植物工場の果菜類を対象とした収量予測モデル生成プロセスの開発

• Item type: SIG Technical Reports(1)
• 公開日: 2021-03-01
• タイトル: 植物工場の果菜類を対象とした収量予測モデル生成プロセスの開発
• タイトル / 言語: en
• タイトル: Development of Yield Prediction Model Generation Process for Fruit Vegetables in Plant Factories
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 若手の会
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 公立はこだて未来大学システム情報科学研究科
• 著者所属: 公立はこだて未来大学
• 著者所属: 株式会社アプレ
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems Information Science, Future University Hakodate
• 著者所属(英): en
• 著者所属(英): Future University Hakodate
• 著者所属(英): en
• 著者所属(英): Apure Inc.
• 著者名: 外舘, 有希; 大場, みち子; 高森, 満
• 著者名(英): Yuki, Todate; Michiko, Oba; Mitsuru, Takamori
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: トマトやキュウリ等の果菜類は，植物工場の主要な栽培品目であるため，収量予測に基づいた適切な生産・販売計画が求められる．しかし，現在，植物工場の果菜類の収量予測は，気象や人為的な影響を受けることから困難とされている．そこで，本研究の目的は，太陽光型植物工場の果菜類の収量に関わる要因を分析し，収量予測モデルを開発することである．目的を達成するために，(1) モデル生成用データの選定，(2) データの前処理，(3) データの可視化，(4) 特徴量の設計, (5) 予測手法の選定，(6) モデルの適正化の 6 つのサブプロセスから成る収量予測モデル生成プロセスを開発した．予測モデルの構築には，施設内外の環境データと過去の収量の実績データを利用し，重回帰分析，一般化加法モデル，多変量適応的回帰スプラインを用いた．本稿では，提案手法の有効性を確かめるために，開発した予測モデル生成プロセスをミニきゅうりとミニトマトに適用して実験した結果について報告する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Fruit type vegetables such as tomatoes and cucumbers are major crops grown in plant factories, so appropriate production and sales plans based on yield prediction are required. However, yield prediction of fruit type vegetables in plant factories is currently difficult because of weather and human influences. Therefore, the purpose of this research is to analyze the factors related to the yield of fruit type vegetables in sunlight-based plant factories and to develop a yield prediction model. To achieve the purpose, we developed a yield prediction model generation process consisting of six sub-processes: (1) data selection for model generation, (2) data preprocessing, (3) data visualization, (4) feature design, (5) selection of prediction methods, and (6) model optimization. We used environmental data inside and outside the facility and actual data of past yields as features, and also used Multiple linear regression, generalized additive model, and multivariate adaptive regression spline to construct the prediction model. In this paper, we report the experimental results of applying the developed prediction model generation process to mini cucumbers and mini tomatoes to verify the effectiveness of the proposed method.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11253943
• 書誌情報: 研究報告情報システムと社会環境（IS）; 巻 2021-IS-155, 号 7, p. 1-8, 発行日 2021-03-01
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8809
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会