1．は じ め に
日本の農業は，農業従事者の高齢化，後継者不足，輸 入農産物との競争激化による価格破壊，食生活の多様化 への対応などの大きな課題を抱えている．そのような状 況を解決し，今後の農業の持続的発展をはかるため，日 本の農業は今まさに大きな転換期を迎えている．農地 の集積と農業経営体の規模拡大を進め，生産効率が高く 利益を上げやすい経営体を構築することが必要であり， ICT（Information and Communication Technology）活 用によるワークスタイルの変革と業務の効率化が不可欠 と考える．また，福島原発問題に起因する農産物の放射 能問題などの環境問題は，グローバルな問題として認識 されており，今後さらに食糧供給が世界的な問題として 浮上してきたときに日本の農業が立ち遅れないよう対応 が求められる． 日本農業の歴史は，古より篤とく農のう家かの「経験と勘」に支 えられて発展してきた．ICT の活用が立ち遅れていた理 由の一つとして，農業生産には予測不可能な要素が数多 くあることがあげられる．天候，病害，害虫，遺伝子変化， そして処置のタイミングなどによって起こされる生産の 変動など [南石 11] の影響が大きく，その結果「経験と勘」 に頼らざるを得ないと考える部分が残っているためであ る． 「経験と勘」の農業からデータに基づいた精密農業を 目指した技術開発が関係機関，企業などで行われてきた [農林水産省農林水産技術会議] が，実際の農業現場への 普及となると，なかなか思うように展開できずにいるの が現実である． ICT技術，ネットワークの急速な進展により，最近で は，クラウドコンピューティングや SaaS といった言葉 が新聞や雑誌などでも頻繁に登場するようになった．企 業経営者の口からもクラウドの期待が語られるように なってきた．ICT の活用が立ち遅れていた業務分野では， より迅速に，容易に，そして初期コストを抑えながらシ ステムを構築する総合力が求められる．農業クラウドが その課題を解決して，日本の農業の変革に貢献できるの か．本稿では，過去の失敗事例の反省をもとに，クラウ ドの農業現場適用への展開と農業分野におけるナレッジ の課題と可能性について論述する．2．農業クラウドへの取組み
2･1 生産者ニーズの把握に向けた実証実験の取組み 富士通は，1980 年代より幾度となく農業現場への ICT導入を試みてきたが，期待どおりの成果を得るこ とができなかった．2008 年より，もう一度原点に戻り， 農業現場における生産者の ICT ニーズと有効性確認の ために社員が農作業を体験し，知見を得ることから始め た．そこから得られたフィールドワークの知見に基づき， 「データの入力」→「データの蓄積」→「見える化（情報）」 →「分析（知識）」→「指示（ナレッジ）」という一連の 流れで ICT によって農業現場を支えていくことが可能 ではないかと考えた（図 1）． 本節ではその仕組みと実証実験の概要について記述す る．実証実験は，国内 10 生産法人の協力のもと，以下 の Web アプリケーションと携帯アプリケーションを用 いて農業におけるビジネス的な有効性検証を目的に実施 した．農業クラウドサービスの展開と農業ナレッジの
課題と可能性
Chances and Challenges of Agricultural Knowledge and Information
System as a Cloud Computing Service
砂子 幸二
富士通株式会社Kouji Sunago Fujitsu Limited.
[email protected], http://www.fujitsu.com
浅井 雅文
（同 上）Masafumi Asai [email protected], http://www.fujitsu.com
Keywords:
agricultural cloud service, agricultural knowledge, harvest prospects, effective temperature summation, upper and lower limits of temperature for growth, challenges of agricultural knowledge management. 「人工知能と農業」（1）販売・作付計画 顧客への販売と圃ほ場での作付計画を連動させた仕 組み． （2）作業計画・実績管理 あらかじめ計画された現場作業と実績の自動収集 により，進捗管理や作業のチェックが可能な仕組 み． （3）見回り支援 現場の写真やコメントを管理者，作業者全体が共 有することで報告や指示が容易かつ的確となる仕 組み． （4）圃場データ管理 所在地，面積，気象，土壌などあらゆる圃場関連 データを一元管理できる仕組み． また，これらの機能は，農業現場に ICT を展開する ための必要要件である入力の簡略化を目的に，センサ （気象，土壌，GPS など），ネットワーク（無線 LAN， 3G），ナレッジマネジメントといった基礎技術を活用し た以下のデータマネジメント [歌代 07] が支えている． （1）データ入力・蓄積 ● GPS機能付き携帯電話による入力位置，時刻情報 ● 気象，土壌情報 ● 携帯電話（デジタルカメラ，音声レコーダ）で取得 した画像，音声データ ● 日々の作業実績から抽出した気付きデータ ● バーコード読取り機能付き携帯電話を用いた資材管 理データ （2）データ分析 ● 仮説モデルの登録更新 ● データマイニング 上記の機能を応用して，現場から求められているさ まざまな要望に対しても機能を追加していくことが可能 であると考え，試作し，実証実験を繰り返し行った [堀 07]． 2･2 実証実験の有効性確認と農業クラウドの展開へ 農業生産法人の協力のもとに，農作業現場で実際に上 記の ICT を活用することにより，以下の有効性確認の 実証実験として行った． （1）GPS 機能付き携帯電話による作業者の行動の記 録や使用資材を特定する．その結果を用いた圃場ご との生産原価の算出と原価計算の有効性確認． （2）作付計画，販売計画，見回り，収穫記録を簡易な 入力を可能とすることによる継続的な現場での ICT 活用の可能性および人材育成，技術継承に向けた有 効性確認． （3）圃場に設置したセンサにより収集した圃場データ と生育，収量との関係を解析することによる栽培技 術向上に向けた有効性確認． 実証実験の結果より，圃場ごとの原価計算，人材育成， 技術継承に向けた課題は，実証に協力いただいた農業生 産法人の共通課題であり，有効性を認めていただいたう えで，農業クラウドサービスとして展開中である． また，圃場データと生育，収量との関係の解析につい ては，仮説モデルの登録更新方式，データマイニング技 術を活用して実証実験を継続中である． このシステム全体を「農業生産管理 SaaS」と呼称 して農業クラウドの要と位置付けた．「農業生産管理 SaaS」は，農業経営の向上，農作業の全体最適に寄与 するために，圃場ごとの損益計算や作付・所得シミュレー ションなどの機能や有効性まで提供することを最終的な 目的としている． 2･3 農業クラウドの品揃え 富士通は，2010 年 8 月に JA グループ，生産者，農 業生産法人向けに農業分野向け SaaS 型業務支援サービ ス「Akisai シリーズ」を発表し，「Akisai 農業生産管理 SaaS」と「Akisai 施設園芸 SaaS」の提供を開始した． 「Akisai 農 業 生 産 管 理 SaaS」 と「Akisai 施 設 園 芸
SaaS」のサービス概要は以下のとおりである． 「Akisai 農業生産管理 SaaS」 ● 生産計画から作業記録，収穫，出荷記録に至るまで の農業経営に必要な基本業務機能を一貫した提供 ● ナレッジ機能を活用した最適な栽培暦と生産計画策 定機能を提供 ● 農産物の安全・安心に対応した農薬適性使用判定， GAP支援機能を提供 「Akisai 施設園芸 SaaS」 ● クラウドをベースとした施設園芸の遠隔での環境モ ニタリング，環境制御機能を提供 ● 複合制御機能の提供によるコスト削減を目指した最 適制御機能を提供 ● 作物テンプレートの提供目指した実証実験中 また，「Akisai シリーズ」では，農業分野において「経 営の見える化」，「生産の見える化」，「顧客の見える化」 というニーズに応じたソリューションを体系的に順次 サービス提供を拡大している（図 2）． 今後は，土壌分析，施肥設計などに加えて，畜産，酪 農を含めたトータルサポートサービスとして，順次提供 サービスの拡張を計画している． 2･4 農業クラウドの展開に必要な要件 農業クラウドの展開に向けて，過去の失敗経験より必 要とされる要件と対策について検討を行った．以下に農 業クラウドの展開に向けた必要要件と対策について整理 した． （1）生産者ニーズに応えた品揃え 前述の実証を踏まえて，有効性を証明できたもの より順次サービス商品として提供を開始するスタ イルで推進する．品揃えは，米麦，露地野菜，施 設園芸，畜産酪農農家向けというように経営形態 に合わせた品揃えを計画する． （2）徹底した入力項目の削減と入力の簡略化 センサ（気象，土壌，GPS など）などによる自 動入力および音声入力対応など徹底した入力負荷 の軽減を追求する． （3）サポート体制の充実 クラウド提供により，資源は SaaS センターで一 元管理することで，各導入現場での法制度改正対 応，プログラム資源の入替えなど面倒な対応を一 切排除する．また，サポートセンターを設置して， 専門スタッフによる 365 日の充実したサポートを 実現する． （4）適切な価格設定 ICTを「所有」から「利用」形態に変えることに より初期投資を抑えた利用料方式に変更する．ま た，試用期間を設定するなど利用しやすい仕組み を構築する．
3．農業クラウドへの新たな期待
農業クラウドは，生産者の農業経営の向上，人材育成， 栽培技術の向上などに貢献するのみでなく，地域および JAグループなど関係団体，関係機関で活用していただ くことにより，以下の効果が期待できると考えている． （1）生産者の作付計画，販売計画を地域，県単位，全 国単位で集約することで計画的な有利販売の実現と 需給バランスを考慮した市場戦略が可能 （2）経営管理情報，生産履歴管理情報，農作業管理情 報，圃場管理情報など各情報を営農指導員など関係 機関，関係者で情報共有することにより，地域一体 となった営農指導体制の構築 （3）圃場を起点とした農産物の SCM（Supply Chain Management）の実現4．農業ナレッジへの挑戦
実証実験に協力いただいた農業法人のニーズを調査し たところ，技術継承，人材育成が大きな課題となってい た．また，Akisai をご利用いただいている生産者から もナレッジに対する期待は当初より高いものがあった． Akisaiとして農家ニーズの高いものから効果実証を行 い，順次機能を提供することとした．現在，取り組んで いる主な農業ナレッジの取組みは以下のとおりである． 4･1 有効積算気温を活用した収穫時期予測の取組み 気候の寒暖は作物の生育の早晩に影響をもたらす．以 下，有効積算気温による収穫時期予測計算例について記 す [浅井 12]．有効積算気温とは，日の平均気温に対し， 生育限界温度を超えた有効気温分の計算後，考慮する栽 培期間内で積算したものである．単位は℃･日で表す．生 育限界温度は作物ごとに決められる．実証実験のモデル をキャベツに設定して実施した．キャベツの例では 5 ℃ とした [菅沼 02]． 苗を圃場に定植した日を起点として有効積算気温が規 定値以上となった日の翌日を収穫可能日として示す．こ こでは過去の栽培実績から，収穫可能日判断の規定値が 1 250 ℃･日と求められた品種を例として計算した． 図 2 Akisai シリーズ体系うための定植日条件を算出することが可能とな る．また，イベント時期などに合わせて定植日を 調整することにより，1 円でも高く売るための調 整が可能になる． 4･2 栽培暦の最適化支援の取組み 生産者の蓄積された栽培情報の活用として，過去の栽 培暦と収穫実績から自農場の最適な栽培暦を選定する実 証実験に取り組んだ．蓄積された情報より栽培圃場，栽 培時期などを条件として，最大の収量を得られる栽培暦 を選択して，作付計画に反映することを可能とした．最 適な作付け計画は，生産者の収益向上に貢献が可能とな る．栽培暦の作成から生育観察・調査，生育・収量予測 の一連の作業をガントチャートを用いて，生産者にわか りやすく栽培の PDCA を回す仕組みとして期待されて いる（図 4）． 今後は，センサデータの活用による収量予測，病害虫 の発生予察など機能を拡張していく予定である． 4･3 農業ナレッジの課題 農業クラウドの展開に伴い，蓄積された情報の活用に 向けて，新たな課題が明確化してきた．以下，その課題 と背景について説明する． ● 作物名や作業名など農業用語が標準化していない． 収穫可能日の予測計算には 10 年分の日の平均気温 データを用いることとした．しかし，対象圃場で測定し たデータは 1 年分のみであったため，圃場データとして 気象庁アメダス値に圃場補正量を加えた値を用いた．そ の補正量は，対象圃場の気温データと近隣のアメダス観 測所データの 1 年 365 日分の差の平均値とした． 収穫可能日予測の計算方法は以下のようにした．まず， 定植日から予測実施日の前日までの実績の有効積算気温 を求める．予測実施日以降については，別に用意した予 測用データを用いて有効積算気温を計算する．そして， 収穫可能日判断の値以上となった翌日を収穫可能日の予 測値とした． 予測用データとして，過去 10 年の各年の気温データ をそのまま用いるものを考えた．この場合，10 年分に ついて 10 の収穫可能日予測結果を得る．その平均値を 予測収穫可能日とした．この求め方で 2011/9/12 定植の キャベツについて，11/12 に予測収穫可能日を求めた結 果が表 1 ①の 3/19 である．ただし，この方法では 10 年 分の計算時間が必要である．そこで，計算時間短縮のた め 10 年の平年値をあらかじめ求めておき，それを用い ることとした．しかし，そのまま求めた平年値では，生 育限界温度前後の気温のある期間を含む場合に問題が生 じた．生育限界温度以上である年とそれ以下である年の 分の平均処理による相殺である．すなわち本来生育進行 に寄与するはずの有効気温が少なく見積もられ，予測値 が 10 年分の計算時に比べ遅くなった（表 1 ②，3/29）． そこで，予測計算には，過去 10 年分の気温に対し各 日の有効気温の平年値を用いることとした（表 1 ③， 3/19）．この結果，予測値のずれの問題はほぼ解消され， 1年分の計算量で予測収穫可能日の計算が可能となった． 有効積算気温を活用した収穫時期予測は，実証効果を 踏まえて，「Akisai 農業生産管理 SaaS」の機能として 提供を開始した．収穫時期予測の活用例と画面例（図 3） を以下に示す． （1） 栽培中の収穫時期の早晩 品種，定植日の異なる複数種の栽培について，任 意に定めた時点でおのおのの予測収穫可能日を示 すことが可能である．収穫時期を把握することに より，契約栽培である場合など，早期に契約先と の連絡・調整を行うための判断材料となる． （2） 収穫時期の時期と分散を考慮した作付計画 同品種のものについて，時期をずらして収穫を行 表 1 予測用データと予測収穫可能日計算例 予測用データ ① 10 年分 各年気温 ②気温の平年値 ③有効気温の平年値 予測収穫 可能日 2012/3/19 2012/3/29 2012/3/19 定植日：2011/9/12，予測日：2011/11/12，圃場補正量：－ 0.7℃ 図 3 収穫時期予測画面例 図 4 栽培暦の最適化
同じ作業でも「農薬散布」，「薬剤散布」などさまざ まな用語が使用されている．一部方言が用いられて いる例もあり，統計処理などを困難にしている． また，現場では，農薬，肥料などの種類，製品を略称 で呼んでいる例が多く情報活用に大きな課題となった． ● 農業においては，農業機械，センサなどさまざまな 機器が用いられているが，インタフェースが統一さ れていないため，情報収集に多大な作業が発生する． ● センサの設置基準などが明確になっていないため測 定データなどの正確な比較が困難． ● 生産者の技術情報開示に大きな壁が存在する．生産 者は，技術情報の他人への開示に大きな抵抗をもっ ている．特に果樹など単価の高い作物を栽培してい る生産者にその傾向は強い． 4･4 農業ナレッジの課題解決に向けて 農業ナレッジの展開に向けては，関係省庁，関係団体， 大学などと連携した以下の取組みが必要と考える． ● 作物名，作業名などの用語標準化 ● 農薬，肥料などのオープンデータ化 ● 農業機械，センサなどのインタフェース標準化 ● センサ設置基準などのガイドライン策定 ● 農業知財に関するガイドライン策定 また，生産者の技術情報の開示への抵抗については， 生産者に ICT が生み出す新たな価値を理解してもらう ことへの工夫と努力が必要と考える．
