JP2022002507A - 病気管理方法及びこれを行うための装置 - Google Patents
病気管理方法及びこれを行うための装置 Download PDFInfo
- Publication number
- JP2022002507A JP2022002507A JP2021091779A JP2021091779A JP2022002507A JP 2022002507 A JP2022002507 A JP 2022002507A JP 2021091779 A JP2021091779 A JP 2021091779A JP 2021091779 A JP2021091779 A JP 2021091779A JP 2022002507 A JP2022002507 A JP 2022002507A
- Authority
- JP
- Japan
- Prior art keywords
- livestock
- disease
- estrus
- information
- probability
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】病気管理方法及びこれを行うための装置を提供する。【解決手段】家畜の体内に安着したバイオセンサカプセルから上記家畜の生体情報を受信するステップと、上記生体情報を基に基準値を外れる特異点を検出する特異点検出ステップと、上記特異点が検出されると、上記家畜の病気の確率を増加させる健康状態モニタリングステップと、上記家畜の病気の確率が第1しきい値以上になると、上記家畜の健康状態の異常と判断する病気感知ステップとを含む。【選択図】図11
Description
実施形態は、病気管理方法及びこれを行うための装置に関する。
畜産業は、食生活の変化に伴い、飼育規模と個体数が増加し、量的な側面において大きく成長した。特に小規模の畜産産業から大規模の畜産産業に変化し、数千頭もしくは数万頭の家畜を飼育する農家が生じ、家畜の規模が大規模化して、従来よりも体系的な方式で家畜を管理することができるシステムが必要になった。
飼育規模が大きくなるにつれて、口蹄疫、狂牛病、ブタ熱病、鳥インフルエンザ(AI)などの家畜伝染病が発生した場合は、制限された空間で飼育する家畜の間に伝染が容易に起こるという問題がある。激しい場合は、大規模なへい死が必要であり、畜産業に大きな打撃を与える。
一般に、畜舍とは、鶏や鴨、豚又は牛のような家畜を育てるための建物を称し、このような畜舍は、家畜の成長によい影響を与えると共に、その管理を容易にするものである。
しかし、上記のような畜舍内には複数の家畜が集団生活を営むようになるが、集団生活により伝染性を有する病気が誘発する場合は畜舍内の全ての家畜に病気が発生し、極めて深刻な被害を受けることになる。
特に、最近では、狂牛病のような病気によって毎年数多くの家畜が死んで畜産農家に莫大な損害を及ぼしている。
実施形態は、牛の病気を管理する技術を提供することにある。
また、実施形態は、牛の健康状態を判断するために生体情報を送信するバイオカプセルセンサが高い収集ボックス(gathering box)を必要とせず、直ちに牛に経口投与して容易かつ手軽に設置する技術を提供することにある。
一実施形態によると、家畜の体内に安着したバイオセンサカプセルから前記家畜の生体情報を受信するステップと、前記生体情報を基に基準値を外れる特異点を検出する特異点検出ステップと、前記特異点が検出されると、前記家畜の病気の確率を増加させる健康状態モニタリングステップと、前記家畜の病気の確率が第1しきい値以上になると、前記家畜の健康状態の異常と判断する病気感知ステップとを含む家畜の病気管理方法を提供する。
前記生体情報は、前記家畜の温度情報及び前記家畜の活動性情報を含み得る。
前記家畜の活動性情報は、前記バイオセンサカプセルから検出された角速度情報及び加速度情報のうち少なくとも1つを含み得る。
前記特異点検出ステップは、前記温度情報が温度しきい値を超える第1特異点、又は前記活動性情報が活動性しきい値を超える第2特異点のうち少なくとも1つが発現される場合、発情と判断する発情検出ステップを含み、前記発情が検出されると、前記家畜の病気の確率の増加幅が大きくなり得る。
前記発情検出ステップは、前記第1特異点の持続時間又は前記第2特異点の持続時間が第1持続時間以上持続する場合、発情と判断し得る。
前記発情検出ステップは、前記第1特異点及び前記第2特異点が全て発現される場合、発情と判断し得る。
前記発情検出ステップは、前記第1特異点及び前記第2特異点のいずれかだけが発現される場合は、発現された特異点の持続時間が第2時間以上持続する場合、発情と判断し得る。
前記健康状態モニタリングステップは、前記発情の発現頻度、前記発情の発現不規則性、前記発情の発現持続時間、及び前記発情の発現強度に応じて、前記家畜の病気の確率の変化幅が異なるように調節し得る。
前記健康状態モニタリングステップは、前記発情の発現頻度が高いほど、前記発情の発現が不規則に現れるほど、また、前記発情の発現持続時間が長いほど、前記家畜の病気の確率の変化幅がさらに大きくなるように調節し得る。
2次発情周期以内に3回又は4回以上前記発情検出ステップが発現される場合は、前記家畜の病気の確率が前記第1しきい値以上になるように調節し得る。
前記モニタリングステップは、前記特異点検出ステップ後、次の特異点の検出前に、前記家畜の病気の確率が低下し得る。
前記病気の確率が設定値以上になると、ユーザに家畜の病気を通知するアラームステップをさらに含み得る。
前記家畜の健康状態の異常は卵巣嚢腫であってもよい。
前記バイオセンサカプセルは、家畜の胃又は膣内に挿入安着するステップをさらに含み得る。
他の実施形態によると、家畜の体内に安着したバイオセンサカプセルから前記家畜の生体情報を受信する通信モジュールと、前記生体情報を分析し、分析結果に基づいて前記家畜の健康状態を判断し、前記家畜の健康状態に関する情報を、前記家畜を管理するユーザに送信するコントローラとを含み、前記コントローラは、前記生体情報を基に基準値を外れる特異点を検出し、前記特異点が検出されると、前記家畜の病気の確率を増加させ、前記家畜の病気の確率が第1しきい値以上になると、前記家畜の健康状態の異常をユーザに送信する家畜の病気管理サーバを提供する。
前記生体情報は、前記家畜の温度情報及び前記家畜の活動性情報を含み、前記コントローラは、前記温度情報が温度しきい値を超える第1特異点、又は前記活動性情報が活動性しきい値を超える第2特異点のうち少なくとも1つが発現される場合、発情と判断し、前記家畜の病気の確率を増加させ得る。
前記コントローラは、前記発情の発現頻度、前記発情の発現不規則性、前記発情の発現持続時間、及び前記発情の発現強度に応じて前記家畜の病気の確率の変化幅が異なるように調節し得る。
前記コントローラは、前記発情発現の頻度、前記発情発現の不規則性、前記発情発現の持続時間、及び前記発情発現の強度に応じて前記家畜の病気の確率の変化幅が異なるように調節し得る。
前記家畜の健康状態の異常は卵巣嚢腫を含み得る。
本発明のバイオセンサカプセルから収集したデータを利用して、病気管理サーバで繁殖障害(卵巣嚢腫)が疑われる個体を迅速に検出し、かつ農場の集中的なケア(獣医の診察及びホルモン療法)を可能にすることで農場の生産性を向上させることができる。
本明細書に開示されている本発明の概念による実施形態に対して特定の構造的又は機能的な説明は、単に本発明の概念による実施形態を説明するための目的として例示されたものであり、本発明の概念による実施形態は様々な形態で実施され、本明細書に説明された実施形態に限定されることはない。
本発明の概念による実施形態は様々な変更を加えることができ、様々な形態を有し得るため、実施形態を図面に例示及び本明細書の詳細に基づいて説明する。しかし、これは本発明の概念による実施形態を特定の開示形態に限定されるものではなく、本発明の思想及び技術範囲に含まれる変更、均等物、又は、代替物を含む。
第1又は第2などの用語を複数の構成要素を説明するために用いることができるが、このような用語は1つの構成要素を他の構成要素から区別する目的としてのみ解釈されなければならない。例えば、第1構成要素は第2構成要素と命名することができ、同様に第2構成要素は第1構成要素にも命名することができる。
いずれかの構成要素が他の構成要素に「連結されて」いるか「接続されて」いると言及された場合、その他の構成要素に直接的に連結され、または接続されてもよく、又は中間に他の構成要素が存在することもあり得ると理解されなければならない。一方、いずれかの構成要素が他の構成要素に「直接連結されて」いるか「直接接続されて」いると言及される場合には、中間に他の構成要素が存在しないものとして理解されなければならない。構成要素間の関係を説明する表現、例えば「〜間に」と「すぐ〜の間に」、又は「〜に隣接する」と「〜に直接に隣接する」などのように解釈されなければならない。
本明細書で用いた用語は、単に特定の実施形態を説明するために用いられるものであって、本発明を限定しようとする意図はない。単数の表現は、文脈上、明白に異なる意味をもたない限り複数の表現を含む。本明細書において、「含む」又は「有する」等の用語は、明細書上に記載した特徴、数字、ステップ、動作、構成要素、部品又はこれらを組み合わせたものが存在することを示すものであって、1つ又はそれ以上の他の特徴や数字、ステップ、動作、構成要素、部品、又はこれを組み合わせたものなどの存在又は付加の可能性を予め排除しないものとして理解しなければならない。
異なる定義がされない限り、技術的であるか又は科学的な用語を含めて、ここで用いる全ての用語は、本実施形態が属する技術分野で通常の知識を有する者によって一般的に理解されるものと同じ意味を有する。一般的に用いられる予め定義された用語は、関連技術の文脈上で有する意味と一致する意味を有するものと解釈すべきであって、本明細書で明白に定義しない限り、理想的又は過度に形式的な意味として解釈されることはない。
以下、実施形態を添付する図面を参照しながら詳細に説明する。しかし、特許出願の範囲がこのような実施形態によって制限されたり限定されることはない。各図面に提示された同一の参照符号は同一の部材を示す。
図1は、一実施形態に係る病気管理システムの概略的な図であり、図4a〜図4dは、病気管理サーバから提供される牛の健康状態に関する情報の例を示す。
図1を参照すると、病気管理システム10は、複数の牛100−1〜100−n(nは1より大きい自然数)、病気管理サーバ300、及びユーザ装置400を含む。
複数の牛100−1〜100−nは、バイオセンサカプセル200が装着される。複数の牛100−1〜100−nは、ユーザ装置400のユーザが管理している牛であり得る。また、複数の牛100−1〜100−nのうちの一部は、ユーザ装置400のユーザ以外のユーザによって管理される牛であってもよい。
複数の牛100−1〜100−nは、病気管理サーバ300によって管理されるためにIDが割り当てられる。例えば、複数の牛100−1〜100−nは、バイオセンサカプセル200に割り当てられたIDに区分し、病気管理サーバ300によって管理され得る。
複数の牛100−1〜100−nは、バイオセンサカプセル200によって生体情報を病気管理サーバ300に送信する。ここで、バイオセンサカプセル200は、複数の牛100−1〜100−nの生体内の一定の場所に入って安着する。ここで、バイオセンサカプセル200は、複数の牛100−1〜100−nから生体情報を取得し、生体情報を病気管理サーバ300に送信する。
病気管理サーバ300は、複数の牛100−1〜100−nを管理し、遠隔で複数の牛100−1〜100−nを管理するためのサービスをユーザ装置400に提供する。例えば、病気管理サーバ300は、複数の牛100−1〜100−nのバイオセンサカプセル200から取得された生体情報に基づいて複数の牛100−1−100−nを管理するためのサービスを提供し得る。
病気管理サーバ300は、生体情報を分析して分析結果に基づいて複数の牛100−1〜100−nそれぞれの健康状態を判断し、健康状態をユーザ装置400に送信する。健康状態は、牛の発情及び分娩に対する繁殖関連状態、病気状態、メタンガス発生状態、及び反芻胃の活動状態のうち少なくとも1つを含む。
また、病気管理サーバ300は、健康状態に応じて区分されるアラームをユーザ装置400に提供する。
病気管理サーバ300から提供するサービスを実行し得る病気管理サービスアプリケーションは、ユーザ装置400にインストールされて実行され、病気管理サービスに関する機能を行う。一例として、病気管理サービスアプリケーションは、病気管理サーバ300からダウンロードされてインストールされる。異なる例として、病気管理サービスアプリケーションは、アップストア(app store(登録商標))又はアンドロイドマーケット(android market)でダウンロードされてインストールされてもよい。
ユーザ装置400は、病気管理サーバ300から複数の牛100−1〜100−nに対する健康状態及び/又は健康状態に応じて区分されるアラームが提供され得る。例えば、健康状態に関する情報は、牛の発情、受精、妊娠、及び分娩に関する情報を含み得る。また、繁殖関連状態は、牛の最近発情日、受精予定日、最近受精日、鑑定予定日、分娩予定日、乾乳予定日、最近分娩日、及び発情予定日に関する情報を含む。
例えば、ユーザ装置400が病気管理サーバ300から提供される健康状態に関する情報について図4a〜図4dに示す通りである。
ここで、ユーザ装置400は、PC(personal computer)、データサーバ、又は、携帯用電子装置に実現され得る。
携帯用電子装置は、ラップトップ(laptop)コンピュータ、移動電話機、スマートフォン(smart phone)、タブレット(tablet)PC、モバイルインターネットデバイス(mobile internet device(MID))、PDA(personal digital assistant)、EDA(enterprise digital assistant)、デジタルスチールカメラ(digital still camera)、デジタルビデオカメラ(digital video camera)、PMP(portable multimedia player)、PND(personal navigation device又はportable navigation device)、携帯用ゲームコンソール(handheld game console)、e−ブック(e−book)、又は、スマートデバイス(smart device)に実現される。スマートデバイスは、スマートウォッチ(smart watch)、スマートバンド(smart band)、又は、スマートリング(smart ring)に実現される。
上述したように、ユーザは、ユーザ装置400を用いて複数の個体、例えば、複数の牛100−1〜100−nを一括に遠隔管理し、持続的に履歴管理してリアルタイムに状態が報告され、健康状態に応じて区分されるアラームの提供を受けることにより迅速に対応することができる。
図2は、図1に示されたバイオセンサカプセルの概略的な図である。
図2を参照すると、バイオセンサカプセル200は、複数のセンサ210〜250、バッテリ260、重さ錘270、通信モジュール280、及びアンテナ290を含む。
バイオセンサカプセル200は、牛の生体内の一定の場所、例えば、胃に入って反芻胃内に安着するか、膣内に安着する。ここで、バイオセンサカプセル200は、生体内にある水分や胃酸から内部を保護するためのケース(図示せず)により保護され得る。
加速度センサ210は、牛の加速度情報を取得する。例えば、加速度センサ210は、リアルタイムに牛の加速度値を検出し、加速度情報を生成する。
バイオセンサカプセル200は、家畜の体内(例えば、牛の反芻胃及び/又は蜂巣胃内)にある間にその方向が変わり得る。これにより、1つ又は2つの軸でのみ家畜の動き及び/又は胃腸の活動を検出することは正確ではない結果をもたらし得る。
したがって、加速度センサ210は、デカルト座標(Cartesian coordinate)における「x」、「y」、及び「z」軸それぞれで牛の動き及び/又は胃腸の活動性を検出することができる3軸又は6軸加速度センサであり得る。検出軸の数が多くなるほど、より正確な動きを検出し得る。例えば、6軸加速度センサを利用すれば、3軸加速度センサで活動性を測定することに比べて、より精度が高くなり得る。
加速度ベクトルのサイズ(v)は、「x」、「y」、及び「z」座標軸それぞれの二乗の和の平方根を計算することにより3軸加速度センサで測定した値から計算することができる。
家畜の体内でバイオセンサカプセル200自体の揺れで発生した動き又は家畜に作用する他の加速力(例えば、重力)によって発生したエラー率を除去するために、ベクトルのサイズを微分して家畜の実際の動きに関するさらに具体的な情報を取得し得る。
家畜の動き及び/又は胃腸の活動を検出することに加えて、加速度計221は、胃腸の収縮を検出するように構成され得る。バイオセンサカプセル200は、胃腸(例えば、反芻家畜の反芻胃又は蜂巣胃内)に配置され得るため、バイオセンサカプセル200は、家畜の胃腸の収縮によって移動するなどの影響を受けることがある。この場合、バイオセンサカプセル200は、家畜の胃腸の下部に維持させるように、及び/又は家畜の胃腸の壁に移動して位置するようにするのに十分な重量及び/又は密度を有するように構成され得る。
家畜の胃腸と共に動くように結合したバイオセンサカプセル200は、収縮のような胃腸の動きをバイオセンサカプセル200の加速度計221が検出可能となるように、胃腸の動きに対応するバイオセンサカプセル200の動きをマッチング及び補正することで、その値を胃腸の動き値を抽出するために参照することができる。
例えば、典型的な反芻家畜は、正常的な健康状態の場合、反芻活動時間の間に毎分3回の胃腸収縮を行う。すなわち、毎回20秒間隔で、胃腸収縮を行う。
非反芻活動時間は家畜が食餌活動をこれ以上しないか、及び/又は食餌活動を断続的にする家畜の健康状態を示す。
これにより、管理者は、家畜の胃腸収縮の頻度の変化及び/又は減少を観察することにより、家畜が「非反芻活動」になるときを検出し得る。
家畜の「非反芻活動」時間が長くなると、深刻な健康状態を示すことになる。
また、家畜は、いつもと異なる健康状態の症状(例えば、増加/減少した動き又は温度など)を示す前に、「非反芻活動」が先に示され得る。
ジャイロセンサ220は、牛の角速度情報を取得する。例えば、ジャイロセンサ220は、リアルタイムに牛の角速度値を検出し、角速度情報を生成する。
ジャイロスコープの原理を基にMEMS技術を適用してチップの形のジャイロセンサを実現し得る。これは、サイズが小さくて、バイオセンサカプセル200内に実装し得る。
加速度センサ210及びジャイロセンサ220を利用してバイオセンサカプセル200の動きを検出し、結果として、牛の動き(activity)を検出することができる。加速度センサから検出された加速度及びジャイロセンサの角速度を組み合わせることで、バイオセンサカプセルのロール(roll)、ピッチ(pitch)、ヨー(yaw)を検出することができる。
温度センサ230は、牛の胃又は膣内の温度情報を取得する。例えば、温度センサ230は、リアルタイムに牛の胃の温度値を検出し、温度情報を生成する。また、温度センサ230は、サーミスタ、熱電対又は白金抵抗温度計などを含み得る。牛の胃又は膣内の温度と牛の温度は、その値において一定な差があり得る。
メタンセンサ240は、牛の胃のメタンガス発生情報を取得する。例えば、メタンセンサ240は、リアルタイムに牛の胃で発生するメタンガスの発生量を検出し、メタンガス発生情報を生成する。
pHセンサ250は、牛の胃又は膣内部のpH情報を取得する。例えば、pHセンサ250は、リアルタイムに牛の胃のpH濃度を検出し、pH情報を生成する。
電気伝導度センサは、胃の中や膣内部に存在する物質の電気伝導度を測定するセンサである。電気伝導度(electrical conductivity)は、一対のセンサ電極間に位置する物質又は物体間に電流が円滑に流れる程度を示す指標である。金属のような導体は電気伝導度が大きく、ガラスのような絶縁体は電気伝導度が小さい。
金属のような固体の2つの地点間の電気伝導度を測定することもできるが、電解質イオンが含有された液体からも電気伝導度を測定することができる。液体の電気伝導度は、液体中に含有された電解質イオンの濃度が大きいほどより高くなり、その単位はdS/m又はmS/cmを使用する。また、電気伝導度は液体のpH濃度及び温度によって異なり得る。電気伝導度は、液体中に含有されるイオンの種類に応じて多少異なるが、全塩類濃度に比例して変わり得る。
加速度情報、角速度情報、温度情報、メタンガス発生情報、電気伝導度情報、及びpH情報は、通信モジュール280及びアンテナ290によって病気管理サーバ300に送信され得る。
バッテリ260は、バイオセンサカプセル200の各構成210、220、230、240、250、280、及び290に電源を供給する。例えば、バッテリ260は、様々な形態の電池に実現され得る。
バッテリ260は、リチウムイオンバッテリ、鉛バッテリ、ニッケルカドミウムバッテリなどのようなバッテリエネルギー蓄積デバイスを含み得る。
他の実施形態において、バッテリ260は発電機を含み得る。発電機は、ホスト家畜内でのバイオセンサカプセル200の動き及び/又は運動活性、又は振動から電力を発生させる圧電発電機又は質量/交流電力発電機を含み得る。
他の実施形態において、発電機はホスト家畜の体熱から電気エネルギーを発生させるための熱活性化発電機であってもよい。発電機は、家畜の胃腸(すなわち、反芻胃又は蜂巣胃)内の有機物質に供給されるバクテリアから誘導した電気エネルギーを生成するように構成された微生物燃料電池(MFC)を含み得る
発電機は、健康センサデバイスのハウジングの外部に配置され得る。バッテリ260は、バッテリ電力保存装置及び発電機の両方を含み得る。本実施形態において、発電機によって生成された電力は、バッテリ電力保存装置に蓄積され得る。
バッテリ260は、バッテリ電力保存装置及び/又は発電機の電力及び/又は電圧レベルをモニタリングするのに使用できる電力モニタを含み得る。電力モニタによって提供された電力状態情報を使用して、複数の電力/節約の動作を行う。
重さ錘270は、バイオセンサカプセル200が牛の生体内に注入されて外部に排出されず、牛の生体内一定の場所、例えば、胃に入って安着できるように重さを加える役割を行う。すなわち、重さ錘270は、牛の反芻過程でバイオセンサカプセル200が外へ排出することなく牛の胃に安着する十分な重さを有する。
バイオセンサカプセル200が重さ錘270によって外部に排出されないことは次の通りに説明される。
牛は、草食動物の中でも肉食動物からいつ攻撃を受けるか分からないため、急いで草を噛むことなく腹に入れてから安全な場所で食物を再び反芻する反芻動物である。
反芻動物は4個の胃を有する。同様に牛の胃も4個からなっている。第1胃(こぶ胃)は牛が急に食べた食物を格納する空間であって、前記牛の胃の全体体積のうち80%を占めている。第2胃(例えば、蜂巣胃)は、食物を混ぜて再び口に吐きもどす役割をする。口で吐き戻した食物は第3胃(重弁胃)、第4胃(しわ胃)を経て腸に移動する。
例えば、噛まないで飲み込んだ食物は塊りになって最も大きい第1胃(こぶ胃)に入って、ここで食物はしっとりとしてやわらかくなって第2胃(蜂巣胃)に入る。食物は、ここで適当なサイズに割られるが、暇なときに第2胃(蜂巣胃)から食物を口に吐き戻して再度噛み始める。これによって、牛は一日中何かを噛んでいることがある。噛んでから再び飲み込むと、食物は第3胃(重弁胃)、第4胃(しわ胃)に移動しながら、最終的に腸に移動する。この過程により食物が消化されるのである。
このように複雑な過程が3日以上かかり、牛はこのような消化過程により食物に入っている全ての栄養分を摂取できる。一般に、元気な牛は飼料を食べた後30〜40分から反芻をし始め、前記反芻は40〜50分の間に6〜8回に反芻し、50〜60kgを反芻する。すなわち、牛は一日に8時間を食べて8時間を反芻し、8時間を休む。
バイオセンサカプセル200が牛の生体内に注入されるとき、バイオセンサカプセル200はほとんどの牛の体内の一定場所、例えば、第1胃(こぶ胃)に安着する。第1胃(こぶ胃)は牛の胃の全体体積のうち80%を占め、数個の空間に構成されて安着するのに適する場所であるためである。
前述したように牛は、食物を反芻する反芻動物であり、毎瞬間第1胃(こぶ胃)と第2胃(蜂巣胃)にある食物を口に吐き戻して相当な重さの量を反芻する。この過程で、バイオセンサカプセル200は食物に混ざって再び口に出ることがある。
また、第1胃(こぶ胃)は数個の空間からなり、牛の胃の中の食物は水分と共に混ざっている場合が多い。ここで、バイオセンサカプセル200が十分な重さを有しない場合、食物と混ざる過程で水分により食物上に浮かび上がる現象が生じ、牛の反芻作用の過程で食物と共に牛の口から排出される。
ここで、重さ錘270を含んでいるバイオセンサカプセル200は、牛の胃の中の様々な空間を食物と共に混合して移動しながら重力によって移動空間の底に沈んで移動し、バイオセンサカプセル200は自然に適する位置に安着することで生体の外側へ排出することなく、バイオセンサカプセル200に含まれた複数のセンサ210〜250が牛の内部情報を正確に測定することができる。
通信モジュール280とアンテナ290は、バイオセンサカプセル200と病気管理サーバ300との間の通信を行うためのものである。すなわち、バイオセンサカプセル200と病気管理サーバ300は、通信モジュール280及びアンテナ290によって信号(又はデータ)のやり取りを行う。
送信データの量が少ない場合には高スループットのデータ送信より、長距離のデータ通信のための通信距離が遥かに重要であり得る。送信データの量及び送信距離の両方を満足させるために、バッテリ消耗が大きく、アンテナの性能を向上させる必要がある。
データ率を1/4に減らすと、送信距離が2倍になり得る。家畜の体内に挿入されるバイオセンサカプセル200の場合、長距離への信号を送信できる高電力の短波信号を利用することが難しい。これによって、相対的に低い周波数であるSub−1GHz帯を使用してバイオセンサカプセル200で測定したデータを送信することができる。
無線信号が家畜の身体を透過するためには長波を利用することが効率的かつ医療的に好まれる。例えば、遠距離通信のためには消費電力が大きな問題となり得る。消費電力が大きいと、バッテリの寿命が短くなるから、バッテリ130の交換又は充電のためにバイオセンサカプセル200を家畜の体内に脱去挿入を繰り返す必要があるという問題が発生しうる。
本発明の通信モジュール280は、ブルートゥース(登録商標)(Bluetooth)や無線LAN(WiFi)などの通信方式、特に低消費電力で設計されたBLEやWiFi HaLowなどを使用し得る。本発明の通信モジュール280は、Sub−1GHzの周波数帯域を利用して信号を送信する。
このような1GHz以下の低周波信号を使用しても、家畜の身体を通過しながら電波が減衰されて6.4kmの長距離送信が可能な信号が100m〜数百m程度に減少することがある。そのため、通信モジュール280は、畜舎内に位置する中継器又は送信距離内の別の装置を介して病気管理サーバ300に信号を送信する。
無線中継器がバイオセンサカプセル200から通信距離を外れて遠く設置されている場合は、バイオセンサカプセル200から直接無線中継器を介して病気管理サーバ300にデータを送信することが難しい。その場合は、家畜の体の他の部位に第2装置を設置する(図示せず)。
第2装置が家畜の体内に設置されたバイオセンサカプセル200からデータの送信を受けて無線中継器(又はドローン(drone)(図示せず))や基地局に送信するように構成する。第2装置の例としてはネックレスや耳タグ(ear−tag)(図示せず)などが挙げられる。
通信モジュール280は、LORA通信モジュールに実現され得る。ここで、バイオセンサカプセル200と病気管理サーバ300との間に 収集ボックスは必要でなく、バイオセンサカプセル200は通信モジュール280によって20km内に通信網に接続して生体情報を病気管理サーバ300に送信できる。
複数のセンサ210〜250は、PCB(printed circuit board)に集積され得る。また、通信モジュール280及び/又はアンテナ290もPCBに集積され得る。
上述したように、バイオセンサカプセル200は、高い収集ボックスを必要とせず、牛に直ちに経口投与することができることから、容易かつ手軽に設置できる。
図3は、図1に示された病気管理サーバの概略的なブロック図である。
図3を参照すると、病気管理サーバ300は、通信モジュール310及びコントローラ330を含む。
通信モジュール310は、病気管理サーバ300とバイオセンサカプセル200との間で通信を行う。また、通信モジュール310は、病気管理サーバ300とユーザ装置400との間で通信を行う。すなわち、病気管理サーバ300とバイオセンサカプセル200は、通信モジュール310を介して信号(又はデータ)をやり取りし、病気管理サーバ300とユーザ装置400は、通信モジュール310を介して信号(又はデータ)をやり取りする。
コントローラ330は、病気管理サーバ300の全般的な動作を制御する。コントローラ330は、通信モジュール310によってバイオセンサカプセル200から生体情報を受信する。
コントローラ330は生体情報を分析し、分析結果に基づいて牛の健康状態を判断する。健康状態は、牛の発情及び分娩に対する繁殖関連状態、病気状態、メタンガス発生状態、及び反芻胃の活動状態の少なくとも1つを含む。
一例として、コントローラ330は、生体情報に含まれた角速度情報、加速度情報、及び温度情報に基づいて牛の発情状態及び/又は分娩状態を判断する。
他の例として、コントローラ330は、生体情報に含まれた角速度情報、加速度情報、及びPH濃度情報に基づいて牛の胃の活動状態を判断する。
更なる例として、コントローラ330は、生体情報に含まれたメタンガス発生情報に基づいて牛の胃で発生したメタンガスの発生量を判断する。
更なる例として、コントローラ330は、生体情報に含まれた角速度情報、加速度情報、温度情報、pH濃度、及びメタンガス発生情報に基づいて牛の病気状態を判断する。
コントローラ330は、通信モジュール310によって健康状態に関する情報をユーザ装置400に送信する。ここで、繁殖関連状態に関する情報は、牛の発情、受精、妊娠、及び分娩に関する情報を含む。また、繁殖関連状態に関する情報は、牛の最近発情日、受精予定日、最近受精日、鑑定予定日、分娩予定日、乾乳予定日、最近分娩日、及び発情予定日に関する情報を含む。
また、病気管理サーバ300は、健康状態に応じて区分されるアラーム(例えば、温度上昇警告アラーム、温度下落警告アラーム、分娩予定日アラーム、鑑定予定日アラーム、乾乳予定日アラーム、又は発情予定日アラームなど)をユーザ装置400に提供する。
より具体的なコントローラ330の動作については後述する。
本明細書におけるモジュール(module)は、本明細書で説明される各名称による機能及び動作を行うハードウェアを意味し、また、特定機能と動作を行うコンピュータプログラムコードを意味することもあり、又は、特定機能と動作を実行させるコンピュータプログラムコードが搭載された電子的記録媒体、例えば、プロセッサ又はマイクロ・プロセッサを意味する。
言い換えれば、モジュールとは、本発明の技術的な思想を行うためのハードウェア及び/又は前記ハードウェアを駆動するためのソフトウェアの機能的及び/又は構造的な結合を意味する。
図5は、図1に示された病気管理サーバの動作方法を説明するためのフローチャートである。
図5を参照すると、コントローラ330は、牛の胃に安着したバイオセンサカプセル200から牛の生体情報を通信モジュール310によって受信する(S510)。
コントローラ330は生体情報を分析し、分析結果に基づいて牛の健康状態を判断する(S530)。
コントローラ330は、牛の健康状態に関する情報を通信モジュール310によって牛を管理するユーザに送信する(S550)。ここで、健康状態は、前記牛の発情及び分娩に対する繁殖関連状態、病気状態、メタンガス発生状態、及び反芻胃の活動状態のうち少なくとも1つを含む。
図5のフローチャートにおけるバイオセンサカプセル200は、牛の胃に安着するように説明されているが、膣に挿入されているか、又は別の方法で家畜の体内に挿入することができる形でバイオセンサカプセル200に全て適用することができる。
バイオセンサカプセル200を利用して検出することができる家畜の健康状態のうち代表的な家畜の繁殖障害を確認し得る。繁殖障害の原因のうち代表的な例として卵巣嚢腫がある。繁殖障害を早期に検出する場合、繁殖障害の被害を最小限に抑えることができるため、畜牛の生産性及び農家の経済性に寄与し得る。
図6は、家畜のホルモンの変化に応じた濾胞(卵胞)の形及び発情期を示す。
豚や牛などの家畜は、雌が妊娠していない場合、一定の間隔で発情が繰り返され、卵胞期4〜5日黄体期16日を含めて約21日(3週間前後)の発情周期を示す。雌の卵巣に位置する濾胞31は、脳下垂体から分泌される濾胞刺激ホルモン(FSH)11による影響を受けて成長及び発育が促進され、完全に発育した濾胞31からエストロゲン12が分泌される。
エストロゲン12は、脳の視床下部や脳下垂体に影響を与えて卵胞が成長するほどエストロゲン12の分泌量が増加する。エストロゲン12が一定濃度以上になると、家畜は発情期20に導入し、エストロゲン12は脳下垂体から黄体形成ホルモン(LH)13を分泌するように誘導する。黄体形成ホルモン13が分泌されると、成熟した濾胞31は、排卵(卵子を子宮に排出)し、濾胞31は黄体32に転換される。排卵直後、エストロゲン12の濃度は低くなり、黄体32から分泌されるプロゲステロン14の濃度は急激に高くなる。
黄体32は約半月後に消滅され、黄体の発達周期に応じてプロゲステロン14の濃度も変化する。プロゲステロン14は、子宮の収縮及び排卵を抑制して妊娠を維持させる役割を果たす。妊娠がされない場合、黄体32が退化し、プロゲステロン14の濃度が低くなる。
卵巣嚢腫(OC:ovarian cyst)は、かかるホルモンの分泌の異常に起因する機能性疾患であって、黄体形成ホルモンLHの分泌低下、又は卵胞刺激ホルモンFSHの分泌過剰によって発生する。
卵巣嚢腫とは、成熟卵胞よりも大きな直径2.5cm以上の液体を貯留した構造物が1つ以上であり、10日以上長期間卵巣に存在していることを意味する。韓牛疾病管理によると、韓牛繁殖障害の約70%は卵巣嚢腫が原因であり、主に分娩後1〜4ヶ月に発生する。
卵胞嚢胞(FC:follicular cyst)、黄体嚢胞(LC:Luteal cyst)、及び卵巣の嚢胞性黄体(CL:Cystic corpora lutea)などの3つのタイプの卵巣嚢腫がある。そのうち、卵胞嚢胞は排卵及び黄体形成の失敗を引き起こす最も一般的な病気である。
これは、妊娠及び出産に起因するホルモン分泌の異常によって発生したものであり、代表的な症状としては頻発性発情の思牡狂(nymphomania)症状と無発情が約80:20の割合で現れる。卵巣嚢腫により発情期が通常の周期と異なる場合、繁殖時期を逃しやすく、繁殖間隔と修正回数の増加は畜牛の生産性を低下させる原因となる。
卵巣嚢腫を正確に検出するためには、直腸超音波検査を介して卵巣の大きさが2.5cm以上であるか否かを確認する必要がある。しかし、かかる検査はコストが増加し、全ての個体を定期的に検査することが現実的に難しい。
本発明の生体挿入型センサであるバイオセンサカプセル200を利用して生体指標を収集し、これを人工知能(AI:Artificial Intelligence)分析を介して卵巣嚢腫を判別し得る。
人工知能とは、人工的な知能又はこれを作ることができる方法論を研究する分野を意味し、機械学習(Machine Learning)とは、人工知能分野で扱う多様な問題を定義し、それを解決する方法論を研究する分野を意味する。機械学習は、いかなる作業に対して絶え間ない経験を介してその作業に対する性能を高めるアルゴリズムとして定義することもある。
図7は、実験個体の情報に関するものであって、バイオカプセル投与後に所定期間に異常データが蓄積された5つの韓牛繁殖牛の農場で実験個体を選抜した。実験前のデータを蓄積し、個体毎の特性を分析するための十分な情報を確保した個体のうちから2018年12月に出産を完了した50匹を実験個体として選抜した。
実験期間(2019/01/01〜2019/04/30)の個体毎の再帰発情後の発情周期を比較/観察した。再帰発情とは、分娩後の授乳段階が終了した後に発生する最初の発情を意味する。
各農場毎の全個体のうち10〜20%の割合で実験個体を選抜しており、実験開始日(2019/01/01)基準に、全ての個体は24ヶ月齢以上であって、分娩を完了した状態である。特に卵巣嚢腫は、経産(子を産んだ経験がある)家畜で現われるものであるため、経産個体を選定して実験した。
バイオセンサカプセル200を利用して畜牛の生体指標を測定した。バイオセンサカプセルに装着された温度センサ及び3軸加速度センサは、10分周期でそれぞれ畜牛の温度(temperature)の変化及び活動性(Activity)を測定した。畜牛の温度をバイオセンサカプセル200に含まれている温度センサで測定すると、外部からの影響のないバイオ情報を収集し得る。実施形態に応じて、3軸加速度センサに限定されず、6軸加速度センサなどによっても活動性を測定し得る。
測定周期はこれよりも長く設定してもよいが、周期が短いほど発情を検出することが容易である。但し、バイオセンサカプセル200のバッテリ消費量を考慮して測定周期を調節し得る。
畜牛の深部温度を0.1℃単位で微細に測定し得る。温度情報は、測定された値をそのまま利用して変化をモニタリングしてもよいが、平均値と標準偏差を使用して平均値との差を正規化グラフとして表すこともできる。
家畜の過度な歩みや足の不自由な牛のような家畜の行動的な側面が原因となって個体の活動性が大きく測定される場合がある。このような牛の動きによる活動性情報及び家畜の乗駕行動による活動性情報を区別するために、複数軸の加速度データを利用することがある。活動性情報は、発情時に現れる特定の行動(例えば、乗駕)による動き方向をパターン化して発情の有無を検出することができる。
バイオセンサカプセル200から取得した温度情報及び活動性情報をAIアルゴリズムを利用して分析し得る。人工ニューラルネットワーク(ANN:Artificial Neural Network)とは、機械学習で使用されているモデルであって、シナプスの結合でネットワークを形成した人工ニューロン(ノード)で構成されている、問題の解決能力を持つモデル全般を意味する。また、人工ニューラルネットワークは、他の層のニューロン間の連結パターン、モデルパラメータを更新する学習過程、及び出力値を生成する活性化関数(Activation Function)によって定義され得る。
人工ニューラルネットワークは、入力層(Input Layer)、出力層(Output Layer)、そして、選択的に複数の隠れ層(Hidden Layer)を含み得る。各層には複数のニューロンが含まれ、人工ニューラルネットワークにはニューロンとニューロンとを連結するシナプスが含まれ得る。人工ニューラルネットワークにおける各ニューロンは、シナプスを介して入力される入力信号、加重値、偏向に対する関数値を出力する。
モデルパラメータは学習を介して決定されるパラメータを意味し、かかるモデルパラメータにはシナプス連結の加重値やニューロンの偏向などが含まれる。そして、ハイパーパラメータは機械学習アルゴリズムで学習前に設定される必要があるパラメータを意味し、かかるハイパーパラメータには、学習率(Learning Rate)、繰り返し回数、ミニバッチ(mini−batch)サイズ、初期化関数などが含まれる。
人工ニューラルネットワークの学習目的は、損失関数を最小化するモデルパラメータを決定するものとみなされる。損失関数は、人工ニューラルネットワークの学習過程で最適のモデルパラメータを決定するための指標として使用する。
機械学習は、学習方式に応じて、教師あり学習(Supervised Learning)、教師なし学習(Unsupervised Learning)、強化学習(Reinforcement Learning)に分類され得る。
教師あり学習とは、学習データに対するラベル(label)が与えられた状態で人工ニューラルネットワークを学習させる方法を意味する。ラベルとは、学習データが人工ニューラルネットワークに入力される場合、人工ニューラルネットワークが推論しなければならない正解(又は、結果値)を意味する。教師なし学習とは、学習データに対するラベルが与えられない状態で人工ニューラルネットワークを学習させる方法を意味する。強化学習とは、特定環境下で定義されたエージェントが各状態での累積報酬を最大化する行動或いは行動順序を選択するように学習させる学習方法を意味する。
人工ニューラルネットワークの中で複数の隠れ層を含んでいる深層ニューラルネットワーク(DNN:Deep Neural Network)に実現されている機械学習を深層学習(Deep Learning)と呼ぶこともあり、深層学習は機械学習の一部である。以下、機械学習はディープランニングを含む意味として使用される。
AI活用法のうちセマンティックセグメンテーション(Semantic segmentation)アルゴリズムモデルであるFCN(完全畳み込みニューラルネットワーク:Fully convolutional networks)と時系列データ連携性分析に使用されるLSTM(循環ニューラルネットワーク応用:Long short−term memory)とを組み合わせた機械学習システムを活用して多重クラス分類を行うことができる。
LSTM法はRNN(循環ニューラルネットワーク:Recurrent Neural Network)法のように時系列データ(time series data)を処理するための学習方法であって、RNN法よりもインプット情報を長く記録することができ、長いデータを学習することが可能である。
RNN法は以前の情報をすぐに次の情報に入力データを利用して予測データを算出する方法である。但し、データが長すぎて以前の情報と現在の情報との間の距離が遠くなると、逆伝播勾配が徐々に減少して学習能力が大幅に低下するという問題がある。LSTMは上記の問題を解消するために考案された方法である。LSTMはRNNの隠された状態(state)にセル状態(cell−state)を追加した構造であって、入力されたセル状態から捨てる情報、長期層(long term layer)に入力する情報、既存の情報をアップデートし、かつ出力する過程からなっている。
FCN法はフィルタを生データ(raw data)に合成積して改善されたデータを取得する方法である。FCN法を使用して生データのノイズを低減させることができ、より信頼性の高い予測値を得ることができる。
図8は、LSTM−FCNモデルに温度情報及び活動性情報を入れて卵巣嚢腫を予測するアルゴリズムを図式化した図である。
LSTM−FCNモデルは、生体指標の変化タイプを0から1の間の一定の範囲で正規化して個体の発情と卵巣嚢腫の兆候を分類する。卵巣嚢腫に該当する確率は約5億件の畜牛データを基にMicrosoft Azure Machine Learning Toolなどを利用して、マシンランニングトレーニング及びテストを行って実際の卵巣嚢腫の発生有無を判別する。
特に実験個体の妊娠出産前の温度情報及び活動性情報を介して発情個体毎の周期などを把握して差異を反映し、各個体毎の差異による収集データに現れるノイズを補償し得る。
より具体的には、図8に示されたように、システムの入力時系列情報は、温度情報及び活動性情報で構成される。温度情報は、平均値及び標準偏差を使用して平均値との差を表現して正規化し得る。
そして、正規化した温度情報及び活動性情報は、各時間フレームによって長短期記憶(LSTM)と1次元畳み込み層(convolution layer)に入力される。確率値[卵巣嚢腫状態の確率、正常状態の確率]に対してソフトマックス(softmax)関数を介して連結されて処理されて出力値を算出する。乳牛が確実に卵巣嚢腫状態であると判断される場合は、下記の[数学式2]のように、出力値は百分率で[100、0]となり、正常状態の場合は出力値が[0、100]になる。
[数学式2]
卵巣嚢腫状態の確率=100−正常状態の確率
[数学式2]
卵巣嚢腫状態の確率=100−正常状態の確率
図9は、正常状態の個体の温度情報及び活動性情報を示し、図10は、卵巣嚢腫状態の個体の温度情報及び活動性情報を示す。
再帰発情日から約2ヶ月の間のデータであり、活動性情報の陰影部分は1時間の間の活動性情報の平均値であって、突然の動きがある場合、垂直線を描きながら活動性が急増する形のグラフを示す。
図9の正常状態の個体からは、再帰発情を含めて二ヶ月間3回の発情が検出され、図10の卵巣嚢腫状態個体からは、再帰発情を含めて二ヶ月間4回の発情が検出された。正常的なパターンに比べて頻発する発情を検出して卵巣嚢腫による行動として判断し得る。
図9及び図10を参照すると、家畜の温度情報及び活動性情報がそれぞれのしきい値を超える場合、特異点が発現したと判断し得る。
図面には温度情報及び活動性情報だけを利用した実施形態が示されているが、それ以外の指標を活用する場合(例えば、電気伝導度)、それぞれの情報がしきい値を超えると、特異点が発現したと判断し得る。
複数個のセンサから集めたデータのうち少なくとも1つがしきい値を超える場合、特異点が来たと判断し得る。
温度情報が温度しきい値を超える第1特異点、及び活動性情報が活動性しきい値を超える第2特異点の発現時期及び持続時間を基に、発情しているか否かを判断し得る。
第1特異点及び第2特異点が同時に現れ、かつ第1持続時間(例えば、1〜2時間)継続する場合には発情と判断し得る。一般に、発情は18時間程度持続するため、第1特異点及び第2特異点が過度に短い時間(20〜30分)発現された場合には発情と判断しない。
或いは、第1特異点及び第2特異点のうちいずれか1つだけ現れる場合、第2持続時間以上特異点発現が持続する場合にも発情と判断し得る。第2持続時間は、第1特異点に対する第2持続時間と、第2特異点に対する第2持続時間は異なり得る。第2持続時間は、第1特異点及び第2特異点が同時に発現される場合の持続時間である第1持続時間よりも長く設定し得る(例えば、6時間以上)。
既に分析された母集団のデータを基に正常的な発情周期を導出し、それと差がある期間で発情が発現されると、異常発情と判断し得る。例えば、一般的に牛は約21日前後の発情を示すため、19日未満又は23日超過の発情周期を有する場合には異常発情と判断し得る。
病気管理サーバ300のコントローラ330は、温度情報及び活動性情報を活用して発情を判断し得る。また、個体毎の出産前に収集した温度情報及び活動性情報を活用して以前の情報との差が大きく示される場合には異常発情(正常的な発情周期に合わない)と判断し得る。
図11及び図12は、卵巣嚢腫のパターンを示す個体の温度グラフ、活動性グラフ、温度情報及び活動性情報を基に、図3の病気管理サーバ300のコントローラ330がAIアルゴリズムなどで分析して発情の確率及び卵巣嚢腫の確率を示すグラフである。
出産後約7週間(42日)後に測定した温度情報及び活動性情報を基に図示したグラフであり、発情時期として判断された地点を矢印及び丸文字で示した。
(a)の温度グラフ及び(b)の活動性グラフの丸の部分は、温度臨界点、及び活動性臨界点を超える第1特異点及び第2特異点を示す。また、(c)のグラフは、発情の確率(点線)及び卵巣嚢腫の確率(実線)を示すグラフであって、矢印の部分は発情と判断された部分を示す。
第1特異点及び第2特異点が同時に発生したとき、発情と判断し得る。(c)に矢印で発情と判断された地点を示した。第1特異点及び第2特異点が同時に示される場合、発情の確率が高くなり、一定の時間(例えば、1時間以上)持続する場合、発情と判断し得る。
温度及び活動性が低下すると、発情も終了して発情の確率も低くなる。発情が示されると、個体の卵巣嚢腫の確率が高くなる。特に発情の頻度が短いほど卵巣嚢腫の確率は大幅に増加する。
図11のように出産後の最初の発情(再帰発情)が早期に現れた場合(丸1)には卵巣嚢腫の確率は高くなる一方で、図12のように再帰的発情が遅い場合(丸1)には再帰発情時の卵巣嚢腫の確率は緩やかに増加する。
発情後に時間が経過するにつれて卵巣嚢腫の確率はゆっくり低くなる一方で、再び発情が検出された場合には卵巣嚢腫の確率が再び増加する。第1特異点及び第2特異点のうち1つだけ示される場合には発情の発現と判断しないことがあるが、異常症状と判断して卵巣嚢腫の確率は発情と判断された場合に比べると少ないものの増加する。
図11のように一周期の21日前後に再帰発情を含めて4回以上の発情が検出されると、4回目の発情で卵巣嚢腫の確率が100%になり、卵巣嚢腫と疑われるアラームをユーザ装置400に提供し得る。
或いは、図12のように短時間で再帰発情を含めて3回以上の発情が検出されると、同様に卵巣嚢腫と判断してアラームをユーザ装置400に提供し得る。
卵巣嚢腫の確率は、単に発情の発現回数だけで判断せず、各発情周期の長さ、発情周期の不規則性、発情の強度、及び発情の持続時間などにより、卵巣嚢腫確率の増加幅が異なり得る。
図13はこのような方法で温度情報及び活動性情報を基に発情を判断し、温度情報、活動性情報、及び発情の有無に応じて卵巣嚢腫の確率を変化させて個体毎の卵巣嚢腫の有無を判断した結果を示す表である。
50匹の実験個体のうち7匹が卵巣嚢腫と判断された。A農場では2匹、B農場では3匹が発見されており、C農場では卵巣嚢腫個体が検出されなかった。D農場及びE農場ではそれぞれ1匹が発見された。卵巣嚢腫と判断する時点は、再帰発情日から19日〜48日と最大値と最小値を除けば、概ね再帰発情日から1次発情周期(21日)と2次発情周期(42日)との間に現れている。
各個体毎に差があるが、平均30日間4回の発情が発現された。これは約10日毎に発情に進入したものであって、正常的な周期よりも約1週間半が速いことが分かる。
バイオセンサカプセル200を介して検出された生体情報により卵巣嚢腫の有無を予測することで獣医が精密検査を行う個体を抽出することにより、不要な検査のための人力の浪費を減らすことができる。本実験では、50匹の個体のうち7匹のみに対して精密検査を行った。
卵巣嚢腫の個体を逃さないために、小さな変化に対しても卵巣嚢腫の確率の増加率を高めて卵巣嚢腫のある個体が外れる可能性を防止することもできる。
但し、この場合、卵巣嚢腫の検査回数が増えてデータが増加するため、AI(人工知能)分析法によって既存の情報を活用し、温度変化及び活動性変化、そして、発情の有無に応じて卵巣嚢腫の確率を調節し得る。本発明のバイオセンサカプセル200から収集した情報を利用して病気管理サーバ300から繁殖障害(卵巣嚢腫)が疑われる個体を迅速に検出し、農場の集中的なケア(獣医診察及びホルモン療法)を可能にして農場の生産性を向上させる。
上述した装置は、ハードウェア構成要素、ソフトウェア構成要素、又はハードウェア構成要素及びソフトウェア構成要素の組合せで具現される。例えば、本実施形態で説明した装置及び構成要素は、例えば、プロセッサ、コントローラ、ALU(arithmetic logic unit)、デジタル信号プロセッサ(digital signal processor)、マイクロコンピュータ、FPGA(field programmable gate array)、PLU(programmable logic unit)、マイクロプロセッサ、又は命令(instruction)を実行して応答する異なる装置のように、1つ以上の汎用コンピュータ又は特殊目的コンピュータを用いて具現される。処理装置は、オペレーティングシステム(OS)及びオペレーティングシステム上で実行される1つ以上のソフトウェアアプリケーションを実行する。また、処理装置は、ソフトウェアの実行に応答してデータをアクセス、格納、操作、処理、及び生成する。理解の便宜のために、処理装置は1つが使用されるものとして説明する場合もあるが、当該技術分野で通常の知識を有する者は、処理装置が複数の処理要素(processing element)及び/又は複数類型の処理要素を含むことが分かる。例えば、処理装置は、複数のプロセッサ又は1つのプロセッサ及び1つのコントローラを含む。また、並列プロセッサ(parallel processor)のような、他の処理構成(processing configuration)も可能である。
ソフトウェアは、コンピュータプログラム(computer program)、コード(code)、命令(instruction)、又はこれらのうちの1つ以上の組合せを含み、希望通りに動作するように処理装置を構成し、独立的又は結合的に(collectively)処理装置に命令する。ソフトウェア及び/又はデータは、処理装置によって解釈され、処理装置に命令又はデータを提供するためのあらゆる類型の機械、構成要素(component)、物理的装置、仮想装置(virtual equipment)、コンピュータ格納媒体又は装置、或いは送信される信号波(signal wave)を介して永久的又は一時的に具現化(embody)される。ソフトウェアは、ネットワークに接続されたコンピュータシステム上に分散され、分散された方法で格納されるか又は実行される。ソフトウェア及びデータは1つ以上のコンピュータ読み取り可能な記録媒体に格納される。
本実施形態による方法は、多様なコンピュータ手段を介して実施されるプログラム命令の形態で具現され、コンピュータ読み取り可能な記録媒体に記録される。記録媒体は、プログラム命令、データファイル、データ構造などを単独又は組合せて含む。記録媒体及びプログラム命令は、本発明の目的のために特別に設計して構成されたものでもよく、コンピュータソフトウェア分野の技術を有する当業者にとって公知のものであり使用可能なものであってもよい。コンピュータ読み取り可能な記録媒体の例としては、ハードディスク、フロッピー(登録商標)ディスク及び磁気テープのような磁気媒体(magnetic media)、CD−ROM、DVDのような光記録媒体(optical media)、フロップティカルディスク(floptical disk)のような磁気−光媒体(magneto−optical media)、及びロム(ROM)、ラム(RAM)、フラッシュメモリなどのようなプログラム命令を保存して実行するように特別に構成されたハードウェア装置を含む。プログラム命令の例としては、コンパイラによって生成されるような機械語コードだけでなく、インタプリタなどを用いてコンピュータによって実行される高級言語コードを含む。ハードウェア装置は、本発明の動作を実行するために1つ以上のソフトウェアモジュールとして作動するように構成してもよく、その逆も同様である。
上述したように実施形態をたとえ限定された図面によって説明したが、当該技術分野で通常の知識を有する者であれば、前記に基づいて様々な技術的な修正及び変形を適用することができる。例えば、説明された技術が説明された方法と異なる順序で実行されたり、及び/又は説明されたシステム、構造、装置、回路などの構成要素が説明された方法と異なる形態で結合又は組合わせられたり、他の構成要素又は均等物によって置き換えたり置換されても適切な結果を達成することができる。
したがって、他の具現、他の実施形態、及び特許請求の範囲と均等なものも後述する特許請求の範囲に属する。
Claims (19)
- 家畜の体内に安着したバイオセンサカプセルから前記家畜の生体情報を受信するステップと、
前記生体情報を基に基準値を外れる特異点を検出する特異点検出ステップと、
前記特異点が検出されると、前記家畜の病気の確率を増加させる健康状態モニタリングステップと、
前記家畜の病気の確率が第1しきい値以上になると、前記家畜の健康状態の異常と判断する病気感知ステップとを含む、家畜の病気管理方法。 - 前記生体情報は、前記家畜の温度情報及び前記家畜の活動性情報を含む、請求項1に記載の家畜の病気管理方法。
- 前記家畜の活動性情報は、前記バイオセンサカプセルから検出された角速度情報及び加速度情報のうち少なくとも1つを含む、請求項2に記載の家畜の病気管理方法。
- 前記特異点検出ステップは、前記温度情報が温度しきい値を超える第1特異点、又は前記活動性情報が活動性しきい値を超える第2特異点のうち少なくとも1つが発現される場合、発情と判断する発情検出ステップを含み、
前記健康状態モニタリングステップは、前記発情が検出されると、前記家畜の病気の確率の増加幅が大きくなる、請求項2に記載の家畜の病気管理方法。 - 前記発情検出ステップは、前記第1特異点の持続時間又は前記第2特異点の持続時間が第1持続時間以上持続する場合、発情と判断する、請求項4に記載の家畜の病気管理方法。
- 前記発情検出ステップは、前記第1特異点及び前記第2特異点が全て発現される場合、発情と判断する、請求項4に記載の家畜の病気管理方法。
- 前記発情検出ステップは、前記第1特異点及び前記第2特異点のいずれかだけが発現される場合は、発現された特異点の持続時間が第2時間以上持続する場合、発情と判断する、請求項4に記載の家畜の病気管理方法。
- 前記健康状態モニタリングステップは、前記発情の発現頻度、前記発情の発現不規則性、前記発情の発現持続時間、及び前記発情の発現強度に応じて、前記家畜の病気の確率の変化幅が異なる、請求項4に記載の家畜の病気管理方法。
- 前記健康状態モニタリングステップは、前記発情の発現頻度が高いほど、前記発情発現が不規則に現れるほど、また、前記発情の発現持続時間が長いほど、前記家畜の病気の確率の変化幅がさらに大きくなる、請求項8に記載の家畜の病気管理方法。
- 前記健康状態モニタリングステップは、2次発情周期以内に3回又は4回以上前記発情検出ステップが発現される場合は、前記家畜の病気の確率が前記第1しきい値以上になるように調節する、請求項4に記載の家畜の病気管理方法。
- 前記健康状態モニタリングステップは、前記特異点検出ステップ後、次の特異点の検出前に、前記家畜の病気の確率が低下する、請求項4に記載の家畜の病気管理方法。
- 前記病気の確率が設定値以上になると、ユーザに家畜の病気を通知するアラームステップをさらに含む、請求項1に記載の家畜の病気管理方法。
- 前記家畜の健康状態の異常は卵巣嚢腫である、請求項1に記載の家畜の病気管理方法。
- 前記バイオセンサカプセルを、家畜の胃又は膣内に挿入安着するステップをさらに含む、請求項1に記載の家畜の病気管理方法。
- 家畜の体内に安着したバイオセンサカプセルから前記家畜の生体情報を受信する通信モジュールと、
前記生体情報を分析し、分析結果に基づいて前記家畜の健康状態を判断し、前記家畜の健康状態に関する情報を、前記家畜を管理するユーザに送信するコントローラとを含み、
前記コントローラは、
前記生体情報を基に基準値を外れる特異点を検出し、
前記特異点が検出されると、前記家畜の病気の確率を増加させ、
前記家畜の病気の確率が第1しきい値以上になると、前記家畜の健康状態の異常をユーザに送信する、家畜の病気管理サーバ。 - 前記生体情報は、前記家畜の温度情報及び前記家畜の活動性情報を含み、 前記コントローラは、
前記温度情報が温度しきい値を超える第1特異点、又は前記活動性情報が活動性しきい値を超える第2特異点のうち少なくとも1つが発現される場合、発情と判断し、前記家畜の病気の確率を増加させる、請求項15に記載の家畜の病気管理サーバ。 - 前記コントローラは、前記発情の発現頻度、前記発情の発現不規則性、前記発情の発現持続時間、及び前記発情の発現強度に応じて前記家畜の病気の確率の変化幅が異なる、請求項16に記載の家畜の病気管理サーバ。
- 前記コントローラは、2次発情周期以内に3回又は4回以上前記発情検出ステップが発現される場合は、前記家畜の病気の確率が前記第1しきい値以上になるように調節する、請求項17に記載の家畜の病気管理サーバ。
- 前記家畜の健康状態の異常は卵巣嚢腫である、請求項15に記載の家畜の病気管理サーバ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/KR2021/007111 WO2021251714A1 (ko) | 2020-06-10 | 2021-06-08 | 가축의 질병 관리 방법, 질병 관리 서버 및 질병 관리 시스템 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2020-0070584 | 2020-06-10 | ||
KR20200070584 | 2020-06-10 | ||
US17/242,688 | 2021-04-28 | ||
US17/242,688 US20210338165A1 (en) | 2016-11-10 | 2021-04-28 | Method of managing disease, and apparatuses operating the same |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022002507A true JP2022002507A (ja) | 2022-01-11 |
Family
ID=79247139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021091779A Pending JP2022002507A (ja) | 2020-06-10 | 2021-05-31 | 病気管理方法及びこれを行うための装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022002507A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7366300B1 (ja) * | 2023-03-20 | 2023-10-20 | 太平洋工業株式会社 | 発情兆候検出システム |
WO2024084727A1 (ja) * | 2022-10-20 | 2024-04-25 | 国立研究開発法人農業・食品産業技術総合研究機構 | 生育予測プログラムおよび生育予測方法 |
-
2021
- 2021-05-31 JP JP2021091779A patent/JP2022002507A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024084727A1 (ja) * | 2022-10-20 | 2024-04-25 | 国立研究開発法人農業・食品産業技術総合研究機構 | 生育予測プログラムおよび生育予測方法 |
JP7366300B1 (ja) * | 2023-03-20 | 2023-10-20 | 太平洋工業株式会社 | 発情兆候検出システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sharma et al. | Cattle health monitoring system using wireless sensor network: a survey from innovation perspective | |
KR102095270B1 (ko) | 질병 관리 방법 및 이를 수행하기 위한 장치들 | |
Chapa et al. | Accelerometer systems as tools for health and welfare assessment in cattle and pigs–a review | |
US20210338165A1 (en) | Method of managing disease, and apparatuses operating the same | |
JP2022002507A (ja) | 病気管理方法及びこれを行うための装置 | |
Wang et al. | IoT-based measurement system for classifying cow behavior from tri-axial accelerometer | |
JP2022056317A (ja) | 家畜の子宮センサー | |
Wang et al. | Wearable multi-sensor enabled decision support system for environmental comfort evaluation of mutton sheep farming | |
KR102443610B1 (ko) | 질병 관리 방법 및 이를 수행하기 위한 장치들 | |
JP2021035355A (ja) | 家畜の健康状態管理システム、家畜用ウェアラブルデバイス、家畜の健康状態管理方法及びプログラム | |
Baig et al. | Ewe Health Monitoring Using IoT simulator | |
Das et al. | Precision technologies for the management of reproduction in dairy cows | |
Vigneswari et al. | Smart livestock management using cloud IoT | |
WO2021251714A1 (ko) | 가축의 질병 관리 방법, 질병 관리 서버 및 질병 관리 시스템 | |
Aunindita et al. | Use of machine learning and IoT for monitoring and tracking of livestock | |
Rehman et al. | Implementation of an Intelligent Animal Monitoring System Using Wireless Sensor Network and IoT Platform | |
Baig et al. | Parturition and Estrus Detection in Cows and Heifers with WSN and IoT | |
Furukawa et al. | Analysis of sequential ruminal temperature sensor data from dairy cows to identify cow subgroups by clustering and predict calving through supervised machine learning | |
KR20170138260A (ko) | 대동물(소,말등)의 움직임과 목넘김소리등을 센싱하여, 생체 신호를 빅데이터로 저장 및 변환하고, 저장된 빅데이터에 근거한 대동물 건강관리 시스템 및 알고리즘 | |
Singhal et al. | Cattle Collar: An End-to-End Multi-Model Framework for Cattle Monitoring | |
Jia et al. | Research on Intelligent collar animal husbandry health diagnosis service platform based on Cloud Computing | |
Chung et al. | Subcutaneous temperature monitoring through ear tag for heat stress detection in dairy cows | |
Kim et al. | AI Anaalysis Method Utilizing Ingestible Bio-Sensors for Bovine Calving Predictions | |
Manek et al. | KAMADHENU-Microcontroller Based Health and Feed Intake Monitoring System for Dairy Cows | |
Sharma et al. | A Case Study on CALVEASE: AI Driven IoT Framework for Dystocia Prediction |