JP2023107099A - 異常検知装置、異常検知方法、及びプログラム - Google Patents

Abstract

【課題】家畜の異常を高精度に検知する。【解決手段】家畜に装着された機器が備える加速度センサ及び気圧センサがそれぞれ測定した値を記憶する記憶部と、１以上の気圧データに基づいて、所定の時間幅毎に、家畜が立っている状態の起立、又は、寝ている状態の寝姿勢、のいずれであるかを推定する第１の姿勢推定部と、家畜の姿勢が寝姿勢であると推定された場合、膝を下ろし、胸を起こした伏臥、又は、四肢を投げ出し横倒しになっている横臥、のいずれであるかを推定する第２の姿勢推定部と、起立、伏臥、又は横臥のいずれであると推定されたかに応じて、１以上の加速度データに基づいて、所定の時間幅毎に、家畜の暴れ具合を表す第１のスコアを算出するスコア算出部と、第１のスコアに基づいて、家畜に異常が発生したことを検知する検知部と、家畜に異常が発生したことが検知された場合、異常の発生を所定の端末に通知する通知部と、を有する。【選択図】図７

Description

本発明は、異常検知装置、異常検知方法、及びプログラムに関する。

肥育牛では、肥育後期に起立困難等の異常が発生し易いことが知られている。起立困難を放置すると、窒息等により牛が死亡することがあるため、牛を肥育する肥育農家では、牛舎の見回り等を行って、起立困難等の異常が牛に発生していないかを確認している。

また、繁殖牛でも産前産後に起立困難等の異常が発生し易いことが知られており、繁殖農家は、同様に、牛舎の見回り等を行って、起立困難等の異常が牛に発生していないかを確認している。

更に、鼓脹症等によって牛が起立困難となる場合もある。鼓脹症とは、牛等の反芻動物の家畜に起こり得る病気であり、例えば、青草等の発酵性飼料を過食した際等に発症する場合がある。鼓脹症が発症した場合、牛の腹部が膨脹するため、牛は起立困難となる。

上記のような起立困難な状態を推定する方法が従来から知られている（例えば、特許文献１）。

国際公開第２０１９／０３９１１８号

しかしながら、従来では、起立困難といった家畜の異常を検知する際の検知精度が高くない場合があり、誤検知が発生することがあった。例えば、牛が寝た状態で首を振ったり、体をかいたりする動作が行われた場合には、起立困難な状態であると誤って検知されることがある。

本発明の一実施形態は、上記の点に鑑みてなされたもので、家畜の異常を高精度に検知することを目的とする。

上記目的を達成するため、一実施形態に係る異常検知装置は、家畜の異常を検知する異常検知装置であって、前記家畜に装着された機器が備える加速度センサ及び気圧センサがそれぞれ測定した加速度データ及び気圧データを記憶する記憶部と、１以上の前記気圧データに基づいて、所定の時間幅毎に、前記家畜の姿勢が、前記家畜が立っている状態の姿勢を表す起立、又は、前記家畜が寝ている状態の姿勢を表す寝姿勢、のいずれであるかを推定する第１の姿勢推定部と、前記家畜の姿勢が寝姿勢であると推定された場合、前記家畜の姿勢が、前記家畜が膝を下ろし、胸を起こした姿勢を表す伏臥、又は、前記家畜が四肢を投げ出し横倒しになっている姿勢を表す横臥、のいずれであるかを推定する第２の姿勢推定部と、前記家畜の姿勢が、起立、伏臥、又は横臥のいずれであると推定されたかに応じて、１以上の前記加速度データに基づいて、所定の時間幅毎に、前記家畜の暴れ具合を表す第１のスコアを算出するスコア算出部と、前記第１のスコアに基づいて、前記家畜に異常が発生したことを検知する検知部と、前記家畜に異常が発生したことが検知された場合、前記異常の発生を所定の端末に通知する通知部と、を有する。

家畜の異常を高精度に検知することができる。

本実施形態に係る異常検知システムの全体構成の一例を示す図である。 測定データ記憶部に記憶されている測定データの一例を示す図である。 本実施形態に係る姿勢推定処理部の機能構成の一例を示す図である。 各姿勢と各座標軸との関係の一例を説明するための図である。 本実施形態に係る異常検知処理部の機能構成の一例を示す図である。 本実施形態に係るタグ角度算出処理の一例を示すフローチャートである。 本実施形態に係る姿勢推定処理の一例を示すフローチャートである。 本実施形態に係る異常検知処理の一例を示すフローチャートである。

以下、本発明の一実施形態について説明する。本実施形態では、牛を対象にその異常として起立困難（例えば、肥育後期に発生する起立困難、産前産後に発生する起立困難、鼓脹症による起立困難等）を高精度に検知することができる異常検知システム１について説明する。ただし、牛は家畜の一例であって、家畜は牛に限られず、牛と同様に起立困難といった異常が発生し得る種々の動物（例えば、馬、羊、豚等）にも本実施形態は適用可能である。

＜異常検知システム１の全体構成＞
本実施形態に係る異常検知システム１の全体構成を図１に示す。図１に示すように、本実施形態に係る異常検知システム１には、牛の異常を検知する異常検知装置１０と、各牛にそれぞれ装着された１以上のタグ２０と、基準となる気圧を測定する基準気圧センサ３０とが含まれる。なお、タグ２０は、首輪やベルト等によって牛の首部分に固定して装着されることが好ましい。

タグ２０は、牛に装着される機器である。１頭の牛に対して１つのタグ２０が装着されている。タグ２０には、当該タグ２０を装着している牛の加速度（ｘ軸、ｙ軸及びｚ軸の３軸の加速度）を測定する加速度センサと、気圧を測定する気圧センサとが含まれる。ここで、ｘ軸、ｙ軸及びｚ軸で構成される座標系はタグ２０に固定されており、タグ２０は、牛が立っており、かつ、首が曲がっていない（真っ直ぐの）状態で、重力方向の逆方向をｘ軸の正の方向、当該牛の進行方向をｙ軸の正の方向、当該牛の進行方向に対して右方向をｚ軸の正の方向となるように装着される。ただし、牛に対する各軸（ｘ軸、ｙ軸及びｚ軸）の方向はこれに限られず、座標系における各軸の相対的な位置関係は保ったままで各軸が任意の方向となるようにタグ２０を牛に装着することも可能である。

タグ２０は、所定の時間Δ_１（例えば、Δ_１＝２［ｓ］等）毎に、加速度センサにより測定した加速度センサ値と、気圧センサにより測定された気圧センサ値とが含まれる測定データを異常検知装置１０に送信する。異常検知装置１０に送信された測定データは、後述する測定データ記憶部３００に蓄積（記憶）される。

基準気圧センサ３０は、牛舎内の所定の位置（例えば、牛舎内の地面上等）に設置され、基準となる気圧を測定する。基準気圧センサ３０は、所定の時間Δ_２（例えば、Δ_２＝２［ｓ］等）毎に、測定した気圧を示す基準気圧センサ値が含まれる基準気圧データを異常検知装置１０に送信する。異常検知装置１０に送信された基準気圧データは、後述する基準気圧データ記憶部４００に蓄積（記憶）される。以下では、簡単のため、Δ_２＝Δ_１であり、基準気圧センサ値と気圧センサ値のサンプリング時刻は同期しているものとする。なお、Δ_２≠Δ_１であるか、又はΔ_２＝Δ_１であっても基準気圧センサ値と気圧センサ値のサンプリング時刻が同期していない場合は、適宜、リサンプリング等を行えばよい。

異常検知装置１０は、牛の起立困難を異常として検知する１以上のコンピュータである。異常検知装置１０は、姿勢推定処理部１００と、異常検知処理部２００と、測定データ記憶部３００と、基準気圧データ記憶部４００と、タグ角度データ記憶部５００と、姿勢データ記憶部６００とを有する。

姿勢推定処理部１００は、測定データ記憶部３００に記憶されている測定データと、基準気圧データ記憶部４００に記憶されている基準気圧データとを用いて、牛の姿勢を推定する。ここで、本願の発明者は、実際の牛を観察した結果、牛の姿勢は大きく「起立」と「寝姿勢」に分類され、寝姿勢は更に横臥と伏臥に分類される、という知見を得た。また、伏臥と横臥の違いは、特に、顔の前方方向を軸とする首の回転角度に顕著に現れるという知見も得た。すなわち、起立及び伏臥時には首は曲がっておらず、真っ直ぐの状態であることが多いのに対して、横臥時には首が真っ直ぐではなく、顔の前方方向を軸として首が或る程度回転していることが多い、という知見を得た。そこで、本実施形態に係る姿勢推定処理部１００は、これらの知見に基づいて、牛の姿勢が寝姿勢である場合は首の回転角度から牛の姿勢が伏臥又は横臥のいずれであるかを推定する。

なお、起立とは、牛が立っている状態の姿勢のことである。一方で、伏臥と横臥はいずれも牛の寝姿勢のことであるが、一般的に、伏臥は膝を下ろし、胸を起こした姿勢（いわゆる座っている姿勢）であるのに対して、横臥は四肢を投げ出して横倒しになっている姿勢のことである。

異常検知処理部２００は、姿勢推定処理部１００によって推定された姿勢と、測定データ記憶部３００に記憶されている測定データとを用いて、牛の異常（起立困難）を検知する。ここで、本願の発明者は、実際の牛を観察した結果、同じ寝姿勢であっても伏臥は起立困難となっている可能性がほぼ無いのに対して、横臥は起立困難となっている可能性があるという知見を得た。そこで、異常検知処理部２００は、この知見に基づいて、牛の姿勢が横臥である場合にのみ所定のスコアを増大させ、このスコアが或る閾値を超えた場合に牛が起立困難となっていることを検知する。

なお、姿勢推定処理部１００及び異常検知処理部２００は、例えば、異常検知装置１０にインストールされた１以上のプログラムが、ＣＰＵ（Central Processing Unit）等のプロセッサに実行させる処理により実現される。ただし、姿勢推定処理部１００及び異常検知処理部２００の全部又は一部の機能が、異常検知装置１０と通信ネットワークを介して接続されるクラウドサーバ等により実現されていてもよい。

測定データ記憶部３００は、各タグ２０から受信した測定データを記憶する。測定データ記憶部３００には、タグ２０毎に、時間Δ_１毎の測定データが記憶されている。なお、タグ２０から受信した測定データは、例えば、姿勢推定処理部１００又は異常検知処理部２００により、測定データ記憶部３００に蓄積（記憶）される。

基準気圧データ記憶部４００は、基準気圧センサ３０から受信した基準気圧データを記憶する。基準気圧データ記憶部４００には、時間Δ_２毎の基準気圧データが記憶されている。なお、基準気圧センサ３０から受信した基準気圧データは、例えば、姿勢推定処理部１００又は異常検知処理部２００により、基準気圧データ記憶部４００に蓄積（記憶）される。

タグ角度データ記憶部５００は、牛の姿勢が伏臥又は横臥のいずれであるかを推定するためのタグ角度データを記憶する。なお、タグ角度データの詳細については後述する。

姿勢データ記憶部６００は、姿勢推定処理部１００によって推定された姿勢を示す姿勢データを記憶する。

なお、測定データ記憶部３００、基準気圧データ記憶部４００、タグ角度データ記憶部５００及び姿勢データ記憶部６００は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の記憶装置を用いて実現可能である。ただし、測定データ記憶部３００、基準気圧データ記憶部４００、タグ角度データ記憶部５００及び姿勢データ記憶部６００の全部又は一部の記憶部が、異常検知装置１０と通信ネットワークを介して接続されるデータベースサーバ等により実現されていてもよい。

＜測定データ記憶部３００に記憶されている測定データ＞
本実施形態に係る測定データ記憶部３００に記憶されている測定データの一例を図２に示す。図２に示すように、測定データ記憶部３００には、タグを識別する情報であるタグＩＤ毎に、１以上の測定データが記憶されている。なお、１頭の牛に対して１つのタグ２０が装着されていることから、タグＩＤは、牛を識別する情報（例えば、牛の個体識別情報等）であってもよい。以下では、タグＩＤと牛を識別する情報とを同一視し、タグＩＤにより牛を識別することができるものとする。

各測定データには、日時と、加速度センサ値と、気圧センサ値とが含まれる。日時は、例えば、タグ２０が測定データを送信した日時である。なお、日時は、異常検知装置１０が測定データを受信した日時であってもよい。

加速度センサ値は、タグ２０に含まれる加速度センサにより測定された加速度の値である。加速度センサ値には、ｘ軸方向の加速度成分を示すｘ成分と、ｙ軸方向の加速度成分を示すｙ成分と、ｚ軸方向の加速度成分を示すｚ成分とが含まれる。例えば、日時「ｔ_１」の測定データには、加速度センサ値のｘ成分「ｘ_１」と、加速度センサ値のｙ成分「ｙ_１」と、加速度センサ値のｚ成分「ｚ_１」とが含まれる。同様に、例えば、日時「ｔ_２」の測定データには、加速度センサ値のｘ成分「ｘ_２」と、加速度センサ値のｙ成分「ｙ_２」と、加速度センサ値のｚ成分「ｚ_２」とが含まれる。以下では、加速度センサ値のｘ成分を「ｘ成分加速度センサ値」、加速度センサ値のｙ成分を「ｙ成分加速度センサ値」、加速度センサ値のｚ成分を「ｚ成分加速度センサ値」とも表す。

また、気圧センサ値は、タグ２０に含まれる気圧センサにより測定された気圧の値である。例えば、日時「ｔ_１」の測定データには、気圧センサ値「ｐ_１」が含まれる。同様に、例えば、日時「ｔ_２」の測定データには、気圧センサ値「ｐ_２」が含まれる。

このように、測定データ記憶部３００に記憶されている測定データには、タグＩＤ毎に、日時と、加速度センサ値と、気圧センサ値とが含まれている。なお、Δ_１＝ｔ_ｉ＋１－ｔ_ｉ（ｉは１以上の整数）である。

＜姿勢推定処理部１００の機能構成＞
本実施形態に係る姿勢推定処理部１００の機能構成を図３に示す。図３に示すように、本実施形態に係る姿勢推定処理部１００には、タグ角度算出部１０１と、基本角度算出部１０２と、姿勢推定部１０３とが含まれる。

タグ角度算出部１０１は、所定の時間Δ_３（例えば、Δ_３＝１［ｍ］等）毎に、各牛のタグ角度をそれぞれ算出する。このとき、タグ角度算出部１０１は、当該牛の現在の測定データに含まれるｘ成分加速度センサ値及びｚ成分加速度センサ値のそれぞれから重力加速度成分のみを抽出し、ｘ軸方向の重力加速度成分とｚ軸方向の重力加速度成分からタグ角度を算出する。そして、タグ角度算出部１０１は、日時とタグＩＤとタグ角度とが含まれるタグ角度データをタグ角度データ記憶部５００に記憶する。以下では、ｘ軸方向の重力加速度成分を「ｘ成分重力加速度値」、ｚ軸方向の重力加速度成分を「ｚ成分重力加速度値」とも表す。

ここで、タグ角度とは、重力方向を基準（つまり、０）に、ｙ軸を回転軸としてｚ軸がどの程度回転しているかを表す角度のことである。理想的には、図４に示すように、起立、伏臥時には、ｘ軸の正の方向は重力方向と逆方向であり、ｚ軸の正の方向は牛の前方に対して右方向である。したがって、この場合、タグ角度をθ、ｘ成分重力加速度値をｇ_ｘ、ｚ成分重力加速度値をｇ_ｚとすれば、θ＝ｔａｎ^－１（ｇ_ｘ／ｇ_ｚ）＝－π／２となる。一方で、横臥時には、ｘ軸の正の方向は牛の前方に対して右方向（又は左方向）であり、ｚ軸の正の方向は重力方向（又は重力方向と逆方向）である。したがって、この場合、θ＝ｔａｎ^－１（ｇ_ｘ／ｇ_ｚ）＝ｎπ（ただし、ｎ＝－１，０，１）となる。

ただし、上記の図４は、各タグ２０が各牛の首部分の同一位置に装着され、タグ２０を装着するための首輪やベルト等のずれが発生しない（又は、それらの影響を無視できる）理想的な状況を表したものである。実際には個体によってタグ２０の装着位置が微妙に異なり得ると共に、牛の動作によって首輪やベルト等のずれが発生し得る。そこで、本実施形態では、基本角度と呼ぶ角度を導入し、所定の時間Δ_４（例えば、Δ_４＝１０［ｍ］等）毎に、各牛の基本角度をそれぞれ算出した上で、タグ角度と基本角度との差から牛の姿勢が伏臥又は横臥のいずれであるかを推定する。なお、Δ_４≧Δ_３である必要があり、特に、或る自然数Ｎ_１に対してΔ_４＝Ｎ_１×Δ_３と表現できることが好適である。

基本角度算出部１０２は、所定の時間Δ_４毎に、各牛の基本角度を算出する。このとき、基本角度算出部１０２は、タグ角度データ記憶部５００に記憶されているタグ角度データのうちの当該牛の過去のタグ角度データと、姿勢データ記憶部６００に記憶されている姿勢データのうちの当該牛の過去の姿勢データとを用いて、当該牛の基本角度を算出する。具体的には、基本角度算出部１０２は、当該牛の過去Ｔ_１時間（例えば、Ｔ_１＝１２［ｈ］やＴ_１＝２４［ｈ］等）分のタグ角度のうち、所定の条件を満たすタグ角度の平均値を、当該牛の基本角度として算出する。ここで、所定の条件を満たすタグ角度としては、例えば、当該牛の姿勢が起立である時間のタグ角度とするが、これに加えて、タグ角度の変動量が少ないことを条件としてもよい。

姿勢推定部１０３は、所定の時間Δ_４毎に、気圧分析により当該牛の姿勢が起立又は寝姿勢のいずれであるかを推定する。ここで、気圧分析とは、当該牛の測定データに含まれる気圧センサ値と、それと同一日時の基準気圧データに含まれる基準気圧センサ値との差分から当該牛の姿勢が起立又は寝姿勢のいずれであるかを推定する手法のことである。気圧分析の詳細については、例えば、特開２０１９－９７４７５号公報、特開２０１９－１０３４４２号公報、特開２０２０－１９８８２８号公報、特開２０２０－１９８８２９号公報等を参照されたい。

また、姿勢推定部１０３は、当該牛の姿勢が寝姿勢であると推定された場合は、更に、当該牛の現在のタグ角度と基本角度とを用いて、伏臥又は横臥のいずれであるかを推定する。そして、姿勢推定部１０３は、日時とタグＩＤと推定した姿勢とが含まれる姿勢データを姿勢データ記憶部６００に記憶する。

＜異常検知処理部２００の機能構成＞
本実施形態に係る異常検知処理部２００の機能構成を図５に示す。図５に示すように、本実施形態に係る異常検知処理部２００には、スコア算出部２０１と、異常検知部２０２とが含まれる。

スコア算出部２０１は、所定の時間Δ_５（例えば、Δ_５＝Δ_４等）に、姿勢データ記憶部６００に記憶されている姿勢データのうちの当該牛の最新の姿勢データが表す姿勢に応じて、測定データ記憶部３００に記憶されている測定データのうちの当該牛の測定データを用いて所定のスコアを算出する。なお、Δ_５≧Δ_４であることが好ましく、また或る自然数Ｎ_２に対してΔ_５＝Ｎ_２×Δ_４と表現できることがより好ましいが、特に、Δ_５＝Δ_４が最も好適である。

異常検知部２０２は、スコア算出部２０１により算出されたスコアを用いて、当該牛の異常（つまり、起立困難）を検知する。このとき、異常検知部２０２は、例えば、当該スコアが所定の閾値を超えている場合に牛に異常が発生したものとして、これを検知する。

＜タグ角度算出処理＞
本実施形態に係るタグ角度算出処理について、図６を参照しながら説明する。なお、以下のステップＳ１０１～ステップＳ１０３は、各牛に対して所定の時間Δ_３毎に繰り返し実行される。以下では、或る牛を対象として、その牛に関するタグ角度を算出する場合について説明する。

まず、タグ角度算出部１０１は、測定データ記憶部３００に記憶されている測定データのうち、当該牛の最新の測定データ（つまり、当該牛に装着されているタグ２０のタグＩＤが含まれる最新の測定データ）に含まれるｘ成分加速度センサ値及びｚ成分加速度センサ値からｘ成分重力加速度値及びｚ成分重力加速度値をそれぞれ取得する（ステップＳ１０１）。

ここで、各成分の加速度センサ値は、牛の動作による加速度センサ値と、重力加速度による加速度センサ値とを合成した値となる。また、牛の動作による加速度センサ値と重力加速度による加速度センサ値とを周波数スペクトルに変換した場合、牛の動作による加速度センサ値は高周波成分に現れる一方で、重力加速度による加速度センサ値は低周波成分に現れる。このため、タグ角度算出部１０１は、例えば、所定の周波数以上の周波数の加速度センサ値を減衰させるローパスフィルタを用いることで、ｘ成分加速度センサ値からｘ成分重力加速度値、ｚ成分加速度センサ値からｚ成分重力加速度値をそれぞれ取得（抽出）することができる。

次に、タグ角度算出部１０１は、上記のステップＳ１０１で取得されたｘ成分重力加速度値及びｚ成分重力加速度値を用いて、タグ角度を算出する（ステップＳ１０２）。すなわち、タグ角度をθ、ｘ成分重力加速度値をｇ_ｘ、ｚ成分重力加速度値をｇ_ｚとすれば、タグ角度算出部１０１は、θ＝ｔａｎ^－１（ｇ_ｘ／ｇ_ｚ）によりタグ角度θを算出する。

そして、タグ角度算出部１０１は、現在の日時と、当該牛に装着されているタグ２０のタグＩＤと、上記のステップＳ１０２で算出されたタグ角度θとが含まれるタグ角度データを作成し、このタグ角度データをタグ角度データ記憶部５００に格納する（ステップＳ１０３）。これにより、所定の時間Δ_３毎に、各牛のタグ角度データがタグ角度データ記憶部５００に記憶されることになる。

＜姿勢推定処理＞
本実施形態に係る姿勢推定処理について、図７を参照しながら説明する。なお、以下のステップＳ２０１～ステップＳ２１１は、各牛に対して所定の時間Δ_４毎に繰り返し実行される。以下では、或る牛を対象として、その牛の姿勢を推定する場合について説明する。

まず、基本角度算出部１０２は、タグ角度データ記憶部５００に記憶されているタグ角度データのうちの当該牛の過去のタグ角度データと、姿勢データ記憶部６００に記憶されている姿勢データのうちの当該牛の過去の姿勢データとを用いて、当該牛の基本角度を算出する（ステップＳ２０１）。

具体的には、基本角度算出部１０２は、当該牛の過去Ｔ_１時間分のタグ角度データに含まれるタグ角度のうち、所定の条件を満たすタグ角度を抽出し、抽出したタグ角度の平均値を、当該牛の基本角度として算出する。ここで、上述したように、所定の条件を満たすタグ角度としては、例えば、当該牛の姿勢が起立である時間のタグ角度としてもよいし、これに加えて、Δ_４の各時間幅における変動量が少ないタグ角度（つまり、例えば、変動量が或る所定の範囲内に収まっているタグ角度）としてもよい。以下では、当該牛の基本角度をφで表す。

次に、姿勢推定部１０３は、気圧分析により当該牛の姿勢が起立又は寝姿勢のいずれであるかを推定する（ステップＳ２０２）。すなわち、姿勢推定部１０３は、以下の（１－１）～（１－３）により当該牛の姿勢が起立又は寝姿勢のいずれであるかを推定する。なお、以下では、簡単のため、データの欠損等は無く、ノイズ除去等も不要であるものとする。より詳細については、例えば、特開２０１９－９７４７５号公報、特開２０１９－１０３４４２号公報、特開２０２０－１９８８２８号公報、特開２０２０－１９８８２９号公報等を参照されたい。

（１－１）測定データ記憶部３００に記憶されている測定データのうち、当該牛の過去Δ_４前から現在までの測定データに含まれる気圧センサ値と、基準気圧データ記憶部４００に記憶されている基準気圧データのうち、過去Δ_４前から現在までの基準気圧データに含まれる基準気圧センサ値とを取得する。以下、過去Δ_４前から現在までの日時を表すインデックスをｊ＝１，・・・，Ｊとして、ここで取得した気圧センサ値の集合を｛Ｐ_ｊ；ｊ＝１，・・・，Ｊ｝、基準気圧センサ値の集合を｛Ｑ_ｊ；ｊ＝１，・・・，Ｊ｝とする。

（１－２）同一日時における気圧センサ値から基準気圧センサ値を減算して、差分気圧センサ値を算出する。すなわち、差分気圧センサ値の集合｛Ｒ_ｊ：＝Ｐ_ｊ－Ｑ_ｊ；ｊ＝１，・・・，Ｊ｝を算出する。

（１－３）差分気圧センサ値Ｒ_ｊ（ｊ＝１，・・・，Ｊ）の平均値等といった指標値を算出し、この指標値が所定の閾値ｔｈ_１（＜０）よりも高い場合は当該牛の姿勢を寝姿勢と推定し、そうでない場合は当該牛の姿勢を起立と推定する。

次に、姿勢推定部１０３は、上記のステップＳ２０２で推定された姿勢が寝姿勢であるか否かを判定する（ステップＳ２０３）。

上記のステップＳ２０３で寝姿勢であると判定されなかった場合、姿勢推定部１０３は、当該牛の姿勢を起立と推定する（ステップＳ２０４）。

一方で、上記のステップＳ２０３で寝姿勢であると判定された場合、姿勢推定部１０３は、タグ角度データ記憶部５００に記憶されているタグ角度データのうちの当該牛の最新のタグ角度データに含まれるタグ角度θと、上記のステップＳ２０１で算出された基本角度φとを比較する（ステップＳ２０５）。すなわち、姿勢推定部１０３は、Δθ：＝｜θ－φ｜を算出する。

次に、姿勢推定部１０３は、上記のステップＳ２０５の比較の結果、タグ角度θが基本角度φに十分近いか否かを判定する（ステップＳ２０６）。すなわち、姿勢推定部１０３は、Δθが所定の閾値εよりも小さいか否かを判定する。

上記のステップＳ２０６でタグ角度θが基本角度φに十分近いと判定された場合、姿勢推定部１０３は、過去の一定期間Ｔ_２（例えば、Ｔ_２＝Δ_４等）におけるタグ角度の暴れ具合を算出する（ステップＳ２０７）。タグ角度の暴れ具合を表す指標値としては様々なものが挙げられ、任意のものを算出すればよいが、例えば、分散や標準偏差等を用いることが可能である。

例えば、Δ_３＝１［ｍ］、Δ_４＝１０［ｍ］、Ｔ_２＝Δ_４である場合、過去の一定期間Ｔ_２のタグ角度として、１０個のタグ角度θ_１（＝θ），θ_２，・・・，θ_１０が得られる。したがって、この場合、これら１０個のタグ角度θ_１，θ_２，・・・，θ_１０の分散や標準偏差等をタグ角度の暴れ具合として算出すればよい。

次に、姿勢推定部１０３は、上記のステップＳ２０７で算出された暴れ具合が大きいか否かを判定する（ステップＳ２０８）。すなわち、姿勢推定部１０３は、タグ角度の暴れ具合が所定の閾値ｔｈ_２よりも大きいか否かを判定する。

上記のステップＳ２０８でタグ角度の暴れ具合が大きいと判定されなかった場合、姿勢推定部１０３は、当該牛の姿勢を伏臥と推定する（ステップＳ２０９）。

一方で、上記のステップＳ２０６でタグ角度θが基本角度φに十分近いと判定されなかった場合、又は、上記のステップＳ２０８でタグ角度の暴れ具合が大きいと判定された場合、姿勢推定部１０３は、当該牛の姿勢を横臥と推定する（ステップＳ２１０）。このように、タグ角度θが基本角度φに十分近い場合であっても、タグ角度の暴れ具合が大きい場合には、当該牛の姿勢を横臥と推定する。これは、起立困難な状態であっても首だけ何度も起き上がる場合があり、この場合にはタグ角度θが基本角度φに十分近くなり得るためである。

そして、姿勢推定部１０３は、現在の日時と、タグＩＤと、上記のステップＳ２０４、ステップＳ２０９又はステップＳ２１０で推定された姿勢とが含まれる姿勢データを姿勢データ記憶部６００に格納する（ステップＳ２１１）。これにより、所定の時間Δ_４毎に、各牛の姿勢データが姿勢データ記憶部６００に記憶されることになる。

なお、ステップＳ２０７～ステップＳ２０８は必ずしも実行される必要はなく、例えば、ステップＳ２０６でタグ角度θが基本角度φに十分近いと判定された場合は、牛の姿勢を伏臥と推定してもよい。ただし、ステップＳ２０７～ステップＳ２０８を実行した方が、起立困難の検知精度をより向上させることができる。

＜異常検知処理＞
本実施形態に係る異常検知処理について、図８を参照しながら説明する。なお、以下のステップＳ３０１～ステップＳ３０６は、各牛に対して所定の時間Δ_５毎に繰り返し実行される。以下では、或る牛を対象として、その牛の異常を検知する場合について説明する。

まず、スコア算出部２０１は、姿勢データ記憶部６００に記憶されている姿勢データのうちの当該牛の最新の姿勢データが表す姿勢（つまり、当該牛の現在の姿勢）が、起立、伏臥、横臥のいずれであるかを判定する（ステップＳ３０１）。

上記のステップＳ３０１で当該牛の現在の姿勢が伏臥であると判定された場合、スコア算出部２０１は、何もしない。上記のステップＳ３０１で当該牛の現在の姿勢が起立であると判定された場合は、スコア算出部２０１は、スコアＳを０にリセットする（ステップＳ３０２）。

一方で、上記のステップＳ３０１で当該牛の現在の姿勢が横臥であると判定された場合、又は、ステップＳ３０２に続いて、スコア算出部２０１は、スコアｓを算出する（ステップＳ３０３）。すなわち、スコア算出部２０１は、以下の（２－１）～（２－４）によりスコアｓを算出する。ここで、スコアｓは牛の異常を検知するための指標値であり、当該牛の過去Δ_５前から現在までの測定データに含まれる加速度センサ値から算出される。なお、以下では、簡単のため、データの欠損等は無く、ノイズ除去等も不要であるものとする。スコアｓの算出方法の詳細については、例えば、特開２０１９－９７４７５号公報、特開２０２０－１９８８２８号公報、特開２０２０－１９８８２９号公報等を参照されたい。

（２－１）測定データ記憶部３００に記憶されている測定データのうち、当該牛の過去Δ_５前から現在までの測定データに含まれる加速度センサ値（ｘ成分加速度センサ値、ｙ成分加速度センサ値及びｚ成分加速度センサ値）を取得する。以下、過去Δ_５前から現在までの日時を表すインデックスをｋ＝１，・・・，Ｋとして、ここで取得した加速度センサ値の集合を｛（Ｘ_ｋ，Ｙ_ｋ，Ｚ_ｋ）；ｋ＝１，・・・，Ｋ｝とする。なお、Ｘ_ｋはｘ成分加速度センサ値、Ｙ_ｋはｙ成分加速度センサ値、Ｚ_ｋはｚ成分加速度センサ値を表す。

（２－２）各加速度センサ値（Ｘ_ｋ，Ｙ_ｋ，Ｚ_ｋ）のＬ２ノルムを算出する。すなわち、各ｋ＝１，・・・，Ｋに対して、Ｌ_ｋ＝（｜Ｘ_ｋ｜^２＋｜Ｙ_ｋ｜^２＋｜Ｚ_ｋ｜^２）^１／２を算出する。

（２－３）所定の時間Δ_６（ただし、Δ_６＜Δ_５）単位でＬ２ノルムの標準偏差を算出する。以下では、ここで算出された標準偏差をσ_ｄとして、標準偏差の集合｛σ_ｄ；ｄ＝１，・・・，Ｄ｝が得られたものとする。なお、Δ_６は、或る自然数Ｎ_３に対してΔ_５＝Ｎ_３×Δ_６と表現できることが好適である。

例えば、Δ_１＝２［ｓ］、Δ_５＝１０［ｍ］、Δ_６＝１［ｍ］である場合、上記の（２－２）では３００個のＬ２ノルムＬ_ｋ（ｋ＝１，・・・，３００）が得られ、１分間あたり３０個のＬ２ノルムＬ_ｋが含まれる。このため、３０個のＬ２ノルムＬ_ｋから１つの標準偏差σ_ｄが算出され、その結果、１０個の標準偏差の集合｛σ_ｄ；ｄ＝１，・・・，１０｝が得られる。

（２－４）そして、標準偏差の集合｛σ_ｄ；ｄ＝１，・・・，Ｄ｝を用いて、過去Δ_５前から現在までの間において、標準偏差が所定の上限値を超えた後に所定の下限値を下回った回数と、標準偏差が所定の下限値を下回った後に所定の上限値を超えた回数とをカウントし、その合計をスコアｓとして算出する。なお、これらの上限値及び下限値は予め設定されたパラメータであり、例えば、経験則等に基づいて決定される。

例えば、上限値をｓｕｐ、下限値をｉｎｆとして、標準偏差を時系列順に並べるとσ_１，・・・，σ_Ｄであるものとする。このとき、例えば、或るｄでｓｕｐ＜σ_ｄとなった後に、或るｄ'（＞ｄ）でσ_ｄ'＜ｉｎｆとなった場合、これを１回とカウントする。同様に、例えば、或るｄでσ_ｄ＜ｉｎｆとなった後に、或るｄ'（＞ｄ）でｓｕｐ＜σ_ｄ'となった場合、これを１回とカウントする。

なお、上記のスコアｓは、加速度センサ値のＬ２ノルムのΔ_６の間の標準偏差が上限値を超えた後に下限値を下回った回数と、下限値を下回った後に上限値を超えた回数との合計であるため、牛が継続的に強い動きを行っている場合にその値が高くなる。これは、一般に、起立困難時には牛がもがくため、継続的に強い動きを行う傾向（言い換えれば、寝た状態で、継続的に暴れる傾向）があるためである。この意味で、スコアｓは、直近の過去Δ_５の間における牛の暴れ具合を表す指標値であるとも言える。

次に、スコア算出部２０１は、上記のステップＳ３０３で算出したスコアｓをスコアＳに加算する（ステップＳ３０４）。

次に、異常検知部２０２は、スコアＳが所定の閾値ｔｈ_３を超えたか否かを判定する（ステップＳ３０５）。なお、閾値ｔｈ_３は予め設定されたパラメータであり、その値は、適宜、任意の値に設定され得るが、例えば、１５～３５程度に設定することが考えられ、特に２５程度に設定することが好ましい。

上記のステップＳ３０５でスコアＳが所定の閾値ｔｈ_３を超えたと判定された場合、異常検知部２０２は、当該牛に異常（つまり、起立困難）が発生したことを検知する（ステップＳ３０６）。なお、異常検知部２０２は、例えば、異常検知装置１０と通信ネットワークを介して接続される端末（例えば、牧場主が利用するスマートフォン等）に対して、この異常検知結果を通知してもよい。このとき、当該異常検知結果には、例えば、異常の発生日時、異常が発生した牛を識別する情報（例えば、タグＩＤ等）、異常の種別を示す情報（例えば、起立困難を示すコード等）といった情報が含まれる。これにより、当該端末では、例えば、牛に異常が発生したことを示すアラートを発報する、といったことが可能となる。

なお、上記のステップＳ３０５でスコアＳが所定の閾値ｔｈ_３を超えたと判定されなかった場合、異常検知部２０２は、何もしない。

＜本実施形態の効果＞
以上のように、本実施形態に係る異常検知システム１では、牛の姿勢を起立と寝姿勢に分類すると共に、寝姿勢を更に伏臥と横臥に分類し、牛の姿勢が横臥のときにのみ、牛の継続的な強い動き（つまり、継続的な牛の暴れ具合）を捉えたスコアＳを増加させる。一方で、牛の姿勢が起立のときにはスコアＳをリセットし、伏臥のときにはスコアＳの値を維持する。これにより、寝姿勢の状態で行われる通常動作（例えば、首を振ったり、体をかいたりする動作等）ではスコアＳが増加されないため、誤検知の発生を防止し、その結果、高精度な異常検知を実現することが可能となる。

＜変形例＞
上記の実施形態では、起立困難時には、一般に、牛は継続的に強い動きを行っている（つまり、牛が寝姿勢の状態で暴れている）、という知見に基づいて、起立困難を検知している。しかしながら、異常が検知されたにも関わらず、起立困難状態が放置されてしまった場合には、牛はぐったりし、その後は異常が検知されない、という事態が生じ得る、また、ごくまれに、ぐったりした状態のまま起立困難になる牛も存在し得る。

そこで、上記のようなぐったりした状態の起立困難も異常として検知可能とするため、異常検知部２０２は、例えば、牛の姿勢が横臥となっている継続時間が所定の閾値ｔｈ_４を超える場合、異常を検知してもよい。なお、牛の姿勢が横臥となっている継続時間は、姿勢データ記憶部６００に記憶されている姿勢データのうちの当該牛の姿勢データに含まれる日時と姿勢から算出すればよい。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲の記載から逸脱することなく、種々の変形や変更、既知の技術との組み合わせ等が可能である。

１ 異常検知システム
１０ 異常検知装置
１００ 姿勢推定処理部
１０１ タグ角度算出部
１０２ 基本角度算出部
１０３ 姿勢推定部
２００ 異常検知処理部
２０１ スコア算出部
２０２ 異常検知部
３００ 測定データ記憶部
４００ 基準気圧データ記憶部
５００ タグ角度データ記憶部
６００ 姿勢データ記憶部

Claims (10)

1. 家畜の異常を検知する異常検知装置であって、
   前記家畜に装着された機器が備える加速度センサ及び気圧センサがそれぞれ測定した加速度データ及び気圧データを記憶する記憶部と、
   １以上の前記気圧データに基づいて、所定の時間幅毎に、前記家畜の姿勢が、前記家畜が立っている状態の姿勢を表す起立、又は、前記家畜が寝ている状態の姿勢を表す寝姿勢、のいずれであるかを推定する第１の姿勢推定部と、
   前記家畜の姿勢が寝姿勢であると推定された場合、前記家畜の姿勢が、前記家畜が膝を下ろし、胸を起こした姿勢を表す伏臥、又は、前記家畜が四肢を投げ出し横倒しになっている姿勢を表す横臥、のいずれであるかを推定する第２の姿勢推定部と、
   前記家畜の姿勢が、起立、伏臥、又は横臥のいずれであると推定されたかに応じて、１以上の前記加速度データに基づいて、所定の時間幅毎に、前記家畜の暴れ具合を表す第１のスコアを算出するスコア算出部と、
   前記第１のスコアに基づいて、前記家畜に異常が発生したことを検知する検知部と、
   前記家畜に異常が発生したことが検知された場合、前記異常の発生を所定の端末に通知する通知部と、
   を有する異常検知装置。
2. 前記スコア算出部は、
   前記家畜の姿勢が起立であると推定された場合、現在の時間幅における第１のスコアを０と算出し、
   前記家畜の姿勢が横臥であると推定された場合、１以上の前記加速度データに基づいて、現在の時間幅における前記家畜の暴れ具合を表す第２のスコアを算出し、１つ前の時間幅における第１のスコアに対して前記第２のスコアを加算することで、現在の時間幅における第１のスコアを算出し、
   前記家畜の姿勢が伏臥であると推定された場合、１つ前の時間幅における第１のスコアを、現在の時間幅における第１のスコアとして算出する、請求項１に記載の異常検知装置。
3. 前記検知部は、
   前記第１のスコアが、予め設定された所定の閾値を超えている場合、前記家畜に異常が発生したことを検知する、請求項１又は２に記載の異常検知装置。
4. 前記検知部は、
   前記家畜の姿勢が横臥であると継続的に推定された時間の長さが、予め設定された所定の閾値を超えている場合、前記家畜に異常が発生したことを検知する、請求項１乃至３の何れか一項に記載の異常検知装置。
5. 前記機器は、前記家畜の首部分に固定的に装着されており、
   前記第２の姿勢推定部は、
   重力方向を基準とした前記機器の角度に基づいて、前記家畜の姿勢が、前記伏臥又は前記横臥のいずれであるかを推定する、請求項１乃至４の何れか一項に記載の異常検知装置。
6. 前記第２の姿勢推定部は、
   前記家畜の姿勢が前記起立であると推定されたときの前記機器の過去の角度の平均値を基本角度として算出し、
   前記機器の現在の角度と前記基本角度との差が所定の閾値よりも小さい場合、前記家畜の姿勢が前記伏臥であると推定し、
   前記機器の現在の角度と前記基本角度との差が所定の閾値よりも小さくない場合、前記家畜の姿勢が前記横臥であると推定する、請求項５に記載の異常検知装置。
7. 前記第２の姿勢推定部は、
   前記家畜の姿勢が前記起立であると推定されたときであって、かつ、前記時間幅における前記機器の角度の変動量が所定の範囲内に収まっているときの前記機器の過去の角度の平均値を基本角度として算出する、請求項６に記載の異常検知装置。
8. 前記第２の姿勢推定部は、
   前記機器の現在の角度と前記基本角度との差が所定の閾値よりも小さい場合、更に、現在の時間幅における前記機器の角度の分散又は標準偏差が所定の閾値よりも大きくない場合に、前記家畜の姿勢が前記伏臥であると推定し、前記分散又は標準偏差が所定の閾値よりも大きい場合は、前記家畜の姿勢が横臥であると推定する、請求項７に記載の異常検知装置。
9. 家畜の異常を検知する異常検知装置が、
   前記家畜に装着された機器が備える加速度センサ及び気圧センサがそれぞれ測定した加速度データ及び気圧データを記憶部に記憶する記憶手順と、
   １以上の前記気圧データに基づいて、所定の時間幅毎に、前記家畜の姿勢が、前記家畜が立っている状態の姿勢を表す起立、又は、前記家畜が寝ている状態の姿勢を表す寝姿勢、のいずれであるかを推定する第１の姿勢推定手順と、
   前記家畜の姿勢が寝姿勢であると推定された場合、前記家畜の姿勢が、前記家畜が膝を下ろし、胸を起こした姿勢を表す伏臥、又は、前記家畜が四肢を投げ出し横倒しになっている姿勢を表す横臥、のいずれであるかを推定する第２の姿勢推定手順と、
   前記家畜の姿勢が、起立、伏臥、又は横臥のいずれであると推定されたかに応じて、１以上の前記加速度データに基づいて、所定の時間幅毎に、前記家畜の暴れ具合を表す第１のスコアを算出するスコア算出手順と、
   前記第１のスコアに基づいて、前記家畜に異常が発生したことを検知する検知手順と、
   前記家畜に異常が発生したことが検知された場合、前記異常の発生を所定の端末に通知する通知手順と、
   を実行する異常検知方法。
10. コンピュータを、請求項１乃至８の何れか一項に記載の異常検知装置として機能させるプログラム。

Images