置。

【請求項3】

請求項１又は２に記載の育成推定装置において、
前記第１モデルが線形回帰モデルであり、前記第２モデルが非線形回帰モデルであることを特徴とする育成推定装置。

【請求項4】

請求項３に記載の育成推定装置において、
前記係数算出部が、第１係数及び第２係数を算出する過程において、前記第１算出部で得られたグラフの画像と前記第２算出部で得られたグラフの画像との類似／非類似を画像解析で算出し、それぞれのグラフが類似するように前記第１係数及び／又は前記第２係数
を算出することを特徴とする育成推定装置。

【請求項5】

植物の育成において影響度が大きい要素を推定する育成推定方法であって、
複数種類の前記要素を表すそれぞれの要素ごとの計算変数に基づいて、植物の育成状態に関する第１予測値を算出する第１モデルを用いた第１算出ステップと、
前記計算変数と同一の計算変数に基づいて、植物の育成状態に関する前記第１モデルとは異なる第２予測値を算出する第２モデルを用いた第２算出ステップと、
前記第１予測値及び前記第２予測値が同一又は所定範囲内で近似するように、前記第１モデルにおける複数の計算変数ごとに対応する複数の第１係数と、前記第２モデルにおける複数の前記計算変数ごとに対応する複数の第２係数とを算出する係数算出ステップと、
前記係数算出ステップにおいて、相対的な変化量が所定値以上である第１係数及び／又は第２係数に対応する計算変数が表す前記要素を植物の育成において影響度が大きい重要要素として抽出する重要要素抽出ステップと、
を含むことを特徴とする育成推定方法。

【請求項6】

植物の育成において影響度が大きい要素を推定する育成推定プログラムであって、
複数種類の前記要素を表すそれぞれの要素ごとの計算変数に基づいて、植物の育成状態に関する第１予測値を算出する第１モデルを用いた第１算出手段、
前記計算変数と同一の計算変数に基づいて、植物の育成状態に関する前記第１モデルとは異なる第２予測値を算出する第２モデルを用いた第２算出手段、
前記第１予測値及び前記第２予測値が同一又は所定範囲内で近似するように、前記第１モデルにおける複数の計算変数ごとに対応する複数の第１係数と、前記第２モデルにおける複数の前記計算変数ごとに対応する複数の第２係数とを算出する係数算出手段、
前記係数算出手段において、相対的な変化量が所定値以上である第１係数及び／又は第２係数に対応する計算変数が表す前記要素を植物の育成において影響度が大きい重要要素として抽出する重要要素抽出手段、
としてコンピュータを機能させることを特徴とする育成推定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、植物の育成に関して影響度が大きいパラメータを推定する育成推定装置等に関する。

【背景技術】

【0002】

植物の育成には様々なパラメータが関与しており、それらを制御することで開花時期を予測したり収穫時期を調整することが可能となる。農作物の生産成績を予測する技術として、例えば特許文献１に示す技術が開示されている。

【0003】

特許文献１に示す技術は、予測対象日以前の気象データの観測値データを参照して、生産成績と気象の影響とを表す予測モデルであって、予測対象日の気象データの予報値から生産成績を予測する予測モデルを生成する予測モデル生成部を備え、予測モデル生成部は、過去のある年の生産成績の実測値と、予測モデルを用いて予測したその年の生産成績の予測値との差が最小となるように、気象データの変数の組み合わせを選択して、予測モデルを生成するものである。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０２２－１３６０５８号公報

【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、特許文献１に示す技術では、農作物の育成にどういったパラメータがどのように関与しているかを知ることはできない。また、あくまで過去のデータに近づくようなモデルを生成するものであるため、多くの実績データを集める必要があり、精度を上げるためには長い時間を要してしまうという問題があった。

【0006】

本発明は、上記課題を解決するためになされたものであり、植物の育成に影響が大きいパラメータを少ない実績データで演算により算出する育成推定装置、育成推定方法及び育成推定プログラムを提供することを目的とする。

【課題を解決するための手段】

【0007】

本発明に係る育成推定装置は、植物の育成において影響度が大きい要素を推定する育成推定装置であって、複数種類の前記要素を表すそれぞれの要素ごとの計算変数に基づいて、植物の育成状態に関する第１予測値を算出する第１モデルを用いた第１算出部と、前記計算変数と同一の計算変数に基づいて、植物の育成状態に関する前記第１モデルとは異なる第２予測値を算出する第２モデルを用いた第２算出部と、前記第１予測値及び前記第２予測値が同一又は所定範囲内で近似するように、前記第１モデルにおける複数の計算変数ごとに対応する複数の第１係数と、前記第２モデルにおける複数の前記計算変数ごとに対応する複数の第２係数とを算出する係数算出部と、前記係数算出部において、前記第１係数及び／又は前記第２係数の変化量に対する予測値の変化量に応じて、それぞれの第１係数及び／又は第２係数に対応する計算変数が表す前記要素から植物の育成において影響度が大きい重要要素を抽出する重要要素抽出部と、を備えるものである。

【0008】

このように、本発明に係る育成推定装置においては、複数種類の前記要素を表すそれぞれの要素ごとの計算変数に基づいて、植物の育成状態に関する第１予測値を算出する第１モデルを用いて当該第１予測値を算出し、同一の計算変数に基づいて、植物の育成状態に関する第１モデルとは異なる第２予測値を算出する第２モデルを用いて当該第２予測値を算出し、第１予測値及び第２予測値が同一又は所定範囲内で近似するように、第１モデルにおける複数の計算変数ごとに対応する複数の第１係数と、第２モデルにおける複数の計算変数ごとに対応する複数の第２係数とを算出し、第１係数及び／又は第２係数の変化量に対する予測値の変化量に応じて植物の育成において影響度が大きい重要要素を抽出するため、植物の育成に重要な影響を及ぼす要素を２つの計算モデルを用いて数学的に求めることができ、植物の育成作業に大きく貢献することができるという効果を奏する。

【図面の簡単な説明】

【0009】

【図1】本発明の第１の実施形態に係る育成推定装置のハードウェア構成を示すブロック図である。

【図2】本発明の第１の実施形態に係る育成推定装置の構成を示す機能ブロック図である。

【図3】本発明の第１の実施形態に係る育成推定装置における第１算出部の処理を説明する概要図である。

【図4】本発明の第１の実施形態に係る育成推定装置における第２算出部の処理を説明する概要図である。

【図5】本発明の第１の実施形態に係る育成推定装置における係数算出部の処理を説明する概要図である。

【図6】本発明の第１の実施形態に係る育成推定装置の処理を示すフローチャートである。

【発明を実施するための形態】

【0010】

（本発明の第１の実施形態）
本実施形態に係る育成推定装置について、図１ないし図６を用いて説明する。本実施形態に係る育成推定装置は、例えば、温度、湿度、光照射、栄養素、水分、エチレン濃度、乾燥期間などの植物の育成に影響を及ぼす複数種類の要素について、２つの異なる計算モデルから、影響度が大きい要素を推定するものである。以下の説明において、日平均温度や夜間温度など温度に関する要素を表す計算変数をＴ、相対湿度など湿度に関する要素を表す計算変数をＨ、日照時間（光周期）や光強度など光照射に関する要素を表す計算変数をＬ、窒素、リン酸、カリウムの施肥量など栄養素に関する要素を表す計算変数をＮ、土壌の水分量など水分に関する要素を表す計算変数をＷ、植物のホルモンの濃度などエチレン濃度に関する要素を表す計算変数をＥ、乾燥期の期間など乾燥期間に関する要素を表す計算変数をＤとする。

【0011】

なお、植物育成に関する各種要素はこれらに限るものではなく、例えば、地域性を考慮した環境変数（例えば、土壌状態、前期の育成状態、周囲の田畑の育成状態、災害頻度等）であったり、種子や苗の状態に応じた変数などが加わってもよい。また、上記要素の全部を考慮した推定を行ってもよいし、一部を考慮した推定を行うようにしてもよい。

【0012】

図１は、本実施形態に係る育成推定装置のハードウェア構成を示すブロック図である。育成推定装置１は、パソコンやタブレットなどのコンピュータに育成推定プログラムをインストールし、当該育成推定プログラムがインストールされたコンピュータが育成推定方法を実行することで求めることができる。図１において、育成推定装置１は、ＣＰＵ１１、ＲＡＭ１２、ＲＯＭ１３、ハードディスク（ＨＤとする）１４、入出力Ｉ／Ｆ１５、通信Ｉ／Ｆ１６を備える。ＲＯＭ１３やＨＤ１４には、オペレーティングシステムや各種プログラムが格納されており、必要に応じてＲＡＭ１２に読み出され、ＣＰＵ１１により各プログラムが実行される。通信Ｉ／Ｆ１６は、装置間の通信を行うためのインタフェースである。入出力Ｉ／Ｆ１５は、キーボードやタッチパネル等の入力機器からの入力を受け付けたり、ディスプレイ等の出力機器に演算結果等を表示する。なお、上記の構成はあくまで一例であり、必要に応じて変更可能である。

【0013】

図２は、本実施形態に係る育成推定装置の構成を示す機能ブロック図である。育成推定装置１は、植物を育成した場合に所定期間（例えば、１年間や１作期間）に計測された各種要素ごとのデータを入力情報２１として取得し、育成情報記憶部２３に登録する入力部２２と、育成情報記憶部２３に記憶されたデータに基づいて、線形回帰モデルを用いて第１予測値を算出する第１算出部２４と、育成情報記憶部２３に記憶されたデータに基づいて、非線形回帰モデルを用いて第２予測値を算出する第２算出部２５と、第１予測値と第２予測値とが一致又は所定範囲内に近似するように、各種要素に対応する係数を可変させて最適値を算出する係数算出部２６と、係数算出部２６の演算結果から、重要度が高い要素を抽出する重要要素抽出部２７と、抽出された重要要素の情報を出力する出力制御部２８とを備える。

【0014】

育成情報記憶部２３には、植物の育成における所定期間に計測された各種要素の情報が蓄積される。例えば、ある植物を育成した場合の周囲の温度変化を温度センサで毎秒計測し、当該温度センサで計測された温度情報が、育成推定装置１に１秒ごとに送信されて育成情報記憶部２３に蓄積される。これ以外にも上述したような様々な要素ごとに各種センサが計測を行い、入力部２２を介して育成情報記憶部２３に蓄積される。

【0015】

なお、入力部２２を介して入力されるデータは、上述したように各種センサで計測された情報を通信機能を用いて送信するようにしてもよいし、利用者が入力機器を用いて手動で入力して登録されるようにしてもよい。例えば、蒔いた肥料の種類や量などはセンサで検出するのが難しいため、手入力としてもよい。すなわち、センサで容易に計測できる要素はセンサで取得し、そのデータを通信又は可搬式のメモリなどを用いて育成情報記憶部２３に登録し、センサで取得することが難しい要素は利用者が手入力などを行うことで育成情報記憶部２３に登録するようにしてもよい。

【0016】

第１算出部２４は、育成情報記憶部２３に記憶された各種データに基づいて、以下の（１）式の線形回帰モデルを用いて第１予測値を算出する。

【0017】

【数1】

【0018】

（１）式において、Ｐ１は発芽、出葉、開花、結実、枯死等の植物の育成における各過程に移行する確率や時期を表す予測値、αｉは各種要素（計算変数）の影響度合い（重み）を示す係数である。なお、線形回帰モデルとして、例えば、重回帰モデル、単回帰モデル、ロジスティック回帰モデル、リッジ回帰モデル、ラッソ回帰モデル、Elastic Net回帰モデル、ロバスト回帰モデル、分位点回帰モデル、ベイズ線形回帰モデル等を用いるようにしてもよい。

【0019】

また、第２算出部２５は、育成情報記憶部２３に記憶された各種データに基づいて、以下の（２）式の非線形回帰モデルを用いて第２予測値を算出する。

【0020】

【数2】

【0021】

（２）式において、Ｐ２は発芽、出葉、開花、結実、枯死等の植物の育成における各過程に移行する確率や時期を表す予測値、βｉは各種要素（計算変数）の影響度合い（重み）を示す係数である。なお、非線形回帰モデルとして、例えば、双曲線回帰モデル、多項式回帰モデル、指数回帰モデル、ロジスティック曲線回帰モデル、ガウス曲線回帰モデル、スプライン回帰モデル等を用いるようにしてもよい。

【0022】

係数算出部２６は、第１算出部２４における上記（１）式の演算、及び、第２算出部２５における上記（２）式の演算に基づいて、係数の最適値を算出する。具体的には、Ｐ１＝Ｐ２又はＰ１≒Ｐ２（Ｐ１－Ｐ２＜所定の閾値）となるαｉ及びβｉを算出する。例えば、（１）式を目的関数（固定）、（２）式を調整する関数（係数調整）として定義し、（２）式が（１）式に近づくように（２）式の係数を調整する。それぞれの関数の差を検出するために、平均二乗誤差、平均絶対誤差などの損失関数を定義し、これを解析的手法又は数値最適化（勾配降下法、二次計画法、ライブラリベースの最適化）などで最小化する。最小化プロセスで得られる係数βｉに基づいて（２）式をグラフにプロットし、（１）式のグラフに近づいているかを確認する。

【0023】

上述した第１算出部２４、第２算出部２５及び係数算出部２６の処理の一例について、以下概要図を示して説明する。図３は、本実施形態に係る育成推定装置における第１算出部の処理を説明する概要図、図４は、本実施形態に係る育成推定装置における第２算出部の処理を説明する概要図、図５は、本実施形態に係る育成推定装置における係数算出部の処理を説明する概要図である。まず、第１算出部２４の処理において、育成情報記憶部２３に登録された各種要素ごとのデータを横軸が時間、縦軸が計測値となっているグラフ上にプロットする（図３（Ａ）を参照）。このとき、各種要素ごとに取得した値は正規化されて一次元に集約する。つまり、図３（Ａ）にプロットされた点は、各種要素の計測値が混在したプロットデータとなる。これらのプロットされたデータに対して、第１算出部２４が（１）式の線形回帰モデルを用いて、図３（Ｂ）に示すような線形グラフを描く演算を行う。

【0024】

第２算出部２５の処理でも同様に、育成情報記憶部２３に登録された各種要素ごとのデータが横軸が時間、縦軸が計測値となっているグラフ上にプロットされる（図４（Ａ）を参照）。このとき、各種要素ごとに取得した値は正規化されて一次元に集約する。これらのプロットされたデータに対して、第２算出部２５が（２）式の非線形回帰モデルを用いて、図４（Ｂ）に示すような非線形グラフを描く演算を行う。

【0025】

図３（Ｂ）及び図４（Ｂ）のグラフが求められたら、係数算出部２６が、図５に示すように、それぞれのグラフが一致又は近似するように係数αｉ及びβｉを算出する。図５（Ａ）～（Ｃ）は、図４（Ｂ）のグラフが段階的に図３（Ｂ）のグラフに近似する様子を示している。なお、図５においては、αｉを固定とし、βｉを調整することでβｉの最適値を求める様子を示しているが、βｉを基準とし、αｉを変化させることで図３（Ｂ）及び図４（Ｂ）のグラフが一致又は近似するようにしてもよいし、αｉ及びβｉをどちらも変化させながら図３（Ｂ）及び図４（Ｂ）のグラフが一致又は近似するように演算してもよい。

【0026】

図３（Ｂ）及び図４（Ｂ）のグラフが一致又は近似するためのβｉの最適値の求め方は、上述したように一般的に知られている最適化問題の解法及びアルゴリズムを用いることができる。このとき、例えばＡＩ（人口知能）による画像処理を組み合わせて最適値を求めるようにしてもよい。具体的には、図３（Ｂ）のグラフと図４（Ｂ）のグラフの形状を画像処理により解析し、グラフの形状が近似するようなβｉの最適値をＡＩで算出するようにしてもよい。

【0027】

重要要素抽出部２７は、βｉの最適値を算出する過程において、βｉの変化に対するＰ１とＰ２との差の縮まり度合いが最も大きい、言い換えれば、βｉを変化させた場合に最もＰ２をＰ１に近づけたβｉを特定して抽出する。そして、抽出されたβｉに対応する計算変数の要素が、対象とする植物にとって最も影響が大きい要素であると推定する。

【0028】

なお、βｉを固定としてαｉを調整した場合は、αｉの最適値を算出する過程において、αｉの変化に対するＰ１とＰ２との差の縮まり度合いが最も大きい、言い換えれば、αｉを変化させた場合に最もＰ１をＰ２に近づけたαｉを特定して抽出する。そして、抽出されたαｉに対応する計算変数の要素が、対象とする植物にとって最も影響が大きい要素であると推定する。

【0029】

また、αｉ及びβｉの双方を相互に変化させて最適値を算出した場合は、αｉ，βｉの最適値を算出する過程において、αｉの変化に対するＰ１とＰ２との差の縮まり度合いが最も大きい、言い換えれば、αｉを変化させた場合に最もＰ１をＰ２に近づけたαｉを特定すると共に、βｉの変化に対するＰ１とＰ２との差の縮まり度合いが最も大きい、言い換えれば、βｉを変化させた場合に最もＰ２をＰ１に近づけたβｉを特定して抽出する。そして、抽出されたαｉ，βｉに対応する計算変数の要素が、対象とする植物にとって最も影響が大きい要素であると推定する。すなわち、この場合、（１）式及び（２）式から得られる２つの要素を重要な要素として特定されることもある。

【0030】

出力制御部２８は、重要要素抽出部２７で抽出された影響が大きい要素の情報を、例えばディスプレイなどの表示部に出力する。育成推定装置１の使用者（すなわち、植物の育成者）は、出力された要素情報に基づいて、育成時の作業を植物の成長に応じて調整したり、効率的な作業計画を作成することができる。

【0031】

上記の各演算は、育成する植物の場所、種類、育成過程ごとに行うことができる。例えば、同じ植物（例えば任意の品種のバニラ）を隣接するビニールハウス内で同じ条件で育成した場合であっても、実際には影の影響による微妙な日照時間の長さやタイミングに差が生じたり、供給される水の量（圧力）がビニールハウス間で異なったりすることで育成速度や品質に差が生じることがある。つまり、僅かな環境の違いであっても影響を及ぼす要素が異なることとなるため、上述したように、それぞれの場所ごと（隣接しているような場合であってもビニールハウスごと、更に細かくは畝ごとなど）に計測された各種要素ごとのデータを入力情報２１として演算に用いることが望ましい。

【0032】

また、同じビニールハウス内であっても異なる品種の植物を育成している場合は、その品種ごとに計測された各種要素ごとのデータを入力情報２１として演算に用いることが望ましい。

【0033】

さらに、発芽、出葉、開花、結実、枯死等の育成過程ごとに計測された各種要素ごとのデータを入力情報２１として演算に用いることが望ましい。そうすることで、例えば「発芽」に関して影響が大きい要素、「開花」に関して影響が大きい要素など、育成過程ごとに重要な要素を特定することも可能となる。

【0034】

さらにまた、時間帯ごとに重要な要素を特定することも可能である。例えば１日の中で７：００～１９：００までに計測されたデータを入力情報２１として演算に用いた場合に得られる重要要素と、１９：００～７：００までに計測されたデータを入力情報２１として演算に用いた場合に得られる重要要素とをそれぞれ求めることで、昼間のデイタイム（日照がある時間帯）において重要な要素、夜間のナイトタイム（日照がない時間帯）において重要な要素をそれぞれ特定することができ、時間帯に応じて育成手法を変える又は手を加える等の工夫が可能となる。

【0035】

さらにまた、係数αｉ及びβｉを算出するにあたり、例えば一部の時間帯でグラフ形状が特に近似したような場合は、その時間帯におけるいずれかの要素が植物の育成に大きな影響を与えている時間帯であると推定してもよい。

【0036】

図６は、本実施形態に係る育成推定装置の処理を示すフローチャートである。育成推定装置１が処理を行うにあたり、育成情報記憶部２３には、前年に計測された各種要素（温度、湿度、光照射、栄養素、水分、エチレン濃度、乾燥期間など）の実績データが予め登録されているものとする。育成推定装置１の使用者は、入力デバイスを操作して処理対象となる項目を指定する（Ｓ１）。ここで言う処理対象の項目とは、例えば、育成推定装置１による育成推定処理を行う対象となる植物の種類、育成過程、場所、期間などである。具体的には、例えば、「バニラのＸＸ品種」について、バニラ花が「開花するまで」の育成過程（又は具体的に「ＸＸ月～ＸＸ月」などの期間でもよい）における「ビニールハウスＡ」といった項目を指定する。これらの入力情報された指定情報に基づいて、情報抽出部（図示しない）が演算対象となるデータを育成情報記憶部２３から読み出す（Ｓ２）。

【0037】

なお、Ｓ１で指定される項目は必ずしも上記全ての項目が指定される必要はなく、一部の項目のみが指定されてもよい。また、これ以外にも季節、天気、降水量、災害関連など、植物の育成において関連する項目が指定できるような構成としてもよい。

【0038】

第１算出部２４は、Ｓ２で抽出されたデータに基づいて係数αｉを算出する（Ｓ３）。ここで行う演算は、例えば重回帰モデル（Multiple Linear Regression）のような線形回帰モデルを用いた演算が行われる。第２算出部２５は、Ｓ２で抽出されたデータに基づいて係数βｉを算出する（Ｓ４）。ここで行う演算は、例えば双曲線回帰モデル（Hyperbolic Regression）のような非線形回帰モデルを用いた演算が行われる。係数算出部２６は、Ｓ３及びＳ４で得られた予測値又はグラフが一致又は近似するように係数αｉ及び／又はβｉを算出する（Ｓ５）。予測値が一致するような係数αｉ，βｉの最適値の演算は、例えば第１算出部２４及び第２算出部２５の演算結果から得られるグラフの形状を画像処理で解析し、その類似度を見ながら係数αｉ，βｉの最適値を求めるようにしてもよい。

【0039】

重要要素抽出部２７は、αｉ及びβｉの最適値を求める工程において、Ｐ１とＰ２とを一致又は近似させる上で最も大きく寄与したαｉやβｉに対応する要素を重要要素として抽出する（Ｓ６）。出力制御部２８は、抽出された重要要素の情報をディスプレイに表示して（Ｓ７）、処理を終了する。育成推定装置１の使用者は、ディスプレイに表示された重要要素の情報に基づいて、育成計画を立てたり、品質向上のための対応を行うこととなる。

【0040】

このように、本実施形態に係る育成推定装置１においては、複数種類の要素を表すそれぞれの要素ごとの計算変数に基づいて、植物の育成状態に関する第１予測値（Ｐ１）を算出する第１モデルを用いた第１算出部２４と、計算変数と同一の計算変数に基づいて、植物の育成状態に関する第１モデルとは異なる第２予測値（Ｐ２）を算出する第２モデルを用いた第２算出部２５と、第１予測値及び第２予測値が同一又は所定範囲内で近似するように、第１モデルにおける複数の計算変数ごとに対応する複数の第１係数（αｉ）と、第２モデルにおける複数の計算変数ごとに対応する複数の第２係数（βｉ）とを算出する係数算出部２６と、係数算出部２６において、第１係数（αｉ）及び／又は第２係数（βｉ）の変化量に対する予測値Ｐ１，Ｐ２の変化量に応じて、それぞれの第１係数（αｉ）及び／又は第２係数（βｉ）に対応する計算変数が表す要素から植物の育成において影響度が大きい重要要素を抽出する重要要素抽出部２７とを備えるため、植物の育成に重要な影響を及ぼす要素を２つの計算モデルを用いて数学的に求めることができ、植物の育成作業に大きく貢献することができる。

【0041】

また、必要に応じて、重要要素抽出部２７が、係数算出部２６が第１係数（αｉ）及び第２係数（βｉ）を算出する過程において、それぞれの第１係数（αｉ）又は第２係数（βｉ）の変化量に対する、第１予測値（Ｐ１）と第２予測値（Ｐ２）との差分の変化量に応じて重要要素を抽出するため、植物の育成に重要な影響を及ぼす要素を高精度に抽出することができる。

【0042】

さらに、必要に応じて、第１モデルが線形回帰モデルであり、第２モデルが非線形回帰モデルであるため、異なる２つの計算モデルから植物の育成に重要な影響を及ぼす要素を数学的に求めることができる。

【0043】

さらにまた、必要に応じて、係数算出部２６が、第１係数（αｉ）及び第２係数（βｉ）を算出する過程において、第１算出部２４で得られたグラフの画像と第２算出部２５で得られたグラフの画像との類似／非類似を画像解析で算出し、それぞれのグラフが類似するように第１係数（αｉ）及び／又は第２係数（βｉ）を算出するため、係数算出部２６の演算を画像処理で簡易に且つ高速に行うことができる。

【符号の説明】

【0044】

１ 育成推定装置
１１ ＣＰＵ
１２ ＲＡＭ
１３ ＲＯＭ
１４ ハードディスク
１５ 入出力Ｉ／Ｆ
１６ 通信Ｉ／Ｆ
２１ 入力情報
２２ 入力部
２３ 育成情報記憶部
２４ 第１算出部
２５ 第２算出部
２６ 係数算出部
２７ 重要要素抽出部
２８ 出力制御部

【要約】

【課題】植物の育成に影響が大きいパラメータを少ない実績データで演算により算出する育成推定装置等を提供する
【解決手段】植物の育成において影響度が大きい要素を推定する育成推定装置１であって、複数種類の要素を表す計算変数に基づいて、植物の育成状態に関する第１予測値Ｐ１を算出する第１算出部２４と、同一の計算変数に基づいて、植物の育成状態に関する第２予測値Ｐ２を算出する第２算出部２５と、第１予測値Ｐ１及び第２予測値Ｐ２が同一又は所定範囲内で近似するように、第１モデルにおける複数の計算変数ごとに対応する複数の第１係数αｉと、第２モデルにおける複数の計算変数ごとに対応する複数の第２係数βｉとを算出する係数算出部２６と、係数算出部２６において、第１係数（αｉ）及び／又は第２係数（βｉ）の変化量に対する予測値Ｐ１，Ｐ２の変化量に応じて植物の育成において影響度が大きい重要要素を抽出する重要要素抽出部２７とを備える。
【選択図】図２

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】