低層リモートセンシングによる作物モニタリング を用いた効...
TRANSCRIPT
低層リモートセンシングによる作物モニタリングを用いた効率的栽培管理システムの構築
東京大学 岩田洋佳、堤伸浩、藤原徹
エアフォーディー(株) 新井啓吾
凸版印刷(株) 濱谷卓美
名古屋大学 平野恒
農業生産法人(有)西武農場 柳沼孝政
異分野融合プロジェクト 補完研究 S1
2016.07.11撮影 @ 福島県須賀川市江花
目的・背景~農業における現状と課題~
規模拡大により管理農地が拡大・分散することで、管理の質が低下する。経営の向上には規模の拡大のみならず、生産管理に必要な情報を効率的に収集・分析し、きめ細やかな栽培管理やリスクマネジメントを行うことが必要となる。
農家の高齢化が進んでおり、次世代の農業従事者に伝えるためのノウハウを形式知化することが必要である。
ドローンを用いた「低層リモートセンシング」による解決を目指す
• 低層リモートセンシングで、分散した農地を効率的に管理する実用システムを構築
●非熟練者でも簡易に日常的に行えるシステム
農地管理者の経営効率化を高める 生産管理システム ・生育状況管理 ・病害等の管理
●分散する田畑の生育状況を一目で把握、経営者の判断をサポート
可視光画像 近赤外画像 熱赤外画像 太陽光スペクトルデータ GPSデータ
解析エンジン 診断・予報エンジン
作物栽培データ 診断・予報データ
農地C
農地E
農地A
農地B
農地D
栽培管理メタデータ (作業記録等)
• 解析エンジンモデル機械学習
• 解析結果の視覚化
UAVデータ
作業記録
UAVリモセンシステム 解析クラウド
生産管理システム
●リモセンデータから生産者が必要とする情報を抽出
活用・効率化
蓄積・解析データ収集
研究体制
・機械学習エンジン開発・ソルガム栽培試験・システムの実装試験サポート
東京大学岩田洋佳/堤伸浩/藤原徹
・UAV機体開発・UAV自動操縦技術開発
Air4D新井啓吾
・イネ栽培試験・栽培管理メタデータ仕様検討
名古屋大学平野恒
・データ蓄積サーバー開発・閲覧システム開発・電子野帳アプリ開発
凸版印刷濱谷卓美
・水稲生産現場での開発システムの利用
農業生産法人西部農場
柳沼孝政
実装実験解析クラウド
UAVリモセンシステム
生産・管理システム
事業化試行
~ICT活用農業コンソーシアム~
研究体制~計画・補完研究の連携~
2)-④-1 イネの栽培マニュアルの電子化北野英巳(名古屋大学)、愛知県農業総合試験場
• 本提案研究は、栽培マニュアルの電子化で必要となる、施肥設計、病害防除のタイミングなどの栽培管理の意思決定における判断基準の客観化・定量化に資する補完研究として行う。
4)-① 既存センサーシステムの低価格化と
低価格新規センサーの検討亀岡孝治・橋本篤(三重大学、浜松ホトニクス、PSソルーションズ)
• 本提案研究では、低価格で小型のセンサーをUAVリモセン用新規センサーとしての評価に資する補完研究として行う。
• 具体的には、MEMS分光器をヘリに搭載し、リモートセンシング時の太陽光の分光データを記録し、太陽光状態により変化するリモートセンシング結果の補正を行う。
• ヘリに搭載可能なMEMS分光器を浜松ホトニクスに試作してもらった。今後、同分光器をUAVに搭載した飛行実験を行なう予定。
研究体制~計画・補完研究の連携~
S5 情報入力・通信環境機能を備えた低価格センサーシステムの全国圃場への導入と共通データベース・情報共有システムの構築による実証試験
全国KOSENネットワーク ICT農業研究会
• 本提案研究が進める簡易ウェザーステーションについて、実証フィールドの1つとしてテスト設置を行う。また、そこで得た環境データをリモセン研究の外部データとして活用する。
研究計画
平成26年度 平成27年度 平成28年度
全体要件定義
開発
実証実験
追加開発 追加開発
改修
実証実験
改修
★定期レビュー実施 ★定期レビュー実施
★報告 ★報告 ★報告
※東大、名大の実験農場等による教師データ収集などは都度、実施
要件見直し
効率的栽培管理システムの構築(1/2)
栽培管理メタデータ作業記録 など
管理農地A
ドローンリモセンシステム
管理農地B
管理農地C
管理農地D
ドローンデータ可視光画像 近赤外光画像熱赤外光画像 GPSデータ太陽光スペクトルデータ
など
ドローンによるデータ収集
★非熟練者でも簡単かつ日常的に使えるシステム
解析エンジン、診断・予報エンジン• 収集データの統計的
解析
• 機械学習等による病害診断・予測
• グラフ等による解析結果の視覚化
★生産管理に必要な情報を抽出し生産者にフィードバック
解析クラウド
解析結果作物栽培データ診断・予報データ
など
生産管理システム 圃場管理アプリ・欲しい情報をクラウドから取得・それをもとに生育状況や病害の管理
管理農地A
追肥!
管理農地C
病気!
★分散する田畑の生育状況を一目で把握
★経営者の判断をサポート
機器
扱いやすさ・オペレーションが専⾨的で⼈員も多く必要・準備や持ち運びに労⼒と時間がかかる・本計測にて 43 haの撮影に約 5-6 時間
・オペレーションが簡易で少⼈数で実施可・準備や持ち運びが楽・本計測にて 43 haの撮影に約 2-3 時間
空間分解能 約 1.4 cm / pixel (⾼度 100 m) 約 2.0 cm / pixel (⾼度 80 m)
データの軽さ 約 30 MB / image 約 8 MB / image
画像の⼀例
機器(ドローン、カメラ)の急速な進歩
⼤型試作機
+⾼解像度
⼀眼レフカメラ(約3600万画素)
⼩型汎⽤機機体付属
低解像度カメラ(約1600万画素)
+
<≒<
どちらでも⾊むら、雑草、⽋株などは⼗分観察できる
試作機の問題点
2秒間に1回というシャッター間隔を実現できなかったため、オーバーラップが十分にとれず、Pix4D mapperでは3次元再構築がうまくいかなかった。
機体 撮影画像枚数 DSM オーバーラップ
専用試作機 36
大型汎用機(2015年使用)
210
切舘北1での比較
小型汎用機の活用と問題点小型汎用機付属のカメラ(Zenmuse X5)による画像では、Pix4D mapper内の処理
におけるカメラパラメータの推定がうまくいかないことが多く、マッチングの精度が悪かった。3次元再構築もうまくいかないことがある。しかし、
機体の進化は急速であり、コスト的にも活用すべき。
2016/9/30の各撮影か所におけるX5(焦点距離15 mm)の焦点距離推定値と構築結果の評価
2015/9/27の各撮影か所におけるα7R(35 mmレンズ装着)の焦点距離推定値と構築結果の評価
鍛治内 川北 切舘 切舘北1 切舘北2 久保前 栗の木内 前川原 二本松
推定値 10.9 3.8 15.4 55.0 23.7 処理失敗 16.9 13.4 45.7
構築結果 ○ × × ○ × 処理失敗 ○ × △
鍛治内 川北 切舘 切舘北1 切舘北2 久保前 栗の木内 前川原 二本松
推定値 35.4 35.4 35.3 35.3 35.4 35.3 35.5 35.3 35.3
構築結果 ○ ○ ○ ○ ○ ○ ○ ○ ○
効率的栽培管理システムの構築(2/2)
栽培管理メタデータ作業記録 など
管理農地A
ドローンリモセンシステム
管理農地B
管理農地C
管理農地D
ドローンデータ可視光画像 近赤外光画像熱赤外光画像 GPSデータ太陽光スペクトルデータ
など
ドローンによるデータ収集
★非熟練者でも簡単かつ日常的に使えるシステム
解析エンジン、診断・予報エンジン• 収集データの統計的
解析
• 機械学習等による病害診断・予測
• グラフ等による解析結果の視覚化
★生産管理に必要な情報を抽出し生産者にフィードバック
解析クラウド
解析結果作物栽培データ診断・予報データ
など
生産管理システム 圃場管理アプリ・欲しい情報をクラウドから取得・それをもとに生育状況や病害の管理
管理農地A
追肥!
管理農地C
病気!
★分散する田畑の生育状況を一目で把握
★経営者の判断をサポート
4月上 中 下
5月上 中 下
6月上 中 下
7月上 中 下
8月上 中 下
9月上 中 下
10月上 中 下
時期 田植え 活着期 分げつ期 幼穂形成期 出穂期 登熟期 収穫期
水管理
栽培管理
播種(4月初旬)
除草剤
基肥施用(全層施肥+
側条施肥)
中干し(茎数確保出来
た場合)
穂肥施用(出穂20日前
頃)
葉色を落とさない
出穂3日前から掛け
流し
高温登熟障害を回避
カメムシ/いもち紋枯
防除
・出穂日8月1日〜
10日
収穫目標9月末から
10月初旬
早期落水を行わない・
間断通水
胴割れ回避のため、適
期刈りを心がける
観測
観測実績(日程)
荒起し
代掻き 田植 浅水管理
中干し
飽水管理
分げつ期観察 追肥検討、葉色調査 出穂期確認 収穫期検討
= 2016年観測(13回)( = 2015年観測(10回))
昨年に⽐べ、植物体の成⻑や変化が激しい7⽉中旬(出穂前)〜8⽉中旬(出穂後)の観測頻度を増やした
観測実績(圃場分布)観測場所の福島県須賀川市(Google Maps)
2 ha
6 ha
8 ha
2.5 ha
7.5 ha
2.5 ha
5.5 ha
4 ha
5 ha
・昨年同様、分散した⽔⽥を観測・合計⾯積は約 43 ha
各種画像処理
試⾏錯誤の結果、⼩型汎⽤機で⾼度 80 m から撮影した画像を使⽤RGB (画像190枚)
近⾚外(画像507枚)
3Dモデル オルソモザイク DSMヒートマップ
3Dモデル オルソモザイク DSMヒートマップ ENDVI
異なる窒素条件下で栽培したコシヒカリをRGBと近赤外カメラでUAV撮影
超多肥区
超多肥区
中多肥区
中小肥区
超小肥区
小肥区
RGB撮影 近赤外撮影
ND
VI(
植生
指数
)算
出
各栽
培区
にお
ける
コシ
ヒカ
リ個
体中
の窒
素含
量を
実測
コシヒカリ個体中の窒素含量(実測値)
ND
VI値
超小肥区
超多肥区
中多肥区
小肥区
多肥区
中小肥区
UAV撮影によるコシヒカリ窒素栄養状態の計測システム(現在進行中)
• 東大で測定される窒素含量の実測値との比較
• キャリブレーション曲線の作成
• 病気の早期発生予察のための技術開発
イネ実験圃場におけるリモートセンシング
事業化を見据えたサーバサイドの最適化
低解像度(3680 × 2456px)
高解像度(7360 × 4912px)
センシング画像
低解像度と⾼解像度のデータによる判断に必要な情報量を⽐較し、通信速度・コスト・サーバ容量の最適化を実施
WEBサーバ
画像解析サーバ
データ蓄積データベース
通信量の低減により、ユーザビリティ、コストの改善
データ量減少による運⽤コスト削減
画像サイズ縮⼩による解析時間の低減
<H27年度研究までの実績>
<H28年度>
仮説検証ではサーバサイドの負荷を1/7に圧縮可能
撮影状態によるデータの最適表⽰によるユーザビリティ、コストの改善
パノラマ⽅式により、サーバ側への負荷を軽減し、オルソ化によるタイムラグを受けない簡易表⽰が可能(オルソ化に⽐べ、処理時間は1/10以下)
①一覧表示状態
②パノラマ合成状態
データの最適表示手法について
※オルソ化は別タスクにて実⾏、結果を解析に活⽤
■ 左記データを使った段階的な画像表⽰⼿法1:ジオコードによる対象圃場を撮影した画像を集約、⼀覧表⽰2:同⼀圃場を撮影した画像の
パノラマ合成(⾮オルソ)による簡易表⽰
■使⽤データについて(機体ごとに撮影時のメタ情報に差分有)
・exifのジオコード利⽤・別ファイルによる画像のメタデータ投⼊)による簡易表⽰
生産管理システムの改良<H27年度研究までの実績>
<センシングデータ>〇可視光画像〇近⾚外画像〇熱⾚外画像
データビューワー+
作業⽇誌
圃場管理に必要なデータビューワーにAI研究に向けた⽇誌管理機能を追加
<H28年度実績>
須賀川市の実証フィールド
★
管理者の判断に必要な環境データを取得するとともに、病害⾍の予測AI研究への活⽤を年度末まで実施予定
S5チームのウェザーステーションの設置
<センシングデータ>〇温度・湿度〇⾵向・⾵⼒〇⾬量・⽇射量
収量と倒伏の関係
2015年のデータに基づき、”ひとめぼれ”を栽培した10枚の田んぼについて、9月27日の面積あたりの倒伏の割合と面積当たりの収量の関係を調べた。
EMアルゴリズムによる倒伏の推定
倒伏の割合
単位
面積
あた
りの
収量
(kg/m
2 )
相関係数 = 0.25
今後の課題収量・品質予測には、データ蓄積とより複雑なモデルが必要
リモセンデータ
ゲノム情報
環境データ
2 ha
6 ha
8 ha
2.5 ha
7.5 ha
2.5 ha
5.5 ha
4 ha
5 ha
地理情報
機械学習モデル
田んぼごとの収量・品質
社会実装のイメージ
ドローン活用による想定効果試算
・生産量892万円・10aあたり原価
89,521円
管理
面積
を1.3倍
に
生産量1,160万円10aあたり原価 67,710円
10aあたり21,811円の原価(労務費)削減となり、生産量アップ分と合わせ
266万円程度の利益創出
• 従業員一人辺りの管理圃場を限界値の5haとした場合、西部農場の管理圃場(約10ha)は2名に
よる運営が可能。実際の西部農場の常時雇用は4名となっている。これは広域に圃場が分散している日本の生産法人特有の課題である。
• ドローンリモートセンシングによる管理が確立できれば、熟練者である常時雇用者の負担減につながり、効率的な生産を実現できる。現状の4名の常時雇用体制で1.3〜2倍の生産力向上が見込まれる
栽培管理メタデータ 作業記録 など
管理農地A
ドローンリモセンシステム
管理農地B
管理農地C
管理農地D
ドローンデータ 可視光画像 近赤外光画像 熱赤外光画像 GPSデータ 太陽光スペクトルデータ
など
ドローンによる データ収集
○非熟練者でも簡単かつ日常的に使えるシステム
解析エンジン、診断・予報エンジン • 収集データの統計的
解析 • 機械学習等による病
害診断・予測 • グラフ等による解析
結果の視覚化
○生産管理に必要な情報を抽 出し生産者にフィードバック
解析クラウド
解析結果 作物栽培データ 診断・予報データ など
生産管理システム 圃場管理アプリ ・欲しい情報をクラウドから取得 ・それをもとに生育状況や病害の管理
管理農地A
追肥!
管理農地C
病気!
○分散する田畑の生育状況を 一目で把握 ○経営者の判断をサポート
市場性検証 (社会実装に向けて)〜⼀般⽣産者インタビュー〜
【研究システムへの評価】
・農家でも⾃分でドローンを操縦できるだろう。若い農業従事者は興味を持つと思う。
・リモートセンシングで収穫適期を決める取組みは聞いたことがある。適期刈り取りが基本なので、画像で記録しておけばその証拠になる。
・⽥植えを⾏いながら⼟中の窒素量に応じて施肥する農機が存在するが、そこまでミクロな調整は必要ない。リンに関しても、最近は資源不⾜が⾔われているため、可視化できるとうれしい。
・画像で記録を残すメリットは、従業員への指導の⾒える化。単収を上げるためには⼀筆ごとに追肥を調整する必要があることから、画像で指導できることは⾮常に有効。イネの⾼さで⽣育状況を把握する⼿法は⾯⽩いと思う。
市場性検証 (社会実装に向けて)〜⼀般⽣産者インタビュー〜
【更なる改良要望点】・翌年の栽培計画のために⼟中の窒素量がマッピングできるシステムが
あるとうれしい。
・事前にいもち病の兆候を知れたり、追肥のタイミングを計れるようになるとよい。農家がこれは異状の兆候だと指摘した箇所は、たぶん病気に発展するはず。そういった異状の画像データを基準にして数多くのデータが蓄積できれば、例えば、地域は別だが同じ⾵⼟と品種に対して適⽤できるようになる。
・時期を変えて同じ圃場を栽培管理するなら何らかの基準なりキャリブレーションが必要なのでは。例えば、⼟壌⽔分量、⽔温、葉⾊などの絶対値があるべき。また、撮影環境(例えば⽇射)を同じ条件に合わせるための画像のキャリブレーションが必要だと思う。
。本事項は残り期間のセンシングデータに基づく解析エンジン改良へ
普及可能性(データの一層の活用)
ドローンによるセンシングデータ
圃場管理ソリューション
収入保険補助
早期買付補助
プロモーション
消費者
バイヤー
損保
割引収⼊保険
早期契約
購 買
画像、
気象、ほか
栽培管理(施肥、湛⽔、病害)の最適化作物⽣育のリアルタイム情報⽥んぼ毎の収量・品質予測
●品質動向●収量動向
●購買付加価値●トレーサビリティ
●⽣産量調査●災害時補償
エビデンス
多様な波及展開研究実証を予定
⽣産者
その他
農薬・肥料メーカ、等で
の活用
アウトリーチ活動 (H27)
日経産業新聞(5/18 1面)
NHK特報首都圏 (4/17)
NHKクローズアップ現代(5/21)
農業ビジネスマガジン(4/23)
学会発表 6件 (招待4件、国際3件)テレビ2件、新聞2件、雑誌2件
H26年度は、テレビ1件、新聞2件
まとめ●ドローンによるデータ収集〜クラウド管理・解析
〜タブレットビューアー、の⼀連のフローを構築した●実圃場での実証実験を⾏い、低層リモセンの基本的な有効
性は確認できた- 倒伏・いもち等の障害予測、管理⽀援、知識形式知化、等- 品質・収量予測にはより⾼度なモデル化が必要
●ドローンはまさに今も進化しており、汎⽤⼩型機に期待。- コスト、操作性、能⼒(時間、ペイロード、等)、保守性、etc.- カメラはセンサーとして特化が必要か(GPS、可視光+⾚外、等)
●実利⽤に向け、データ圧縮レベル、画像表⽰⽅法、ビューアーUI、等の検証・改良を実施した
●栽培管理以外の経済効果も考えられるが、実事業化に向けては販売、保守、等の付帯業務を含めたビジネスモデル化を進める必要がある