JP2021040519A - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】 単一の撃退策には慣れる賢い鳥獣類に対して、継続して長期的に効果のある撃退策を行う情報処理方法を提供することである。【解決手段】 監視領域に侵入した鳥獣類を含む画像に基づき、監視領域に侵入した前記鳥獣類の種類を推定する推定部と、前記推定部により推定された前記鳥獣類の種類に応じて前記鳥獣類を撃退するための撃退策を選定する選定部と、前記選定部により選定された前記撃退策を実施する実施部と前記実施部によって実施された前記撃退策の撃退効果を判定する判定部を有し、前記判定部の判定結果に応じて前記撃退策を変更する。【選択図】 図１

Description

本発明は、情報処理装置、情報処理方法、及びプログラムに関する。

近年ドローンを産業用途に応用するケースが増えてきている。

特許文献１には、軽量で指向性のあるスピーカをドローンに搭載し、鳥獣類に威嚇音や爆撃音などの効果音を発して鳥獣類の出没を防ぐシステムが開示されている。

特許文献２には、鳴き声を出す鷹、鷲の剥製とドローンを一体化しカラス等の鳥類の糞害を防止するドローンが開示されている。

一方、近年ＡＩ技術も急激に進化し実用化レベルとなった。このＡＩ技術は人間に代わる判断技術として発展することが期待されている。

特開２０１９−６２７４３号公報 特開２０１９−３０２８４号公報

鳥獣類の撃退策としては多くの対応が実行されているが、追い払いの効果は、鳥獣類がその対応に慣れるまでの期間に限定されていた。カラスなどの賢い鳥獣類が、一旦、対策に慣れてしまうと数日で効果がなくなる場合もあった。

上述の特許文献に於いても、鳥獣類が撃退策に慣れるため撃退効果が低下してしまうという課題を解決するには至っていない。

本発明は上述した課題に鑑みてなされたものであり、単一の撃退策には慣れる賢い鳥獣類に対して、長期的に継続して効果のある鳥獣類の撃退策を行う情報処理方法を提供することを目的とする。

本発明は、鳥獣類を撃退するための撃退策を選定する情報処理装置であって、
監視領域に侵入した鳥獣類を含む画像に基づき、監視領域に侵入した前記鳥獣類の種類を推定する推定部と、前記推定部により推定された前記鳥獣類の種類に応じて前記鳥獣類を撃退するための撃退策を選定する選定部と、前記選定部により選定された前記撃退策を実施する実施部と前記実施部によって実施された前記撃退策の撃退効果を判定する判定部と、を有することを特徴とする。

単一の撃退策には慣れる賢い鳥獣類に対して、長期的に継続して効果のある鳥獣類の撃退策を提供することができる。

システム構成図である。 ドローン離着陸説明図である。 監視領域概念図である。 ドローン及び基地構成図である。 制御サーバのハードウエア図である。 鳥獣類推定のための学習モデルである。 同一の撃退方法を繰り返した際の効果測定値の概念図である。 第１の実施例に於けるドローンシステム制御フローである。 制御サーバモニタ画面である。 制御サーバモニタワーニング表示画面である。 第２の実施例に於けるドローンシステム制御フローである。 第３の実施例に於けるドローンシステム制御フローである。 ドローンを２台有するシステム図である。 第４の実施例に於けるドローンシステム制御フローである。

［実施例１］
本発明の一実施形態について添付の図面に基づいて説明する。

図１は、本発明の第一の実施例のシステムを示す図である。動画撮影用のカメラ、マイク及びスピーカを備えたドローン１、ドローン１を通信を介して制御するとともに、非飛行時に接続されドローン１に内蔵されている充電池を充電する基地２がある。また、監視領域内を撮像し、基地２に画像を転送する監視用カメラ６（図１では、２台あるため、６−１、６−２）及び、後述する学習、推定及び選択に加えて鳥獣類撃退の制御を行う制御サーバ３で構成されている。基地２と制御サーバ３はネットワークに接続されており、基地２がドローン１及び監視用カメラ６から受信した画像データ、音データは、ネットワークを介して制御サーバ３に送信される。

また、制御サーバ３のモニタには、本システムの制御状態、監視領域の画像、ドローンの充電状況等が表示される。図１には、監視用カメラ６が２台ある例を示したが、監視領域に応じて監視用カメラ６の台数は増減できる。

図２にドローン１の飛行時及び基地２への着陸時の概念図を示す。

ドローン１と基地２間は、ドローン１が着陸時にはオンライン又は無線通信で、飛行時には無線通信で、画像データ、音データ、及び制御データの送受信が行われる。

またドローン１は内蔵された充電池により飛行するが、ドローン１が基地２に着陸している際には、常に基地２から後述する充電ポートを通じて充電池が充電されているため、必要に応じていつでも飛行を開始することができる。

図３は、本発明のシステムが鳥獣類からの被害を受けないように守るべき農地５の上空を含む監視領域４を模式的に示したものである。ここに示した監視領域４内に鳥獣類の侵入があったか否かを判別するために、常に監視用カメラ６（６−１，６−２）が監視領域を撮像している。監視領域を死角無く監視するために、監視用カメラ６（６−１，６−２）は、監視領域全体を高所から見下ろす位置に設置されている。基地２は、農地５の近傍に設置され、ドローン１は基地２に着陸している。

また制御サーバ３は、通常農作地の所有者宅に設置される。制御サーバ３はネットワークに接続されており、前述のように基地２を介してドローン１及び監視用カメラ６で撮影された画像および音データが入力されている。そのため、農作地所有者は、いつでも自宅等から農地の様子をＰＣのモニタに表示される画像および音で確認することができる。

図４は、図１のドローン１及び基地２のハードウエア資源を示す。

ドローン１のシステム制御部１０１は、ドローン１の全体を制御する制御部である。ドローン１の制御部１０１は、外部を撮像するカメラ１０３、飛行するためのプロペラ１０６、鳥獣類に威嚇音等を発生するスピーカ１０８、鳥獣類の鳴き声を得るマイク１１０を制御する。加えて、ドローン１の位置情報を得るＧＰＳ１１２、ＬＥＤ等の照明部１１４、及び射出部１１６が制御部１０１に制御される。

このシステム制御部１０１には、順不同にカメラを制御するカメラ制御部１０４、プロペラを制御する飛行制御部１０７、スピーカ１０８を制御する音出力制御部１０９、マイク１１０からの出力が繋がっている音入力制御部１１１が接続されている。更には、ＧＰＳ１１２の出力を受ける位置検出部１１３、照明制御部１１５、射出制御部１１７、タイマ１２１とメモリ１２２が接続されている。

射出部１１６は液体、気体または固体を、鳥獣類を撃退するために射出制御部１１７で制御されドローン１から射出するものである。

システム制御部１０１と基地２は、通信部１０２を介してデータおよび制御コマンドの送受信を行っている。

また、充電池１１８には充電器１１９が接続されている。充電器１１９の一次側は基地２に接続される充電ポート１２０が繋がっている。また、システム制御部１０１は、充電器１１９と接続されており充電状態をモニタすることができる。

一方、基地２の構成は、基地２の全体制御を行うシステム制御部２０１、インターネットと繋がり、ドローン１及び制御サーバ３と通信を行う通信部２０２、外部商用電源と繋がる電源２２０、電源２２０と繋がり、ドローンの充電を行う充電ポート２２１である。

更に、監視用カメラ６−１，６−２が通信部２０２を介して接続されており、監視用カメラ６−１，６−２が撮像した監視領域の画像が常時基地２に送られてくる。

図５は、制御サーバ３のハードウエア資源を示す。

制御サーバ３はコンピュータであり、プログラムにより制御及び情報処理を行うＣＰＵ３０１を有する。データおよびプログラムを記憶する記憶部として、システムプログラムを記憶したＲＯＭ３０２、データを一時記憶するＲＡＭ３０３を有する。加えて、制御プログラム、各鳥獣類に応じた撃退策、及び撃退策の効果判定に用いる所定データ等のデータを保存するＨＤＤ３０４を有する。また、ＮＩＣ３０６は通信を行うネットワーク制御ＩＣ、３０７はキーボード、マウス等の入力部、３０８はモニタ等の表示部である。

なお、ＧＰＵ３０５はデータをより多く並列処理することで効率的な演算を行うことができるため、ディープラーニングのような学習モデルを用いて複数回に渡り学習を行う場合にはＧＰＵ３０５で処理を行うことが有効である。そのため、本発明における制御サーバ３は、出現した鳥獣類を推定するためのニューラルネットワークを用いた学習モデルを生成する際にこのＧＰＵ３０５を用いることができる。

ここで、制御サーバ３が生成する学習モデル６０について図６を用いて説明する。この機械学習によって得られた学習モデル６０は、動画及び静止画データ、音データから鳥獣類を推定するために用いられる。

この学習モデル６０は、図６に示すように鳥獣類の大きさ、体形、色、鳴き声、動作等を入力データ、それら鳥獣類の種類を教師データとして学習部に於いて体系的に学ぶことにより生成される。

ここで、学習モデル６０を生成する学習部は、誤差検出部と、更新部と、を備えてもよい。誤差検出部は、入力層に入力される入力データに応じてニューラルネットワークの出力層から出力される出力データと、教師データとの誤差を得る。誤差検出部は、損失関数を用いて、ニューラルネットワークからの出力データと教師データとの誤差を計算するようにしてもよい。

更新部は、誤差検出部で得られた誤差に基づいて、その誤差が小さくなるように、ニューラルネットワークのノード間の結合重み付け係数等を更新する。この更新部は、例えば、誤差逆伝搬法を用いて、結合重み付け係数等を更新する。誤差逆伝搬法は、上記の誤差が小さくなるように、各ニューラルネットワークのノード間の結合重み付け係数等を調整する手法である。

尚、機械学習の具体的なアルゴリズムとしては、最近傍法、ナイーブベイズ法、決定木、サポートベクターマシンなどが挙げられる。また、ニューラルネットワークを利用して、学習するための特徴量、結合重み付け係数を自ら生成する深層学習（ディープラーニング）も挙げられる。適宜、上記アルゴリズムのうち利用できるものを用いて本実施形態に適用することができる。

次に学習モデル６０を用いて、鳥獣類の推定を行う図６の推定部について説明する。制御サーバ３は基地２とインターネットで接続され、基地２経由で監視用カメラ６からの画像及び音データを受信している。これら受信データを用いて監視領域４内に農作物に被害を及ぼす鳥獣類が侵入しているか否かを判定後、侵入した鳥獣類に応じた撃退方法を選定するために、撃退対象となる鳥獣類を推定する必要がある。

鳥獣類の推定時、制御サーバ３が、前述の画像および音データから得られた鳥獣類の大きさ、体形、色、鳴き声、動作（飛行するを含む）等のデータを上記学習モデル６０に入力すると、出没した鳥獣類を推定するデータが出力される。

この推定部は、学習部と同様にＧＰＵ３０５を用いても良い。

この出力された鳥獣類に応じた撃退策とは、前述のドローン１の鳥獣類に対する飛行経路、飛行速度、発する威嚇音及び音量、点灯すべき照明パタン、照明光量及び、出射物の種類等で構成される。

図７に同一の撃退方法を繰り返した際の効果測定値の推移の概念図を示す。図７は、横軸に同じ撃退方法の実施回数、縦軸に撃退策の効果の一例として、撃退開始から撃退完了までの時間を示している。一般に鳥獣類に対する撃退策の効果は、実施回数を経るごとに低下する、つまり撃退迄の時間が掛かるようになる傾向があることは知られている。そのため、同じ撃退方法を続けると、撃退効果が全く得られない状態となる。図７は、Ａ時点以降では効果判定基準となる所定時間をオーバーしていることを表している。こ本実施例ではこのように、撃退効果が徐々に低下し、所定値以内で撃退ができなかった場合にワーニングを出力する。このワーニングが出力された場合は、撃退方法を変更することによって、再び効果判定基準となる所定時間内で撃退できるようになることが期待できる。

次に図８に従って本実施例で実行される情報処理のステップ及び制御を説明する。

通常、ドローン１は、基地２に着陸し電池に充電している状態で待機している（Ｓ−１）。図３の４に示す監視領域の監視は、監視用カメラ６から得られる動画像に加えて、監視用カメラ６が図示しないマイクを有している場合は、マイクから得られる音データも用いて行われる。得られた動画像及び音データは、通信部２０２を通じて基地２に送信される。

基地２の通信部２０２はインターネットに接続されており、基地２は、監視用カメラ６から得られた動画像データ及び音データの情報をインターネットを通じて制御サーバ３に送信する（Ｓ−２）。制御サーバ３は、基地２から送信された動画像データ及び音データの情報を受信し、農地を含む管理領域内を観察している動画像データ及び音データに変化があった場合は、そのデータの変化の原因が出現した鳥獣類によるものか否かを判断する（Ｓ−３）。前記データの変化の原因が鳥獣類の出現と判断された場合は、次の鳥獣類の推定ステップに移る。鳥獣類の出現でない場合は、鳥獣類の出現監視を継続する。鳥獣類が出現した場合、前述の動画像データ及び音データから得られた鳥獣類の大きさ、体形、色、鳴き声、動作（飛行するを含む）等の情報を上記学習モデル６０に入力する処理を行う。これらのデータが入力された学習モデル６０からは、出現した鳥獣類が何であるかの推定結果が出力される（Ｓ−４）。制御サーバ３は、撃退策の選定部としてＨＤＤ３０４にはあらかじめ記憶されている各鳥獣類に応じた撃退策から、推定された鳥獣類に応じた撃退策を選定して出力する（Ｓ−５）。

選定された撃退策に応じた制御信号は、制御サーバ３から基地２を経由して、ドローン１に送られ、ドローン１は撃退策の実施部として、この撃退策に応じた制御信号に従って飛行、威嚇音の発生、照明の点灯、薬品の散布等の撃退策の実行を開始する（Ｓ−６）。この撃退策開始と同時に、効果判定用の時間計測がスタートする。ドローン１はこの撃退策実施中はカメラ１０３で鳥獣類の撮影とマイク１１０での鳴き声収集を行い、鳥獣類を追い払うまで、この撃退策を継続する。

この鳥獣類の撃退は、監視範囲外へ撃退対象の鳥獣類が退散したことによって終了する（Ｓ−７）。ドローン１は鳥獣類の撃退が終了すると、撃退タイマの計測を停止させ、撃退タイマの計測値を基地２経由で制御サーバ３に送信すると共に基地２に着陸する。着陸後、充電ポートを介した充電池への充電が再開される（Ｓ−８）。

制御サーバ３は判定部として、今回撃退を行った鳥獣類に対する撃退策の効果を判定する。この効果判定は、撃退に要した時間で行うことができる。つまり効果判定は、撃退に要した時間を示す撃退タイマの値と予め制御サーバ３のＨＤＤ３０４に記憶された効果判定の所定値との比較により行う（Ｓ−９）。効果判定結果が所定値を満たさず、所定値以下に低下している、つまり、撃退に所定値以上の時間掛かっている場合、ワーニングを出力する（Ｓ−１０）。

ここで、出現が推定された鳥獣類に応じた選択可能な撃退策の例を示す。
１．カラス、ハトを代表とする鳥類の場合、追い払いが目的となる。
・威嚇音としては、鷲、鷹の鳴き声、ディストレスコール（捕まった時に発する悲鳴）、超音波、爆発音、又は銃声等から選択される。
・射出物としては、水、ビービー弾、反射テープ、又は花火等から選択される。
・照射光としては、フラッシュ光、点滅光又はレーザ光等から選択される。
・また、撃退迄の飛行航路としては、領域内から領域外へ、直線的飛行、螺旋飛行又はランダムな方向の飛行に加えて、鳥獣類が群れを成している場合は、群れの中に突入飛行することが可能である。
２．猪、サルを代表とする獣類の場合、追い払いに加えて、捕獲器との組み合わせによる捕獲も目的に加わる。
・威嚇音としては、人間の声、超音波、爆発音、又は銃声等から選択される。
・射出物としては、水、嫌いな臭いの液体、ビービー弾、反射テープ、又は花火等から選択される。
・照射光としては、フラッシュ光、点滅光、又はレーザ光等から選択される。
・撃退迄の飛行航路としては、領域内から領域外への追い払い、又は捕獲器方向への追い込み等が選択肢となる。鳥類と異なり、ドローン１が逆に襲われないように、対象獣類が飛びついても届かない３ｍ程度の上空を基準位置としそれ以下の高度を飛行してはならない。この高度は獣の種類及び体長によって異なる。

以下、鳥類への対策を例により詳細な説明を行う。

一例としてカラスが検知された場合、鷲、鷹の鳴き声を発しながら領域外に追い払うことが基本的撃退策となる。他の選択肢として、鳴き声を、ディストレスコール（鳥が捕まった時に発する悲鳴）または、対象の鳥が他の鳥獣類に襲われて危険状態を発している鳴き声にすることもできる。

またさらに、爆発音等で威嚇することと、同時に水を吹きかけるまたは、ビービー弾等の人間に被害の出ない固形物を発射する等の撃退策とを組み合わせて行うこともできる。

これら、鳴き声又は威嚇音と射出物及び、対象の鳥類との接近距離の組み合わせを変えることにより、多くの撃退策の種類を準備することができる。表１にその組み合わせによる撃退策を撃退効果が高いと推定される順に示した例を示す。

ここで、接近距離は、対象の鳥獣類にどこまで接近するかを示している。“０”は接触、つまりドローンが鳥獣類にぶつかる迄近づく、または群れの中飛び込むことを示す。

また、制御サーバには、監視領域の画像と共に、撃退システムの制御ステータス、ドローン１の充電状況、撃退策の効果低下のワーニング等が表示される。

図９を基に表示例を説明する。

５０１が監視カメラで撮影された監視領域の画像表示である。この監視領域の画像表示は一般の監視カメラ画像表示と同じであり、監視用カメラが、複数ある場合は、切り替えて表示またはサムネイルで表示される。

５０２が制御ステータス表示であり、
１） 監視中
２） 撃退中
３） エラーｘｘ
４） 停止中
等がある。

「監視中」は、監視領域４に農地５に被害を及ぼす鳥獣類が出没しておらず、継続して監視領域を監視している状態を示す。「撃退中」は、監視領域４内に農地５に被害を及ぼす鳥獣類が確認され、撃退策実施中であることを示す。警告音を伴う点滅表示を行ってもよい。「エラーｘｘ」は、システムに何らかの不具合が生じた場合のワーニングである。「ｘｘ」はワーニングの種類を表す番号である。「停止中」は、システムメンテナンス等でシステムが停止していることを示している。これらのステータス表示の表示色をステータス毎に変えることは、視認性がより向上するため好適である。

５０３は、ドローン１の充電状況表示である。ドローン１の充電状況とは、ドローン１の充電池の充電状態をバー表示、フル充電を１００％とした数値または充電状態を示す絵によって表示される。

５０４は、ドローン１の制御モード切替ボタンである。制御サーバ３からの指示に従って鳥獣類撃退策を自動運転で制御される自動モードと、コントローラで制御するマニュアルモードを切り替える。尚、これらの表示および機能はネットワークに繋がったクライアントＰＣでも達成できる。

図１０では、制御サーバ３のモニタにワーニング表示を行った１例を示す。この表示内容は言葉に限定されず、アイコン等で表示することもできる。さらには、このワーニングは、音で通知しても良いし、ワーニングデータを他のＰＣに出力しても良い。

撃退効果が所定値以下に低下していると判定された場合、制御ＰＣ３は、この撃退効果低下のワーニングを発するとともに、今回の撃退策の効果判定データを更新する。そのため、次回同じ鳥獣類が検出され撃退策を講ずる場合は、最も高い撃退効果が得られると推定される別の撃退策が選択される。表１の例に従うと、撃退策１の撃退効果が低下した場合、撃退策１の順位が落ちるため、次回は撃退策２が選択される。

また、撃退方法の効果は、どのくらいの時間で撃退できたか、短時間で撃退できた方が撃退効果が大きいという例で説明したが、一度撃退後再度現れるまでの期間、再度現れるまでの期間が長い方が撃退効果が大きいとして効果判定を行っても良い。

［実施例２］
図１１は、第二の実施例の制御フローである。

第一の実施例との差異を以下に説明する。

第一の実施例では、撃退策終了後に効果判定を行い、効果判定の結果が所定値以下の場合、撃退効果が低下したワーニングを出力する実施例であった。

一方、図１１に制御フローを示す第二の実施例は、撃退策実施中に効果判定のため、撃退タイマの計測値と、効果判定に用いる所定時間との比較を行う。所定時間を超過した場合、その撃退策の効果が低下したと判断し、その時点で、別の撃退策に変更するものである。

［実施例３］
第三の実施例は、鳥獣類に応じて複数の撃退策がある場合、鳥獣類が撃退策に慣れないように適宜撃退策を変更するものである。

第三の実施例では、図１２に示すように、撃退策完了後、撃退策の効果に依らず常に次回の撃退策の変更を行う。変更する方法として、複数の撃退策を順番に変更する、またはランダムに変更等がある。

［実施例４］
図１３に撃退用ドローンを複数台有するシステム例を示す。

ドローンが複数台ある場合、それぞれのドローンが撃退対象の鳥獣類に対して、同じ撃退策を行う、またはそれぞれが異なる撃退策を行うことが可能となる。

また、複数台のドローンがそれぞれ異なる鳥獣類に対して異なる撃退策を行うこと、例えばカラスと猪とが同時に出現した際にも対応可能である。

図１４に図１３のシステムに於いて、カラスと猪が同時に出現した場合にも対応できる撃退制御フローを示す。通常状態は、ドローン１， １’はそれぞれ基地２， ２’に着陸しており、電池を充電すると共に、カラス・猪の出現監視状態となっている。

カラス又は猪の出現が検知されると、現時点で、カラスの撃退中であるか否かで判断分岐される。カラスの撃退中でない場合は、カラスの撃退策が開始されると共に、効果判定のために撃退時間を測定する撃退タイマがスタートする。カラスを撃退中の場合は、撃退が完了したか否かで分岐し、撃退が未完了の場合、期待される撃退効果に応じた所定時間と撃退タイマの値が比較され、所定時間を超過していない場合は、そのまま次の猪の制御に移る。所定時間を経過している場合は、カラスの撃退策が変更され新たな撃退策が開始される。同時に効果判定用の時間計測がゼロリセットされる。一方、カラスの撃退が完了した場合、カラスの撃退を終了し、並行して行っている撃退制御の有無を確認する。図１４の場合は、カラスの撃退策終了時に、猪の撃退策が終了しているか否かを判断する。猪の撃退策が行われている場合、次に猪撃退制御の状態判断に移行するが、判断制御内容は、カラスの場合と同様である。また、猪の撃退策が終了している場合は、カラスの撃退策も終了しているわけであるから、全ての撃退策制御が終了したと判断されこの制御フローが終了する。

図１３には、ドローンが２台あるシステム例を示したが、ドローンの設置台数は２台に限定されるものではない。

１ ドローン
２ 基地
３ 制御サーバ
４ 監視領域
５ 農地
６０ 学習モデル
１０１ システム制御部
１０２ 通信部
１０３ カメラ
１０４ カメラ制御部
１０６ プロペラ
１０７ 飛行制御部
１０８ スピーカ
１０９ 音出力制御部
１１０ マイク
１１１ 音入力制御部
１１２ ＧＰＳ
１１３ 位置検出部
１１４ 照明部
１１５ 照明制御部
１１６ 射出部
１１７ 射出制御部
１１８ 充電池
１１９ 充電器
１２０ 充電ポート
１２１ タイマ
１２２ メモリ
２０１ システム制御部
２０２ 通信部
２２０ 電源
２２１ 充電ポート
３００ システムバス
３０１ ＣＰＵ
３０２ ＲＯＭ
３０３ ＲＡＭ
３０４ ＨＤＤ
３０５ ＧＰＵ
３０６ ＮＩＣ
３０７ 入力部
３０８ 表示部
５０１ 監視領域画像
５０２ 制御ステータス表示
５０３ 充電状況表示
５０４ 制御モード切替ボタン

Claims (10)

1. 鳥獣類を撃退するための撃退策を選定する情報処理装置であって、
   監視領域に侵入した鳥獣類を含む画像に基づき、監視領域に侵入した前記鳥獣類の種類を推定する推定部と、
   前記推定部により推定された前記鳥獣類の種類に応じて前記鳥獣類を撃退するための撃退策を選定する選定部と、
   前記選定部により選定された前記撃退策を実施する実施部と
   前記実施部によって実施された前記撃退策の撃退効果を判定する判定部
   を有することを特徴とする情報処理装置。
2. 鳥獣類を撃退するための撃退策を実施する情報処理装置であって、
   前記鳥獣類を撃退するための撃退策を記憶する記憶部と、
   前記記憶部に記憶された前記撃退策を実施する実施部と
   前記実施部によって実施された前記撃退策の撃退効果を判定する判定部
   を有することを特徴とする情報処理装置。
3. 前記推定部は、少なくとも鳥獣類の画像または鳴き声を入力とし、ニューラルネットワークを用いて前記鳥獣類を推定することを特徴とする請求項１又は２に記載の情報処理装置。
4. 前記判定部は、撃退に要した時間、または撃退後再び鳥獣類が出現するまでの時間を用いることを特徴とする請求項１又は２に記載の情報処理装置。
5. 前記判定部の判定結果が、所定値を満たさなかった場合、ワーニングを出力することを特徴とする、請求項１又は２に記載の情報処理装置。
6. 前記判定部の判定結果が、所定値を満たさなかった場合、撃退策を変更することを特徴とする、請求項１又は２に記載の情報処理装置。
7. 前記実施部は、ドローンであることを特徴とする、請求項１又は２に記載の情報処理装置。
8. 鳥獣類を撃退するための撃退策を選定する情報処理装置であって、
   監視領域に侵入した鳥獣類を含む画像に基づき、監視領域に侵入した前記鳥獣類の種類を推定する推定部と、
   前記推定部により推定された前記鳥獣類の種類に応じて前記鳥獣類を撃退するための撃退策を選定する選定部と、
   を有することを特徴とする情報処理装置。
9. 鳥獣類を撃退するための撃退策を選定する情報処理方法であって、
   監視領域に侵入した鳥獣類を含む画像に基づき、監視領域に侵入した前記鳥獣類の種類を推定する推定工程と、
   前記推定工程において推定された前記鳥獣類の種類に応じて前記鳥獣類を撃退するための撃退策を選定する選定工程と、
   を有する情報処理方法。
10. 鳥獣類を撃退するための撃退策を選定する情報処理方法をコンピュータに実行させるプログラムであって、
    監視領域に侵入した鳥獣類を含む画像に基づき、監視領域に侵入した前記鳥獣類の種類を推定する推定工程と、
    前記推定工程において推定された前記鳥獣類の種類に応じて前記鳥獣類を撃退するための撃退策を選定する選定工程と、
    を有する情報処理方法をコンピュータに実行させるプログラム。

Images