図面 (/)

技術 植物判別装置、植物判別方法および植物判別プログラム

出願人 富士通株式会社
発明者 柏川貴弘胡勝治
出願日 2014年8月1日 (6年3ヶ月経過) 出願番号 2014-157626
公開日 2016年3月17日 (4年8ヶ月経過) 公開番号 2016-035395
状態 特許登録済
技術分野 画像処理 光学的手段による材料の調査、分析 イメージ分析
主要キーワード 所定定数 ハイパースペクトルセンサ ハイパースペクトルデータ 識別者 分光スペクトルデータ 基準スペクトル リモートセンシング マルチスペクトル
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年3月17日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (7)

課題

植物の判別精度を高めること。

解決手段

本発明の植物判別装置100は、ハイパースペクトルデータ141の画像上のピクセルに対する第1中央値と第2中央値との組について、第1中央値に所定の係数乗算した値が、第2中央値よりも小さいか否かを判定する。植物判別装置100は、第1中央値に所定の係数を乗算した値が、第2中央値よりも小さい場合には、該当するピクセルを、ハイパースペクトルデータ141から除外する。

概要

背景

植物の種別調査する方法として、第1の調査方法と第2の調査方法とがある。第1の調査方法は、識別者現地踏査し、現地の状況を目視判別する方法である。第2の調査方法は、人工衛星航空機等から撮影された写真や画像を用いて識別する方法である。この第2の調査方法は、リモートセンシングとよばれる。第1の調査方法および第2の調査方法は、それぞれ単独または組み合わせて使用される。

近年、従来のマルチスペクトルの10倍以上のバンド計測が可能なハイパースペクトルセンサを搭載した衛星が地球環境衛星などとして打ち上げられ、このハイパースペクトルセンサによる計測結果を用いて、リモートセンシングが行われる。

ハイパースペクトルセンサにより得られるスペクトルデータは、画像の1ピクセル毎波長情報光強度情報とを有するデータである。反射スペクトル樹種毎固有の特徴となるため、ハイパースペクトルデータを用いることで、樹種を判別できる。例えば、目的の樹木基準スペクトル判定対象のスペクトルデータとを照らし合わせてピクセル毎に類似度を求め、類似度の高いピクセルを、目的の樹木が位置する領域として判定する。

概要

植物の判別精度を高めること。本発明の植物判別装置100は、ハイパースペクトルデータ141の画像上のピクセルに対する第1中央値と第2中央値との組について、第1中央値に所定の係数乗算した値が、第2中央値よりも小さいか否かを判定する。植物判別装置100は、第1中央値に所定の係数を乗算した値が、第2中央値よりも小さい場合には、該当するピクセルを、ハイパースペクトルデータ141から除外する。

目的

1つの側面では、植物の判別精度を高めることができる植物判別装置、植物判別方法および植物判別プログラムを提供する

効果

実績

技術文献被引用数
1件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

画像のピクセル毎可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを基にして、前記画像上のあるピクセルに対応する前記可視光領域の光強度の第1中央値と前記赤外光領域の光強度の第2中央値との組について、前記第1中央値に所定係数乗算した値が、前記第2中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する除外部を有することを特徴とする植物判別装置

請求項2

前記所定係数は1.2から1.6までの値または1.3から1.4までの値であることを特徴とする請求項1に記載の植物判別装置。

請求項3

前記可視光領域の波長範囲は495nmから570nmであり、前記赤外光領域の波長範囲は750nmから1400nmであることを特徴とする請求項1または2に記載の植物判別装置。

請求項4

前記分布スペクトルデータに含まれる波長範囲は、400nmから1400nmであることを特徴とする請求項1、2または3に記載の植物判別装置。

請求項5

コンピュータが実行する植物判別方法であって、画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを参照し、前記分布スペクトルデータを基にして、前記画面上のあるピクセルに対応する前記可視光領域の光強度の第1中央値と前記赤外光領域の光強度の第2中央値との組について、前記第1中央値に所定係数を乗算した値が、前記第2中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する処理を実行することを特徴とする植物判別方法。

請求項6

コンピュータに、画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを参照し、前記分布スペクトルデータを基にして、前記画面上のあるピクセルに対応する前記可視光領域の光強度の第1中央値と前記赤外光領域の光強度の第2中央値との組について、前記第1中央値に所定係数を乗算した値が、前記第2中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する処理を実行することを特徴とする植物判別プログラム

技術分野

0001

本発明は、植物判定装置等に関する。

背景技術

0002

植物の種別調査する方法として、第1の調査方法と第2の調査方法とがある。第1の調査方法は、識別者現地踏査し、現地の状況を目視判別する方法である。第2の調査方法は、人工衛星航空機等から撮影された写真や画像を用いて識別する方法である。この第2の調査方法は、リモートセンシングとよばれる。第1の調査方法および第2の調査方法は、それぞれ単独または組み合わせて使用される。

0003

近年、従来のマルチスペクトルの10倍以上のバンド計測が可能なハイパースペクトルセンサを搭載した衛星が地球環境衛星などとして打ち上げられ、このハイパースペクトルセンサによる計測結果を用いて、リモートセンシングが行われる。

0004

ハイパースペクトルセンサにより得られるスペクトルデータは、画像の1ピクセル毎波長情報光強度情報とを有するデータである。反射スペクトル樹種毎固有の特徴となるため、ハイパースペクトルデータを用いることで、樹種を判別できる。例えば、目的の樹木基準スペクトル判定対象のスペクトルデータとを照らし合わせてピクセル毎に類似度を求め、類似度の高いピクセルを、目的の樹木が位置する領域として判定する。

先行技術

0005

特開2011−69757号公報
特開2005−199154号公報
特開2010−237865号公報

発明が解決しようとする課題

0006

しかしながら、上述した従来技術では、植物の判別精度が低いという問題があった。

0007

人工衛星や航空機等を用いてスペクトルデータを取得すると、このスペクトルデータには、森林農耕地の情報だけでなく、市街地人工物の情報が含まれる。人工物の反射スペクトルの特徴は、植物の反射スペクトルの特徴と類似しているため、人工物を植物と誤って識別する場合があり、植物の判別精度が低下する。

0008

1つの側面では、植物の判別精度を高めることができる植物判別装置、植物判別方法および植物判別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

0009

第1の案では、植物判別装置は、除外部を有する。除外部は、画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを利用する。除外部は、画像上のあるピクセルに対応する可視光領域の光強度の第1中央値と赤外光領域の光強度の第2中央値との組について、第1中央値に所定係数乗算した値が、第2中央値よりも小さい場合に、あるピクセルを植物の判別対象から除外する。

発明の効果

0010

本発明の1実施態様によれば、植物の判別精度を高めることができるという効果を奏する。

図面の簡単な説明

0011

図1は、本実施例に係る植物判別装置の構成を示す機能ブロック図である。
図2は、ハイパースペクトルデータの一例を示す図である。
図3は、補正ハイパースペクトルデータの一例を示す図である。
図4は、各ピクセルの第1中央値と第2中央値との関係を示す図である。
図5は、本実施例に係る植物判別装置の処理手順を示すフローチャートである。
図6は、植物判別プログラムを実行するコンピュータの一例を示す図である。

0012

以下に、本願の開示する植物判別装置、植物判別方法および植物判別プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

0013

本実施例に係る植物判別装置の構成について説明する。図1は、本実施例に係る植物判別装置の構成を示す機能ブロック図である。図1に示すように、この植物判別装置100は、通信部110、入力部120、表示部130、記憶部140、制御部150を有する。

0014

通信部110は、ネットワークを介して他の装置とデータ通信を実行する処理部である。例えば、通信部110は、通信装置等に対応する。例えば、通信部110は、後述するハイパースペクトルデータ141を他の装置から受信した場合には、受信したハイパースペクトルデータ141を、制御部150に出力する。

0015

入力部120は、各種の情報を植物判別装置100に入力する入力装置である。例えば、入力部120は、キーボードマウスタッチパネル等に対応する。

0016

表示部130は、制御部150から出力される各種データを表示する表示装置である。例えば、表示部130は、液晶ディスプレイやタッチパネル等に対応する。

0017

インタフェース部135は、可搬記憶媒体等に接続し、可搬記憶媒体とデータをやり取りするインタフェースである。可搬記憶媒体は、例えば、USB(Universal Serial Bus)メモリSDメモリーカードメモリースティックコンパクトフラッシュ登録商標)等に対応する。例えば、インタフェース部135は、可搬記憶媒体に記憶されたハイパースペクトルデータ141を取得し、取得したハイパースペクトルデータ141を、制御部150に出力する。

0018

記憶部140は、ハイパースペクトルデータ141および補正ハイパースペクトルデータ142を有する。記憶部140は、例えば、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ(Flash Memory)などの半導体メモリ素子などの記憶装置に対応する。

0019

ハイパースペクトルデータ141は、画像の1ピクセル毎に波長情報および光強度情報を含むデータである。図2は、ハイパースペクトルデータの一例を示す図である。図2では説明を省略するが、ハイパースペクトルデータ141は、波長毎の画像が重なって構成されており、ピクセルと波長と光強度とがそれぞれ対応付けられる。例えば、ハイパースペクトルデータ141の波長範囲は、400nm〜1400nmである。

0020

補正ハイパースペクトルデータ142は、ハイパースペクトルデータ141から人工物の領域を削除したハイパースペクトルデータである。図3は、補正ハイパースペクトルデータの一例を示す図である。図3に示す例では、各領域10aが人工物と判定され、削除されている。ハイパースペクトルデータ141から人工物の領域を削除する処理の説明は後述する。

0021

図1の説明に戻る。制御部150は、取得部151と、除外部152と、照合部153とを有する。制御部150は、例えば、ASIC(Application Specific IntegratedCircuit)や、FPGA(Field Programmable Gate Array)などの集積装置に対応する。また、制御部150は、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等の電子回路に対応する。

0022

取得部151は、通信部110またはインタフェース部135からハイパースペクトルデータ141を取得し、取得したハイパースペクトルデータ141を、記憶部140に登録する処理部である。

0023

除外部152は、ハイパースペクトルデータ141を基にして、画像上の人工物の領域を特定し、特定した人工物の領域をハイパースペクトルデータ141から除外することで、補正ハイパースペクトルデータ142を生成する処理部である。除外部152は、生成した補正ハイパースペクトルデータ142を、記憶部140に登録する。

0024

除外部152は、画像上のピクセルに対応する可視光領域に含まれる各光強度を比較して、中央値を特定する。可視光領域の波長範囲を495nm〜570nmとする。以下の説明では、可視光領域に含まれる各光強度の中央値を第1中央値と表記する。

0025

除外部152は、画像上のピクセルに対応する赤外光領域の各光強度を比較して、中央値を特定する。赤外光領域の波長範囲を750nm〜1400nmとする。以下の説明では、赤外光領域に含まれる各光強度の中央値を第2中央値と表記する。

0026

除外部152は、画像上のピクセルに対する第1中央値と第2中央値との組について、第1中央値に所定の係数を乗算した値が、第2中央値よりも小さいか否かを判定する。除外部152は、第1中央値に所定の係数を乗算した値が、第2中央値よりも小さい場合には、該当するピクセルが、人工物に対応すると判定する。除外部152は、上記処理をハイパースペクトルデータ141の画像の全てのピクセルに対して実行することで、画像上の人工物に対応する領域を特定する。

0027

図4は、各ピクセルの第1中央値と第2中央値との関係を示す図である。図4横軸は可視光領域の第1中央値に対応する軸である。縦軸は、赤外光領域の第2中央値に対応する軸である。図4に示す各ピクセルは、ハイパースペクトルデータ141の各ピクセルに対応するピクセルである。

0028

図4に示す線分20は式(1)に対応する線分である。式(1)において、xは、第1中央値に対応する変数である。yは、第2中央値に対応する変数である。aは、所定の係数に対応するものであり、図4に示す例では、係数を「1.4」としている。

0029

y=ax・・・(1)

0030

図4において、第1中央値と第2中央値との関係が、線分20よりも下に位置する各ピクセルは、人工物に対応するピクセルとなる。これに対して、第1中央値と第2中央値との関係が、線分20よりも上に位置する各ピクセルは、人工物以外に対応するピクセルとなる。

0031

除外部152は、図4に示すように、第1中央値と第2中央値との関係が、線分20よりも下に位置する各ピクセルを、ハイパースペクトルデータ141から特定し、特定したピクセルを除外することで、補正ハイパースペクトルデータ142を生成する。

0032

図1の説明に戻る。照合部153は、補正ハイパースペクトルデータ142と、樹種毎の基準スペクトルとを照合して、補正ハイパースペクトルデータ142上に存在する樹種を判定する処理部である。照合部153は、判定結果を、表示部130に出力する。

0033

次に、本実施例に係る植物判別装置100の処理手順について説明する。図5は、本実施例に係る植物判別装置の処理手順を示すフローチャートである。図5に示すように、植物判別装置100は、処理を開始するか否かを判定する(ステップS101)。植物判別装置100は、処理を開始しない場合には(ステップS101,No)、再度ステップS101に移行する。

0034

植物判別装置100の除外部152は、処理を開始する場合には(ステップS101,Yes)、可視光領域の光強度の第1中央値をピクセル毎に特定する(ステップS102)。除外部152は、赤外光領域の光強度の第2中央値をピクセル毎に特定する(ステップS103)。

0035

除外部152は、係数を設定する(ステップS104)。除外部152は、第1中央値と第2中央値との関係が所定条件を満たすピクセルを特定する(ステップS105)。例えば、ステップS105において、除外部152は、第1中央値に係数を乗算した値が、第2中央値よりも小さいピクセルを特定する。

0036

除外部は、特定したピクセルの領域をハイパースペクトルデータ141から削除して、補正ハイパースペクトルデータ142を生成する(ステップS106)。照合部153は、補正ハイパースペクトルデータ142を基に照合を行う(ステップS107)。

0037

次に、本実施例に係る植物判別装置100の効果について説明する。植物判別装置100は、ハイパースペクトルデータ141の画面上のピクセルに対する第1中央値と第2中央値との組について、第1中央値に所定の係数を乗算した値が、第2中央値よりも小さいか否かを判定する。植物判別装置100は、第1中央値に所定の係数を乗算した値が、第2中央値よりも小さい場合には、該当するピクセルを、ハイパースペクトルデータ141から除外する。上記条件を満たすピクセルは、人工物に対応するものであり、人工物を取り除いたハイパースペクトルデータ141を用いることで、植物の判別精度を向上させることができる。

0038

上記実施例では、植物判定装置100は、係数aの値を「1.4」以外の値としてもよい。例えば、係数aの値は「1.2〜1.6」、望ましくは「1.3〜1.4」でもよい。

0039

ここで、式(1)の係数aの値を「1.4」、「1.6」、「1.2」、「1.8」、「1.0」とした場合に、ハイパースペクトルデータから除外した領域に対して、実際に発明者が踏査した結果について述べる。

0040

係数aの値を「1.4」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域30箇所を踏査した結果、全ての箇所が人工物であることを確認した。また、発明者は、削除した領域に近接する領域を踏査した結果、全て植物であることが確認できた。

0041

係数aの値を「1.6」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域35箇所を踏査した結果、30箇所が人工物であり、5箇所が植物であることを確認した。また、発明者は、削除した領域に近接する領域を踏査した結果、全て植物であることが確認できた。

0042

係数aの値を「1.2」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域30箇所を踏査した結果、30箇所が人工物であることを確認した。なお、削除した領域は全て人工物であったが、削除した領域に隣接する領域の7箇所が人工物であることを確認した。

0043

係数aの値を「1.8」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域47箇所を踏査した結果、30箇所が人工物であり、17箇所が植物であることを確認した。また、発明者は、削除した領域に近接する領域を踏査した結果、全て植物であることが確認できた。

0044

係数aの値を「1.0」とした場合の削除領域と踏査結果について説明する。発明者は実際に削除した領域30箇所を踏査した結果、30箇所が人工物であったが、削除した領域に隣接する領域の12箇所が人工物であることを確認した。

0045

このため、係数aの値を「1.2〜1.6」、望ましくは「1.3〜1.4」にすることで、ハイパースペクトルデータ141から人工物を精度よく除外することができることを確認できた。

0046

植物判別装置100は、可視光領域(495nmから570nm)から特定した第1中央値と、赤外光領域(750nmから1400nm)から特定した第2中央値を用いることで、精度よく人工物を特定することができる。

0047

なお、本実施例に係る除外部152は、750nm〜1400nmに含まれる光強度から第2中央値を求めていたが、これに限定されるものではない。例えば、450nm〜1400nm+αnmに含まれる光強度から、第2中央値を特定してもよい。αの値は、ユーザが適宜設定する値である。

0048

また、植物判別装置100は、ハイパースペクトルデータ141の波長範囲を400nm〜1400nmにすることで、上記第1、2中央値を特定するための情報を得ることができる。

0049

ところで、植物判別装置100は、ピクセルの第1、2中央値の組について、第1中央値に所定の係数を乗算した値が、第2中央値よりも小さいピクセルを、人工物と判定していた。しかしながら、植物判別判定部100は、第2中央値に所定の係数の逆数を乗算した値よりも、第1中央値が小さいピクセルを、人工物と判定してもよいことは言うまでもない。

0050

次に、上記実施例に示した植物判別装置100と同様の機能を実現する植物判別プログラムを実行するコンピュータの一例について説明する。図6は、植物判別プログラムを実行するコンピュータの一例を示す図である。

0051

図6に示すように、コンピュータ200は、各種演算処理を実行するCPU201と、ユーザからのデータの入力を受け付ける入力装置202と、ディスプレイ203とを有する。また、コンピュータ200は、記憶媒体からプログラム等を読取る読み取り装置204と、ネットワークを介して他のコンピュータとの間でデータの授受を行うインタフェース装置205とを有する。また、コンピュータ200は、各種情報一時記憶するRAM206と、ハードディスク装置207とを有する。そして、各装置201〜207は、バス208に接続される。

0052

ハードディスク装置207は、除外プログラム207aを有する。CPU201は、除外プログラム207aを読み出してRAM206に展開する。除外プログラム207aは、除外プロセス206aとして機能する。除外プロセス206aが実行する処理は、除外部152が実行する処理に対応する。

0053

なお、除外プログラム207aについては、必ずしも最初からハードディスク装置207に記憶させておかなくても良い。例えば、コンピュータ200に挿入されるフレキシブルディスクFD)、CD−ROMDVDディスク光磁気ディスクICカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ200が除外プログラム207aを読み出して実行するようにしてもよい。

0054

以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。

0055

(付記1)画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを基にして、前記画像上のあるピクセルに対応する前記可視光領域の光強度の第1中央値と前記赤外光領域の光強度の第2中央値との組について、前記第1中央値に所定係数を乗算した値が、前記第2中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する除外部
を有することを特徴とする植物判別装置。

0056

(付記2)前記所定係数は1.2から1.6までの値または1.3から1.4までの値であることを特徴とする付記1に記載の植物判別装置。

0057

(付記3)前記可視光領域の波長範囲は495nmから570nmであり、前記赤外光領域の波長範囲は750nmから1400nmであることを特徴とする付記1または2に記載の植物判別装置。

0058

(付記4)前記分布スペクトルデータに含まれる波長範囲は、400nmから1400nmであることを特徴とする付記1、2または3に記載の植物判別装置。

0059

(付記5)コンピュータが実行する植物判別方法であって、
画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを参照し、
前記分布スペクトルデータを基にして、前記画面上のあるピクセルに対応する前記可視光領域の光強度の第1中央値と前記赤外光領域の光強度の第2中央値との組について、前記第1中央値に所定係数を乗算した値が、前記第2中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する
処理を実行することを特徴とする植物判別方法。

0060

(付記6)前記所定係数は1.2から1.6までの値または1.3から1.4までの値であることを特徴とする付記5に記載の植物判別方法。

0061

(付記7)前記可視光領域の波長範囲は495nmから570nmであり、前記赤外光領域の波長範囲は750nmから1400nmであることを特徴とする付記5または6に記載の植物判別方法。

0062

(付記8)前記分布スペクトルデータに含まれる波長範囲は、400nmから1400nmであることを特徴とする付記5、6または7に記載の植物判別方法。

0063

(付記9)コンピュータに、
画像のピクセル毎に可視光領域の光強度の情報と、赤外光領域の光強度の情報とを含む分光スペクトルデータを参照し、
前記分布スペクトルデータを基にして、前記画面上のあるピクセルに対応する前記可視光領域の光強度の第1中央値と前記赤外光領域の光強度の第2中央値との組について、前記第1中央値に所定定数を乗算した値が、前記第2中央値よりも小さい場合に、前記あるピクセルを植物の判別対象から除外する
処理を実行することを特徴とする植物判別プログラム。

0064

(付記10)前記所定係数は1.2から1.6までの値または1.3から1.4までの値であることを特徴とする付記9に記載の植物判別プログラム。

0065

(付記11)前記可視光領域の波長範囲は495nmから570nmであり、前記赤外光領域の波長範囲は750nmから1400nmであることを特徴とする付記9または10に記載の植物判別プログラム。

実施例

0066

(付記12)前記分布スペクトルデータに含まれる波長範囲は、400nmから1400nmであることを特徴とする付記9、10または11に記載の植物判別プログラム。

0067

100 植物判別装置
152 除外部

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • アースアイズ株式会社の「 監視装置、監視システム、及び、監視方法」が 公開されました。( 2020/09/24)

    【課題】2次元画像を用いた監視装置において、監視対象とした「人」が行う監視対象とした「物」に対する不定形な一般的動作を抽出して、監視対象とした「人」が、監視対象とした「物」に対して不審度の高い所定の行... 詳細

  • 株式会社日立ハイテクノロジーズの「 電子ビーム装置及び画像処理方法」が 公開されました。( 2020/09/24)

    【課題】電子ビーム装置において、シフト量がサブピクセル量となった場合でも、画像を移動させたことによる測長値の変化を防止する。【解決手段】画素補間フィルタにより画像を画素間の画素シフト量だけシフトさせる... 詳細

  • 富士ゼロックス株式会社の「 画像処理装置及びプログラム」が 公開されました。( 2020/09/24)

    【課題】本開示の技術は、色見本表に対する測色の誤りを回避することができる画像処理装置及びプログラムを提供する。【解決手段】画像処理装置は、複数の色見本が行列状に配置され、前記複数の色見本に含まれる予め... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ