Japan

促進Internet of Plants (IoP)實用化

Internet of Plants (IoP)の社会実装に向けて
方案推動與歷程分享 ( プログラム&プロセス紹介 )
學校(学校) | 高知大學(高知大学) 作者(著者) | 北野雅治(北野雅治)、岩尾忠重(岩尾忠重)、山崎富弘(山崎富弘)、齋藤雅彥(斉藤雅彦)、但田育直(但田育直)、野村浩一(野村浩一)
65閱讀數(閲読)

概要
在設施園藝的農業經營現場,環境數據(日照、氣溫、溼度、CO2濃度)可視化逐漸普及,但農作物「製造工程」的生理生態資訊(光合作用、蒸散、成長等),在農業經營現場卻難以偵測,無法掌握相關資訊。於是,高知縣的設施園藝在產學官民合作推動下,逐漸普及和導入使用讓農作物生理生態資訊的時間序列可視化、機能化和共享化的設備(Internet of Plants; IoP)。IoP使用各農業經營現場設置的環境感測器和攝影機,將蒐集到的環境資訊和農作物圖片資訊,匯集到高知縣營運管理的IoP雲端系統,運用人工智能(AI)技術分析後,實現農業經營現場的農作物生理生態資訊的可視化、機能化與共享化。IoP農家群智能化的運用IoP雲端的資訊,AI也能在學習這些技術後共享,在這樣的相互作用下,讓產地的農業經營技術形成「自主進化」與「高平準化」的機制。此外,以農作物生理生態為基礎,採取有效率的農業經營管理、勞務管理、生產調整等,可望在經營農業時能因應天候、供需關係等變化,實現「不浪費、不勉強」、靈機應變的四定生產(定時、定量、定品質、定價格)。

概 要
施設園芸の営農現場では、環境データ(日射、気温、湿度、CO2濃度)の可視化は普及しつつあるが、農作物の「製造工程」ともいえる作物の生理生態(光合成、蒸散、成長等)の情報は、営農現場での実測が困難なために、これまで把握されてこなかった。そこで、高知県の施設園芸では、作物生理生態の時系列情報の可視化、機能化、共有化を可能にする仕組み(Internet of Plants; IoP)の普及・実装を、産学官民の協働で進めている。IoPにおいては、各営農現場の環境センサとカメラからの環境情報と作物画像情報が、高知県が管理・運営する「IoPクラウド」に集積され、人工知能(AI)技術を援用した解析により、作物生理生態情報の可視化、機能化、共有化が日々の営農現場において実現される。IoPクラウドからの情報を駆使するスマートなIoP農家群の創意工夫と、それらを学習して共有できるAIとの相互作用によって、産地における営農技術の「自律的進化」と「高位平準化」の仕組みが形成される。さらに、作物の生理生態に基づく合理的な営農管理、労務管理、生産調整等によって、天候、需給関係等の変化に、「無駄なく無理なく」柔軟に対応できる四定生産(定時、定量、定品質、定価格)をめざした営農が実現することが期待されている。

1. 前言
農業受到季節、天候等環境左右,全面仰賴農作物的生理生態資訊(光合作用、蒸散、養水分吸收、運輸、營養生長、生殖生長等),宛如是利用與活用光合作用產物的「製造業」。進行光合作用的農作物(生態學中的初級生產者)為生產者,農家則為栽培者和經營者,所有農業經營作業,說是為了優化農作物生理生態的作業也不為過。(圖1)。

はじめに
農業は、季節や天候等の環境に左右される作物の生理生態(光合成、蒸散、養水分吸収、転流、栄養成長、生殖成長等)に全面的に依存し、光合成産物を利活用する「モノづくり産業」とも言える。その生産者は光合成をする作物(生物学的一次生産者)であり、農家は栽培者及び経営者と位置付けられ、全ての営農作業が、作物の生理生態を最適化するための作業といっても過言ではない(図1)。

圖:1 農作物的生理生態與IoP農家
圖:1 作物の生理生態とIoP農家

工廠生產的製造工業,將製造工程即時徹底可視化,藉由經營者和技術人員的巧思和資訊與通訊技術(ICT)、人工智能(AI)等尖端技術,促進高彈性化、效率化(最佳控制、自動化等),實現符合需求的四定生產(定時、定量、定品質、定價格)。然而,農家的農業經營現場,環境數據(日照、氣溫、溼度、CO2濃度)可視化逐漸普及,被視為「製作工程」的農作物生理生態的量化時間序列(過去、現在、未來)資訊卻難以測量,農家在經營農業時,無法實現量化的可視化和機能化(可利用化),ICT、AI等尖端技術的機能與農家的巧思無法充分發揮。

工場で生産する製造工業では、製造工程がリアルタイムで完全に可視化され、経営者や技術者の創意工夫や情報通信技術(ICT)、人工知能(AI)等の先端技術群によって、自在の高度化、効率化(最適制御、自動化等)が進められ、需要に応じた四定生産(定時、定量、定品質、定価格)が実現している。しかしながら、農家の営農現場では、環境データ(日射、気温、湿度、CO2濃度)の可視化は普及しつつあるが、製造工程ともいえる作物の生理生態の定量的な時系列(過去、現在、未来)情報は、営農現場での実測が困難なために、農家の日々の営農において定量的な可視化と機能化(使える化)が実現されておらず、ICT、AI等の先端技術の機能や農家の創意工夫が十分に発揮されない状況のままである。

2. Internet of Plants (IoP)概要
我們提倡Internet of Plants (IoP)(圖2)的概念(1),使農業經營現場的農作物生理生態的時間序列資訊可視化、機能化、共享化,並於高知縣的設施園藝推廣。IoP為農業經營現場使用的環境感測器和攝影機的網路,將環境資訊和農作物圖片資訊蒐集到IoP雲端,使用最新AI技術「IoP主要AI引擎」(農作物生理生態AI引擎與農業經營支援AI引擎;後述),藉由IoP雲端實現農業營運現場之農作物生理生態資訊的可視化、機能化、共享化。IoP農家群聰明的利用主要AI引擎的資訊,AI也能在學習這些技術後共享,形成PDCA循環,以農作物生理生態為基礎,採取有效率的農業經營管理、勞務管理、生產調整等,可望在經營農業時能因應天候、供需關係等變化,實現「不浪費、不勉強」,能靈機應變的四定生產(定時、定量、定品質、定價格)。

2. Internet of Plants (IoP)の概要
営農現場での作物生理生態の時系列情報の可視化、機能化、共有化を可能にする仕組みとして、Internet of Plants (IoP)(図2)の概念を提唱し(1)、その社会実装が高知県の施設園芸で進められている。IoPにおいては、営農現場の環境センサとカメラのネットワークからの環境情報と作物画像情報がIoPクラウドに集められ、最新のAI技術を援用した「IoPメインAIエンジン」(作物生理生態AIエンジンと営農支援AIエンジン;後述)の駆動によって、IoPクラウドを介した作物生理生態情報の可視化、機能化、共有化が日々の営農現場において実現される。メインAIエンジンからの情報を駆使するスマートなIoP農家群の創意工夫と、それらを学習して共有できるAIエンジンとのPDCAサイクルによって、産地における営農技術の高位平準化と自律的進化の仕組みが形成され、作物の生理生態に基づく合理的な営農管理、労務管理、生産調整等によって、天候、需給関係等の変化に、「無駄なく無理なく」柔軟に対応できる四定生産(定時、定量、定品質、定価格)をめざした営農が実現することが期待されている。

圖:2 Internet of Plants (IoP)的概要與AI引擎
圖:2 Internet of Plants (IoP)の概要とAIエンジン

3. IoP主要AI引擎
IoP主要AI引擎是由「農作物生理生態AI引擎」與「農業營運支援AI引擎」構成。農作物生理生態AI引擎使用多種關於生理生態的理論性模型群(舉例來說,葉片光合作用生物化學機構模型、熱收支模型等)、半實驗模型(氣孔反應模型等)、AI圖形辨識技術等,針對農作物群落與個體複雜的生理生態,創造出解釋性高的資訊群,並採用能提升AI學習效率的新AI模型(圖3)群,作為IoP的核心模型(由於新AI模型群混合(Hybrid)「農作物生理生態理論」與「AI」,被稱為「Hybrid AI」)。
我們打造使用Hybrid AI模型群的農作物生理生態AI引擎(圖4:以果菜類為例),將其實用化後,使用農業營運現場容易偵測的環境數據與圖形資料,讓不可能偵測的農作物群體與個體的光合作用、蒸散、體溫、葉片面積、受光量、營養生長、開花數、果實肥大、載果量、收穫(收穫量、收穫所需天數)等時間序列資訊可視化。截至目前為止,這是全球首個僅用農業營運現場容易取得的環境資訊,與農作物群體的圖像,就能讓可說是「農作物生產基礎資本」的農作物群體與個體的光合作用速度、驅動根部養、水分吸收的蒸散速度、果菜著果率與出貨量等時間序列資訊可視化。

3.IoPメインAIエンジン
IoPメインAIエンジンは、「作物生理生態AIエンジン」と「営農支援AIエンジン」の2つから構成されている。作物生理生態AIエンジンにおいては、多様な生理生態に関する理論的モデル群(例えば、個葉の光合成生化学的機構モデル、熱収支モデル等)、半経験的モデル(気孔反応モデル等)、AI画像認識技術等を駆使することによって、作物群落及び個体の複雑な生理生態に対して説明性の高い情報群を創出し、AIの学習効率を高める新規のAI モデル(図3)群を、IoPの中核モデルとして採用している(これら新規のAI モデル群は、「作物の生理生態理論」と「AI」との融合(ハイブリッド)であることから、「Hybrid AI」と呼ばれている)。
Hybrid AIモデル群を組み込んだ作物生理生態AIエンジン(図4:果菜類の例)が構築されており、営農現場での実測が容易な環境データと画像データから、実測不可能な作物群落及び個体の光合成、蒸散、体温、葉面積、受光量、栄養成長、開花数、果実肥大、着果負担、収穫(収量、収穫所要日数)等の時系列情報の可視化にむけて実装が進められている。現在までに、作物生産の基本原資ともいえる作物群落及び個体の光合成速度、根系の養水分吸収を駆動する蒸散速度、果菜の着果数及び出荷量等の時系列情報を、営農現場で取得容易な環境情報と作物群落の1点画像のみを用いて可視化することを、世界で初めて実現している。

圖:3 作物生理生態的Hybrid AI模型
圖:3 作物生理生態のHybrid AIモデル

圖:4. 農作物生理生態AI引擎(果菜類)的構成
圖:4. 作物生理生態AIエンジン(果菜類)の構成

此外,為了將農作物生理生態AI引擎的輸出資訊,用作有效率的農業營運支援資訊,我們正在開發農業經營支援AI引擎,以便提供生理生態(光合作用等)、成長(葉片面積、開花數等)、收穫(收穫量、收穫日)的預測資訊、環境控制/農作物管理/勞務管理/省能源等優化資訊、調整收穫(收穫量/收穫日)的資訊、統一管理分散設施的資訊,判斷與改善農業經營技術資訊群。

さらに、作物生理生態AIエンジンからの出力情報に基づく合理的な営農支援情報として、生理生態(光合成等)、成長(葉面積、開花数等)、収穫(収量、収穫日)の予測情報、環境制御・作物管理・労務管理・省エネルギー等の最適化情報、収穫(収量・収穫日)調整のための情報、分散施設の統合管理のための情報、営農技術の診断と改善等の情報群を提供する営農支援AIエンジンの開発が進められている。

4. 由農家發起的自下而上改革
自有農業以來,農業政策和技術研發,主要由沒有農業經營經驗的行政者和技術人員、研究人員進行由上而下的支援。然而,考慮到日本農業現況,光是由上而下的支援已有所不足。活用IoP資訊的IoP農家群,靠著智能化與巧思,使用圖5所顯示,由農家發起的自下而上改革,與過去的由上往下的支援連動,期待能達成農業自主進化。高知大學於2021年10月,設置全球首座「IoP共創中心」(圖6),作為全校研究教育設施。在率先引進融合農學、資料科學AI技術等不同領域的新學術「情報共創學」之餘,透過包括農家在內的產官學民相互合作的「共創」機制,展開IoP機能強化(資訊可視化、可利用化、共享化),以第一產業的數位轉型(DX)為目標研究開發。

4. 農家発ボトムアップイノベーション
農業においては、その開始以来、営農経験のない行政者や技術者・研究者による農業施策や技術開発によるトップダウンの支援が進められてきたが、日本農業の現状を考えると、トップダウンの支援だけでは充分だったとは言い難いと思われる。IoPからの情報を活用するIoP農家群のスマート化と創意工夫によって、図5に示すような農家発のボトムアップのイノベーションが、従来のトップダウンの支援と連動して、農業の自律的進化をもたらすことが期待される。高知大学においては、2021年10月に全学研究教育施設として、世界初の「IoP共創センター」を設置した(図6)。農学とデータサイエンス、AI技術等との異分野融合による新たな学術として「情報共創学」を先導するとともに、IoPの機能(情報の見える化・使える化・共有化)の強化と一次産業のデジタル・トランスフォーメーション(DX)をめざす研究開発が、農家を含めた産官学民の一蓮托生の「共創」によって展開される。

圖:5 驅動農家自下而上的改革
圖:5 農家発ボトムアップイノベーションの駆動

圖:6 IoP的共創目標
圖:6 IoPの共創の目指す姿

參考文獻
(1) M. Kitano et al. (2021), Internet of Plants (IoP) Empowers Bottom-up Innovations in Greenhouse Horticulture, Environ. Control in Biol. (in press)

参考文献
(1) M. Kitano et al. (2021), Internet of Plants (IoP) Empowers Bottom-up Innovations in Greenhouse Horticulture, Environ. Control in Biol. (in press)

Share article (シェア)