JP2021128689A - Animal breeding method proposal program and system - Google Patents
Animal breeding method proposal program and system Download PDFInfo
- Publication number
- JP2021128689A JP2021128689A JP2020024384A JP2020024384A JP2021128689A JP 2021128689 A JP2021128689 A JP 2021128689A JP 2020024384 A JP2020024384 A JP 2020024384A JP 2020024384 A JP2020024384 A JP 2020024384A JP 2021128689 A JP2021128689 A JP 2021128689A
- Authority
- JP
- Japan
- Prior art keywords
- livestock
- association
- degree
- environment
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title abstract description 16
- 238000003975 animal breeding Methods 0.000 title abstract 4
- 244000144972 livestock Species 0.000 claims abstract description 250
- 238000009395 breeding Methods 0.000 claims description 248
- 230000001488 breeding effect Effects 0.000 claims description 189
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 40
- 238000004378 air conditioning Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 31
- 238000013473 artificial intelligence Methods 0.000 description 27
- 230000005856 abnormality Effects 0.000 description 25
- 230000002159 abnormal effect Effects 0.000 description 24
- 239000007789 gas Substances 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 16
- 235000013372 meat Nutrition 0.000 description 16
- 238000013528 artificial neural network Methods 0.000 description 13
- 235000013365 dairy product Nutrition 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 210000003608 fece Anatomy 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 238000009304 pastoral farming Methods 0.000 description 4
- 235000020185 raw untreated milk Nutrition 0.000 description 4
- 238000013329 compounding Methods 0.000 description 3
- 238000012364 cultivation method Methods 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 210000002700 urine Anatomy 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 244000144977 poultry Species 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 206010039740 Screaming Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007803 itching Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000005282 vitamin D3 Nutrition 0.000 description 1
- 239000011647 vitamin D3 Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、家畜の飼育方法を提案する家畜の飼育方法提案プログラム及びシステムに関する。 The present invention relates to a livestock breeding method proposal program and system that proposes a livestock breeding method.
家畜から得ることができる肉や乳製品は、飼育環境に応じてその品質が大きく異なる。このため、飼育環境の正常性について、家畜業者は相当な注意を払う。近年において家畜の飼育環境を作り出す設備の自動化も進んでおり、温度、湿度、飼料の供給量、水の供給量、ガスや気流の流量を最適にコントロールすることで、人手を介することなく最適な飼育環境を作ることも可能となっており、畜産業界における労働力不足の問題解決の糸口になることが期待されている。 The quality of meat and dairy products that can be obtained from livestock varies greatly depending on the breeding environment. For this reason, livestock farmers pay considerable attention to the normality of the breeding environment. In recent years, the automation of equipment that creates a breeding environment for livestock has also progressed, and by optimally controlling temperature, humidity, feed supply, water supply, and gas and airflow flow rates, it is optimal without human intervention. It is also possible to create a breeding environment, which is expected to be a clue to solving the problem of labor shortage in the livestock industry.
しかしながら、このような飼育環境を作り出す設備において故障等の異常が発生した場合には、家畜の飼育環境が急激に悪化してしまう。制御設備が故障してしまった場合、業者を呼んで修理するまで時間がかかる場合もあり、可能であれば故障の兆候を事前に察知し、早めにアラートを流す必要がある。特に家畜が出産する時間において温度や湿度の制御設備が故障してしまった場合、その設備を早く終了しないと手遅れになってしまう場合もある。従来においては、この飼育環境の正常性をこれを作り出す設備の側から随時監視し、異常が発生するか、あるいはその兆候が現れた段階で即座にアラートを流す技術が特段提案されていないのが現状であった。 However, when an abnormality such as a failure occurs in the equipment that creates such a breeding environment, the breeding environment of livestock deteriorates sharply. If the control equipment breaks down, it may take some time to call a contractor to repair it. If possible, it is necessary to detect signs of failure in advance and issue an alert as soon as possible. In particular, if the temperature and humidity control equipment breaks down during the time when livestock give birth, it may be too late if the equipment is not shut down early. In the past, there has been no particular proposal for a technology that monitors the normality of this breeding environment from the side of the equipment that creates it, and immediately sends an alert when an abnormality occurs or a sign appears. It was the current situation.
また飼育環境を実際に判別することができた場合において、その飼育環境から実際の家畜の成育状況がどのようなものであるかを酪農家、畜産農家に理解してもらう必要があり、その飼育環境を踏まえて今後いかなる飼育方法を実行すればよいかを酪農家、畜産農家に対して提案する必要がある。また、養鶏場や飼育設備等を通じて飼育環境を自動的に制御している場合に、実際のどのように制御を今後行えばよいかを提案する必要もある。しかしながら、その飼育環境に基づいてこれらを提案することができる技術は未だに開示されていないのが現状であった。 In addition, when the breeding environment can be actually determined, it is necessary for dairy farmers and livestock farmers to understand what the actual breeding situation of livestock is from the breeding environment. It is necessary to propose to dairy farmers and livestock farmers what kind of breeding method should be implemented in consideration of the environment. It is also necessary to propose how to actually control the breeding environment in the future when the breeding environment is automatically controlled through a poultry farm or breeding equipment. However, the current situation is that the technology that can propose these based on the breeding environment has not yet been disclosed.
そこで本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、判別した飼育環境から今後の飼育方法、飼育環境の制御を行うことが可能な飼育環境判別プログラムを提供することにある。 Therefore, the present invention has been devised in view of the above-mentioned problems, and the purpose thereof is to determine the breeding environment in which the future breeding method and the breeding environment can be controlled from the discriminated breeding environment. To provide a program.
上述した課題を解決するために、本発明に係る飼育環境判別プログラムは、家畜の飼育方法を提案する家畜の飼育方法提案プログラムにおいて、販売対象の畜産物の品質及び/又は量に関する参照用販売対象情報と、その販売時期における当該畜産物の市況に関する参照用市況情報との組み合わせと、当該組み合わせに対する家畜の飼育方法との3段階以上の第1連関度を予め取得する連関度取得ステップと、新たに販売する販売対象の畜産物の品質及び/又は量に関する販売対象情報を取得するとともに、新たに販売する販売時期における市況に関する市況情報を取得する情報取得ステップと、上記連関度取得ステップにおいて取得した第1連関度を参照し、上記情報取得ステップを介して取得した販売対象情報と市況情報とに基づき、家畜の飼育方法を提案する提案ステップとをコンピュータに実行させることを特徴とする。 In order to solve the above-mentioned problems, the breeding environment determination program according to the present invention is a reference sales target regarding the quality and / or quantity of livestock products to be sold in the livestock breeding method proposal program that proposes a livestock breeding method. A new linking degree acquisition step that acquires in advance the first degree of association of three or more stages between the information and the reference market condition information regarding the market condition of the livestock product at the time of sale and the livestock breeding method for the combination. In addition to acquiring sales target information regarding the quality and / or quantity of livestock products to be sold to, and in the information acquisition step of acquiring market information regarding market conditions at the time of new sales, and in the above-mentioned association degree acquisition step. It is characterized in that a computer executes a proposal step of proposing a livestock breeding method based on the sales target information acquired through the above information acquisition step and the market condition information with reference to the first degree of association.
特段のスキルや経験が無くても、飼育環境を判別し、判別した飼育環境から実際の飼育方法、飼育環境の制御を行うことが可能となる。 Even if there is no special skill or experience, it is possible to discriminate the breeding environment and control the actual breeding method and breeding environment from the discriminated breeding environment.
以下、本発明を適用した飼育環境判別プログラムについて、図面を参照しながら詳細に説明をする。 Hereinafter, the breeding environment determination program to which the present invention is applied will be described in detail with reference to the drawings.
第1実施形態
図1は、本発明を適用した飼育環境判別プログラムが実装される飼育環境判別システム1の全体構成を示すブロック図である。飼育環境判別システム1は、情報取得部9と、情報取得部9に接続された判別装置2と、判別装置2に接続されたデータベース3とを備えている。
The first embodiment FIG . 1 is a block diagram showing an overall configuration of a breeding
情報取得部9は、本システムを活用する者が各種コマンドや情報を入力するためのデバイスであり、具体的にはキーボードやボタン、タッチパネル、マウス、スイッチ等により構成される。情報取得部9は、テキスト情報を入力するためのデバイスに限定されるものではなく、マイクロフォン等のような音声を検知してこれをテキスト情報に変換可能なデバイスで構成されていてもよい。また情報取得部9は、カメラ等の画像を撮影可能な撮像装置として構成されていてもよい。情報取得部9は、紙媒体の書類から文字列を認識できる機能を備えたスキャナで構成されていてもよい。また情報取得部9は、後述する判別装置2と一体化されていてもよい。情報取得部9は、検知した情報を判別装置2へと出力する。また情報取得部9は地図情報をスキャニングすることで位置情報を特定する手段により構成されていてもよい。また情報取得部9は、温度センサ、湿度センサ、流量センサ、その他物質や物性を特定することが可能なセンサも含む。
The
データベース3は、家畜を飼育する飼育環境の正常性を判別する上で必要な様々な情報が蓄積される。飼育環境の正常性を判別する上で必要な情報としては、家畜を飼育する飼育環境を作り出す設備から取得した参照用設備データ、飼育環境を直接センシングした参照用環境データ、家畜の行動を直接センシングした参照用家畜行動データ等が含まれる。
データベース3には、このような参照用設備データ、参照用環境データ、参照用家畜行動データの何れか1以上と、実際の家畜を飼育する飼育環境の正常性に関する情報が互いに紐づけられて記憶されている。
Database 3 stores various information necessary for determining the normality of the breeding environment in which livestock are raised. Information necessary for determining the normality of the breeding environment includes reference equipment data acquired from the equipment that creates the breeding environment for raising livestock, reference environment data that directly senses the breeding environment, and direct sensing of livestock behavior. Includes reference livestock behavior data, etc.
In the database 3, any one or more of such reference equipment data, reference environment data, and reference livestock behavior data and information on the normality of the breeding environment for raising actual livestock are stored in association with each other. Has been done.
判別装置2は、例えば、パーソナルコンピュータ(PC)等を始めとした電子機器で構成されているが、PC以外に、携帯電話、スマートフォン、タブレット型端末、ウェアラブル端末等、他のあらゆる電子機器で具現化されるものであってもよい。ユーザは、この判別装置2による探索解を得ることができる。
The
図2は、判別装置2の具体的な構成例を示している。この判別装置2は、判別装置2全体を制御するための制御部24と、操作ボタンやキーボード等を介して各種制御用の指令を入力するための操作部25と、有線通信又は無線通信を行うための通信部26と、各種判断を行う推定部27と、ハードディスク等に代表され、実行すべき検索を行うためのプログラムを格納するための記憶部28とが内部バス21にそれぞれ接続されている。さらに、この内部バス21には、実際に情報を表示するモニタとしての表示部23が接続されている。
FIG. 2 shows a specific configuration example of the
制御部24は、内部バス21を介して制御信号を送信することにより、判別装置2内に実装された各構成要素を制御するためのいわゆる中央制御ユニットである。また、この制御部24は、操作部25を介した操作に応じて各種制御用の指令を内部バス21を介して伝達する。
The
操作部25は、キーボードやタッチパネルにより具現化され、プログラムを実行するための実行命令がユーザから入力される。この操作部25は、上記実行命令がユーザから入力された場合には、これを制御部24に通知する。この通知を受けた制御部24は、推定部27を始め、各構成要素と協調させて所望の処理動作を実行していくこととなる。この操作部25は、前述した情報取得部9として具現化されるものであってもよい。
The
推定部27は、探索解を推定する。この推定部27は、推定動作を実行するに当たり、必要な情報として記憶部28に記憶されている各種情報や、データベース3に記憶されている各種情報を読み出す。この推定部27は、人工知能により制御されるものであってもよい。この人工知能はいかなる周知の人工知能技術に基づくものであってもよい。
The
表示部23は、制御部24による制御に基づいて表示画像を作り出すグラフィックコントローラにより構成されている。この表示部23は、例えば、液晶ディスプレイ(LCD)等によって実現される。
The
記憶部28は、ハードディスクで構成される場合において、制御部24による制御に基づき、各アドレスに対して所定の情報が書き込まれるとともに、必要に応じてこれが読み出される。また、この記憶部28には、本発明を実行するためのプログラムが格納されている。このプログラムは制御部24により読み出されて実行されることになる。
When the
上述した構成からなる飼育環境判別システム1における動作について説明をする。
The operation in the breeding
飼育環境判別システム1では、例えば図3に示すように、参照用設備データと、飼育環境の正常性との3段階以上の連関度が予め設定され、取得されていることが前提となる。参照用設備データとは、飼育環境を作り出す上で必要な設備(デバイス)から直接的に取得したデータである。飼育環境は、温度、湿度、飼料の供給量、水の供給量、供給するガスの流量や気流の流量並びに方向、照明の照度、排泄物の処理状態等によって決まる。近年における自動化された畜産においては家畜を飼育する飼育舎において、各種設備を通じてこれらの飼育環境を作り出す。例えば温度や湿度については空調設備、飼料や水の供給は、飼料供給するためのパイプラインやプラント設備等を通じて行われる。またガスや気流についてもパイプラインやプラント設備等を通じて行われる。また、照明の照度は照明設備を通じて行われ、排泄物は排水設備等に流し込まれる。
In the breeding
参照用設備データは、このような設備について直接的、又は間接的にセンサや計測器を取り付け、取得したあらゆるデータを含む。例えば、上述した各種設備に供給される電力、電気、電圧、振動、音、光、電波(以下、これらを総称して物理データという。)、空気や液体の流量、飼料の供給量、排水設備における排水量等がこの参照用設備データである。設備を動作させる物理データ、飼料や水を供給する供給量データ、ガスを供給又は排気するガス流量データの何れか1以上からなる動作データを検知する。これらの動作データを検知することで、飼育環境の現状が正常か、或いは何らかの異常が発生しているのかを把握することができる。またこれらの動作データを検知することで、飼育環境が今後近いうちに異常が発生する可能性があるのか、或いは正常のままなのかも推定することができる。 Reference equipment data includes any data obtained by directly or indirectly attaching sensors or measuring instruments to such equipment. For example, electric power, electricity, voltage, vibration, sound, light, radio waves (hereinafter collectively referred to as physical data), flow rate of air or liquid, feed supply amount, drainage facility supplied to the above-mentioned various facilities. The amount of drainage, etc. in is the equipment data for this reference. Detects operation data consisting of one or more of physical data for operating equipment, supply amount data for supplying feed and water, and gas flow rate data for supplying or exhausting gas. By detecting these operation data, it is possible to grasp whether the current state of the breeding environment is normal or whether some abnormality has occurred. In addition, by detecting these operation data, it is possible to estimate whether the breeding environment may have an abnormality in the near future or whether it remains normal.
図3の例では、入力データとして例えば参照用設備データP01〜P03であるものとする。このような入力データとしての参照用設備データは、出力に連結している。この出力においては、出力解としての、飼育環境が表示されている。飼育環境は、正常なのか、異常なのか、また異常が発生しているのであれば、具体的な異常の内容(例えば、温度が低い、飼料が少ない、湿度が高い等)も含まれる。 In the example of FIG. 3, it is assumed that the input data is, for example, reference equipment data P01 to P03. The reference equipment data as such input data is linked to the output. In this output, the breeding environment as the output solution is displayed. The breeding environment includes whether it is normal or abnormal, and if an abnormality has occurred, the specific content of the abnormality (for example, low temperature, low feed, high humidity, etc.).
参照用設備データは、この出力解としての、飼育環境に対して3段階以上の連関度を通じて互いに連関しあっている。参照用設備データがこの連関度を介して左側に配列し、各飼育環境が連関度を介して右側に配列している。連関度は、左側に配列された参照用設備データに対して、何れの飼育環境と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用設備データが、いかなる飼育環境に紐付けられる可能性が高いかを示す指標であり、参照用設備データから最も確からしい飼育環境を選択する上での的確性を示すものである。図3の例では、連関度としてw13〜w19が示されている。このw13〜w19は以下の表1に示すように10段階で示されており、10点に近いほど、中間ノードとしての各組み合わせが出力としての飼育環境と互いに関連度合いが高いことを示しており、逆に1点に近いほど中間ノードとしての各組み合わせが出力としての値段と互いに関連度合いが低いことを示している。
なお、この参照用設備データや設備データは、後述する第2実施形態における参照用供給量データ、供給量データに置き換えてもよい。また、この参照用設備データや設備データは、後述する第2実施形態における参照用排出量データ、排出量データに置き換えてもよい。
The reference equipment data are associated with each other through three or more levels of association with the breeding environment as this output solution. Reference equipment data is arranged on the left side via this degree of association, and each breeding environment is arranged on the right side via this degree of association. The degree of association indicates the degree of relevance to which breeding environment with respect to the reference equipment data arranged on the left side. In other words, this degree of association is an index showing what kind of breeding environment each reference equipment data is likely to be associated with, and is used to select the most probable breeding environment from the reference equipment data. It shows the accuracy. In the example of FIG. 3, w13 to w19 are shown as the degree of association. These w13 to w19 are shown in 10 stages as shown in Table 1 below, and the closer to 10 points, the higher the degree of relevance of each combination as an intermediate node to the breeding environment as an output. On the contrary, the closer to one point, the lower the degree of relevance of each combination as an intermediate node to the price as an output.
The reference equipment data and the equipment data may be replaced with the reference supply amount data and the supply amount data in the second embodiment described later. Further, the reference equipment data and the equipment data may be replaced with the reference emission amount data and the emission amount data in the second embodiment described later.
判別装置2は、このような図3に示す3段階以上の連関度w13〜w19を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用設備データと、その場合の飼育環境がどの程度であったか、過去のデータを蓄積しておき、これらを分析、解析することで図3に示す連関度を作り上げておく。
The discriminating
例えば、参照用設備データが、空調設備から発生する振動に関するデータであるとする。この振動データの振動量や振動周波数成分において、ある特定の徴候が現れたときに、その数時間後〜数日後に空調設備が壊れる場合が多いものとする。このようなデータセットを集めて分析することにより、参照用設備データと、飼育環境が異常(例えば空調が壊れることにより、飼育環境としては温度が低くなる。)との連関度が強くなる。 For example, suppose that the reference equipment data is data related to vibration generated from the air conditioning equipment. When a specific sign appears in the vibration amount and vibration frequency component of this vibration data, it is assumed that the air conditioning equipment is often damaged several hours to several days later. By collecting and analyzing such a data set, the degree of association between the reference equipment data and the abnormal breeding environment (for example, the temperature of the breeding environment becomes low due to the breakage of the air conditioner) becomes stronger.
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用設備データP01である場合に、過去の飼育環境のデータから分析する。参照用設備データP01である場合に、飼育環境が異常の事例が多い場合には、この異常につながる連関度をより高く設定し、飼育環境が正常の事例が多い場合には、この正常につながる連関度をより高く設定する。例えば参照用設備データP01の例では、異常(温度が低い)と、異常(飼料が少ない)にリンクしているが、以前の事例から異常(温度が低い)につながるw13の連関度を7点に、異常(飼料が少ない)につながるw14の連関度を2点に設定している。 This analysis and analysis may be performed by artificial intelligence. In such a case, for example, in the case of reference equipment data P01, analysis is performed from the data of the past breeding environment. In the case of reference equipment data P01, if there are many cases of abnormal breeding environment, the degree of association leading to this abnormality is set higher, and if there are many cases of normal breeding environment, this leads to normality. Set a higher degree of association. For example, in the example of reference equipment data P01, there is a link between anomaly (low temperature) and anomaly (low feed), but from the previous case, the degree of association of w13 that leads to anomaly (low temperature) is 7 points. In addition, the degree of association of w14, which leads to abnormalities (low feed), is set to 2 points.
また、この図3に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。 Further, the degree of association shown in FIG. 3 may be composed of the nodes of the neural network in artificial intelligence. That is, the weighting coefficient for the output of the node of this neural network corresponds to the above-mentioned degree of association. Further, the network is not limited to a neural network, and may be composed of all decision-making factors constituting artificial intelligence.
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに飼育環境を判別しようとする際において、上述した学習済みデータを利用して飼育環境を判別することとなる。かかる場合には、その飼育環境を作り出す各種設備の設備データを新たに取得する。 Such a degree of association is what is called learned data in artificial intelligence. After creating such learned data, when actually trying to determine a new breeding environment from now on, the breeding environment will be determined using the above-mentioned learned data. In such a case, the equipment data of various equipments that create the breeding environment is newly acquired.
新たに取得する設備データは、上述した情報取得部9により入力される。
The newly acquired equipment data is input by the above-mentioned
このようにして新たに取得した設備データに基づいて、実際にその設備により作り出される飼育環境を判別する。かかる場合には、予め取得した図3(表1)に示す連関度を参照する。例えば、新たに取得した設備データがP02と同一かこれに類似するものである場合には、連関度を介して「正常」がw15、「異常(飼料が少ない)」が連関度w16で関連付けられている。かかる場合には、連関度のもっと高い「正常」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「異常(飼料が少ない)」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。 Based on the equipment data newly acquired in this way, the breeding environment actually created by the equipment is determined. In such a case, the degree of association shown in FIG. 3 (Table 1) acquired in advance is referred to. For example, when the newly acquired equipment data is the same as or similar to P02, "normal" is associated with w15 and "abnormal (low feed)" is associated with association degree w16 through the association degree. ing. In such a case, "normal" with a higher degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and it is also possible to select "abnormality (low feed)" as the optimum solution, in which the degree of association is low but the association itself is recognized. .. In addition to this, it goes without saying that an output solution to which the arrows are not connected may be selected, and as long as it is based on the degree of association, it may be selected in any other priority.
このようにして、新たに取得する設備データから、飼育環境において異常が発生しているのか否か、必要に応じて、その発生している異常の詳細を把握することができる。また、飼育環境において現在発生している異常を判別する場合のみならず、近いうちに発生する可能性がある異常を判別することが可能となる。かかる場合には、学習させるデータセットとして、設備データを時系列的に取得したものを利用し、その結果、異常が発生したか否かを紐付ける。例えば時系列的に取得した電力が徐々に弱まり、最終的に設備が故障して異常状態となった場合、その電力が時系列的に徐々に弱まる過程を、飼育環境の異常状態と紐付けて学習する。このような学習用データセットで学習させ、連関度を通じて紐付けておくことにより、将来における異常状態を判別することが可能となる。また異常事態が現時点において、或いは将来において発生するのであれば、注意喚起をするためのアラートを流すことができる。 In this way, from the newly acquired equipment data, it is possible to grasp whether or not an abnormality has occurred in the breeding environment, and if necessary, the details of the abnormality that has occurred. In addition, it is possible to discriminate not only the abnormalities currently occurring in the breeding environment but also the abnormalities that may occur in the near future. In such a case, as the data set to be trained, the equipment data acquired in time series is used, and as a result, whether or not an abnormality has occurred is linked. For example, when the electric power acquired in chronological order gradually weakens and eventually the equipment breaks down and becomes an abnormal state, the process in which the electric power gradually weakens in chronological order is linked to the abnormal state of the breeding environment. learn. By learning with such a learning data set and associating them through the degree of association, it is possible to determine the abnormal state in the future. In addition, if an abnormal situation occurs at the present time or in the future, an alert for alerting can be sent.
図4の例では、参照用設備データと、参照用環境データとの組み合わせが形成されていることが前提となる。参照用環境データとは、飼育環境を直接センシングすることにより得られたデータであり、そのセンシング時における飼育環境の状態を如実に表したものである。この参照用環境データとしてセンシングする飼育環境として、温度、湿度、飼料の供給量、水の供給量、ガスや気流の流量の何れか1以上とされていてもよい。 In the example of FIG. 4, it is premised that a combination of the reference equipment data and the reference environment data is formed. The reference environment data is data obtained by directly sensing the breeding environment, and clearly represents the state of the breeding environment at the time of the sensing. The breeding environment sensed as the reference environment data may be any one or more of temperature, humidity, feed supply amount, water supply amount, and gas or air flow rate.
図4の例では、入力データとして例えば参照用設備データP11〜P13、参照用環境データP14〜17であるものとする。このような入力データとしての、参照用設備データに対して、参照用環境データが組み合わさったものが、図4に示す中間ノードである。各中間ノードは、更に出力に連結している。この出力においては、出力解としての、飼育環境が表示されている。 In the example of FIG. 4, it is assumed that the input data is, for example, reference equipment data P11 to P13 and reference environment data P14 to 17. The intermediate node shown in FIG. 4 is a combination of the reference equipment data and the reference environment data as such input data. Each intermediate node is further linked to the output. In this output, the breeding environment as the output solution is displayed.
参照用設備データと参照用環境データとの各組み合わせ(中間ノード)は、この出力解としての、飼育環境の正常性に対して3段階以上の連関度を通じて互いに連関しあっている。参照用設備データと参照用環境データがこの連関度を介して左側に配列し、飼育環境の正常性が連関度を介して右側に配列している。連関度は、左側に配列された参照用設備データと参照用環境データに対して、飼育環境と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用設備データと参照用環境データが、いかなる飼育環境の正常性に紐付けられる可能性が高いかを示す指標であり、参照用設備データと参照用環境データから最も確からしい飼育環境の正常性を選択する上での的確性を示すものである。図4の例では、連関度としてw13〜w22が示されている。このw13〜w22は表1に示すように10段階で示されており、10点に近いほど、中間ノードとしての各組み合わせが出力としての値段と互いに関連度合いが高いことを示しており、逆に1点に近いほど中間ノードとしての各組み合わせが出力としての飼育環境の正常性と互いに関連度合いが低いことを示している。 Each combination (intermediate node) of the reference equipment data and the reference environment data is associated with each other through three or more levels of association with the normality of the breeding environment as this output solution. The reference equipment data and the reference environment data are arranged on the left side through this degree of association, and the normality of the breeding environment is arranged on the right side through this degree of association. The degree of association indicates the degree of relevance to the breeding environment with respect to the reference equipment data and the reference environment data arranged on the left side. In other words, this degree of association is an index showing what kind of breeding environment normality each reference equipment data and reference environment data are likely to be associated with, and the reference equipment data and reference environment. It shows the accuracy in selecting the most probable normality of the breeding environment from the data. In the example of FIG. 4, w13 to w22 are shown as the degree of association. As shown in Table 1, these w13 to w22 are shown in 10 stages, and the closer to 10 points, the higher the degree of relevance of each combination as an intermediate node to the price as an output, and conversely. The closer it is to one point, the less the each combination as an intermediate node is related to the normality of the breeding environment as an output.
判別装置2は、このような図4に示す3段階以上の連関度w13〜w22を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用設備データと、参照用環境データ、並びにその場合の飼育環境がどの程度であったか、過去のデータを蓄積しておき、これらを分析、解析することで図4に示す連関度を作り上げておく。
The discriminating
例えば、過去にセンシングした設備データが水の単位時間当たりのある供給量であるものとする(例えば1分当たり1lとする。)。また参照用環境データが「温度が34℃」であったものとする。その水の供給量と温度との関係で明らかに家畜に供給する水が不足する状態となっていた場合には、飼育環境が異常(水不足状態)とし、これらをデータセットとして学習させ、上述した連関度という形で定義しておく。 For example, it is assumed that the equipment data sensed in the past is a certain amount of water supplied per unit time (for example, 1 liter per minute). Further, it is assumed that the reference environment data is "temperature is 34 ° C.". If there is a clear shortage of water to supply to livestock due to the relationship between the amount of water supplied and the temperature, the breeding environment is considered abnormal (water shortage), and these are learned as a data set and described above. It is defined in the form of the degree of association.
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用設備データP01で、参照用環境データP16である場合に、その飼育環境の正常性を過去のデータから分析する。飼育環境が、「異常(温度が低い)」の事例が多い場合には、この「異常(温度が低い)」につながる連関度をより高く設定し、「正常」の事例が多く、「異常(温度が低い)」の事例が少ない場合には、「正常」につながる連関度を高くし、「異常(温度が低い)」につながる連関度を低く設定する。例えば中間ノード61aの例では、「異常(温度が低い)」と「正常」の出力にリンクしているが、以前の事例から「異常(温度が低い)」につながるw13の連関度を7点に、「正常」につながるw14の連関度を2点に設定している。
This analysis and analysis may be performed by artificial intelligence. In such a case, for example, in the case of the reference equipment data P01 and the reference environment data P16, the normality of the breeding environment is analyzed from the past data. When the breeding environment has many cases of "abnormality (low temperature)", the degree of association leading to this "abnormality (low temperature)" is set higher, and there are many cases of "normal", and "abnormality (low temperature)". When there are few cases of "low temperature", the degree of association leading to "normal" is set high, and the degree of association leading to "abnormal (low temperature)" is set low. For example, in the example of the
また、この図4に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。 Further, the degree of association shown in FIG. 4 may be composed of the nodes of the neural network in artificial intelligence. That is, the weighting coefficient for the output of the node of this neural network corresponds to the above-mentioned degree of association. Further, the network is not limited to a neural network, and may be composed of all decision-making factors constituting artificial intelligence.
図4に示す連関度の例で、ノード61bは、参照用設備データP01に対して、参照用環境データP14の組み合わせのノードであり、「異常(飼料が少ない)」の連関度がw15、「正常」の連関度がw16となっている。ノード61cは、参照用設備データP02に対して、参照用環境データP15、P17の組み合わせのノードであり、「正常」の連関度がw17、「異常(湿度が高い)」の連関度がw18となっている。
In the example of the degree of association shown in FIG. 4, the
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから飼育環境の正常性の判別を行う際において、上述した学習済みデータを利用して正常性の判別を行うこととなる。かかる場合には、その判別を行う飼育環境を作りだす設備データと、その環境データを実測することで取得する。 Such a degree of association is what is called learned data in artificial intelligence. After creating such learned data, when actually determining the normality of the breeding environment from now on, the above-mentioned learned data will be used to determine the normality. In such a case, the equipment data that creates the breeding environment for the discrimination and the environmental data are actually measured and acquired.
新たに取得する設備データ、環境データは、各種センサ、情報取得部9を介して取得するようにしてもよい。
The newly acquired equipment data and environmental data may be acquired via various sensors and the
このようにして新たに取得した設備データ、環境データに基づいて、実際にその新たに設備データ、環境データとを取得した飼育環境の正常性を判別する。かかる場合には、予め取得した図4(表1)に示す連関度を参照する。例えば、新たに取得した設備データがP02と同一かこれに類似するものである場合であって、環境データがP17である場合には、連関度を介してノード61dが関連付けられており、このノード61dは、「異常
(飼料が少ない)」がw19、「異常(湿度が高い)」が連関度w20で関連付けられている。かかる場合には、連関度のもっと高い「異常(飼料が少ない)」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「異常(湿度が高い)」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。
Based on the newly acquired equipment data and environmental data in this way, the normality of the breeding environment in which the newly acquired equipment data and environmental data are actually acquired is determined. In such a case, the degree of association shown in FIG. 4 (Table 1) acquired in advance is referred to. For example, when the newly acquired equipment data is the same as or similar to P02 and the environment data is P17, the node 61d is associated through the degree of association, and this node In 61d, "abnormality (low feed)" is associated with w19, and "abnormality (high humidity)" is associated with a degree of association w20. In such a case, "abnormality (low feed)" with a higher degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and it is also possible to select "abnormality (high humidity)" as the optimum solution, in which the degree of association is low but the association itself is recognized. .. In addition to this, it goes without saying that an output solution to which the arrows are not connected may be selected, and as long as it is based on the degree of association, it may be selected in any other priority.
また、入力から伸びている連関度w1〜w12の例を以下の表2に示す。 In addition, Table 2 below shows examples of the degrees of association w1 to w12 extending from the input.
この入力から伸びている連関度w1〜w12に基づいて中間ノード61が選択されていてもよい。つまり連関度w1〜w12が大きいほど、中間ノード61の選択における重みづけを重くしてもよい。しかし、この連関度w1〜w12は何れも同じ値としてもよく、中間ノード61の選択における重みづけは何れも全て同一とされていてもよい。 The intermediate node 61 may be selected based on the degree of association w1 to w12 extending from this input. That is, the larger the degree of association w1 to w12, the heavier the weighting in the selection of the intermediate node 61 may be. However, the degrees of association w1 to w12 may all have the same value, and the weights in the selection of the intermediate node 61 may all be the same.
図5は、上述した参照用設備データと、参照用家畜行動データとの組み合わせと、当該組み合わせに対する飼育環境との3段階以上の連関度が設定されている例を示している。 FIG. 5 shows an example in which a combination of the above-mentioned reference equipment data and reference livestock behavior data and a degree of association with the breeding environment for the combination are set at three or more levels.
入力データとしては、このような参照用設備データと、参照用家畜行動データが並んでいる。このような入力データとしての、参照用設備データに対して、参照用家畜行動データが組み合わさったものが、図5に示す中間ノードである。 As input data, such reference equipment data and reference livestock behavior data are arranged side by side. The intermediate node shown in FIG. 5 is a combination of the reference equipment data and the reference livestock behavior data as such input data.
参照用家畜行動データとは、家畜の行動をセンシングしたデータである。家畜の行動は、例えば画像データや音声データを通じて取得することが可能となる。家畜が飼料を食べたり、睡眠をとったり、水を飲む行動は全て画像解析から把握することができる。またこれらの行動は音声データからも取得することが可能となる。 The reference livestock behavior data is data that senses the behavior of livestock. The behavior of livestock can be acquired through, for example, image data or audio data. The behavior of livestock eating feed, sleeping, and drinking water can all be grasped from image analysis. These actions can also be obtained from voice data.
判別装置2は、このような図5に示す3段階以上の連関度w13〜w22を予め取得しておく。つまり判別装置2は、実際の飼育環境の正常性の判別を行う上で、参照用設備データと、参照用家畜行動データ、並びにその場合の飼育環境がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図5に示す連関度を作り上げておく。飼育環境の正常性は、設備データ以外に、家畜が悲鳴を上げたり、異常な行動を取ったり、暴れたりする、家畜の行動からも判別することができる。これら設備データと家畜行動データを組み合わせることで、より精度の高い飼育環境の正常性の判別を行うことが可能となる。
The discriminating
図5に示す連関度の例で、ノード61bは、参照用設備データP01に対して、参照用家畜行動データP18(例えば、やたら体を痒がる行動)の組み合わせのノードであり、「異常(飼料が少ない)」の連関度がw15、「正常」の連関度がw16となっている。
In the example of the degree of association shown in FIG. 5, the
このような連関度が設定されている場合も同様に、設備データを新たに取得するとともに、家畜行動データを取得する。設備データは参照用設備データに対応し、家畜行動データは、参照用家畜行動データに対応する。 Similarly, when such a degree of association is set, equipment data is newly acquired and livestock behavior data is acquired. The equipment data corresponds to the reference equipment data, and the livestock behavior data corresponds to the reference livestock behavior data.
飼育環境の判別を行う上では、予め取得した図5に示す連関度を参照する。例えば、取得した設備データが参照用設備データP02に同一又は類似で、取得した家畜行動データが、参照用家畜行動データP19に相当するものである場合、その組み合わせはノード61cが関連付けられており、このノード61cは、「正常」が連関度w17で、また「異常(湿度が高い)」が連関度w18で関連付けられている。このような連関度の結果、w17、w18に基づいて、実際にその新たに設備データ、家畜行動データとを取得した飼育舎における飼育環境の正常性を判別していくことになる。 In determining the breeding environment, the degree of association shown in FIG. 5 acquired in advance is referred to. For example, when the acquired equipment data is the same as or similar to the reference equipment data P02 and the acquired livestock behavior data corresponds to the reference livestock behavior data P19, the combination is associated with the node 61c. In this node 61c, "normal" is associated with the degree of association w17, and "abnormal (high humidity)" is associated with the degree of association w18. As a result of such a degree of association, based on w17 and w18, the normality of the breeding environment in the breeding house where the newly acquired equipment data and livestock behavior data are actually acquired will be determined.
図6は、上述した参照用設備データと、参照用家畜育成フェーズデータとの組み合わせと、当該組み合わせに対する飼育環境との3段階以上の連関度が設定されている例を示している。 FIG. 6 shows an example in which the combination of the above-mentioned reference equipment data and the reference livestock breeding phase data and the degree of association with the breeding environment for the combination are set at three or more levels.
入力データとしては、このような参照用設備データと、参照用育成フェーズデータが並んでいる。このような入力データとしての、参照用設備データに対して、参照用育成フェーズデータが組み合わさったものが、図6に示す中間ノードである。 As input data, such reference equipment data and reference training phase data are arranged side by side. The intermediate node shown in FIG. 6 is a combination of the reference equipment data and the reference training phase data as such input data.
参照用家畜育成フェーズデータとは、家畜の育成状況を示すものである。つまり、家畜が生まれてばかりなのか、或いは生後1年、2年、3年・・・なのか、繁殖期にあるのか、或いは肉を取れる段階にあるのか、その育成フェーズを示すものである。 The reference livestock breeding phase data shows the breeding status of livestock. In other words, it indicates the breeding phase of whether the livestock are just born, one year, two years, three years after birth, the breeding season, or the stage where meat can be harvested.
判別装置2は、このような図6に示す3段階以上の連関度w13〜w22を予め取得しておく。つまり判別装置2は、実際の飼育環境の正常性の判別を行う上で、参照用設備データと、参照用家畜育成フェーズデータ、並びにその場合の飼育環境がどの程度であったかのデータを蓄積しておき、これらを分析、解析することで図6に示す連関度を作り上げておく。飼育環境の正常性は、設備データ以外に、家畜の育成フェーズによっても影響を受ける。例えば家畜が繁殖期以外であれば、空調設備が故障して急激に温度が低下してもそれほど家畜を飼育する上で影響が少ないことから飼育環境は「正常」と判断するが、家畜が繁殖期にあり、この段階で空調設備が故障して急激に温度が低下した場合に母体、ひいては生まれてくる子牛や子豚に悪影響が及ぶのであれば「異常」と判断する。このように、飼育環境が正常か否かは、設備データに加え、家畜育成フェーズデータにも大きく支配される。このため、これら設備データと家畜育成フェーズデータを組み合わせることで、より精度の高い飼育環境の正常性の判別を行うことが可能となる。
The discriminating
図6に示す連関度の例で、ノード61bは、参照用設備データP01に対して、参照用家畜行動データP22(例えば、生後3ヶ月)の組み合わせのノードであり、「異常(飼料が少ない)」の連関度がw15、「正常」の連関度がw16となっている。
In the example of the degree of association shown in FIG. 6, the
このような連関度が設定されている場合も同様に、設備データを新たに取得するとともに、家畜育成フェーズデータを取得する。設備データは参照用設備データに対応し、家畜育成フェーズデータは、参照用家畜育成フェーズデータに対応する。 Similarly, when such a degree of association is set, equipment data is newly acquired and livestock breeding phase data is acquired. The equipment data corresponds to the reference equipment data, and the livestock breeding phase data corresponds to the reference livestock breeding phase data.
飼育環境の判別を行う上では、予め取得した図6に示す連関度を参照する。例えば、取得した設備データが参照用設備データP02に同一又は類似で、取得した家畜育成フェーズデータが、参照用家畜育成フェーズデータP23に相当するものである場合、その組み合わせはノード61cが関連付けられており、このノード61cは、「正常」が連関度w17で、また「異常(湿度が高い)」が連関度w18で関連付けられている。このような連関度の結果、w17、w18に基づいて、実際にその新たに設備データ、家畜育成フェーズデータとを取得した飼育舎における飼育環境の正常性を判別していくことになる。 In determining the breeding environment, the degree of association shown in FIG. 6 acquired in advance is referred to. For example, when the acquired equipment data is the same as or similar to the reference equipment data P02 and the acquired livestock breeding phase data corresponds to the reference livestock breeding phase data P23, the combination is associated with the node 61c. In this node 61c, "normal" is associated with the degree of association w17, and "abnormal (high humidity)" is associated with the degree of association w18. As a result of such a degree of association, based on w17 and w18, the normality of the breeding environment in the breeding house where the newly acquired equipment data and livestock breeding phase data are actually acquired will be determined.
図7は、上述した参照用設備データと、参照用環境データに加えて、更に参照用家畜行動データとの組み合わせと、当該組み合わせに対する飼育環境の正常性との3段階以上の連関度が設定されている例を示している。 In FIG. 7, in addition to the above-mentioned reference equipment data and reference environment data, a combination of reference livestock behavior data and the normality of the breeding environment with respect to the combination are set to three or more levels of association. An example is shown.
かかる場合において、連関度は、図7に示すように、参照用設備データと、参照用環境データと、参照用家畜行動データとの組み合わせの集合が上述と同様に中間ノードのノード61a〜61eとして表現されることとなる。
In such a case, as shown in FIG. 7, the degree of association is such that the set of combinations of the reference equipment data, the reference environment data, and the reference livestock behavior data is set as the
例えば、図7において、ノード61cは、参照用設備データP02が連関度w3で、参照用環境データP15が連関度w7で、参照用家畜行動データP19が連関度w11で連関している。同様にノード61eは、参照用家畜データP03が連関度w5で、参照用環境データP15が連関度w8で、参照用家畜行動データP18が連関度w10で連関している。
For example, in FIG. 7, the reference equipment data P02 is associated with the reference degree w3, the reference environment data P15 is associated with the association degree w7, and the reference livestock behavior data P19 is associated with the association degree w11. Similarly, in the
このような連関度が設定されている場合も同様に、新たに取得した設備データ、環境データ、家畜行動データに基づいて、飼育環境を判別する。 Similarly, when such a degree of association is set, the breeding environment is determined based on the newly acquired equipment data, environmental data, and livestock behavior data.
この飼育環境を判別する上で予め取得した図7に示す連関度を参照する。例えば、取得した設備データが参照用設備データP02に同一又は類似で、取得した環境データが参照用環境データP15に対応し、更に取得した家畜行動データが参照用家畜行動データP19に対応する場合、その組み合わせはノード61cが関連付けられており、このノード61cは、「正常」が連関度w17で、また「異常(湿度が高い)」が連関度w18で関連付けられている。このような連関度の結果、w17、w18に基づいて、実際に探索解を求めていくことになる。 In determining the breeding environment, the degree of association shown in FIG. 7 acquired in advance is referred to. For example, when the acquired equipment data is the same as or similar to the reference equipment data P02, the acquired environmental data corresponds to the reference environment data P15, and the acquired livestock behavior data corresponds to the reference livestock behavior data P19. The combination is associated with a node 61c, in which "normal" is associated with a degree of association w17 and "abnormal (high humidity)" is associated with a degree of association w18. As a result of such a degree of association, a search solution is actually obtained based on w17 and w18.
このような入力パラメータの種類を3種類以上にわたり組み合わせる場合には、参照用設備データに加え、参照用環境データ、参照用家畜行動データ、参照用家畜育成フェーズデータの何れか2以上で組み合わせが構成されたものであっても適用可能である。 When combining three or more types of such input parameters, the combination is composed of any two or more of the reference environment data, the reference livestock behavior data, and the reference livestock breeding phase data in addition to the reference equipment data. It is applicable even if it has been done.
第2実施形態
以下、第2実施形態について説明をする。この第2実施形態において使用するシステムは、上述した第1実施形態における図1、2において説明した飼育環境判別システム1を利用する。
Second Embodiment Hereinafter, the second embodiment will be described. The system used in the second embodiment uses the breeding
図8は、参照用供給量データと需給環境との3段階以上の連関度が予め設定され、取得されていることが前提となる。参照用供給量データとは、家畜についてパイプラインやプラント設備を通じて供給される飼料や水等の供給量に関する情報である。この供給量は例えばリットル/秒等の単位で示されるものであってもよい。 FIG. 8 is based on the premise that three or more levels of association between the reference supply amount data and the supply and demand environment are set and acquired in advance. Reference supply data is information on the supply of feed, water, etc. supplied through pipelines and plant equipment for livestock. This supply amount may be expressed in units such as liters / second.
参照用供給量データは、このような供給量について直接的、又は間接的にセンサや計測器を取り付け、取得したあらゆるデータを含む。上述した各種設備に供給される水の供給量、飼料の供給量は、例えば流量計や、重さ計測装置、計量装置、これらの液体を貯蔵するタンクにおける液体の残量等を通じて計測したデータを介して取得することができる。 Reference supply data includes any data obtained by directly or indirectly attaching sensors or instruments to such supplies. The amount of water supplied to the various facilities described above and the amount of feed supplied are measured through, for example, a flow meter, a weight measuring device, a measuring device, and the remaining amount of liquid in a tank for storing these liquids. Can be obtained through.
需給環境は、例えば水が多すぎる、水が少ない、飼料が少ない、飼料がちょうどよい等、実際に家畜に対して供給される水、肥料、農薬が実際に足りているのか、或いは足りていないのか、更には供給過剰であるのか、また需給関係がちょうど良い状態にあるのかを示すデータである。この需給環境については、水が少なければ家畜の喉が渇きがちになり、水が多ければ、家畜が水を飲みすぎたり、水資源の無駄遣いになってしまう。これらの状況を人間が識別した上で、供給度合を数値で判定してデータ化してもよいし、家畜や土壌の画像を撮像し、当該家畜の動きや厩舎内における水たまりの度合等を画像解析、必要に応じてディープラーニング技術を利用した、解析画像の特徴量に基づいて自動判別し、需給環境をデータ化してもよい。飼料についても、飼料が少なすぎれば、家畜を太らせることができず、多くの肉を取ることができなくなる一方で飼料が多すぎると、却って肉質が低下したり、飼料の無駄使いになっていまう。その度合いを人間が判定し、或いは撮像した画像を解析することでその度合を抽出し、需給環境のデータとしてもよい。 The supply and demand environment is, for example, too much water, little water, low feed, just right feed, etc., and the water, fertilizers, and pesticides that are actually supplied to livestock are actually sufficient or insufficient. It is data showing whether it is oversupplied, whether it is oversupplied, and whether the supply-demand relationship is in a good condition. In this supply and demand environment, livestock tend to be thirsty if there is little water, and if there is a lot of water, livestock drink too much water and waste water resources. After humans identify these situations, the degree of supply may be determined numerically and converted into data, or images of livestock and soil may be imaged, and the movement of the livestock and the degree of puddle in the barn may be analyzed. If necessary, the supply / demand environment may be converted into data by automatically discriminating based on the feature amount of the analyzed image using deep learning technology. As for feed, if the feed is too small, the livestock cannot be fattened and a large amount of meat cannot be obtained. On the other hand, if the feed is too large, the meat quality is deteriorated or the feed is wasted. Let's go. The degree may be determined by a human being, or the degree may be extracted by analyzing the captured image and used as data of the supply and demand environment.
このようにして得られた参照用供給量データと、これに対する需給環境のデータとのデータセットを学習させることにより、図8に示す連関度を構成する。 By learning the data set of the reference supply amount data thus obtained and the data of the supply and demand environment with respect to the data set, the degree of association shown in FIG. 8 is constructed.
また、この図8に示す連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。 Further, the degree of association shown in FIG. 8 may be composed of the nodes of the neural network in artificial intelligence. That is, the weighting coefficient for the output of the node of this neural network corresponds to the above-mentioned degree of association. Further, the network is not limited to a neural network, and may be composed of all decision-making factors constituting artificial intelligence.
かかる場合には、図9に示すように、入力データとして参照用供給量データが入力され、出力データとして各需給環境が出力され、入力ノードと出力ノードの間に少なくとも1以上の隠れ層が設けられ、機械学習させるようにしてもよい。また、逆に需給環境が入力で参照用供給量データが出力となるように構成されていてもよい。 In such a case, as shown in FIG. 9, reference supply amount data is input as input data, each supply and demand environment is output as output data, and at least one or more hidden layers are provided between the input node and the output node. It may be made to be machine-learned. On the contrary, the supply and demand environment may be configured to be an input and the reference supply amount data may be output.
図8の例では、入力データとして例えば参照用供給量データP01〜P03であるものとする。このような入力データとしての参照用供給量データは、出力に連結している。この出力においては、出力解としての、需給環境が表示されている。 In the example of FIG. 8, it is assumed that the input data is, for example, reference supply amount data P01 to P03. The reference supply amount data as such input data is linked to the output. In this output, the supply and demand environment as an output solution is displayed.
参照用供給量データは、この出力解としての、需給環境に対して3段階以上の連関度を通じて互いに連関しあっている。参照用供給量データがこの連関度を介して左側に配列し、各需給環境が連関度を介して右側に配列している。連関度は、左側に配列された参照用供給量データに対して、何れの需給環境と関連性が高いかの度合いを示すものである。換言すれば、この連関度は、各参照用供給量データが、いかなる需給環境に紐付けられる可能性が高いかを示す指標であり、参照用供給量データから最も確からしい需給環境を選択する上での的確性を示すものである。図8の例では、連関度としてw13〜w19が示されている。このw13〜w19は以下の表1に示すように10段階で示されており、10点に近いほど、中間ノードとしての各組み合わせが出力としての需給環境と互いに関連度合いが高いことを示しており、逆に1点に近いほど中間ノードとしての各組み合わせが出力としての値段と互いに関連度合いが低いことを示している。 The reference supply amount data are related to each other through three or more levels of association with the supply and demand environment as this output solution. The reference supply data is arranged on the left side through this degree of association, and each supply and demand environment is arranged on the right side through this degree of association. The degree of association indicates the degree of relevance to which supply and demand environment the reference supply amount data arranged on the left side. In other words, this degree of association is an indicator of what supply and demand environment each reference supply data is likely to be associated with, and is used to select the most probable supply and demand environment from the reference supply data. It shows the accuracy in. In the example of FIG. 8, w13 to w19 are shown as the degree of association. These w13 to w19 are shown in 10 stages as shown in Table 1 below, and the closer to 10 points, the higher the degree of relevance of each combination as an intermediate node to the supply and demand environment as an output. On the contrary, the closer to one point, the lower the degree of relevance of each combination as an intermediate node to the price as an output.
判別装置2は、このような図8に示す3段階以上の連関度w13〜w19を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用供給量データと、その場合の需給環境がどの程度であったか、過去のデータを蓄積しておき、これらを分析、解析することで図8に示す連関度を作り上げておく。
The discriminating
例えば、参照用供給量データが、飼料の供給量に関するデータであるとする。この飼料の供給量において、実際に家畜の飼育を続けたところ、あまり家畜が大きく育たないケースが多く、飼料が少ないことを原因であることを分析したものとする。このようなデータセットを集めて分析することにより、参照用供給量データと、需給環境として飼料が少なすぎることとの連関度が強くなる。 For example, suppose that the reference supply data is data related to the feed supply. It is analyzed that the cause of this feed supply is that when livestock are actually bred, the livestock often do not grow very large and the feed is scarce. By collecting and analyzing such data sets, the degree of association between the reference supply data and the supply and demand environment of too little feed becomes stronger.
この分析、解析は人工知能により行うようにしてもよい。かかる場合には、例えば参照用供給量データP01である場合に、過去の需給環境のデータから分析する。参照用供給量データP01である場合に、需給環境が水が供給過多の事例が多い場合には、その水が供給過多につながる連関度をより高く設定し、需給環境のバランスが取れている事例が多い場合には、このバランスが取れている事例につながる連関度をより高く設定する。例えば参照用供給量データP01の例では、飼料が多すぎると、飼料が少ないにリンクしているが、以前の事例から飼料が多すぎるにつながるw13の連関度を7点に、飼料が少ないにつながるw14の連関度を2点に設定している。 This analysis and analysis may be performed by artificial intelligence. In such a case, for example, in the case of reference supply amount data P01, analysis is performed from the data of the past supply and demand environment. In the case of reference supply data P01, if there are many cases where the supply and demand environment is oversupplied with water, the degree of association that leads to the oversupply of water is set higher, and the supply and demand environment is balanced. If there are many, set a higher degree of association that leads to this balanced case. For example, in the example of the supply amount data P01 for reference, if there is too much feed, it is linked to less feed. The degree of association of the connected w14 is set to 2 points.
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに需給環境を判別しようとする際において、上述した学習済みデータを利用して需給環境を判別することとなる。かかる場合には、その需給環境を作り出す各種設備の供給量データを新たに取得する。 Such a degree of association is what is called learned data in artificial intelligence. After creating such learned data, when actually trying to determine the supply and demand environment from now on, the supply and demand environment will be determined by using the above-mentioned learned data. In such a case, the supply amount data of various facilities that create the supply and demand environment is newly acquired.
新たに取得する供給量データは、上述した情報取得部9により入力される。
The newly acquired supply amount data is input by the
このようにして新たに取得した供給量データに基づいて、実際にその設備により作り出される需給環境を判別する。かかる場合には、予め取得した図8、9(表1)に示す連関度を参照する。例えば、新たに取得した供給量データがP02と同一かこれに類似するものである場合には、連関度を介して「水が少ない」がw15、「飼料が少ない」が連関度w16で関連付けられている。かかる場合には、連関度のもっと高い「水が少ない」を最適解として選択する。但し、最も連関度の高いものを最適解として選択することは必須ではなく、連関度は低いものの連関性そのものは認められる「飼料が少ない」を最適解として選択するようにしてもよい。また、これ以外に矢印が繋がっていない出力解を選択してもよいことは勿論であり、連関度に基づくものであれば、その他いかなる優先順位で選択されるものであってもよい。 Based on the supply amount data newly acquired in this way, the supply and demand environment actually created by the equipment is determined. In such a case, the degree of association shown in FIGS. 8 and 9 (Table 1) acquired in advance is referred to. For example, when the newly acquired supply amount data is the same as or similar to P02, "less water" is associated with w15 and "less feed" is associated with w16 through the degree of association. ing. In such a case, “less water” with a higher degree of association is selected as the optimum solution. However, it is not essential to select the one with the highest degree of association as the optimum solution, and it is also possible to select "there is little feed" as the optimum solution, although the degree of association is low but the association itself is recognized. In addition to this, it goes without saying that an output solution to which the arrows are not connected may be selected, and as long as it is based on the degree of association, it may be selected in any other priority.
このようにして、新たに取得する供給量データから、需給環境がいかなる状態にあるのか、詳細を把握することができる。また、需給環境において現在発生している需給環境の悪さを判別する場合のみならず、近いうちに需要過多、供給過多のアンバランスが発生する可能性があることを判別することが可能となる。かかる場合には、学習させるデータセットとして、供給量データを時系列的に取得したものを利用し、その結果、アンバランスが発生したか否かを紐付ける。例えば時系列的に取得した供給量が、最終的に供給過多として家畜の収益率や家畜からの畜産収率が悪化した場合、その供給量の時系列的変化の過程を、需給環境のアンバランスと紐付けて学習する。このような学習用データセットで学習させ、連関度を通じて紐付けておくことにより、将来におけるアンバランスを判別することが可能となる。またアンバランスが現時点において、或いは将来において発生するのであれば、注意喚起をするためのアラートを流すことができる。 In this way, it is possible to grasp the details of the state of the supply and demand environment from the newly acquired supply amount data. Further, it is possible not only to determine the bad supply and demand environment currently occurring in the supply and demand environment, but also to determine that an imbalance between excess demand and excess supply may occur in the near future. In such a case, as the data set to be trained, the supply amount data acquired in time series is used, and as a result, whether or not an imbalance has occurred is linked. For example, if the supply amount acquired in chronological order eventually becomes oversupplied and the rate of return of livestock or the livestock yield from livestock deteriorates, the process of time-series change in the supply amount is unbalanced in the supply and demand environment. Learn by associating with. By training with such a learning data set and associating it through the degree of association, it becomes possible to determine the imbalance in the future. Also, if an imbalance occurs at the present time or in the future, an alert to call attention can be sent.
なお、需給環境を新たに判別する際に、プラント設備から飼料の供給量、水の供給量の何れか1以上のうち参照用供給量データに対応する供給量データを取得することが前提となる。例えば、上述した連関度が、水の供給量からなる参照用供給量データとの関係において構築されている場合、この新たに判別する際に取得する供給量データもこれに対応する、水の供給量に関するものを取得する。かかる場合には、データセットとして取得する需給環境は水の需給環境を判別することとなる。 When newly determining the supply and demand environment, it is a prerequisite to acquire the supply amount data corresponding to the reference supply amount data from any one or more of the feed amount and the water supply amount from the plant equipment. .. For example, when the above-mentioned degree of association is constructed in relation to the reference supply amount data consisting of the water supply amount, the supply amount data acquired at the time of this new determination also corresponds to the water supply. Get things about quantity. In such a case, the supply and demand environment acquired as a data set will determine the supply and demand environment of water.
なお、参照用供給量データは、飼料の供給量、水の供給量のうち、互いに異種の組み合わせで構成されていてもよい。例えば、図9に示す参照用供給量データP01が飼料の供給量であり、参照用供給量データP02が水の供給量であるとき、需給環境は、飼料と水の需給環境について一つの探索解の中に合わせて表示するようにしてもよい。 The reference supply amount data may be composed of different combinations of feed supply amount and water supply amount. For example, when the reference supply amount data P01 shown in FIG. 9 is the feed amount and the reference supply amount data P02 is the water supply amount, the supply and demand environment is one search solution for the feed and water supply and demand environment. It may be displayed according to the inside.
なお、この参照用供給量データは、飼料の供給量、水の供給量等の液体、固体で構成される場合に限定されるものでは無く、ガスや酸素、二酸化炭素、窒素等の空気の構成成分等といった気体を供給する場合においても同様に適用してもよい。また暖房や冷房等を入れる場合も気体を供給することになるが、温風や冷風の供給量もこの参照用供給量データに含めてもよい。 Note that this reference supply amount data is not limited to the case where it is composed of a liquid such as a feed amount and a water supply amount and a solid, and is composed of air such as gas, oxygen, carbon dioxide, and nitrogen. The same may be applied when supplying a gas such as a component. In addition, gas is supplied when heating, cooling, etc. are turned on, but the supply amount of hot air or cold air may be included in the supply amount data for reference.
かかる場合には、これらガスの参照用供給量データと需給環境との間で図8、9に示すように連関度を予め構成しておく。そして、新たに需給環境を判別したい場合には、現在における気体の供給量データを新たに取得し、実際の需給環境を判別する。かかる場合には、予め取得した図8、9(表1)に示す連関度を参照し、同様の方法により需給環境を判別する。気体の供給量は、気体を供給するパイプラインにおいて流量計を設置することで計測するようにしてもよい。また需給環境のデータの取得は、上述と同様である。 In such a case, the degree of association is configured in advance between the reference supply amount data of these gases and the supply and demand environment as shown in FIGS. 8 and 9. Then, when it is desired to newly determine the supply and demand environment, the current gas supply amount data is newly acquired and the actual supply and demand environment is determined. In such a case, the supply and demand environment is determined by the same method with reference to the degree of association shown in FIGS. 8 and 9 (Table 1) acquired in advance. The amount of gas supplied may be measured by installing a flow meter in the pipeline that supplies the gas. The acquisition of supply and demand environment data is the same as described above.
このようにして、気体を供給する場合においても、新たに取得する供給量データから、需給環境がいかなる状態にあるのか、詳細を把握することができる。また、需給環境において現在発生している需給環境の悪さを判別する場合のみならず、近いうちに需要過多、供給過多のアンバランスが発生する可能性があることを判別することが可能となる。かかる場合には、学習させるデータセットとして、供給量データを時系列的に取得したものを利用し、その結果、アンバランスが発生したか否かを紐付ける。例えば時系列的に取得した酸素の供給量や温風の供給量が、最終的に供給不足として家畜の健康が悪化した場合、その供給量の時系列的変化の過程を、酸素や温風の需給環境のアンバランスと紐付けて学習する。このような学習用データセットで学習させ、連関度を通じて紐付けておくことにより、将来におけるアンバランスを判別することが可能となる。またアンバランスが現時点において、或いは将来において発生するのであれば、注意喚起をするためのアラートを流すことができる。 In this way, even when the gas is supplied, it is possible to grasp the details of the state of the supply and demand environment from the newly acquired supply amount data. Further, it is possible not only to determine the bad supply and demand environment currently occurring in the supply and demand environment, but also to determine that an imbalance between excess demand and excess supply may occur in the near future. In such a case, as the data set to be trained, the supply amount data acquired in time series is used, and as a result, whether or not an imbalance has occurred is linked. For example, if the supply of oxygen and the supply of warm air acquired in chronological order eventually deteriorates the health of livestock due to a shortage of supply, the process of chronological change of the supply of oxygen and warm air will be described. Learn by linking with the imbalance of the supply and demand environment. By training with such a learning data set and associating it through the degree of association, it becomes possible to determine the imbalance in the future. Also, if an imbalance occurs at the present time or in the future, an alert to call attention can be sent.
なお、家畜の飼育環境は、供給量データを介して判別する場合に限定するものでは無く、図10に示すような参照用排出量データを介して判別するものであってもよい。 The breeding environment of livestock is not limited to the case of determining via supply amount data, and may be determined via reference emission amount data as shown in FIG.
この参照用排出量データは、家畜の厩舎等に残存している糞や尿などの排泄物の排出量を示すデータである。排泄物が残っていると家畜の健康に害を与えることになり、結果として取ることができる肉質や肉の量が減ってしまい、或いは健康を害した家畜が死んでしまえば、肉が全く取れなくなってしまう。このため、排泄物の排出環境を判別することを人工知能により行わせる。 This reference discharge data is data showing the discharge of excrement such as feces and urine remaining in the stables of livestock and the like. Remaining excrement is harmful to the health of livestock, and as a result, the quality of meat and the amount of meat that can be obtained are reduced, or if the livestock that is injured dies, the meat is completely removed. It will disappear. Therefore, artificial intelligence is used to determine the discharge environment of excrement.
かかる場合には、家畜を飼育する飼育環境から取得した、排泄物の排出量からなる参照用排出量データと、これらの排出環境との3段階以上の連関度を予め取得しておく。排出環境とは、例えば、清浄な状態であるか、或いは糞が残存しているか、尿が残存しているか、糞尿が共に著しく溜まっているか、等、排泄物の排出に関する状況を示すものである。 In such a case, reference emission data consisting of excrement emissions acquired from the breeding environment in which livestock are raised and the degree of association with these emission environments at three or more levels are acquired in advance. The excretion environment indicates, for example, a state related to excrement discharge, such as whether it is in a clean state, whether feces remain, urine remains, or both feces and urine are significantly accumulated. ..
排出量のデータは、パイプライン等を介して排泄物を排出するのであれば、その流量を測定するようにしてもよいし、実際にバキュームカー等で排泄物を排出するのであれば、そのバキュームカーにおけるタンクに貯留された排泄物の量を計量するようにしてもよい。また排出量の代わりに、厩舎における排泄物の残存量を取得するようにしてもよい。この排泄物の残存量は、カメラにより厩舎の床を撮像することで、床の上に溜まっている排泄物の量を画像解析により定量化することで求めてもよい。このとき、厩舎内における排泄物の溜まり度合等を画像解析、必要に応じてディープラーニング技術を利用した、解析画像の特徴量に基づいて自動判別してデータ化してもよい。 As for the discharge amount data, if the excrement is discharged via a pipeline or the like, the flow rate may be measured, or if the excrement is actually discharged by a vacuum car or the like, the vacuum may be measured. The amount of excrement stored in the tank in the car may be measured. Further, instead of the amount of discharge, the remaining amount of excrement in the stable may be obtained. The residual amount of excrement may be determined by imaging the floor of the stable with a camera and quantifying the amount of excrement accumulated on the floor by image analysis. At this time, the degree of accumulation of excrement in the stable may be automatically discriminated based on the feature amount of the analyzed image by image analysis and, if necessary, deep learning technology, and converted into data.
排出環境については、例えば家畜の動きや健康状況から判別してもよい。厩舎内が不潔であると、家畜の動きが元気がなくなり、病気になると寝込んでしまう場合もある。このような家畜の動きをデータ化し、必要に応じてディープラーニング技術を利用した、解析画像の特徴量に基づいて自動判別してデータ化してもよい。また厩舎内が不潔であると食欲不振になる場合があることから、飼料の消化量や水の消費量を排出環境のデータとしてもよい。更には、取れた肉の量や養鶏場であれば卵の大きさ、更に乳牛であれば採取することができた生乳の量や質等も排出環境のデータとして用いるようにしてもよい。 The discharge environment may be determined from, for example, the movement and health status of livestock. If the stables are unclean, the livestock will lose their vitality, and if they get sick, they may fall asleep. Such movements of livestock may be converted into data, and if necessary, automatically discriminated based on the feature amount of the analysis image using deep learning technology and converted into data. In addition, if the inside of the stable is unclean, the appetite may be lost. Therefore, the amount of digested feed and the amount of water consumed may be used as the data of the discharge environment. Furthermore, the amount of meat collected, the size of eggs in the case of poultry farms, and the amount and quality of raw milk collected in the case of dairy cows may be used as data on the discharge environment.
このようにして、参照用排出量データと、排出環境間のデータセットを作っておき、上述と同様に排出環境の解探索を行っていくことになる。かかる場合には、排出環境を新たに判別する際に、排泄物の排出量データを取得する。次に、取得した連関度を利用し、取得した排出量データに基づき、排出環境を判別し、その環境がいかなる状態にあるのか、詳細を把握することができる。 In this way, the reference emission data and the data set between the emission environments are created, and the solution search for the emission environment is performed in the same manner as described above. In such a case, when the discharge environment is newly determined, the excrement discharge amount data is acquired. Next, using the acquired degree of association, the emission environment can be determined based on the acquired emission data, and the details of the state of the environment can be grasped.
なお、第2実施形態においては需給環境や排出環境を判別する場合を例にとり説明をしたが、これに限定されるものでは無い。この需給環境や排出環境から、飼育環境の現状が正常であるか否かを判別することができる。例えば需給環境や排出環境が、バランスがちょうど良い旨が判定された場合や、需要と供給のバランスにずれがあっても家畜の成長を妨げるほどではない場合には、飼育環境が正常である旨を判定する。一方、需給環境や排出環境が、例えば「飼料が足りない」、「糞が溜まっている」等のように大きくバランスを欠く場合には、異常と判断するようにしてもよい。 In the second embodiment, the case of determining the supply and demand environment and the emission environment has been described as an example, but the present invention is not limited to this. From this supply and demand environment and emission environment, it is possible to determine whether or not the current state of the breeding environment is normal. For example, if it is judged that the supply and demand environment and the emission environment are just right, or if the balance between supply and demand does not hinder the growth of livestock, the breeding environment is normal. To judge. On the other hand, if the supply and demand environment and the discharge environment are largely out of balance, such as "insufficient feed" or "accumulation of feces", it may be determined to be abnormal.
このようにして、各需給環境の出力に対して正常、異常を紐付けておき、この正常、異常を出力するようにしてもよい。正常、異常が判定された場合の具体的なプロセスは、第1実施形態と同様である。 In this way, normal and abnormal may be linked to the output of each supply and demand environment, and the normal and abnormal may be output. The specific process when normal or abnormal is determined is the same as that of the first embodiment.
また、このようにして各需給環境の出力に対して紐付けられた正常、異常(以下、正常性という。)を、上述した参照用供給量データや、参照用排出量データとの関係において、学習させるようにしてもよい。つまり、図11に示すように、参照用供給量データと、需給環境を介して紐づけられる飼育環境の正常性との関係において互いに学習させることで連関度を形成させる。他の参照用排出量データについても同様である。 In addition, the normality and abnormality (hereinafter referred to as normality) associated with the output of each supply and demand environment in this way are referred to in relation to the above-mentioned reference supply amount data and reference emission amount data. You may let them learn. That is, as shown in FIG. 11, the degree of association is formed by learning from each other in the relationship between the reference supply amount data and the normality of the breeding environment linked via the supply and demand environment. The same applies to other reference emission data.
実際に飼育環境を判別したい場合には、上述した供給量データを入力することで、これに応じた飼育環境をこの連関度を利用することで判別することが可能となる。他の排出量データが入力された場合も同様に飼育環境を判別することが可能となる。 When it is desired to actually determine the breeding environment, it is possible to determine the breeding environment according to the above-mentioned supply amount data by using this degree of association. When other emission data is input, it is possible to determine the breeding environment in the same manner.
また、参照用供給量データや、参照用排出量データは、第1実施形態における図4〜6に示すように、参照用環境データ、参照用家畜状態データ、参照用家畜育成フェーズデータとの各組み合わせの連関度を介して飼育環境と紐付けられていてもよい。つまり、図4〜6における参照用設備データが、参照用供給量データや、参照用排気量データ、参照用光量データの何れかに代替されることになる。かかる場合においても第1実施形態と同様に、飼育環境を判別することが可能となる。 Further, the reference supply amount data and the reference emission amount data are each of the reference environment data, the reference livestock state data, and the reference livestock breeding phase data, as shown in FIGS. 4 to 6 in the first embodiment. It may be associated with the breeding environment through the degree of association of the combination. That is, the reference equipment data in FIGS. 4 to 6 is replaced with any of the reference supply amount data, the reference exhaust amount data, and the reference light amount data. Even in such a case, it is possible to determine the breeding environment as in the first embodiment.
第3実施形態
以下、第3実施形態について説明をする。この第3実施形態において使用するシステムは、上述した第1実施形態における図1、2において説明した飼育環境判別システム1を利用する。また、第3実施形態では、第1実施形態、第2実施形態において説明した各連関度による探索解を利用する。
Third Embodiment Hereinafter, the third embodiment will be described. The system used in the third embodiment uses the breeding
図12は、参照用飼育環境と成育状況との3段階以上の第2連関度が予め設定されている例である。この第2連関度は、人工知能におけるニューラルネットワークのノードで構成されるものであってもよい。即ち、このニューラルネットワークのノードが出力に対する重み付け係数が、上述した連関度に対応することとなる。またニューラルネットワークに限らず、人工知能を構成するあらゆる意思決定因子で構成されるものであってもよい。かかる場合には、入力データとして参照用飼育環境が入力され、出力データとして家畜の成育状況が出力され、入力ノードと出力ノードの間に少なくとも1以上の隠れ層が設けられ、機械学習させるようにしてもよい。また、逆に成育状況が入力で参照用飼育環境が出力となるように構成されていてもよい。 FIG. 12 shows an example in which a second degree of association of three or more stages between the reference breeding environment and the growth status is preset. This second degree of association may be composed of the nodes of the neural network in artificial intelligence. That is, the weighting coefficient for the output of the node of this neural network corresponds to the above-mentioned degree of association. Further, the network is not limited to a neural network, and may be composed of all decision-making factors constituting artificial intelligence. In such a case, the breeding environment for reference is input as input data, the growth status of livestock is output as output data, and at least one hidden layer is provided between the input node and the output node so that machine learning is performed. You may. On the contrary, the growth status may be input and the reference breeding environment may be output.
参照用飼育環境は、第1実施形態における出力データとしての飼育環境に対応する。第1実施形態は、飼育環境の正常性を出力とする場合を例に挙げているが、これに限定されるものでは無く、飼育環境そのものであってもよい。この飼育環境そのものとは、第1実施形態における飼育環境は、正常なのか、或いは異常が発生しているのであれば、具体的な異常の内容を示すものであり、例えば、温度が低い、飼料が少ない等である。 The reference breeding environment corresponds to the breeding environment as output data in the first embodiment. The first embodiment gives an example of the case where the normality of the breeding environment is output, but the present invention is not limited to this, and the breeding environment itself may be used. The breeding environment itself indicates the specific content of the abnormality if the breeding environment in the first embodiment is normal or if an abnormality has occurred, for example, a feed having a low temperature. There are few, etc.
探索解としての成育状況は、家畜から取れる肉の量、家畜から得た肉の品質や味、家畜の個体あたり収率等、成長した家畜がどの程度成育しているかを示すものである。但し、この成育状況は、これらに限定されるものでは無く、成育途上の家畜がどの程度成育しているかを示すものであってもよく、例えば、家畜が7割程度成長したのか、9割程度成長したかを示すものであってもよい。 The growth status as an exploratory solution indicates how much the grown livestock is growing, such as the amount of meat that can be obtained from the livestock, the quality and taste of the meat obtained from the livestock, and the yield per individual livestock. However, this growth situation is not limited to these, and may indicate how much the growing livestock is growing. For example, whether the livestock has grown by about 70% or about 90%. It may indicate whether it has grown.
このようにして得られた参照用飼育環境と、これに対する成育状況のデータとのデータセットを学習させることにより、図12に示す連関度を構成する。 The degree of association shown in FIG. 12 is constructed by learning a data set of the reference breeding environment thus obtained and the data of the growth status with respect to the breeding environment.
判別装置2は、このような図12に示す3段階以上の連関度w13〜w19を予め取得しておく。つまり判別装置2は、実際の探索解の判別を行う上で、参照用飼育環境と、その場合の成育状況がどの程度であったか、過去のデータを蓄積しておき、これらを分析、解析することで図12に示す連関度を作り上げておく。
The discriminating
例えば、参照用飼育環境として温度も高い状態が続いた場合、成育状況として家畜から取れる肉の量が低下をしてしまったのであれば、その低下してしまった肉の量に対する連関度が強くなる。これに対して、参照用飼育環境として温度がベストな状態が続くものであった場合、成育状況として家畜から取れる肉の量が上昇したのであれば、その上昇した肉の量に対する連関度が強くなる。この分析、解析は人工知能により行うようにしてもよい。 For example, if the temperature of the reference breeding environment continues to be high and the amount of meat that can be obtained from livestock has decreased as a growing condition, the degree of association with the decreased amount of meat is strong. Become. On the other hand, if the temperature remains the best as a reference breeding environment and the amount of meat that can be obtained from livestock increases as a growing condition, the degree of association with the increased amount of meat is strong. Become. This analysis and analysis may be performed by artificial intelligence.
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに成育状況を判別しようとする際において、先ず、第1実施形態、第2実施形態を通じて飼育環境の探索解を得る。次に、この探索解としての飼育環境に対応する参照用飼育環境を入力とし、出力である成育状況を探索する。 Such a degree of association is what is called learned data in artificial intelligence. After creating such learned data, when actually trying to determine a new growth situation from now on, first, a search solution of the breeding environment is obtained through the first embodiment and the second embodiment. Next, the reference breeding environment corresponding to the breeding environment as the search solution is input, and the growth status, which is the output, is searched.
このようにして、第1実施形態、第2実施形態を通じて飼育環境の探索解から、実際の家畜の成育状況がどのようなものであるかを農家に理解してもらうことが可能となり、農家もその成育状況から、今後の畜産業改善策の指針を考えることもできる。 In this way, it becomes possible for the farmers to understand what the actual growth situation of livestock is from the search solution of the breeding environment through the first embodiment and the second embodiment, and the farmers can also understand. From the growth situation, it is possible to think of guidelines for future livestock industry improvement measures.
図13は、参照用飼育環境と飼育方法との3段階以上の第2連関度が予め設定されている例である。 FIG. 13 shows an example in which a second degree of association of three or more stages between the reference breeding environment and the breeding method is preset.
飼育方法は、家畜に対して実際にどのように飼育するべきかを示すあらゆる情報やデータからなる。例えば、「飼料の配合成分〇〇とし、一日2回、温度は16℃、一日4時間放牧」や、「飼料の配合成分▲△とし、一日3回、温度は26℃、一日2時間放牧」等、具体的な飼育方法に関する助言に近い内容が含まれていてもよい。以前のデータにおいて実際の飼育方法を調査し、どの飼育方法が肉の収量や品質を向上させる上でベストであるかを調べることでその飼育方法に関するデータを取得する。かかる場合において、この第2連関度は、飼育環境に関するデータと、これに対して過去いかなる飼育方法を施し、その結果、家畜の収穫量や品質がどの程度であったかを調べた上で、この連関度を形成させる。これらのデータセットを学習させる上で、実際に家畜からの肉や生乳、卵の収量や品質が高かった参照用飼育環境と家畜の飼育方法とのデータセット間の連関度をより高くし、逆にこれらが低かった参照用飼育環境と家畜の飼育方法とのデータセット間の連関度がより低くなるように学習させるようにしてもよい。
The breeding method consists of all the information and data that indicate how the livestock should actually be bred. For example, "Food compounding ingredient 〇〇, twice a day, temperature 16 ℃, grazing for 4 hours a day" or "Feed compounding ingredient ▲ △, 3 times a day,
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに飼育方法を判別しようとする際において、先ず、第1実施形態、第2実施形態を通じて飼育環境の探索解を得る。次に、この探索解としての飼育環境に対応する参照用飼育環境を入力とし、出力である飼育方法を探索する。 Such a degree of association is what is called learned data in artificial intelligence. After creating such learned data, when actually trying to determine a new breeding method from now on, first, a search solution of the breeding environment is obtained through the first embodiment and the second embodiment. Next, the reference breeding environment corresponding to the breeding environment as the search solution is input, and the breeding method that is the output is searched.
このようにして、第1実施形態、第2実施形態を通じて飼育環境の探索解から、実際の飼育方法がどのようなものであるかを農家に理解してもらうことが可能となり、酪農家等もその飼育方法から、今後の畜産業改善策の指針を考えることもできる。 In this way, it becomes possible for farmers to understand what the actual breeding method is from the search solution of the breeding environment through the first embodiment and the second embodiment, and dairy farmers and the like can also understand. From the breeding method, it is possible to consider guidelines for future livestock industry improvement measures.
図14は、参照用飼育環境と飼育を行う上での制御指示情報との3段階以上の第2連関度が予め設定されている例である。 FIG. 14 is an example in which a second degree of association of three or more stages between the reference breeding environment and the control instruction information for breeding is preset.
制御指示情報とは、飼育環境を作り出す上で必要な設備(デバイス)を制御するためのあらゆる情報である。飼育環境は、温度、湿度、飼料の供給量、水の供給量、供給するガスの流量や気流の流量並びに方向、照明の照度等によって決まるが、これらの供給を制御するための指示情報が、制御指示情報である。例えば温度や湿度については空調設備、飼料や水の供給は、パイプラインやプラント設備等を通じて行われる。またガスや気流についてもパイプラインやプラント設備等を通じて行われる。また、照明の照度は照明設備を通じて行われる。具体的には、この制御指示情報は、水を噴射するスプリンクラーを1分間行うように指示するものや、温室内の暖房を停止させるなどの処理動作を規定するものである。或いは遮光カーテンを自動開閉する制御システムへの制御指示情報等であってもよい。 The control instruction information is all information for controlling the equipment (device) necessary for creating the breeding environment. The breeding environment is determined by temperature, humidity, feed supply, water supply, gas flow rate and airflow flow rate and direction, lighting illuminance, etc., but the instruction information for controlling these supplies is This is control instruction information. For example, for temperature and humidity, air conditioning equipment is used, and feed and water are supplied through pipelines and plant equipment. In addition, gas and airflow are also carried out through pipelines and plant equipment. In addition, the illuminance of lighting is performed through lighting equipment. Specifically, this control instruction information defines a processing operation such as instructing a sprinkler to inject water for one minute or stopping heating in a greenhouse. Alternatively, it may be control instruction information to the control system that automatically opens and closes the blackout curtain.
以前のデータにおいて実際の制御指示情報を調査し、どの制御指示が家畜からの畜産物の収量を向上させる上で、或いは畜産物の品質を向上させる上で、ベストであるかを調べることでその制御指示情報に関するデータを取得する。かかる場合において、この第2連関度は、飼育環境に関するデータと、これに対して過去いかなる制御指示を施し、その結果、畜産物の収量や品質がどの程度であったかを調べた上で、この連関度を形成させる。このとき畜産物の収量や品質が高い参照用飼育環境と制御指示情報ほど、連関度がより高くなり、畜産物の収量や品質が低い参照用飼育環境と制御指示情報ほど、連関度がより低くなるように学習がなされるものであってもよい。 By investigating the actual control instruction information in the previous data and finding out which control instruction is the best for improving the yield of livestock products from livestock or improving the quality of livestock products. Acquire data related to control instruction information. In such a case, this second degree of association is based on the data on the breeding environment and what control instructions have been given to it in the past, and as a result, the yield and quality of livestock products have been investigated. Form a degree. At this time, the higher the yield and quality of the livestock product, the higher the reference breeding environment and the control instruction information, the higher the degree of association, and the lower the yield and quality of the livestock product, the lower the reference breeding environment and the control instruction information, the lower the degree of association. It may be something that is learned so that it becomes.
このような連関度が、人工知能でいうところの学習済みデータとなる。このような学習済みデータを作った後に、実際にこれから新たに制御指示情報を判別しようとする際において、先ず、第1実施形態、第2実施形態を通じて飼育環境の探索解を得る。次に、この探索解としての飼育環境に対応する参照用飼育環境を入力とし、出力である制御指示情報を探索する。 Such a degree of association is what is called learned data in artificial intelligence. After creating such learned data, when actually trying to discriminate new control instruction information from now on, first, a search solution of the breeding environment is obtained through the first embodiment and the second embodiment. Next, the reference breeding environment corresponding to the breeding environment as the search solution is input, and the control instruction information that is the output is searched.
このようにして、第1実施形態、第2実施形態を通じて飼育環境の探索解から、実際の制御指示情報がどのようなものであるかを酪農家、畜産農家に理解してもらうことが可能となり、酪農家、畜産農家もその飼育方法から、今後の畜産業改善策の指針を考えることもできる。また、本発明においては、この抽出した制御指示情報に基づいて、実際に飼育を行う上での制御を施すようにしてもよい。即ち、水を噴射するスプリンクラーを1分間行うように指示するものや、温室内の暖房を停止させる等の制御指示情報が抽出された場合には、これに応じた各種設備、プラント、機器等の制御を行うことになる。 In this way, it becomes possible for dairy farmers and livestock farmers to understand what the actual control instruction information is from the search solution of the breeding environment through the first embodiment and the second embodiment. Dairy farmers and livestock farmers can also consider guidelines for future improvement of the livestock industry from their breeding methods. Further, in the present invention, control in actual breeding may be performed based on the extracted control instruction information. That is, if a sprinkler that injects water is instructed to perform for 1 minute, or if control instruction information such as stopping heating in the greenhouse is extracted, various equipment, plants, equipment, etc. corresponding to this are extracted. It will be controlled.
なお、この第3実施形態においては、図15に示すように、第2実施形態を通じて得られた探索解である需給環境との関係で連関度が形成されるものであってもよい。この需給環境に対応する参照用需給環境と、家畜の成育状況との間で、3段階以上の第2連関度を予め作っておく。この作り方に関しては上述と同様である。つまり実際の探索解の判別を行う上で、参照用需給環境と、その場合の成育状況がどの程度であったか、過去のデータを蓄積しておき、これらを分析、解析することで図15に示す連関度を作り上げておく。 In this third embodiment, as shown in FIG. 15, the degree of association may be formed in relation to the supply and demand environment, which is the search solution obtained through the second embodiment. A second degree of association of three or more levels is created in advance between the reference supply and demand environment corresponding to this supply and demand environment and the growth status of livestock. The method of making this is the same as described above. That is, in determining the actual search solution, past data on the supply and demand environment for reference and the degree of growth in that case are accumulated, and these are analyzed and analyzed to show FIG. Create a degree of association.
例えば、参照用需給環境として水が少ない状態が続いた場合、成育状況として畜産物の収量が低下をしてしまったのであれば、その低下してしまった収量に対する連関度が強くなる。これに対して、参照用飼育環境として水が多すぎた場合に、成育状況として畜産物の収量が上昇したのであれば、その上昇した畜産物の収量に対する連関度が強くなる。この分析、解析は人工知能により行うようにしてもよい。 For example, if the supply and demand environment for reference continues to be low in water and the yield of livestock products has decreased due to the growth situation, the degree of association with the decreased yield becomes stronger. On the other hand, if there is too much water as a reference breeding environment and the yield of livestock products increases as a growing situation, the degree of association with the increased yield of livestock products becomes stronger. This analysis and analysis may be performed by artificial intelligence.
このような図15に示す第2連関度を予め形成させた後、第2実施形態において判別された需給環境に対応する参照用需給環境を介して家畜の成育状況を推定する。 After the second degree of association shown in FIG. 15 is formed in advance, the growth status of livestock is estimated via the reference supply and demand environment corresponding to the supply and demand environment determined in the second embodiment.
この需給環境は、飼料、水のみならず、酸素や温風、冷風等の気体の需給環境を判別した場合も同様であり、これに応じた参照用需給環境を家畜の成育状況との関係において予め第2連関度を作っておくことで、同様に家畜の成育状況を推定することができる。 This supply and demand environment is the same when the supply and demand environment of not only feed and water but also gases such as oxygen, hot air, and cold air is discriminated. By creating the second degree of association in advance, the growth status of livestock can be estimated in the same way.
また、この需給環境は、光の需給環境を判別する場合も同様であり、これに応じた参照用需給環境を家畜の成育状況との関係において予め第2連関度を作っておくことで、同様に家畜の成育状況を推定することができる。この需給環境は、飼料、水のみならず、酸素や温風、冷風等の気体の需給環境を判別した場合も同様であり、これに応じた参照用需給環境を家畜の成育状況との関係において予め第2連関度を作っておくことで、同様に家畜の成育状況を推定することができる。また、この需給環境は、光の需給環境を判別する場合も同様であり、これに応じた参照用需給環境を家畜の成育状況との関係において予め第2連関度を作っておくことで、同様に家畜の成育状況を推定することができる。 In addition, this supply and demand environment is the same when determining the supply and demand environment of light, and the same is true by creating a second degree of linkage in advance in relation to the growth status of livestock in the supply and demand environment for reference according to this. It is possible to estimate the growth status of livestock. This supply and demand environment is the same when the supply and demand environment of not only feed and water but also gases such as oxygen, hot air, and cold air is discriminated. By creating the second degree of association in advance, the growth status of livestock can be estimated in the same way. In addition, this supply and demand environment is the same when determining the supply and demand environment of light, and the same is true by creating a second degree of linkage in advance in relation to the growth status of livestock in the supply and demand environment for reference according to this. It is possible to estimate the growth status of livestock.
また図16に示すように、第2実施形態を通じて得られた探索解である排出環境との関係で連関度が形成されるものであってもよい。この排出環境に対応する参照用排出環境と、家畜の成育状況との間で、3段階以上の第2連関度を予め作っておく。この作り方に関しては上述と同様である。つまり実際の探索解の判別を行う上で、参照用排出環境と、その場合の成育状況がどの程度であったか、過去のデータを蓄積しておき、これらを分析、解析することで図16に示す連関度を作り上げておく。 Further, as shown in FIG. 16, the degree of association may be formed in relation to the emission environment, which is the search solution obtained through the second embodiment. A second degree of association of three or more levels is created in advance between the reference discharge environment corresponding to this discharge environment and the growth status of livestock. The method of making this is the same as described above. In other words, in determining the actual search solution, the reference discharge environment and the growth status in that case are shown in FIG. 16 by accumulating past data and analyzing and analyzing these. Create a degree of association.
例えば、参照用排出環境として糞が残存している状態が続いた場合、成育状況として畜産物の収量が低下をしてしまったのであれば、その低下してしまった収量に対する連関度が強くなる。これに対して、参照用飼育環境として清浄な状態が長く続いた場合に、成育状況として畜産物の収量が上昇したのであれば、その上昇した畜産物の収量に対する連関度が強くなる。この分析、解析は人工知能により行うようにしてもよい。 For example, if feces remain as a reference discharge environment and the yield of livestock products has decreased due to the growth situation, the degree of association with the decreased yield becomes stronger. .. On the other hand, if the yield of livestock products increases as a growing condition when the breeding environment for reference continues to be clean for a long time, the degree of association with the increased yield of livestock products becomes stronger. This analysis and analysis may be performed by artificial intelligence.
このような図16に示す第2連関度を予め形成させた後、第2実施形態において判別された需給環境に対応する参照用需給環境を介して家畜の成育状況を推定する。 After the second degree of association shown in FIG. 16 is formed in advance, the growth status of livestock is estimated via the reference supply and demand environment corresponding to the supply and demand environment determined in the second embodiment.
第4実施形態
図17は、第4実施形態における連関度の例を示している。第4実施形態においては、参照用販売対象情報と参照用市況情報との組み合わせと、当該組み合わせに対する家畜の飼育方法との3段階以上の連関度が設定されている例を示している。
Fourth Embodiment FIG. 17 shows an example of the degree of association in the fourth embodiment. In the fourth embodiment, an example is shown in which a combination of the reference sales target information and the reference market condition information and a degree of association of three or more levels of the livestock breeding method with respect to the combination are set.
入力データとしては、このような参照用販売対象情報と参照用市況情報が並んでいる。このような入力データとしての、参照用販売対象情報に対して、参照用市況情報が組み合わさったものが、図17に示す中間ノード61である。 As the input data, such reference sales target information and reference market condition information are arranged side by side. The intermediate node 61 shown in FIG. 17 is a combination of the reference market condition information and the reference sales target information as such input data.
参照用販売対象情報とは、酪農家、畜産農家により肉、卵、生乳等として取られ、或いは食用として出荷される家畜そのもの販売対象の畜産物に関する情報であり、基本的には販売対象の畜産物の量と品質で表現される。畜産物の量は、上述した第3実施形態における出力解としての収量に対応するものであり、畜産物の品質は、第3実施形態における出力解としての品質に対応するものである。また、参照用販売対象情報は、上述した第3実施形態を通じて探索された成育状況から取得したものであってもよい。探索される成育状況は、これら畜産物の量や質も含まれることから、その探索される成育状況における畜産物の量と質とを参照用販売対象情報として構成してもよい。第3実施形態を通じて需給環境や栽培環境から成育状況として収量や品質等を予測することができる。このようして探索することができた畜産物の収量、品質を参照用販売対象情報としてもよい。 Reference sales target information is information on livestock products to be sold that are taken by dairy farmers and livestock farmers as meat, eggs, raw milk, etc., or shipped for food, and are basically livestock products to be sold. It is expressed by the quantity and quality of things. The amount of livestock product corresponds to the yield as the output solution in the third embodiment described above, and the quality of the livestock product corresponds to the quality as the output solution in the third embodiment. In addition, the reference sales target information may be obtained from the growth status searched through the third embodiment described above. Since the searched growth status includes the quantity and quality of these livestock products, the quantity and quality of the livestock products in the searched growth status may be configured as reference sales target information. Through the third embodiment, it is possible to predict the yield, quality, etc. as the growth situation from the supply and demand environment and the cultivation environment. The yield and quality of the livestock products that can be searched in this way may be used as reference sales target information.
第3実施形態においては、畜産物の収量又は品質の何れか一方のみを出力するのではなく、収量及び品質の両方を探索解として出力する場合もある。このため、参照用販売対象情報もこれに対応し、販売対象の畜産物の量又は品質、或いは販売対象の畜産物の量及び品質で表されるものであってもよい。 In the third embodiment, not only either the yield or the quality of the livestock product is output, but both the yield and the quality may be output as a search solution. Therefore, the reference sales target information also corresponds to this, and may be represented by the quantity or quality of the livestock product to be sold, or the quantity and quality of the livestock product to be sold.
参照用市況情報は、畜産物の市況に関する様々な情報である。この参照用市況情報の例としては、各畜産物の種類毎の値動きを対象としたものである。この参照用市況情報は、各農作物の種類毎について時系列的なチャートや折れ線グラフ等で表示されていてもよい。またボリンジャーバンド、出来高、MACD、移動平均線等の情報が付されていてもよい。 The reference market information is various information regarding the market conditions of livestock products. As an example of this reference market information, price movements for each type of livestock products are targeted. This reference market information may be displayed as a time-series chart, a line graph, or the like for each type of crop. In addition, information such as Bollinger band, volume, MACD, and moving average line may be attached.
また、出力解としての飼育方法は、現在育成中の家畜に関する最適な飼育方法に関する情報である。ここでいう飼育方法は、どのタイミングで種付けを行い、どのタイミングで生乳を絞り出すか、更には畜産作業の各種スケジューリングも含まれる。また、この飼育方法は、実際にどの品種の家畜をどのような方法で育てるかについての情報も含まれる。この飼育方法の詳細は、第3実施形態において説明した内容と同様であるため、これを引用することで以下での説明を省略する。 In addition, the breeding method as an output solution is information on the optimum breeding method for livestock currently being raised. The breeding method referred to here includes at what timing seeding is performed, at what timing raw milk is squeezed out, and various scheduling of livestock work. This breeding method also includes information on what breed of livestock is actually raised and how. Since the details of this breeding method are the same as those described in the third embodiment, the description below will be omitted by quoting this.
推定装置2は、このような図17に示す3段階以上の連関度w13〜w22を予め取得しておく。つまり推定装置2は、栽培方法の提案を行う上で、参照用販売対象情報と、参照用市況情報、並びにその場合の栽培方法がどれが適切であったかのデータを蓄積しておき、これらを分析、解析することで図17に示す連関度を作り上げておく。
The
実際の畜産経営を考えた場合、売上は、販売対象としての畜産物の量と単価に依存する。畜産物の単価は、畜産物の品質による。畜産物の品質が高ければ単価が高くなり、逆に品質が低くなれば単価が低くなる。また売上は、これら以外に畜産物の市況にも影響を受ける。 When considering actual livestock management, sales depend on the amount and unit price of livestock products to be sold. The unit price of livestock products depends on the quality of livestock products. The higher the quality of livestock products, the higher the unit price, and conversely, the lower the quality, the lower the unit price. In addition to these, sales are also affected by the market conditions for livestock products.
本発明においては、畜産経営的に売上が最も高くなるような畜産物の量と品質を目指す飼育方法を探求する。単に良質の畜産物を大量に作ることを目指すのではなく、市況を考えた場合、より早めに販売した方が高く売れる場合もあれば、逆に遅めに売り出した方が高く売れる場合もある。このような市況情報も鑑みながら、特には成長を遅らせ、或いは時には成長を早め、或いは早め又は遅めに出荷するか、更には種付けや交配の時期を調整する等、各種飼育方法を実施していくことになる。 In the present invention, we seek a breeding method aiming at the quantity and quality of livestock products that have the highest sales in terms of livestock management. Rather than simply aiming to produce a large amount of high-quality livestock products, considering market conditions, there are cases where it sells higher if it is sold earlier, and conversely, it sells higher if it is sold later. .. In consideration of such market information, various breeding methods are implemented, such as delaying growth, sometimes accelerating growth, or shipping early or late, and adjusting the timing of seeding and mating. I will go.
このため、図17に示す連関度は、より売上や利益が大きかった場合における参照用販売対象情報、参照用市況情報の組み合わせに対する飼育方法とのデータセットで学習させることが望ましい。或いは、売上や利益の額に応じて、連関度の重みづけを変えるようにしてもよい。つまり、売上や利益の高い参照用販売対象情報、参照用市況情報の組み合わせに対する飼育方法とのデータセットについては連関度をより高く設定し、逆に売上や利益の低い参照用販売対象情報、参照用市況情報の組み合わせに対する飼育方法とのデータセットについては連関度をより低く設定するようにしてもよい。 Therefore, it is desirable that the degree of association shown in FIG. 17 is learned from a data set with a breeding method for a combination of reference sales target information and reference market condition information when sales and profits are larger. Alternatively, the weighting of the degree of association may be changed according to the amount of sales or profit. In other words, for the data set with the breeding method for the combination of the reference sales target information with high sales and profit and the reference market condition information, the degree of association is set higher, and conversely, the reference sales target information with low sales and profit, reference. The degree of association may be set lower for the data set with the breeding method for the combination of market information.
このような連関度が設定されている前提の下で、新たに販売対象情報と市況情報を取得する。販売対象情報は、これから販売する畜産物の品質及び/又は量であるか、或いは今後販売する予定となっており、現時点においては飼育過程にある畜産物について予測した品質及び/又は量である。 Under the premise that such a degree of association is set, new sales target information and market condition information are acquired. The information to be sold is the quality and / or quantity of livestock products to be sold in the future, or the quality and / or quantity predicted for livestock products in the breeding process, which are scheduled to be sold in the future.
市況情報は、上述した参照用市況情報と同種であるが、これも新たに取得する。この取得する市況情報は現時点から遡ったある期間内(一日単位、1週間単位、1か月単位等)のものを取得するようにしてもよい。 The market information is the same as the above-mentioned reference market information, but this is also newly acquired. The market information to be acquired may be acquired within a certain period (daily, weekly, monthly, etc.) retroactive from the present time.
飼育方法を求める上では、予め取得した図17に示す連関度を参照する。例えば、取得した販売対象情報が参照用販売対象情報P12に同一又は類似で、取得した市況情報が、参照用市況情報P19に相当するものである場合、その組み合わせはノード61cが関連付けられており、このノード61cは、「飼料の配合成分▲△とし、一日3回、温度は26℃、一日2時間放牧」が連関度w17で、またある飼育方法の手順がまとめられた飼育方法βが連関度w18で関連付けられている。このような連関度の結果、w17、w18に基づいて、実際にその新たに販売対象情報と市況情報とを取得した時点における家畜の飼育方法を求めていくことになる。 In determining the breeding method, the degree of association shown in FIG. 17 acquired in advance is referred to. For example, when the acquired sales target information is the same as or similar to the reference sales target information P12 and the acquired market condition information corresponds to the reference market condition information P19, the combination is associated with the node 61c. In this node 61c, the degree of association w17 is "the compounding component of the feed is ▲ △, the temperature is 26 ° C., and the grazing is performed for 2 hours a day", and the breeding method β which summarizes the procedure of a certain breeding method is It is associated with the degree of association w18. As a result of such a degree of association, based on w17 and w18, the livestock breeding method at the time when the new sales target information and the market condition information are actually acquired will be sought.
このとき、参照用販売対象情報は、第3実施形態において探索された収量又は品質、或いは畜産物の収量及び品質に対応させてもよい。かかる場合には、販売対象情報を入力する上では、この第3実施形態において探索された出力解としての収量又は品質、或いは収穫量及び品質をそのまま入力データとして入力するようにしてもよい。 At this time, the reference sales target information may correspond to the yield or quality searched in the third embodiment, or the yield and quality of the livestock product. In such a case, when inputting the sales target information, the yield or quality as the output solution searched in this third embodiment, or the yield amount and quality may be input as it is as input data.
つまり、第1実施形態〜第3実施形態を通じて、需給環境や飼育環境を取得することで、畜産物の収量又は品質、或いは畜産物の収量及び品質を出力解として得る。この出力解をそのまま入力データとして入力し、市況情報を別途入力することで、最適な飼育方法にフィードバックさせることが可能となる。また、販売対象情報は、上述した第3実施形態を通じて探索された成育状況から取得したものであってもよい。第3実施形態を通じて需給環境や栽培環境から成育状況として収量等を予測することができる。このようして探索することができた収量を販売対象情報としてもよい。 That is, by acquiring the supply and demand environment and the breeding environment through the first to third embodiments, the yield or quality of the livestock product or the yield and quality of the livestock product is obtained as an output solution. By inputting this output solution as it is as input data and inputting market information separately, it is possible to feed back to the optimum breeding method. In addition, the sales target information may be acquired from the growth status searched through the third embodiment described above. Through the third embodiment, the yield and the like can be predicted as the growth situation from the supply and demand environment and the cultivation environment. The yield that can be searched for in this way may be used as sales target information.
このとき、図18に示すように、参照用情報Uとして、参照用飼育環境、参照用需給環境、参照用排出環境等で構成し、参照用情報Vとして、参照用市況情報とし、これらの組み合わせの連関度に基づいて判別するようにしてもよい。出力解は、上述した各栽培方法に該当する。 At this time, as shown in FIG. 18, the reference information U is composed of the reference breeding environment, the reference supply and demand environment, the reference discharge environment, etc., and the reference information V is the reference market condition information, which is a combination thereof. The determination may be made based on the degree of association of. The output solution corresponds to each cultivation method described above.
このとき、参照用情報Uについて得られた出力をそのまま入力データとして、参照用情報Vとの組み合わせの中間ノード61を介して出力と関連付けられていてもよい。例えば、参照用情報Uについて、第1〜3実施形態を通じて出力解を出した後、これをそのまま入力として、他の参照用情報Vとの間での連関度を利用し、出力を探索するようにしてもよい。 At this time, the output obtained for the reference information U may be used as the input data as it is, and may be associated with the output via the intermediate node 61 in combination with the reference information V. For example, for the reference information U, after the output solution is output through the first to third embodiments, this is used as an input as it is, and the output is searched by using the degree of association with other reference information V. It may be.
図19は、出力解として制御指示情報をデータセットに含めて学習させた例を示している。つまり、参照用販売対象情報と参照用市況情報との組み合わせと、当該組み合わせと制御指示情報との連関度が形成されている例である。かかる場合においても、対象情報、市況情報を入力することで、制御指示情報を出力することができ、またこの制御指示情報に基づいて栽培環境を制御することが可能となる。これらの制御指示情報並びにその制御方法は、第3実施形態と同様である。 FIG. 19 shows an example in which control instruction information is included in a data set and trained as an output solution. That is, it is an example in which the combination of the reference sales target information and the reference market condition information and the degree of association between the combination and the control instruction information are formed. Even in such a case, the control instruction information can be output by inputting the target information and the market condition information, and the cultivation environment can be controlled based on the control instruction information. These control instruction information and its control method are the same as those in the third embodiment.
また、探索解として、制御指示情報を探索する場合においても、上述した参照用需給環境、参照用排出環境との間で連関度を形成しておくことにより、同様に解探索を行うことが可能となる。 Further, as a search solution, even when searching for control instruction information, it is possible to search for a solution in the same manner by forming a degree of association with the reference supply and demand environment and the reference discharge environment described above. It becomes.
なお、本実施形態は、上述した例に限定されるものでは無い。図19に示す出力解として、制御指示情報の代替として、販売戦略をデータセットに含めて学習させるようにしてもよい。つまり、参照用販売対象情報と参照用市況情報との組み合わせと、当該組み合わせと販売戦略との連関度が形成されている。販売戦略は、どのタイミングで畜産物を販売するか、またどの物流ルートで畜産物を販売するか、どの種類の畜産物をどのタイミングで販売するか、どの種類の畜産物をどの卸売業者に販売するか、どの種類の畜産物をどのタイミングでどの店舗や百貨店、スーパーマーケット、或いは消費者に販売するか、その方針や戦略が含まれたものである。 The present embodiment is not limited to the above-mentioned example. As the output solution shown in FIG. 19, as an alternative to the control instruction information, the sales strategy may be included in the data set and learned. That is, the combination of the reference sales target information and the reference market condition information, and the degree of association between the combination and the sales strategy are formed. The sales strategy is to sell livestock products at what timing, what distribution route to sell livestock products, what kind of livestock products to sell at what timing, what kind of livestock products to sell to which wholesaler. It includes policies and strategies for what kind of livestock products to sell, when to sell to which stores, department stores, supermarkets, or consumers.
実際に過去の販売タイミング、販売ルート、販売先を畜産物の種類との関係において取得し、データ化しておくことでこのようなデータセットを作ることができる。かかる場合においても、対象情報、市況情報を入力することで、販売戦略を出力することができ、またこの販売戦略に基づいて販売に関する提案を行うことが可能となる。 Such a data set can be created by actually acquiring past sales timings, sales routes, and sales destinations in relation to the types of livestock products and converting them into data. Even in such a case, the sales strategy can be output by inputting the target information and the market condition information, and it is possible to make a proposal regarding sales based on this sales strategy.
上述した連関度においては、10段階評価で連関度を表現しているが、これに限定されるものではなく、3段階以上の連関度で表現されていればよく、逆に3段階以上であれば100段階でも1000段階でも構わない。一方、この連関度は、2段階、つまり互いに連関しているか否か、1又は0の何れかで表現されるものは含まれない。 In the above-mentioned degree of association, the degree of association is expressed by a 10-step evaluation, but it is not limited to this, and it may be expressed by a degree of association of 3 or more levels, and conversely, it may be expressed by 3 or more levels. For example, 100 steps or 1000 steps may be used. On the other hand, this degree of association does not include those expressed in two stages, that is, whether or not they are related to each other, either 1 or 0.
上述した構成からなる本発明によれば、特段のスキルや経験が無くても、誰でも手軽に飼育環境の判別を行うことができる。また本発明によれば、この探索解の判断を、人間が行うよりも高精度に行うことが可能となる。更に、上述した連関度を人工知能(ニューラルネットワーク等)で構成することにより、これを学習させることでその判別精度を更に向上させることが可能となる。 According to the present invention having the above-described configuration, anyone can easily determine the breeding environment without any special skill or experience. Further, according to the present invention, it is possible to determine the search solution with higher accuracy than that performed by a human being. Further, by configuring the above-mentioned degree of association with artificial intelligence (neural network or the like), it is possible to further improve the discrimination accuracy by learning this.
また、本発明によれば、3段階以上に設定されている連関度を介して最適な解探索を行う点に特徴がある。連関度は、上述した10段階以外に、例えば0〜100%までの数値で記述することができるが、これに限定されるものではなく3段階以上の数値で記述できるものであればいかなる段階で構成されていてもよい。 Further, according to the present invention, there is a feature that an optimum solution search is performed through the degree of association set in three or more stages. The degree of association can be described by, for example, a numerical value from 0 to 100% in addition to the above-mentioned 10 steps, but the degree of association is not limited to this, and any step can be described as long as it can be described by a numerical value of 3 or more steps. It may be configured.
このような3段階以上の数値で表される連関度に基づいて最も確からしい飼育環境の正常性を判別することで、探索解の可能性の候補として複数考えられる状況下において、当該連関度の高い順に探索して表示することも可能となる。このように連関度の高い順にユーザに表示できれば、より確からしい探索解を優先的に表示することも可能となる。 By determining the most probable normality of the breeding environment based on the degree of association expressed by the numerical values of three or more levels, the degree of association can be determined under the situation where there are multiple possible candidates for the search solution. It is also possible to search and display in descending order. If the users can be displayed in descending order of the degree of association in this way, it is possible to preferentially display more probable search solutions.
これに加えて、本発明によれば、連関度が1%のような極めて低い出力の判別結果も見逃すことなく判断することができる。連関度が極めて低い判別結果であっても僅かな兆候として繋がっているものであり、何十回、何百回に一度は、その判別結果として役に立つ場合もあることをユーザに対して注意喚起することができる。 In addition to this, according to the present invention, it is possible to judge without overlooking the discrimination result of the output having an extremely low degree of association such as 1%. It warns the user that even a judgment result with an extremely low degree of association is connected as a slight sign and may be useful as the judgment result once every tens or hundreds of times. be able to.
更に本発明によれば、このような3段階以上の連関度に基づいて探索を行うことにより、閾値の設定の仕方で、探索方針を決めることができるメリットがある。閾値を低くすれば、上述した連関度が1%のものであっても漏れなく拾うことができる反面、より適切な判別結果を好適に検出できる可能性が低く、ノイズを沢山拾ってしまう場合もある。一方、閾値を高くすれば、最適な探索解を高確率で検出できる可能性が高い反面、通常は連関度は低くてスルーされるものの何十回、何百回に一度は出てくる好適な解を見落としてしまう場合もある。いずれに重きを置くかは、ユーザ側、システム側の考え方に基づいて決めることが可能となるが、このような重点を置くポイントを選ぶ自由度を高くすることが可能となる。 Further, according to the present invention, there is an advantage that the search policy can be determined by the method of setting the threshold value by performing the search based on the degree of association of three or more stages. If the threshold value is lowered, even if the above-mentioned degree of association is 1%, it can be picked up without omission, but it is unlikely that a more appropriate discrimination result can be detected favorably, and a lot of noise may be picked up. be. On the other hand, if the threshold value is raised, there is a high possibility that the optimum search solution can be detected with a high probability. Sometimes the solution is overlooked. It is possible to decide which one to prioritize based on the ideas of the user side and the system side, but it is possible to increase the degree of freedom in selecting the points to be emphasized.
更に本発明では、上述した連関度を更新させるようにしてもよい。この更新は、例えばインターネットを始めとした公衆通信網を介して提供された情報を反映させるようにしてもよい。また設備データを取得し、これ以外に環境データ、家畜行動データ、家畜育成フェーズデータと、これらに対する飼育環境の正常性に関する知見、情報、データを取得した場合、これらに応じて連関度を上昇させ、或いは下降させる。 Further, in the present invention, the above-mentioned degree of association may be updated. This update may reflect information provided via a public communication network such as the Internet. In addition, when equipment data is acquired, and in addition to this, environmental data, livestock behavior data, livestock breeding phase data, and knowledge, information, and data regarding the normality of the breeding environment for these are acquired, the degree of association is increased accordingly. Or lower it.
つまり、この更新は、人工知能でいうところの学習に相当する。新たなデータを取得し、これを学習済みデータに反映させることを行っているため、学習行為といえるものである。 In other words, this update corresponds to learning in the sense of artificial intelligence. It can be said that it is a learning act because it acquires new data and reflects it in the learned data.
また、この連関度の更新は、公衆通信網から取得可能な情報に基づく場合以外に、専門家による研究データや論文、学会発表や、新聞記事、書籍等の内容に基づいてシステム側又はユーザ側が人為的に、又は自動的に更新するようにしてもよい。これらの更新処理においては人工知能を活用するようにしてもよい。 In addition, this update of the degree of association is not based on the information that can be obtained from the public communication network, but is also updated by the system side or the user side based on the contents of research data, treatises, conference presentations, newspaper articles, books, etc. by experts. It may be updated artificially or automatically. Artificial intelligence may be utilized in these update processes.
また学習済モデルを最初に作り上げる過程、及び上述した更新は、教師あり学習のみならず、教師なし学習、ディープラーニング、強化学習等を用いるようにしてもよい。教師なし学習の場合には、入力データと出力データのデータセットを読み込ませて学習させる代わりに、入力データに相当する情報を読み込ませて学習させ、そこから出力データに関連する連関度を自己形成させるようにしてもよい。 Further, the process of first creating the trained model and the above-mentioned update may use not only supervised learning but also unsupervised learning, deep learning, reinforcement learning, and the like. In the case of unsupervised learning, instead of reading and learning the data set of input data and output data, information corresponding to the input data is read and trained, and the degree of association related to the output data is self-formed from there. You may let it.
1 飼育環境判別システム
2 推定装置
21 内部バス
23 表示部
24 制御部
25 操作部
26 通信部
27 推定部
28 記憶部
61 ノード
1 Breeding
Claims (10)
販売対象の畜産物の品質及び/又は量に関する参照用販売対象情報と、その販売時期における当該畜産物の市況に関する参照用市況情報との組み合わせと、当該組み合わせに対する家畜の飼育方法との3段階以上の第1連関度を予め取得する連関度取得ステップと、
新たに販売する販売対象の畜産物の品質及び/又は量に関する販売対象情報を取得するとともに、新たに販売する販売時期における市況に関する市況情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した第1連関度を参照し、上記情報取得ステップを介して取得した販売対象情報と市況情報とに基づき、家畜の飼育方法を提案する提案ステップとをコンピュータに実行させること
を特徴とする家畜の飼育方法提案プログラム。 In the livestock breeding method proposal program that proposes livestock breeding methods,
Three or more stages of a combination of reference sales target information regarding the quality and / or quantity of livestock products to be sold, reference market condition information regarding the market conditions of the livestock products at the time of sale, and livestock breeding methods for the combination. The association degree acquisition step to acquire the first association degree of
An information acquisition step to acquire market information regarding the quality and / or quantity of livestock products to be newly sold, and to acquire market information regarding market conditions at the time of new sales.
Refer to the first degree of association acquired in the above-mentioned degree of association acquisition step, and let the computer execute the proposal step of proposing a livestock breeding method based on the sales target information acquired through the above-mentioned information acquisition step and the market condition information. A livestock breeding method proposal program characterized by this.
販売対象の畜産物の品質及び/又は量に関する参照用販売対象情報と、その販売時期における当該畜産物の市況に関する参照用市況情報との組み合わせと、当該組み合わせに対する家畜の飼育を行う上での制御指示情報との3段階以上の第1連関度を予め取得する連関度取得ステップと、
新たに販売する販売対象の畜産物の品質及び/又は量に関する販売対象情報を取得するとともに、新たに販売する販売時期における市況に関する市況情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した第1連関度を参照し、上記情報取得ステップを介して取得した販売対象情報と市況情報とに基づき、制御指示情報を抽出し、その抽出した制御指示情報に基づいて家畜の飼育を行う上での制御を施す制御ステップとをコンピュータに実行させること
を特徴とする家畜の飼育方法提案プログラム。 In the livestock breeding method proposal program that proposes livestock breeding methods,
A combination of reference sales target information regarding the quality and / or quantity of livestock products to be sold and reference market condition information regarding the market conditions of the livestock products at the time of sale, and control in raising livestock for the combination. The association degree acquisition step for acquiring the first association degree of three or more stages with the instruction information in advance, and the association degree acquisition step.
An information acquisition step to acquire market information regarding the quality and / or quantity of livestock products to be newly sold, and to acquire market information regarding market conditions at the time of new sales.
The control instruction information is extracted based on the sales target information and the market condition information acquired through the information acquisition step with reference to the first association degree acquired in the above-mentioned association degree acquisition step, and based on the extracted control instruction information. A livestock breeding method proposal program characterized by having a computer execute control steps that control the breeding of livestock.
販売対象の畜産物の品質及び/又は量に関する参照用販売対象情報と、その販売時期における当該畜産物の市況に関する参照用市況情報との組み合わせと、当該組み合わせに対する畜産物の販売戦略の3段階以上の第1連関度を予め取得する連関度取得ステップと、
新たに販売する販売対象の畜産物の品質及び/又は量に関する販売対象情報を取得するとともに、新たに販売する販売時期における市況に関する市況情報を取得する情報取得ステップと、
上記連関度取得ステップにおいて取得した第1連関度を参照し、上記情報取得ステップを介して取得した販売対象情報と市況情報とに基づき、畜産物の販売戦略を提案する提案ステップとをコンピュータに実行させること
を特徴とする畜産物の販売戦略提案プログラム。 In the livestock product sales strategy proposal program that proposes a livestock product sales strategy
A combination of reference sales target information regarding the quality and / or quantity of livestock products to be sold, reference market information regarding the market conditions of the livestock products at the time of sale, and three or more stages of livestock product sales strategies for the combination. The association degree acquisition step to acquire the first association degree of
An information acquisition step to acquire market information regarding the quality and / or quantity of livestock products to be newly sold, and to acquire market information regarding market conditions at the time of new sales.
With reference to the first degree of association acquired in the above step of acquiring the degree of association, a proposal step of proposing a sales strategy for livestock products is executed on the computer based on the sales target information acquired through the above information acquisition step and the market condition information. A livestock product sales strategy proposal program characterized by letting people do it.
家畜の飼育環境を新たに判別する際に、当該飼育環境を作り出す空調設備から電力、電気、電圧、振動、音の何れか1以上のうち上記参照用設備データに対応する設備データを取得する設備データ取得ステップと、
上記連関度取得ステップにおいて取得した第2連関度を利用し、上記設備データ取得ステップを介して取得した設備データに基づき、温度又は湿度からなる飼育環境を判別する判別ステップと、
上記連関度取得ステップにおいて取得した第3連関度を利用し、上記判別ステップにより判別された飼育環境に基づき、家畜の成育状況を推定する推定ステップとを更に有し、
上記情報取得ステップでは、上記推定ステップにおいて推定された家畜の成育状況に応じた販売対象情報を取得すること
を特徴とする請求項1又は2記載の家畜の飼育方法提案プログラム。 In the above step of acquiring the degree of association, the reference equipment data consisting of one or more of electric power, electricity, voltage, vibration, and sound acquired from the air conditioning equipment that creates the breeding environment for raising livestock, and the breeding environment consisting of temperature or humidity. Obtain the second degree of association of three or more levels with normality in advance, and acquire the third degree of association of three or more levels with the reference breeding environment consisting of temperature or humidity and the growth status of livestock in advance.
Equipment that acquires equipment data corresponding to the above reference equipment data from any one or more of electric power, electricity, voltage, vibration, and sound from the air conditioning equipment that creates the breeding environment when newly determining the breeding environment of livestock. Data acquisition steps and
Using the second degree of association acquired in the above-mentioned degree of association acquisition step, a determination step of determining a breeding environment consisting of temperature or humidity based on the equipment data acquired through the above-mentioned equipment data acquisition step, and a determination step.
It further has an estimation step of estimating the growth status of livestock based on the breeding environment determined by the determination step by using the third association degree acquired in the association degree acquisition step.
The livestock breeding method proposal program according to claim 1 or 2, wherein the information acquisition step acquires sales target information according to the livestock growth status estimated in the estimation step.
需給環境を新たに判別する際に、上記プラント設備から飼料の供給量又は水の供給量のうち上記参照用供給量データに対応する供給量データを取得する供給量データ取得ステップと、
上記連関度取得ステップにおいて取得した第2連関度を利用し、上記供給量データ取得ステップを介して取得した供給量データに基づき、需給環境を判別する判別ステップと、
上記連関度取得ステップにおいて取得した第3連関度を利用し、上記判別ステップにより判別された需給環境に基づき、家畜の成育状況を推定する推定ステップとを更に有し、
上記情報取得ステップでは、上記推定ステップにおいて推定された家畜の成育状況に応じた販売対象情報を取得すること
を特徴とする請求項1又は2記載の家畜の飼育方法提案プログラム。 In the above-mentioned degree of association acquisition step, the reference supply amount data consisting of the feed amount or the water supply amount acquired from the plant equipment that creates the breeding environment for raising livestock, and these supply and demand environments are the third or more stages. In addition to acquiring the two degree of association in advance, the third degree of association of three or more levels of the supply and demand environment for reference and the growth status of livestock is acquired in advance.
When newly determining the supply and demand environment, the supply amount data acquisition step of acquiring the supply amount data corresponding to the reference supply amount data among the feed amount or the water supply amount from the plant equipment, and the supply amount data acquisition step.
A determination step for determining the supply and demand environment based on the supply amount data acquired through the supply amount data acquisition step using the second association degree acquired in the association degree acquisition step, and a determination step.
Using the third degree of association acquired in the above-mentioned degree of association acquisition step, it further has an estimation step of estimating the growth status of livestock based on the supply and demand environment determined by the above-mentioned determination step.
The livestock breeding method proposal program according to claim 1 or 2, wherein the information acquisition step acquires sales target information according to the livestock growth status estimated in the estimation step.
需給環境を新たに判別する際に、気体の供給量データを取得する供給量データ取得ステップと、
上記連関度取得ステップにおいて取得した第2連関度を利用し、上記供給量データ取得ステップを介して取得した供給量データに基づき、需給環境を判別する判別ステップと、
上記連関度取得ステップにおいて取得した第3連関度を利用し、上記判別ステップにより判別された需給環境に基づき、家畜の成育状況を推定する推定ステップとを更に有し、
上記情報取得ステップでは、上記推定ステップにおいて推定された家畜の成育状況に応じた販売対象情報を取得すること
を特徴とする請求項1又は2記載の家畜の飼育方法提案プログラム。 In the above step of acquiring the degree of association, the reference supply amount data consisting of the supply amount of gas acquired from the pipeline that creates the breeding environment for raising livestock and the second degree of association of three or more stages with these supply and demand environments are obtained in advance. In addition to the acquisition, the third degree of association between the supply and demand environment for reference and the growth status of livestock is acquired in advance.
When newly determining the supply and demand environment, the supply amount data acquisition step to acquire the gas supply amount data and the supply amount data acquisition step
A determination step for determining the supply and demand environment based on the supply amount data acquired through the supply amount data acquisition step using the second association degree acquired in the association degree acquisition step, and a determination step.
Using the third degree of association acquired in the above-mentioned degree of association acquisition step, it further has an estimation step of estimating the growth status of livestock based on the supply and demand environment determined by the above-mentioned determination step.
The livestock breeding method proposal program according to claim 1 or 2, wherein the information acquisition step acquires sales target information according to the livestock growth status estimated in the estimation step.
排出環境を新たに判別する際に、上記飼育環境から排泄物の排出量からなる排出量データを取得する排出量データ取得ステップと、
上記連関度取得ステップにおいて取得した第2連関度を利用し、上記排出量データ取得ステップを介して取得した排出量データに基づき、排出環境を判別する判別ステップと、
上記連関度取得ステップにおいて取得した第3連関度を利用し、上記判別ステップにより判別された排出環境に基づき、家畜の成育状況を推定する推定ステップとを更に有し、
上記情報取得ステップでは、上記推定ステップにおいて推定された家畜の成育状況に応じた販売対象情報を取得すること
を特徴とする請求項1又は2記載の家畜の飼育方法提案プログラム。 In the above-mentioned step of acquiring the degree of association, the reference emission data consisting of the amount of excrement discharged from the breeding environment in which the livestock is raised and the first degree of association with the discharge environment in three or more stages are acquired in advance, and the reference discharge is performed. Obtained in advance the second degree of association between the environment and the growth status of livestock in three or more stages.
When newly determining the discharge environment, the discharge data acquisition step of acquiring the discharge data consisting of the discharge amount of excrement from the above breeding environment, and the discharge data acquisition step.
A determination step for determining the emission environment based on the emission amount data acquired through the emission amount data acquisition step using the second association degree acquired in the association degree acquisition step, and a determination step.
It further has an estimation step of estimating the growth status of livestock based on the discharge environment determined by the determination step by using the third association degree acquired in the association degree acquisition step.
The livestock breeding method proposal program according to claim 1 or 2, wherein the information acquisition step acquires sales target information according to the livestock growth status estimated in the estimation step.
販売対象の畜産物の品質及び/又は量に関する参照用販売対象情報と、その販売時期における当該畜産物の市況に関する参照用市況情報との組み合わせと、当該組み合わせに対する家畜の飼育方法との3段階以上の第1連関度を予め取得する連関度取得手段と、
新たに販売する販売対象の畜産物の品質及び/又は量に関する販売対象情報を取得するとともに、新たに販売する販売時期における市況に関する市況情報を取得する情報取得手段と、
上記連関度取得手段により取得された第1連関度を参照し、上記情報取得手段を介して取得した販売対象情報と市況情報とに基づき、家畜の飼育方法を提案する提案手段とを備えること
を特徴とする家畜の飼育方法提案システム。 In the livestock breeding method proposal system that proposes livestock breeding methods,
Three or more stages of a combination of reference sales target information regarding the quality and / or quantity of livestock products to be sold, reference market condition information regarding the market conditions of the livestock products at the time of sale, and livestock breeding methods for the combination. The association degree acquisition means for acquiring the first association degree of
Information acquisition means for acquiring sales target information on the quality and / or quantity of newly sold livestock products, and market information on market conditions at the time of new sales.
It is necessary to provide a proposal means for proposing a livestock breeding method based on the sales target information and the market condition information acquired through the above information acquisition means with reference to the first degree of association acquired by the above-mentioned association degree acquisition means. A featured livestock breeding method proposal system.
販売対象の畜産物の品質及び/又は量に関する参照用販売対象情報と、その販売時期における当該畜産物の市況に関する参照用市況情報との組み合わせと、当該組み合わせに対する家畜の飼育を行う上での制御指示情報との3段階以上の第1連関度を予め取得する連関度取得手段と、
新たに販売する販売対象の畜産物の品質及び/又は量に関する販売対象情報を取得するとともに、新たに販売する販売時期における市況に関する市況情報を取得する情報取得手段と、
上記連関度取得手段により取得された第1連関度を参照し、上記情報取得ステップを介して取得した販売対象情報と市況情報とに基づき、制御指示情報を抽出し、その抽出した制御指示情報に基づいて家畜の飼育を行う上での制御を施す制御手段とを備えること
を特徴とする家畜の飼育方法提案システム。 In the livestock breeding method proposal system that proposes livestock breeding methods,
A combination of reference sales target information regarding the quality and / or quantity of livestock products to be sold and reference market condition information regarding the market conditions of the livestock products at the time of sale, and control in raising livestock for the combination. An association degree acquisition means for acquiring the first association degree of three or more stages with the instruction information in advance, and
Information acquisition means for acquiring sales target information on the quality and / or quantity of newly sold livestock products, and market information on market conditions at the time of new sales.
The control instruction information is extracted based on the sales target information and the market condition information acquired through the information acquisition step with reference to the first association degree acquired by the association degree acquisition means, and the extracted control instruction information is used as the control instruction information. A livestock breeding method proposal system characterized by being provided with a control means for controlling the breeding of livestock based on the above.
販売対象の畜産物の品質及び/又は量に関する参照用販売対象情報と、その販売時期における当該畜産物の市況に関する参照用市況情報との組み合わせと、当該組み合わせに対する畜産物の販売戦略の3段階以上の第1連関度を予め取得する連関度取得手段と、
新たに販売する販売対象の畜産物の品質及び/又は量に関する販売対象情報を取得するとともに、新たに販売する販売時期における市況に関する市況情報を取得する情報取得手段と、
上記連関度取得手段により取得された第1連関度を参照し、上記情報取得手段を介して取得した販売対象情報と市況情報とに基づき、畜産物の販売戦略を提案する提案手段とを備えること
を特徴とする畜産物の販売戦略提案システム。 In the livestock product sales strategy proposal system that proposes a livestock product sales strategy
A combination of reference sales target information regarding the quality and / or quantity of livestock products to be sold, reference market information regarding the market conditions of the livestock products at the time of sale, and three or more stages of livestock product sales strategies for the combination. The association degree acquisition means for acquiring the first association degree of
Information acquisition means for acquiring sales target information on the quality and / or quantity of newly sold livestock products, and market information on market conditions at the time of new sales.
With reference to the first degree of association acquired by the above means for acquiring the degree of association, a proposal means for proposing a sales strategy for livestock products based on the sales target information acquired through the above means for acquiring information and market information is provided. A livestock product sales strategy proposal system featuring.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020024384A JP2021128689A (en) | 2020-02-17 | 2020-02-17 | Animal breeding method proposal program and system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020024384A JP2021128689A (en) | 2020-02-17 | 2020-02-17 | Animal breeding method proposal program and system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021128689A true JP2021128689A (en) | 2021-09-02 |
Family
ID=77488724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020024384A Pending JP2021128689A (en) | 2020-02-17 | 2020-02-17 | Animal breeding method proposal program and system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021128689A (en) |
-
2020
- 2020-02-17 JP JP2020024384A patent/JP2021128689A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
da Rosa Righi et al. | Towards combining data prediction and internet of things to manage milk production on dairy cows | |
Wathes et al. | Is precision livestock farming an engineer’s daydream or nightmare, an animal’s friend or foe, and a farmer’s panacea or pitfall? | |
EP3939418B1 (en) | Automated livestock management system | |
Tuyttens et al. | Twelve threats of precision livestock farming (PLF) for animal welfare | |
Cornou et al. | Use of information from monitoring and decision support systems in pig production: Collection, applications and expected benefits | |
WO2020184241A1 (en) | Crop yield amount prediction program and cultivation environment assessment program | |
Jensen et al. | Predicting pen fouling in fattening pigs from pig position | |
WO2021230316A1 (en) | Information processing system and method | |
JP6964851B2 (en) | Storage environment determination program | |
JP2021128689A (en) | Animal breeding method proposal program and system | |
JP2021128688A (en) | Breeding environment discrimination program | |
JP7083201B1 (en) | Information processing system, information processing method and program | |
WO2022138839A1 (en) | Animal intention determination program | |
Bewley et al. | 1.1. Precision dairy monitoring: what have we learned? | |
JP2021128687A (en) | Breeding environment discrimination program | |
JP2022101296A (en) | Animal intention determination program | |
JP2020170235A (en) | Rearing environment determination program | |
JP2022101291A (en) | Domestic animal estrus determination program | |
Hamadani et al. | Artificial intelligence in animal farms for management and breeding | |
Dominiak | Spatial modeling of drinking patterns as a tool for reducing alarms in pig production | |
KR102369873B1 (en) | Livestock data integration control platform for smart livestock house implementation | |
WO2021210459A1 (en) | Livestock estrous period determination program | |
Kiruthika et al. | Predictive Modeling of Poultry Growth Optimization in IoT-Connected Farms Using SVM for Sustainable Farming Practices | |
JP2021128686A (en) | Cultivation environment discrimination program | |
JP2020170236A (en) | Cultivation environment determination program |