JP2022101294A - 家畜発情期判別プログラム - Google Patents
家畜発情期判別プログラム Download PDFInfo
- Publication number
- JP2022101294A JP2022101294A JP2020215786A JP2020215786A JP2022101294A JP 2022101294 A JP2022101294 A JP 2022101294A JP 2020215786 A JP2020215786 A JP 2020215786A JP 2020215786 A JP2020215786 A JP 2020215786A JP 2022101294 A JP2022101294 A JP 2022101294A
- Authority
- JP
- Japan
- Prior art keywords
- information
- livestock
- estrus
- association
- degree
- 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
- Image Analysis (AREA)
Abstract
【課題】特段のスキルや経験が無くても、家畜の発情期を自動的かつ高精度に判定するる。【解決手段】家畜の発情期を判別する家畜発情期判別プログラムにおいて、判別対象の家畜から検出した生体情報を取得する情報取得ステップと、予め各家畜から検出した参照用生体情報と、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報に基づき、上記判別対象の家畜の発情期を判別する判別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。【選択図】図14
Description
本発明は、牛や馬、豚等の哺乳類系の家畜の発情期を判別する家畜発情期判別プログラムに関する。
牛や馬、豚等の哺乳類系の家畜は、ある時期が来ると発情する。発情は雄を受け入れる期間で、この時期に交配が行われ、受胎すると発情が停止する。特に畜産農家において、人工授精させる場合、この発情を管理者が的確に発見し、種付けを行う必要がある。
しかしながら、この家畜の発情期の見極めは熟練者であってもなかなか難しい場合が多い。仮に発情期を逃してしまうと種付けができなくなり、畜産農家にとって大きな損失になってしまう。このため、家畜の発情期の判別を補助してくれるツールの提供が従来より望まれていた。
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、家畜の発情期を判別する家畜発情期判別プログラムにおいて、発情期を自動的かつ高精度に判定することが可能な家畜発情期判別プログラムを提供することにある。
上述した課題を解決するために、本発明に係る不家畜発情期判別プログラムは、家畜の発情期を判別する家畜発情期判別プログラムにおいて、判別対象の家畜から検出した生体情報を取得する情報取得ステップと、予め各家畜から検出した参照用生体情報と、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報に基づき、上記判別対象の家畜の発情期を判別する判別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。
特段のスキルや経験が無くても、家畜の発情期を自動的かつ高精度に判定することが可能となる。
以下、本発明を適用した家畜発情期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。
第1実施形態
図1は、本発明を適用した家畜発情期判別プログラムが実装される家畜発情期判別システム1の全体構成を示すブロック図である。家畜発情期判別システム1は、情報取得部9と、情報取得部9に接続された探索装置2と、探索装置2に接続されたデータベース3とを備えている。
図1は、本発明を適用した家畜発情期判別プログラムが実装される家畜発情期判別システム1の全体構成を示すブロック図である。家畜発情期判別システム1は、情報取得部9と、情報取得部9に接続された探索装置2と、探索装置2に接続されたデータベース3とを備えている。
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、後述する探索装置2と一体化されていてもよい。情報取得部9は、検知した情報を探索装置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。情報取得部9は、インターネット上のサイトに掲載されている文字列やデータを自動的に取り込んでくる手段で構成されていてもよい。また、情報取得部は、家畜に装着する加速度センサも含む。
データベース3は、家畜発情期判別を行う上で必要な様々な情報が蓄積される。家畜発情期判別を行う上で必要な情報としては、予め取得した家畜の身体に取り付けられた加速度センサにより検知された家畜の動作に応じた参照用加速度情報、家畜の動作を撮像した参照用画像情報、家畜の音声を録音した参照用音声情報、予め取得した家畜の餌の消費量に関する参照用餌消費量情報、予め取得した家畜の外陰部の状態を検出した参照用外陰部情報、予め取得した家畜から採取可能な生乳の量を検出した参照用生乳量情報と、判別対象の家畜の発情期とのデータセットが記憶されている。
つまり、データベース3には、このような参照用加速度情報、参照用画像情報、参照用音声情報、参照用餌消費量情報、参照用外陰部情報、参照用生乳量情報の何れか1以上と、判別対象の家畜の発情期とが互いに紐づけられて記憶されている。
探索装置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、この探索装置2による探索解を得ることができる。
図2は、探索装置2の具体的な構成例を示している。この探索装置2は、探索装置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。
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、探索装置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。
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。
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。
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。
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。
上述した構成からなる家畜発情期判別システム1における動作について説明をする。
家畜発情期判別システム1では、例えば図3に示すように、参照用加速度情報と、参照用画像情報との組み合わせが形成されていることが前提となる。参照用加速度情報とは、牛や馬、豚等の哺乳類系の雌の家畜の首や身体に取り付けられた加速度センサにより検知された加速度のデータである。この参照用加速度情報は、家畜の動きが尿実に反映される。発情期の雌牛は、落ち着きがなくなったり、歩行の速さや頻度も変わると言われているが、このような行動が加速度センサにより検知される参照用加速度情報として反映されることになる。また発情期の雌牛は、他の牛に乗駕する行動も見せるが、このような行動が加速度センサにより検知される参照用加速度情報として反映されることになる。
参照用画像情報は、このような家畜の動作や行動をカメラにより撮像することで得られた画像データで構成される。発情期の雌牛の落ち着きの無さ、歩行の頻度や速さ、他の牛への乗駕といった行動の画像データを取得し、必要に応じてその画像データを画像解析することにより、これを取得する。必要に応じてディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。また、このような家畜の行動や動作を解析画像の特徴量に基づいて類型化して自動的に整理してもよい。
入力データとしては、このような参照用加速度情報と、参照用画像情報が並んでいる。このような入力データとしての、参照用加速度情報に対して、参照用画像情報が組み合わさったものが、図3に示す中間ノード61である。各中間ノード61は、更に出力に連結している。この出力においては、家畜の発情期A~Eが表示されている。この家畜の発情期は、実際の家畜が発情する時期が、何日後、何時間後に発情し、何日後、何時間後に発情期が終了する等のように示されていてもよいし、発情期の始点の月日と時刻並びに発情期の終点の月日と時刻が示されるものであってもよい図3の例によれば、発情期Aは、3月13日10時~3月14日13時まで、発情期Bは、3月15日15時~3月16日6時まで等で構成されている。
発情期は、家畜の雌が雄を受け入れる期間で、この時期に交配が行われ、受胎すると発情が停止する。発情期であるか否かの判別は、専門家や熟練者により、判別されるものであってもよいし、実際に種付けを行わせた結果から判別されるものであってもよい。かかる場合には実際に種付けを行わせて成功した場合には、その期間は発情期と判断し、種付けを行わせて失敗だった場合、或いは種付け自体を受け付けなかった場合は、発情期でないものと判断する。
参照用加速度情報と、参照用画像情報を通じて、家畜の兆候を抽出し、その抽出した時点から何時間後が発情期の開始時点であり、当該時点から何時間後が発情期の終了時点かを示すデータでデータセットを作ることができる。このようなデータセットを作って学習させることで、参照用加速度情報と、参照用画像情報から、その抽出時から何時間後が発情期の開始時点であり、当該時点から何時間後が発情期の終了時点かを出力することが可能となる。
参照用加速度情報と、参照用画像情報との各組み合わせ(中間ノード)は、この出力解としての、発情期に対して3段階以上の連関度を通じて互いに連関しあっている。参照用加速度情報と、参照用画像情報がこの連関度を介して左側に配列し、発情期A、B、C、D、E、・・・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加速度情報と、参照用画像情報に対して、何れの発情期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、各参照用加速度情報と、参照用画像情報が、いかなる発情期に紐付けられる可能性が高いかを示す指標であり、各参照用加速度情報と、参照用画像情報から、最も相応しい発情期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~w22が示されている。このw13~w22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発情期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発情期と互いに関連度合いが低いことを示している。
探索装置2は、このような図3に示す3段階以上の連関度w13~w22を予め取得しておく。つまり探索装置2は、実際の探索解の判別を行う上で参照用加速度情報と参照用画像情報、並びにその場合の発情期の何れが好適であったか、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。
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、例えば参照用加速度情報P01で、参照用画像情報P16である場合に、その発情期を過去のデータから分析する。Aの事例が多い場合には、このAにつながる連関度をより高く設定し、B」の事例が多く、Aの事例が少ない場合には、Bにつながる連関度を高くし、A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、発情期AとBの出力にリンクしているが、以前の事例から発情期Aにつながるw13の連関度を7点に、発情期Bにつながるw14の連関度を2点に設定している。
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。
図3に示す連関度の例で、ノード61bは、参照用加速度情報P01に対して、参照用画像情報P14の組み合わせのノードであり、発情期Cの連関度がw15、発情期Eの連関度がw16となっている。ノード61cは、参照用加速度情報P02に対して、参照用画像情報P15、P17の組み合わせのノードであり、発情期Bの連関度がw17、発情期Dの連関度がw18となっている。
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、実際にこれから発情期判別のための探索を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、新たに発情期の判別を行う判別対象の家畜から加速度情報に加え、画像情報を取得する。加速度情報に加え、画像情報の取得方法は、上述した参照用加速度情報、参照用画像情報と同様である。
このようにして新たに取得した加速度情報、画像情報に基づいて、最適な発情期を探索する。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、新たに取得した加速度情報がP02と同一かこれに類似するものである場合であって、画像情報がP17と同一かこれに類似する場合には、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、発情期Cがw19、発情期Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高い発情期C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発情期D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。
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。
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。
なお、上述した連関度を構成する参照用加速度情報、参照用画像情報を取得した家畜と、新たに加速度情報、画像情報を取得する判別対象の家畜は同一である必要は無い。
なお、上述した連関度を構成する参照用加速度情報、参照用画像情報を取得した家畜と、新たに加速度情報、画像情報を取得する判別対象の家畜は同一である必要は無い。
図4は、上述した参照用加速度情報と、参照用音声情報との組み合わせと、当該組み合わせに対する発情期との3段階以上の連関度が設定されている例を示している。
参照用音声情報とは、家畜の音声を録音することで得ることができる。発情期の家畜は、声を上げたり、鳴いたりする場合が多い。このため、家畜の音声を解析することで、家畜の発情期を判別することができる。家畜の音声は例えば厩舎等に設置されたマイクロフォンを通じて検出することができる。
参照用音声情報は、録音した音声を周波数解析し、或いはそのトーンや強弱も含めて解析するようにしてもよい。この参照用音声情報は、ある期間における音声を時系列的に取得し、これを解析したものであってもよい。
図4の例では、入力データとして例えば参照用加速度情報P01~P03、参照用音声情報P18~21であるものとする。このような入力データとしての、参照用加速度情報に対して、参照用音声情報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、信用度が表示されている。
参照用加速度情報と参照用音声情報との各組み合わせ(中間ノード)は、この出力解としての、発情期に対して3段階以上の連関度を通じて互いに連関しあっている。参照用加速度情報と参照用音声情報がこの連関度を介して左側に配列し、発情期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加速度情報と参照用音声情報に対して、発情期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、各参照用加速度情報と参照音声情報が、いかなる発情期に紐付けられる可能性が高いかを示す指標であり、参照用加速度情報と参照用音声情報から最も確からしい各発情期を選択する上での的確性を示すものである。加速度情報に加え、実際の家畜の音声がいかなるものであるのかに応じて、発情期は変化する。このため、これらの参照用加速度情報と参照用音声情報の組み合わせで、最適な発情期を探索していくこととなる。
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互いに関連度合いが低いことを示している。
探索装置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。つまり探索装置2は、実際の探索解の判別を行う上で、参照用加速度情報と参照用音声情報、並びにその場合の発情期が何れが好適であったか、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。
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、例えば参照用加速度情報P01で、参照用音声情報P20である場合に、その信用度を過去のデータから分析する。例えば中間ノード61aの例では、発情期AとBの出力にリンクしているが、以前の事例から発情期Aにつながるw13の連関度を7点に、発情期Bにつながるw14の連関度を2点に設定している。
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。
図4に示す連関度の例で、ノード61bは、参照用加速度情報P01に対して、参照用音声情報P18の組み合わせのノードであり、発情期Cの連関度がw15、発情期Eの連関度がw16となっている。ノード61cは、参照用加速度情報P02に対して、参照用音声情報P19、P21の組み合わせのノードであり、発情期Bの連関度がw17、発情期Dの連関度がw18となっている。
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、実際にこれから助言を行う際において、上述した学習済みデータを利用して行うこととなる。かかる場合には、上述した加速度情報に加え、新たに発情期を判定する判別対象の家畜の音声情報を取得する。音声情報の取得方法は、参照用音声情報と同様である。
このような参照用音声情報、音声情報の取り込み方法は、上述した音声情報が記述されている書類の記載を画像解析、必要に応じてディープラーニング技術を利用し、解析画像の特徴量に基づいて自動判別し、データ化してもよい。
このようにして新たに取得した加速度情報、音声情報に基づいて、信用度を探索する。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、新たに取得した加速度情報がP02と同一かこれに類似するものである場合であって、音声情報がP21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、発情期Cがw19、発情期Dが連関度w20で関連付けられている。かかる場合には、連関度の最も高い発情期C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発情期D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。
図5は、上述した参照用画像情報と、参照用音声情報との組み合わせと、当該組み合わせに対する発情期との3段階以上の連関度が設定されている例を示している。このように、参照用画像情報と、参照用音声情報との組み合わせと、当該組み合わせに対する発情期との3段階以上の連関度を予め取得しておく。実際の判定時には、判別対象の家畜の画像情報と音声情報を取得する。そして、連関度を参照した上で、新たに取得した画像情報と音声情報とに基づき、家畜の発情期を上述と同様に判定する。
図6は、上述した参照用加速度情報と、参照用画像情報に加えて、更に参照用餌消費量情報との組み合わせと、当該組み合わせに対する家畜の発情期との3段階以上の連関度が設定されている例を示している。
参照用餌消費量は、家畜の実際の餌の消費量を示す情報である。この参照用餌消費量情報は、実際に家畜が摂取する餌の消費量を飼育担当者が都度計測することで得るようにしてもよい。その計測方法は、餌が入った餌箱の重さを、給餌前と給餌後で計測し、その差分値から餌の消費量を算出するようにしてもよい。また、餌(干し草など)が入ってる容器内を外部のカメラから撮像し、得られた画像情報を給餌前と給餌後とでそれぞれ解析することで餌の消費量を算出するようにしてもよい。
かかる場合において、連関度は、図6に示すように、参照用加速度情報と、参照用画像情報と、参照用餌消費量情報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。
例えば、図6において、ノード61cは、参照用加速度情報P02が連関度w3で、参照用画像情報P15が連関度w7で、参照用餌消費量情報Wが連関度w11で連関している。同様にノード61eは、参照用加速度情報P03が連関度w5で、参照用画像情報P15が連関度w8で、参照用餌消費量情報Vが連関度w10で連関している。
参照用餌消費量情報は、時系列的な餌の消費量の変化を一つのデータとして取得するものであってもよい。これにより、通常の餌の消費量と比較して、直近の餌の消費量が減少したか、或いは増加したか、その傾向を把握することが可能となる。
参照用餌消費量情報は、時系列的な餌の消費量の変化を一つのデータとして取得するものであってもよい。これにより、通常の餌の消費量と比較して、直近の餌の消費量が減少したか、或いは増加したか、その傾向を把握することが可能となる。
このような連関度が設定されている場合も同様に、新たに判別対象の家畜から取得した加速度情報と、画像情報と、餌消費量情報に基づいて、当該家畜の発情期を判別する。
この発情期を判別する上で予め取得した図6に示す連関度を参照する。例えば、加速度情報が参照用加速度情報P02に同一又は類似で、取得した画像情報が参照用画像情報P15と同一、類似であることが特定でき、更に取得した餌消費量情報が、参照用餌消費量情報Wであることが特定できた場合、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、発情期Bが連関度w17で、また発情期D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、実際にその新たに加速度情報と、画像情報と、餌消費量情報とを取得した判別対象の家畜における発情期を求めていくことになる。
発情期の家畜は、餌の消費量が変化すると言われており、このような餌消費量情報を参照することで家畜の発情期を高精度に判別することが可能となる。
図7は、上述した参照用加速度情報と、参照用画像情報に加えて、更に参照用外陰部情報との組み合わせと、当該組み合わせに対する家畜の発情期との3段階以上の連関度が設定されている例を示している。
参照用外陰部情報は、家畜の外陰部を示す情報である。この参照用外陰部情報は、家畜の外陰部をカメラにより撮像した画像情報で構成されていてもよいし、実際に外陰部を視認、観察し、その状況を把握した上でデータとして入力されるものであってもよい。また、この参照用外陰部情報は、外陰部出てくる発情粘液の有無を画像やセンサ、或いは厩務員による視認により検知、確認した結果のデータで構成されていてもよい。
かかる場合において、連関度は、図7に示すように、参照用加速度情報と、参照用画像情報と、参照用外陰部情報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。
例えば、図7において、ノード61cは、参照用加速度情報P02が連関度w3で、参照用画像情報P15が連関度w7で、参照用外陰部情報Wが連関度w11で連関している。同様にノード61eは、参照用加速度情報P03が連関度w5で、参照用画像情報P15が連関度w8で、参照用外陰部情報Vが連関度w10で連関している。
このような連関度が設定されている場合も同様に、新たに判別対象の家畜から取得した加速度情報と、画像情報と、外陰部情報に基づいて、当該家畜の発情期を判別する。
この発情期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、加速度情報が参照用加速度情報P02に同一又は類似で、取得した画像情報が参照用画像情報P15と同一、類似であることが特定でき、更に取得した外陰部情報が、参照用外陰部情報Wであることが特定できた場合、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、発情期Bが連関度w17で、また発情期D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、実際にその新たに加速度情報と、画像情報と、外陰部情報とを取得した判別対象の家畜における発情期を求めていくことになる。
発情期の家畜は、外陰部の状況が変化し、また外陰部から粘液を出すと言われており、このような外陰部情報を参照することで家畜の発情期を高精度に判別することが可能となる。
図8は、上述した参照用加速度情報と、参照用画像情報に加えて、更に参照用生乳量情報との組み合わせと、当該組み合わせに対する家畜の発情期との3段階以上の連関度が設定されている例を示している。
参照用生乳量情報は、家畜から採取可能な生乳の量であり、特に乳牛やヤギ等、生乳を採取可能な家畜から検出することができる。この参照用生乳量情報は、1日当たり又は1回あたり、或いは単位時間あたりで採取される生乳量を示すものである。
かかる場合において、連関度は、図8に示すように、参照用加速度情報と、参照用画像情報と、参照用生乳量情報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。
例えば、図8において、ノード61cは、参照用加速度情報P02が連関度w3で、参照用画像情報P15が連関度w7で、参照用生乳量情報Wが連関度w11で連関している。同様にノード61eは、参照用加速度情報P03が連関度w5で、参照用画像情報P15が連関度w8で、参照用生乳量情報Vが連関度w10で連関している。
このような連関度が設定されている場合も同様に、新たに判別対象の家畜から取得した加速度情報と、画像情報と、生乳量情報に基づいて、当該家畜の発情期を判別する。
この発情期を判別する上で予め取得した図8に示す連関度を参照する。例えば、加速度情報が参照用加速度情報P02に同一又は類似で、取得した画像情報が参照用画像情報P15と同一、類似であることが特定でき、更に取得した生乳量情報が、参照用生乳量情報Wであることが特定できた場合、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、発情期Bが連関度w17で、また発情期D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、実際にその新たに加速度情報と、画像情報と、生乳量情報とを取得した判別対象の家畜における発情期を求めていくことになる。
発情期の家畜は、採取できる生乳量が変化するため、このような生乳量情報を参照することで家畜の発情期を高精度に判別することが可能となる。
また本発明によれば、判別対象の家畜毎の過去の発情期の履歴に関する発情期履歴情報を更に取得するようにしてもよい。この発情期履歴情報は、毎年判別された発情期の時期、その家畜が何度も受胎して出産している場合には、その受胎履歴、受胎から出産までの経過、産後の状況、出産した子供の状況が含まれる。またこれに加えて、その家畜について、取得した(加速度情報、画像情報、・・・生乳量情報)に対して、いかなるタイミングで種付けを行ったところ、いかなる結果であったのかを示すものであってもよい。
発情期を判別する際には、このような発情期履歴情報を参照することで判別精度の向上を図るようにしてもよい。上述した連関度を通じて判別された発情期は、更に、発情期履歴情報に基づいて修正され、或いは重み付けを変化させるようにしてもよい。例えば、発情期履歴情報において、毎年比較的早めに発情期がくる家畜については、連関度を通じて判別された発情期を早めに設定するようにしてもよいし、早めの発情期につながる連関度重み付けを重くするようにしてもよい。
このような発情期履歴情報を参照するのは、上述した全ての連関度において同様に行うようにしてもよい。
また、図9に示すように、参照用情報Uとして、参照用加速度情報、参照用画像情報、参照用音声情報、参照用餌消費量情報、参照用外陰部情報、参照用生乳量情報等で構成し、参照用情報Vとして、参照用情報Uと組み合わせて連関度を構成する参照用加速度情報、参照用画像情報、参照用音声情報、参照用餌消費量情報、参照用外陰部情報、参照用生乳量情報とし、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、上述した発情期である。
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、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。
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。
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、誰でも手軽に融資を検討している企業の信用度の探索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。
なお、上述した入力データ、及び出力データは、学習させる過程で完全に同一のものが存在しない場合も多々あることから、これらの入力データと出力データを類型別に分類した情報であってもよい。つまり、入力データを構成する情報P01、P02、・・・・P15、16、・・・は、その情報の内容に応じて予めシステム側又はユーザ側において分類した基準で分類し、その分類した入力データと出力データとの間でデータセットを作り、学習させるようにしてもよい。
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。
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より信用度に関する信憑性が高く、誤認の低い信用度を判別することで、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。
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。
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。また加速度情報、画像情報、音声情報、餌消費量情報、外陰部情報、生乳量情報に関する知見、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。
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。
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。
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。
第2実施形態
第2実施形態においては、上述した画像情報、加速度情報、音声情報等から単独で探索解としての家畜の発情期を求める。
第2実施形態においては、上述した画像情報、加速度情報、音声情報等から単独で探索解としての家畜の発情期を求める。
例えば図10に示すように、参照用画像情報と家畜の発情期との間における3段階以上の連関度を利用する。
図10の例では、入力データとして、各地域における参照用画像情報P01、P02、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画像情報P01、P02、P03は、出力としての家畜の発情期に連結している。
参照用画像情報P01、P02、P03は、この出力解としての家畜の発情期A~D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。
参照用画像情報がこの連関度を介して左側に配列し、各家畜の発情期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画像情報に対して、何れの発情期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、各参照用画像情報が、いかなる発情期に紐付けられる可能性が高いかを示す指標であり、各参照用画像情報について最も確からしい発情期を選択する上での的確性を示すものである。図10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発情期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発情期と互いに関連度合いが低いことを示している。
探索装置2は、このような図10に示す3段階以上の連関度w13~w19を予め取得しておく。つまり探索装置2は、実際の探索解の判別を行う上で、各地域の参照用画像情報と、その場合の発情期の何れが採用、評価されたか、過去のデータセットを蓄積しておき、これらを分析、解析することで図10に示す連関度を作り上げておく。
また、この図10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。
かかる場合には、図11に示すように、入力データとして各地域の参照用画像情報が入力され、出力データとして発情期が出力され、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。入力ノード又は隠れ層ノードの何れか一方又は両方において上述した連関度が設定され、これが各ノードの重み付けとなり、これに基づいて出力の選択が行われる。そして、この連関度がある閾値を超えた場合に、その出力を選択するようにしてもよい。
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、以前の各地域の参照用画像情報と、家畜の発情期とのデータセットを通じて作った後に、実際にこれから新たに発情期の判別を行う上で、上述した学習済みデータを利用して発情期を探索することとなる。これらのデータセットは、業者が管理しているデータベースから読み出すことで作成するようにしてもよい。
次にこの取得した画像情報を参照用画像情報と照合する。かかる場合には、予め取得した図10(表1)に示す連関度を参照する。例えば、新たに取得した画像情報がP02と同一かこれに類似するものである場合には、連関度を介して発情期Bがw15、発情期Cが連関度w16で関連付けられている。かかる場合には、連関度の最も高い発情期B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発情期C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。
ちなみに、画像情報と参照用画像情報の照合は、仮にこれらのデータが、完全に一致していなくても、そのデータ平均が±数%、又は±数十%の範囲内に入っているか否かで同一及び類似であるか否かを判別するようにしてもよい。また、画像情報が時系列的推移グラフで示されるものであれば、その傾向の類似性に基づいて判別されるものであってもよい。
このようにして、新たに取得する画像情報から、最も好適な発情期を探索し、ユーザに表示することができる。この探索結果を見ることにより、その地域で、今後どのような発情期になりえるかを事前に判別することができ、発情期が近いことをアラーム等を介して通知することができ、家畜の種付け効率を向上させることができる。
なお、参照用画像情報の代替として、図12に示すように、参照用加速度情報と家畜の発情期との間で連関度を形成させて学習させるようにしてもよい。参照用加速度情報は、第1実施形態において説明したものと同様である。
かかる場合には参照用加速度情報と、家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに加速度情報を取得する。そして、取得した加速度情報に応じた参照用加速度情報と、家畜の発情期との3段階以上の連関度のより高いものを優先させて、家畜の発情期の探索解を探索する。
なお、参照用画像情報の代替として、図13に示すように、参照用音声情報と家畜の発情期との間で連関度を形成させて学習させるようにしてもよい。参照用音声情報は、第1実施形態において説明したものと同様である。
かかる場合には参照用音声情報と、家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに音声情報を取得する。そして、取得した音声情報に応じた参照用音声情報と、家畜の発情期との3段階以上の連関度のより高いものを優先させて、家畜の発情期の探索解を探索する。
なお、参照用画像情報の代替として、図14に示すように、参照用生体情報と家畜の発情期との間で連関度を形成させて学習させるようにしてもよい。参照用生体情報、生体情報は、家畜から検出したあらゆる生体の情報を含み、例えば体温や心拍数、脈拍、血中酸素濃度、血中二酸化炭素の量等で構成される。体温は例えばサーモセンサ等を通じて測定し、心拍数や血中酸素濃度は例えばチップセンサーや、センシング機能が付いたICタグ等を利用するようにしてもよい。このような生体情報も同様に家畜の発情期や様々な欲求を如実に表す場合があるため、これを説明変数とする。
かかる場合には参照用生体情報と、家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに生体情報を取得する。そして、取得した生体情報に応じた参照用生体情報と、家畜の発情期との3段階以上の連関度のより高いものを優先させて、家畜の発情期の探索解を探索する。
図15の例では、参照用画像情報と、参照用餌消費量情報との組み合わせが形成されていることが前提となる。入力データとして例えば参照用画像情報P11~P13、参照用餌消費量情報P14~17であるものとする。このような入力データとしての、参照用画像情報に対して、参照用餌消費量情報が組み合わさったものが、図15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、家畜の発情期の増減データが表示されている。
参照用画像情報と参照用餌消費量情報との各組み合わせ(中間ノード)は、この出力解としての、家畜の発情期の増減データ又は相場に対して3段階以上の連関度を通じて互いに連関しあっている。参照用画像情報と参照用餌消費量情報がこの連関度を介して左側に配列し、各家畜の発情期の増減データ又は相場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画像情報と参照用餌消費量情報に対して、何れの家畜の発情期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、各参照用画像情報と参照用餌消費量情報が、いかなる家畜の発情期に紐付けられる可能性が高いかを示す指標であり、参照用画像情報と参照用餌消費量情報から最も確からしい家畜の発情期の増減データ又は相場を選択する上での的確性を示すものである。
推定装置2は、このような図15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、実際の探索解の判別を行う上で、参照用画像情報と、参照用餌消費量情報、並びにその場合の家畜の発情期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。
また、この図15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。
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家畜の発情期の増減データ又は相場(相場データ)を判別する際において、上述した学習済みデータを利用して家畜の発情期の増減データ又は相場を判別することとなる。かかる場合には、画像情報を新たに取得するとともに、餌消費量情報を取得する。
このようにして新たに取得した画像情報と、餌消費量情報に基づいて、実際にその新たに画像情報と餌消費量情報とを取得した家畜の発情期の増減データ又は相場を予測する。かかる場合には、予め取得した図15(表1)に示す連関度を参照し、最も連関度の高いものを最適解として選択する。この最適解の選択方法の詳細は、上述した第1実施形態において説明した方法と同様である。
なお、この第2実施形態においては、参照用画像情報と組み合わせる参照用情報として、参照用餌消費量情報の代替として、参照用外陰部情報、参照用生乳量情報、参照用発情期履歴情報、参照用生体情報、参照用属性情報、参照用時間帯情報、参照用位置情報を学習させるようにしてもよい。
参照用発情期履歴情報、発情期履歴情報は、判別対象の家畜毎の過去の発情期の履歴に関するものである。参照用発情期履歴情報は、毎年判別された発情期の時期、その家畜が何度も受胎して出産している場合には、その受胎履歴、受胎から出産までの経過、産後の状況、出産した子供の状況が含まれる。またこれに加えて、その家畜について、取得した(加速度情報、画像情報、・・・生乳量情報)に対して、いかなるタイミングで種付けを行ったところ、いかなる結果であったのかを示すものであってもよい。
参照用属性情報、属性情報は、家畜の年齢や性別、種類、血統、過去の病歴、過去の出産歴、サイズや体重等のデータで構成される。これらのデータは、畜産業者等が手入力により入力するものであってもよい。このような属性情報も同様に発情期や個々の動物の欲求を如実に表す場合があるため、これを説明変数とする。
参照用時間帯情報、時間帯情報は、参照用画像情報を撮像した時間帯として、例えば午前や午後等のくくりでもよいし、時間毎、或いは分毎のピッチで示されるものであってもよい。時間帯によって家畜の発情期や個々の動物の欲求の動作が異なる場合もあることから、これも説明変数とする。
参照用位置情報、位置情報は、参照用画像情報を撮像した位置として、例えばGPS等により検出された位置座標で構成されていてもよい。その家畜がポジショニングする位置に応じて家畜の欲求の動作が異なる場合もあることから、これも説明変数とする。
参照用画像情報と組み合わせる参照用情報として、参照用餌消費量情報の代替として、参照用外陰部情報を組み合わせる場合には、参照用画像情報と参照用外陰部情報とを有する組み合わせと、上記家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに画像情報と外陰部情報を取得する。そして、取得した画像情報に応じた参照用画像情報と、外陰部情報に応じた参照用外陰部情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度のより高いものを優先させて、家畜の発情期を探索解を探索する。
参照用画像情報と組み合わせる参照用情報として、参照用餌消費量情報の代替として、参照用生乳量情報を学習させるようにしてもよい。かかる場合には、参照用画像情報と参照用生乳量情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに画像情報と生乳量情報を取得する。そして、取得した画像情報に応じた参照用画像情報と、生乳量情報に応じた参照用生乳量情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度のより高いものを優先させて、家畜の発情期を探索する。
参照用画像情報と組み合わせる参照用情報として、参照用餌消費量情報の代替として、参照用発情期履歴情報を学習させるようにしてもよい。
かかる場合には参照用画像情報と参照用発情期履歴情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに画像情報と発情期履歴情報を取得する。そして、取得した画像情報に応じた参照用画像情報と、発情期履歴情報に応じた参照用発情期履歴情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度のより高いものを優先させて、家畜の発情期を探索する。
参照用画像情報と組み合わせる参照用情報として、参照用餌消費量情報の代替として、参照用生体情報を学習させるようにしてもよい。
かかる場合には参照用画像情報と参照用生体情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに画像情報と生体情報を取得する。この生体情報は、判別対象の家畜から各種生体センサを通じて検出される。そして、取得した画像情報に応じた参照用画像情報と、生体情報に応じた参照用生体情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度のより高いものを優先させて、家畜の発情期を探索する。
参照用画像情報と組み合わせる参照用情報として、参照用餌消費量情報の代替として、参照用属性情報を学習させるようにしてもよい。
かかる場合には参照用画像情報と参照用属性情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに画像情報と属性情報を取得する。そして、取得した画像情報に応じた参照用画像情報と、属性情報に応じた参照用属性情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度のより高いものを優先させて、家畜の発情期を探索する。
参照用画像情報と組み合わせる参照用情報として、参照用餌消費量情報の代替として、参照用時間帯情報を学習させるようにしてもよい。
かかる場合には参照用画像情報と参照用時間帯情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに画像情報と時間帯情報を取得する。この時間帯情報は、判別対象の家畜の画像情報を撮像した時点又はその前後の時間帯であればよい。そして、取得した画像情報に応じた参照用画像情報と、時間帯情報に応じた参照用時間帯情報とを有する組み合わせと、家畜の発情期の相場データとの3段階以上の連関度のより高いものを優先させて、家畜の発情期を探索する。
参照用画像情報と組み合わせる参照用情報として、参照用餌消費量情報の代替として、参照用位置情報を学習させるようにしてもよい。
かかる場合には参照用画像情報と参照用位置情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を学習させておく。そして、新たに画像情報と位置情報を取得する。そして、取得した画像情報に応じた参照用画像情報と、位置情報に応じた参照用位置情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度のより高いものを優先させて、家畜の発情期を探索する。
なお、参照用画像情報は、その画像の画素単位、又は例えば複数の画素の集合体であるブロック領域単位で、周知の画像解析に基づいて、必要に応じてディープラーニング技術を利用し、解析画像の特徴量を求めるようにしてもよい。これにより画像から判別したい対象につき特徴となる部分を際立たせた特徴マップを得ることも可能となる。このような特徴部分を、予め類型化された家畜の行動パターンとの関連性を紐付けておくようにしてもよい。これにより、参照用画像情報を、その特徴部分を介して予め類型化された家畜の行動パターンと関連付けることができる。行動パターンの例としては起立、反すう、横臥反すう、横臥、起立静止、空腹、運動している、休んでいる、餌を食べている、水を飲んでいる等、あらゆるものを類型化してもよい。
このような類型化した行動パターンを参照用行動パターンとしたとき、これと家畜の発情期を同様に連関度を通じて関連付けておくようにしてもよい。これに対して、新たに取得した画像情報から同様にその特徴部分を介して予め類型化した家畜の行動パターンに当てはめる。そして当てはめた行動パターンに対応した参照用行動パターンと連関度の高い探索解を求めることができる。
また、第1実施形態~第2実施形態ともに、上述した実施の形態に限定されるものでは無く、例えば図16に示すように、基調となる参照用情報と、家畜の発情期との3段階以上の連関度を利用するようにしてもよい。かかる場合には、新たに取得した情報に応じた参照用情報と家畜の発情期との3段階以上の連関度に基づき、解探索を行うことになる。基調となる参照用情報は、例えば参照用画像情報等であるが、これに限定されるものでは無く、第1実施形態、第2実施形態におけるいかなる参照用情報(参照用音声情報、参照用加速度情報、参照用餌消費量情報、参照用外陰部情報、参照用生乳量情報、参照用発情期履歴情報、参照用生体情報、参照用属性情報、参照用時間帯情報、参照用位置情報)も適用可能である。
これらの場合も同様に、学習用データとして用いられた参照用情報に応じた情報が入力された場合に、上述した方法に基づいて解探索が行われることとなる。
連関度を通じて求められる探索解は、更に、他の参照用情報に基づいて修正され、或いは重み付けを変化させるようにしてもよい。
ここでいう他の参照用情報とは、上述した参照用情報の何れかを基調となる参照用情報とした場合、当該基調となる参照用情報以外のいかなる参照用情報に該当する。
例えば、他の参照用情報の一つとして、ある参照用餌消費量P14において、以前において家畜の発情期がより早期になる徴候があったものとする。このような参照用餌消費量P14に応じた餌消費量を新たに取得したとき、発情期がより早期になっている日時の探索解に対して、重み付けを上げる処理を行う。
例えば、他の参照用情報Gが、より発情期が早期になることを示唆するような分析結果であり、参照用情報Fが、より発情期が遅くなることを示唆するような分析結果であるものとする。このように参照用情報との間での設定の後、実際に取得した情報が参照用情報Gと同一又は類似する場合には、発情期が早期になる探索解の重み付けを上げる処理を行う。これに対して、実際に取得した情報が参照用情報Fと同一又は類似する場合には、発情期が遅くなることを示唆する探索解の重み付けを上げる処理を行う。つまり、発情期につながる連関度そのものを、この参照用情報F~Hに基づいてコントロールするようにしてもよい。或いは、発情期を上述した連関度のみで決定した後、この求めた探索解に対して参照用情報F~Hに基づいて修正を加えるようにしてもよい。後者の場合において、参照用情報F~Hに基づいてどのように探索解としての発情期にいかなるウェートで修正を加えるかは、都度システム側において設計したものを反映させることとなる。
また他の参照用情報は、何れか1種で構成される場合に限定されるものではなく、2種以上の参照用情報に基づいて解探索するようにしてもよい。かかる場合も同様に、参照用情報の示唆する発情期が早期のものにつながるケースほど、連関度を介して求められた探索解としての発情期が早くなるように修正し、参照用情報の示唆する発情期が遅くなるものにつながるケースほど、連関度を介して求められた探索解としての発情期がより遅くなるように修正するようにしてもよい。
なお、図17に示すように、家畜の発情期との間で連関度を構成する基調となる参照用情報は、第1実施形態、第2実施形態におけるいかなる参照用情報(参照用音声情報、参照用加速度情報、参照用餌消費量情報、参照用外陰部情報、参照用生乳量情報、参照用発情期履歴情報、参照用生体情報、参照用属性情報、参照用時間帯情報、参照用位置情報)
も適用可能である。
も適用可能である。
同様に、図20に示すように、基調となる参照用情報と、他の参照用情報とを有する組み合わせに対する、家畜の発情期の連関度を形成する場合においても、基調となる参照用情報は、第1実施形態、第2実施形態におけるいかなる参照用情報(参照用音声情報、参照用加速度情報、参照用餌消費量情報、参照用外陰部情報、参照用生乳量情報、参照用発情期履歴情報、参照用生体情報、参照用属性情報、参照用時間帯情報、参照用位置情報)も適用可能である。他の参照用情報は、基調となる参照用情報以外の第1実施形態、第2実施形態におけるいかなる参照用情報(参照用音声情報、参照用加速度情報、参照用餌消費量情報、参照用外陰部情報、参照用生乳量情報、参照用発情期履歴情報、参照用生体情報、参照用属性情報、参照用時間帯情報、参照用位置情報)が含まれる。
このとき、基調となる参照用情報が、参照用音声情報であれば、他の参照用情報としては、これ以外の1実施形態、第2実施形態におけるいかなる参照用情報が含まれる。また、基調となる参照用情報が、参照用加速度情報であれば、他の参照用情報としては、これ以外の1実施形態、第2実施形態におけるいかなる参照用情報が含まれる。また、基調となる参照用情報が、参照用生体情報であれば、他の参照用情報としては、これ以外の1実施形態、第2実施形態におけるいかなる参照用情報が含まれる。
かかる場合も図15における説明と同様に解探索を行うことで、家畜の発情期を判別することができる。
第2実施形態においても、他の参照用情報が1のみならず、2以上組み合わさるようにして連関度が学習されるものであってもよい。
なお、上述した探索解としては、家畜の発情期の代替として、家畜の意思、家畜の欲求を探索解として探索するようにしてもよいことは勿論である。
1 家畜発情期判別システム
2 探索装置
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
2 探索装置
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
Claims (10)
- 家畜の発情期を判別する家畜発情期判別プログラムにおいて、
判別対象の家畜から検出した生体情報を取得する情報取得ステップと、
予め各家畜から検出した参照用生体情報と、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報に基づき、上記判別対象の家畜の発情期を判別する判別ステップとをコンピュータに実行させること
を特徴とする家畜発情期判別プログラム。 - 上記情報取得ステップでは、判別対象の家畜の餌の消費量に関する餌消費量情報を更に取得し、
上記判別ステップでは、上記参照用生体情報と、予め取得した家畜の餌の消費量に関する参照用餌消費量情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報と餌消費量情報とに基づき、上記判別対象の家畜の発情期を判別すること
を特徴とする請求項1記載の家畜発情期判別プログラム。 - 上記情報取得ステップでは、判別対象の家畜の外陰部の状態を検出した外陰部情報を更に取得し、
上記判別ステップでは、上記参照用生体情報と、予め取得した家畜の外陰部の状態を検出した参照用外陰部情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報と外陰部情報とに基づき、上記判別対象の家畜の発情期を判別すること
を特徴とする請求項1記載の家畜発情期判別プログラム。 - 上記情報取得ステップでは、判別対象の家畜から採取可能な生乳の量を検出した生乳量情報を更に取得し、
上記判別ステップでは、上記参照用生体情報と、予め取得した家畜から採取可能な生乳の量を検出した参照用生乳量情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報と生乳量情報とに基づき、上記判別対象の家畜の発情期を判別すること
を特徴とする請求項1記載の家畜発情期判別プログラム。 - 上記情報取得ステップでは、判別対象の家畜毎の過去の発情期の履歴に関する発情期履歴情報を更に取得し、
上記判別ステップでは、上記参照用生体情報と、予め取得した家畜の過去の発情期の履歴に関する参照用発情期履歴情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報と発情期履歴情報とに基づき、上記判別対象の家畜の発情期を判別すること
を特徴とする請求項1記載の家畜発情期判別プログラム。 - 上記情報取得ステップでは、判別対象の家畜の属性に関する属性情報を更に取得し、
上記判別ステップでは、上記参照用生体情報と、予め取得した家畜の属性に関する参照用属性情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報と属性情報とに基づき、上記判別対象の家畜の発情期を判別すること
を特徴とする請求項1記載の家畜発情期判別プログラム。 - 上記情報取得ステップでは、上記生体情報を撮像した時間帯に関する時間帯情報を更に取得し、
上記判別ステップでは、上記参照用生体情報と、上記参照用生体情報を撮像した時間帯に関する参照用時間帯情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報と時間帯情報とに基づき、上記判別対象の家畜の発情期を判別すること
を特徴とする請求項1記載の家畜発情期判別プログラム。 - 上記情報取得ステップでは、上記生体情報を撮像した時点における当該家畜の位置を示す位置情報を更に取得し、
上記判別ステップでは、上記参照用生体情報と、上記参照用生体情報を撮像した時点における当該家畜の位置を示す参照用位置情報とを有する組み合わせと、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報と時間帯情報とに基づき、上記判別対象の家畜の発情期を判別すること
を特徴とする請求項1記載の家畜発情期判別プログラム。 - 上記判別ステップでは、人工知能におけるニューラルネットワークのノードの各出力の重み付け係数に対応する上記連関度を利用すること
を特徴とする請求項1~8のうち何れか1項記載の家畜発情期判別プログラム。 - 家畜の発情期を判別する家畜発情期判別プログラムにおいて、
判別対象の家畜の動作を撮像した生体情報と、当該家畜の音声を録音した音声情報とを取得する情報取得ステップと、
予め取得した家畜の動作を撮像した参照用生体情報と、家畜の発情期との3段階以上の連関度を参照し、上記情報取得ステップにおいて取得した生体情報に応じた参照用生体情報と、家畜の発情期との3段階以上の連関度のより高いものを優先させるとともに、取得した上記音声情報に基づき、上記判別対象の家畜の発情期を判別すること
を特徴とする家畜発情期判別プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020215786A JP2022101294A (ja) | 2020-12-24 | 2020-12-24 | 家畜発情期判別プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020215786A JP2022101294A (ja) | 2020-12-24 | 2020-12-24 | 家畜発情期判別プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022101294A true JP2022101294A (ja) | 2022-07-06 |
Family
ID=82271453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020215786A Pending JP2022101294A (ja) | 2020-12-24 | 2020-12-24 | 家畜発情期判別プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022101294A (ja) |
-
2020
- 2020-12-24 JP JP2020215786A patent/JP2022101294A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022138839A1 (ja) | 動物意思判別プログラム | |
CN114868203A (zh) | 信息传递装置以及信息传递方法 | |
JP2022101291A (ja) | 家畜発情期判別プログラム | |
WO2021079785A1 (ja) | 肉質判別プログラム及びシステム | |
JP2021114993A (ja) | 稚魚への給餌量提案プログラム | |
CN107480721A (zh) | 一种牛只患病数据分析方法及装置 | |
JP2022101296A (ja) | 動物意思判別プログラム | |
JP2022101294A (ja) | 家畜発情期判別プログラム | |
JP2022101292A (ja) | 家畜発情期判別プログラム | |
JP2022101293A (ja) | 家畜発情期判別プログラム | |
JP6833231B1 (ja) | 家畜発情期判別プログラム | |
JP2022080616A (ja) | 家畜欲求判別プログラム | |
JP2022101297A (ja) | 動物意思判別プログラム | |
JP6858377B1 (ja) | 魚の品質判別プログラム及びシステム | |
JP2022106069A (ja) | 動物意思判別プログラム | |
JP2022107312A (ja) | 動物健康状態判別プログラム | |
JP2022107309A (ja) | 動物意思判別プログラム | |
JP2022107310A (ja) | 動物健康状態判別プログラム | |
JP2022107311A (ja) | 動物健康状態判別プログラム | |
JP2022107308A (ja) | 動物意思判別プログラム | |
US20230400971A1 (en) | Method for providing service that inputs and shares entity observation information, and computer-readable storage medium | |
JP6801902B1 (ja) | 子供虐待兆候判別プログラム及びシステム | |
JP2021111269A (ja) | 疲労度判別プログラム、改善施策提案プログラム | |
JP2020170235A (ja) | 飼育環境判別プログラム | |
JP2021192197A (ja) | 肉質判別プログラム |