JP2023142611A - 動物の行動量推定システム、方法及びプログラム - Google Patents
動物の行動量推定システム、方法及びプログラム Download PDFInfo
- Publication number
- JP2023142611A JP2023142611A JP2022049590A JP2022049590A JP2023142611A JP 2023142611 A JP2023142611 A JP 2023142611A JP 2022049590 A JP2022049590 A JP 2022049590A JP 2022049590 A JP2022049590 A JP 2022049590A JP 2023142611 A JP2023142611 A JP 2023142611A
- Authority
- JP
- Japan
- Prior art keywords
- animal
- amount
- activity
- atmospheric pressure
- unit
- 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
- 241001465754 Metazoa Species 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims description 21
- 238000005259 measurement Methods 0.000 claims abstract description 81
- 230000001133 acceleration Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 claims description 84
- 238000003860 storage Methods 0.000 claims description 30
- 244000144972 livestock Species 0.000 claims description 8
- 235000013305 food Nutrition 0.000 abstract description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 18
- 241000283690 Bos taurus Species 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000009395 breeding Methods 0.000 description 4
- 230000001488 breeding effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000384 rearing effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000009304 pastoral farming Methods 0.000 description 2
- 230000022676 rumination Effects 0.000 description 2
- 208000015212 rumination disease Diseases 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000283707 Capra Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 241000699800 Cricetinae Species 0.000 description 1
- 241000283073 Equus caballus Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241000282339 Mustela Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 208000022531 anorexia Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 206010061428 decreased appetite Diseases 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000004590 drinking behavior Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004634 feeding behavior Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000007519 figuring Methods 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、動物の行動量を推定するシステム、方法及びプログラムに関するものである。
家畜や展示動物、愛玩動物などの動物の飼育において健康管理は重要である。動物の健康状態を推し量る指標のひとつに採食量がある。採食量は、食欲不振、代謝病、感染症など疾病の発見にもつながる重要な指標である。また、畜産においては生産性や繁殖性に大きく影響を与える指標でもある。そのため、飼育者は日々の個体ごとの採食量の把握に多大な労力を費やす。しかし、飼育規模が拡大し、飼育頭数が増えると採食量の把握が困難になる。この課題を解決するため、例えば特許文献1のような家畜の採食量を推定する技術が提供されている。
特許文献1に記載の牛採食量測定装置は、計測対象の牛の頚部に装着し、該牛の採食によって生じる頭部全体の動きに応動して運動検知信号を発生する運動検知手段と、該運動検知手段からの運動検知信号に基づいて、当該牛の採食量を演算する演算手段と、予め設定された時間情報と前記演算手段によって演算された採食量を一定の時間単位で記録する記録手段と、該記録手段に記録された採食量データを外部に出力する手段とを備えたものである。これにより、牛の採食量を測定することができる。
しかし、特許文献1に記載の技術は、動物の飲水量を推定することができなかった。飲水量は、糖尿病や腎臓病などの疾病発見の手掛かりとなるだけでなく、畜産においては泌乳量に影響を与えるなど生産性に大きく関わる。そのため、飲水量は採食量と並び動物の健康管理における重要な指標である。
そこで本発明は、動物の採食量と飲水量を推定することができる動物の行動量推定システム、方法及びプログラムを提供することを目的とする。
上記課題を解決するため、本発明は以下の態様を含む。
[1] 動物に装着する測定部と、前記動物の行動量を推定する行動量推定部と、推定された行動量を出力する出力部と、を備えた動物の行動量推定システムであって、
前記測定部は、加速度センサと、角度センサと、気圧センサと、を備え、
前記行動量推定部は、前記加速度センサ、前記角度センサ及び前記気圧センサで取得した測定データを記憶する記憶部と、前記測定データから前記動物の行動量を推定する推定処理部とを備えることを特徴とする動物の行動量推定システム。
[2] 前記推定処理部は、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする[1]に記載の動物の行動量推定システム。
[3] 前記動物は、家畜であることを特徴とする[1]または[2]に記載の動物の行動量推定システム。
[4] 動物に装着した加速度センサと、角度センサと、気圧センサとから測定データを経時的に取得し、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする動物の行動量推定方法。
[5] コンピュータを、[1]ないし[3]のいずれかに記載の動物の行動量推定システムとして動作させるためのプログラム。
[1] 動物に装着する測定部と、前記動物の行動量を推定する行動量推定部と、推定された行動量を出力する出力部と、を備えた動物の行動量推定システムであって、
前記測定部は、加速度センサと、角度センサと、気圧センサと、を備え、
前記行動量推定部は、前記加速度センサ、前記角度センサ及び前記気圧センサで取得した測定データを記憶する記憶部と、前記測定データから前記動物の行動量を推定する推定処理部とを備えることを特徴とする動物の行動量推定システム。
[2] 前記推定処理部は、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする[1]に記載の動物の行動量推定システム。
[3] 前記動物は、家畜であることを特徴とする[1]または[2]に記載の動物の行動量推定システム。
[4] 動物に装着した加速度センサと、角度センサと、気圧センサとから測定データを経時的に取得し、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする動物の行動量推定方法。
[5] コンピュータを、[1]ないし[3]のいずれかに記載の動物の行動量推定システムとして動作させるためのプログラム。
本発明によれば、動物の採食量及び飲水量を推定することができる動物の行動量推定システム、方法及びプログラムを提供することができる。
本発明は、動物の行動量を推定することができるものである。行動量とは所定の期間内(例えば1日など)における動物の行動に関する量や時間の総称であり、採食量、飲水量、横臥時間、反芻時間、歩行距離、歩行時間等が含まれる。本発明で推定する行動量には少なくとも採食量及び飲水量が含まれるが、横臥時間や歩行距離など他の量や時間を含めてもよい。
また、本発明において動物はヒト以外の動物であって、本発明の測定部(後述)を装着可能な動物であれば特に限定はない。動物としては、例えば、愛玩動物(例えば、犬、猫、ウサギ、フェレット、ハムスター、猿等のペット)、飼育動物(例えば、動物園等で飼育されているトラやライオン等)、家畜(例えば、馬、牛、豚、羊、ヤギ等)等の動物が挙げられる。
以下、本発明の実施形態について図面を参照しながら説明する。
また、本発明において動物はヒト以外の動物であって、本発明の測定部(後述)を装着可能な動物であれば特に限定はない。動物としては、例えば、愛玩動物(例えば、犬、猫、ウサギ、フェレット、ハムスター、猿等のペット)、飼育動物(例えば、動物園等で飼育されているトラやライオン等)、家畜(例えば、馬、牛、豚、羊、ヤギ等)等の動物が挙げられる。
以下、本発明の実施形態について図面を参照しながら説明する。
<動物の行動量推定システムの構成>
本発明の動物の行動量推定システムの全体構成の例を図1に示す。本発明の動物の行動量推定システム10は、動物12に装着する測定部20と、動物12の行動量を推定する行動量推定部40と、推定された行動量を出力する出力部60とを備える。測定部20、行動量推定部40及び出力部60は、ネットワークNを介して互いに通信可能に接続されている。なお、図1において、動物12は飼育区域14内で飼育されているものとする。飼育区域14とは、例えば動物舎、牛舎、柵で囲われた区域、ケージなど動物12を飼育する区域をさす。
本発明の動物の行動量推定システムの全体構成の例を図1に示す。本発明の動物の行動量推定システム10は、動物12に装着する測定部20と、動物12の行動量を推定する行動量推定部40と、推定された行動量を出力する出力部60とを備える。測定部20、行動量推定部40及び出力部60は、ネットワークNを介して互いに通信可能に接続されている。なお、図1において、動物12は飼育区域14内で飼育されているものとする。飼育区域14とは、例えば動物舎、牛舎、柵で囲われた区域、ケージなど動物12を飼育する区域をさす。
(測定部)
測定部20は、行動量推定対象の動物12に装着する機器である。一頭の動物12に対して一つ装着し、行動量を推定する期間中は装着し続けるものである。対象とする動物12の頭数については、本システムを構成するハードウェアの処理能力を超えない限り特に制限はない。測定部20は採食や飲水行動中に大きく運動する部位である頸部や頭部に装着するのが好ましく、例えば首輪や頭絡などに測定部20を固定して動物12に装着する。図1は、牛(動物12)の首輪20aに測定部20を固定して装着している。
測定部20は、行動量推定対象の動物12に装着する機器である。一頭の動物12に対して一つ装着し、行動量を推定する期間中は装着し続けるものである。対象とする動物12の頭数については、本システムを構成するハードウェアの処理能力を超えない限り特に制限はない。測定部20は採食や飲水行動中に大きく運動する部位である頸部や頭部に装着するのが好ましく、例えば首輪や頭絡などに測定部20を固定して動物12に装着する。図1は、牛(動物12)の首輪20aに測定部20を固定して装着している。
図2に測定部20の構成図を示す。測定部20は、加速度センサ22、角度センサ24、気圧センサ26を備える。測定部20のハードウェア構成として、例えばRaspberry Pi(登録商標)のような、CPU(Central Processing Unit)(演算手段/制御手段)、RAM(Random Access Memory)/ROM(Read Only Memory)(記憶手段)、通信インターフェースを備えたシングルボードコンピュータなどの公知の電子機器を用いて構成することができる。また、各センサには公知のセンサを用いることができる。以降に述べる測定部20の機能は、各センサ、インストールされたプログラム、および演算/制御手段、記憶手段等もしくはそれらの組み合わせによって実現できる。
加速度センサ22は、動物12の運動による装着部位の加速度を測定する。角度センサ24は、装着部位の角度を測定する。加速度センサ22と角度センサ24の軸の数に特に制限はないが、例えば3軸(X軸、Y軸、Z軸)のセンサを用いることができる。また、加速度センサ22及び角度センサ24として、慣性計測ユニット(Inertial Measurement Unit : IMU)を用いることもできる。IMUは加速度センサ及び角速度センサを備え、加速度センサにより検出された加速度及び角速度センサにより検出された角速度を用いて角度を演算できる。
気圧センサ26は、装着部位における気圧を測定するものである。動物12の運動による装着部位の高度の変化を気圧の変化で読み取るためのものである。
気圧センサ26の測定値から天候による大気圧の変動の影響を除くことを目的に、飼育区域14内の大気圧を測定する基準大気圧センサ30を設けてもよい。基準大気圧センサ30は飼育区域14内の任意の場所に固定設置する。基準大気圧センサ30は、通信手段を有し、ネットワークNを介して測定部20及び/または行動量推定部40と測定値などを送受信可能である。気圧センサ26の測定値から基準大気圧センサ30の測定値を差し引いた相対気圧を気圧の測定値とすることで、大気圧の変動による測定値の変動を相殺でき、動物12の上下動をより精度よく捉えることができる。
測定部20には、各センサの測定値を一時的に記憶するための記憶部28を備えてもよい。記憶部28は、RAMやROMのほか、HDD(Hard Disc Drive)、SSD(Solid State Drive)、SDカード(Secure Digital card)、又はUSBメモリ(Universal Serial Bus memory)等で構成してもよい。
(行動量推定部)
行動量推定部40は、測定部20で得た測定データから動物12の行動量を推定する。行動量推定部40はハードウェア構成として、CPUなどの演算手段/制御手段、HDD、RAM、ROMなどの記憶手段、通信インターフェースなどの通信手段を備えた汎用のコンピュータで構成することができる。また、行動量推定部40は、入出力手段(ディスプレイ、キーボード、マウス、タッチパネルなど)を備えていてもよい。以降に述べる行動量推定部40の機能は、インストールされたプログラム、および演算手段、制御手段、記憶手段等もしくはそれらの組み合わせによって実現することができる。
行動量推定部40は、測定部20で得た測定データから動物12の行動量を推定する。行動量推定部40はハードウェア構成として、CPUなどの演算手段/制御手段、HDD、RAM、ROMなどの記憶手段、通信インターフェースなどの通信手段を備えた汎用のコンピュータで構成することができる。また、行動量推定部40は、入出力手段(ディスプレイ、キーボード、マウス、タッチパネルなど)を備えていてもよい。以降に述べる行動量推定部40の機能は、インストールされたプログラム、および演算手段、制御手段、記憶手段等もしくはそれらの組み合わせによって実現することができる。
図3に行動量推定部40の機能構成を示す。行動量推定部40は記憶部42と推定処理部44とを備える。記憶部42には、測定部20から受信した測定データ50、基準大気圧センサ30から受信した大気圧データ52、学習済みモデルM、推定結果データ54が記憶される。学習済みモデルMは、測定データ50を入力すると行動量を出力するように機械学習により予め作成されたものである。また、行動量推定部40に、教師データの作成や学習済みモデルMの生成などを行う学習部46を備えてもよい。学習済みモデルMの生成は、学習部46に備えた学習器48により行われる。
推定処理部44は、記憶部42から読みだした測定データ50と学習済みモデルMを用いて動物12の行動量を推定し、推定結果データ54を記憶部42に記憶する。推定結果データ54は、対象の動物12毎に所定の期間内における採食量及び飲水量の推定値を含むデータで構成される。
(出力部)
出力部60は、推定結果データ54を表示するものである。出力部60は、汎用コンピュータ、スマートフォン、タブレット端末、ウェアラブル端末といった、ディスプレイやスピーカーなどの画面表示や音声による出力手段を備えた装置である。
出力部60は、推定結果データ54を表示するものである。出力部60は、汎用コンピュータ、スマートフォン、タブレット端末、ウェアラブル端末といった、ディスプレイやスピーカーなどの画面表示や音声による出力手段を備えた装置である。
(ネットワーク)
ネットワークNは、インターネット等の公衆通信網でありWAN(Wide Area Network)やその他の通信網であり、LTE(Long Term Evolution)などのセルラー網、無線LAN(Local Area Network:Wi-Fi(登録商標)含む)等の無線網を含んでもよい。有線と無線のいずれも用いることができるが、測定部20は装着する動物の行動を妨げにくい無線網を用いることが好ましい。無線接続方式としてはBluetooth(登録商標)やZigbee(登録商標)といった種々の方式も用いることができる。また、本発明のシステム10における測定部20、行動量推定部40、出力部60及び基準大気圧センサ30は、いずれもネットワークNに対応した通信機能を備える。通信機能は公知の通信モジュールを用いて実現できる。
ネットワークNは、インターネット等の公衆通信網でありWAN(Wide Area Network)やその他の通信網であり、LTE(Long Term Evolution)などのセルラー網、無線LAN(Local Area Network:Wi-Fi(登録商標)含む)等の無線網を含んでもよい。有線と無線のいずれも用いることができるが、測定部20は装着する動物の行動を妨げにくい無線網を用いることが好ましい。無線接続方式としてはBluetooth(登録商標)やZigbee(登録商標)といった種々の方式も用いることができる。また、本発明のシステム10における測定部20、行動量推定部40、出力部60及び基準大気圧センサ30は、いずれもネットワークNに対応した通信機能を備える。通信機能は公知の通信モジュールを用いて実現できる。
(他の構成)
図1に示す動物の行動量推定システム10の構成は一例であって他の構成でもよい。例えば、行動量推定部40は、各構成機能を複数台のコンピュータ上に構成していてもよく、所謂クラウド上に構成してもよい。また、一つのシングルボードコンピュータ上に測定部20と行動量推定部40を構成し、一つの装置として動物12に装着してもよい。出力部60についても同様であり、出力部60として単独のコンピュータ等を用いてもよいし、行動量推定部40と出力部60を一つのコンピュータ上に構成してもよい。
図1に示す動物の行動量推定システム10の構成は一例であって他の構成でもよい。例えば、行動量推定部40は、各構成機能を複数台のコンピュータ上に構成していてもよく、所謂クラウド上に構成してもよい。また、一つのシングルボードコンピュータ上に測定部20と行動量推定部40を構成し、一つの装置として動物12に装着してもよい。出力部60についても同様であり、出力部60として単独のコンピュータ等を用いてもよいし、行動量推定部40と出力部60を一つのコンピュータ上に構成してもよい。
<行動量の推定手順>
次に本発明のシステムを用いて動物の行動量を推定する手順について図1~3及び図4のフローチャートを用いて説明する。
次に本発明のシステムを用いて動物の行動量を推定する手順について図1~3及び図4のフローチャートを用いて説明する。
(測定データの取得)
まず、動物12に装着した測定部20の各センサから、所定の時間毎(例えば1秒毎)に、加速度、角度及び気圧の測定値を取得し、測定時刻及び動物ID(装着した動物を識別するための符号)を対応付けた測定データ50を得る(ステップS11)。得られた測定データ50は、逐次、行動量推定部40に送信する。測定部20の記憶部28に測定データ50を蓄積し、所定の時間毎(例えば1日毎)または所定のタイミング(例えば通信が可能になったとき)にまとめて行動量推定部40に送信するようにしてもよい。
上記と並行して、基準大気圧センサ30は所定の時間毎(例えば1秒毎)に飼育区域14の大気圧を測定し、測定値に測定時刻を対応付けた大気圧データ52を得る(ステップS12)。得られた大気圧データ52は、逐次、行動量推定部40に送信される。または、基準大気圧センサ30に記憶部(図示せず)を備え、記憶部に大気圧データ52を蓄積し、所定の時間毎もしくは所定のタイミングに行動量推定部40にまとめて送信するようにしてもよい。
まず、動物12に装着した測定部20の各センサから、所定の時間毎(例えば1秒毎)に、加速度、角度及び気圧の測定値を取得し、測定時刻及び動物ID(装着した動物を識別するための符号)を対応付けた測定データ50を得る(ステップS11)。得られた測定データ50は、逐次、行動量推定部40に送信する。測定部20の記憶部28に測定データ50を蓄積し、所定の時間毎(例えば1日毎)または所定のタイミング(例えば通信が可能になったとき)にまとめて行動量推定部40に送信するようにしてもよい。
上記と並行して、基準大気圧センサ30は所定の時間毎(例えば1秒毎)に飼育区域14の大気圧を測定し、測定値に測定時刻を対応付けた大気圧データ52を得る(ステップS12)。得られた大気圧データ52は、逐次、行動量推定部40に送信される。または、基準大気圧センサ30に記憶部(図示せず)を備え、記憶部に大気圧データ52を蓄積し、所定の時間毎もしくは所定のタイミングに行動量推定部40にまとめて送信するようにしてもよい。
(測定データ・大気圧データの記憶)
次に、行動量推定部40において受信した測定データ50及び大気圧データ52を記憶部42に記憶(蓄積)する(ステップS20)。
図5は、記憶された測定データ50の例である。例えば、動物ID「id1」の動物について、測定時刻「t1」の加速度センサ(X軸、Y軸、Z軸の3軸)の測定値がX軸「x1」、Y軸「y1」及びZ軸「z1」であり、角度センサ(1軸)の測定値が「a1」であり、気圧センサの測定値が「p1」であったことを示す。測定時刻「t2」以降についても同様に各センサの測定値が記憶されている。このように、測定データ50は、所定の測定期間内における各センサの測定値と動物ID及び測定時刻とが関連付けられた経時的(時系列的)なデータとして記憶部42に記憶される。大気圧データ52も同様に測定時刻と関連付けられた経時的なデータとして記憶される。
次に、行動量推定部40において受信した測定データ50及び大気圧データ52を記憶部42に記憶(蓄積)する(ステップS20)。
図5は、記憶された測定データ50の例である。例えば、動物ID「id1」の動物について、測定時刻「t1」の加速度センサ(X軸、Y軸、Z軸の3軸)の測定値がX軸「x1」、Y軸「y1」及びZ軸「z1」であり、角度センサ(1軸)の測定値が「a1」であり、気圧センサの測定値が「p1」であったことを示す。測定時刻「t2」以降についても同様に各センサの測定値が記憶されている。このように、測定データ50は、所定の測定期間内における各センサの測定値と動物ID及び測定時刻とが関連付けられた経時的(時系列的)なデータとして記憶部42に記憶される。大気圧データ52も同様に測定時刻と関連付けられた経時的なデータとして記憶される。
上記のデータの取得(ステップS11、S12)と記憶(ステップ20)は、行動量を推定したい期間が経過するまで連続又は繰り返して行われ、得られた測定データ50及び大気圧データ52は記憶部42に蓄積される。
(行動量の推定処理)
次に、推定処理部44において、記憶部42に記憶された測定データ50から動物の行動量を推定する推定処理を行う(ステップS30)。推定処理は、以下に説明するように機械学習により予め作成された学習済みモデルMを用いて行われる。
次に、推定処理部44において、記憶部42に記憶された測定データ50から動物の行動量を推定する推定処理を行う(ステップS30)。推定処理は、以下に説明するように機械学習により予め作成された学習済みモデルMを用いて行われる。
まず、推定処理部44は、行動量を推定したい期間内(例えば1日)の測定データ50を動物ID毎に記憶部42から抽出する。ここで相対気圧を用いて推定する場合は、大気圧データ52を読み出して相対気圧を算出し、測定データ50中の気圧の測定値として相対気圧を用いて処理を進める。
なお、相対気圧は予め基準大気圧センサ30において算出してもよい。この場合は、測定部20における気圧の測定時(ステップS11)に、基準大気圧センサ30が測定部20から測定値を受信し、基準大気圧センサ30において相対気圧を算出する。算出された相対気圧は、測定データ50中の気圧の測定値として行動量推定部40に送信され、記憶部42に記憶される。また、相対気圧は測定部20において算出されてもよい。この場合は、測定部20が基準大気圧センサ30から測定値を受信して相対気圧を算出する。
なお、相対気圧は予め基準大気圧センサ30において算出してもよい。この場合は、測定部20における気圧の測定時(ステップS11)に、基準大気圧センサ30が測定部20から測定値を受信し、基準大気圧センサ30において相対気圧を算出する。算出された相対気圧は、測定データ50中の気圧の測定値として行動量推定部40に送信され、記憶部42に記憶される。また、相対気圧は測定部20において算出されてもよい。この場合は、測定部20が基準大気圧センサ30から測定値を受信して相対気圧を算出する。
続いて、推定処理部44は学習済みモデルMを記憶部42から読み出し、記憶部42から抽出した測定データ50を入力する。学習済みモデルMは、所定の期間における加速度センサ、角度センサ及び気圧センサの測定値の経時変化(測定データ50)を入力すると、動物12の個体ごとに、その期間内の採食量及び飲水量を含む推定結果データ54を出力する。
(推定結果データの記憶)
推定結果データ54は、行動量推定部40の記憶部42に記憶される(ステップS40)。
推定結果データ54は、行動量推定部40の記憶部42に記憶される(ステップS40)。
(推定結果データの出力)
記憶された推定結果データ54は、例えば出力部60から行動量推定部40にアクセスがあった場合などの任意のタイミングで読み出され、出力部60に送信されて出力される(ステップS50)。
出力部60は、推定結果データ54を任意の方法で出力する。図6は出力部60における出力例であり、牛の1日の行動量の推定結果データ54を出力した画面である。画面には、推定された採食量62、飲水量64及び横臥時間66が表示されている。また、画面右側のグラフ領域68には、直近1週間における毎日の行動量の推定結果が折れ線グラフで表示されている。このように、出力部60には推定結果データ54に加えて上記グラフ領域68のような健康状態の把握を助ける他の情報を表示してもよい。
記憶された推定結果データ54は、例えば出力部60から行動量推定部40にアクセスがあった場合などの任意のタイミングで読み出され、出力部60に送信されて出力される(ステップS50)。
出力部60は、推定結果データ54を任意の方法で出力する。図6は出力部60における出力例であり、牛の1日の行動量の推定結果データ54を出力した画面である。画面には、推定された採食量62、飲水量64及び横臥時間66が表示されている。また、画面右側のグラフ領域68には、直近1週間における毎日の行動量の推定結果が折れ線グラフで表示されている。このように、出力部60には推定結果データ54に加えて上記グラフ領域68のような健康状態の把握を助ける他の情報を表示してもよい。
以上の行動量の推定手順は、1回のみ実行してもよいし、任意の時間間隔または回数で繰り返してもよい。また、測定部20における測定データの取得間隔および測定期間、行動量の推定の際に記憶部42から抽出する測定データ50の期間などは、行動量推定部40の使用者が任意に定めてよいし、出力部60の使用者が任意に指定してもよい。
<学習済みモデル>
本発明における学習済みモデルは、動物に装着した加速度センサ、角度センサ及び気圧センサの測定データと行動量との関係性を機械学習により学習したものである。以下に、本発明のシステムを用いた学習済みモデルの作成手順の一例を図1~3を用いながら説明する。
本発明における学習済みモデルは、動物に装着した加速度センサ、角度センサ及び気圧センサの測定データと行動量との関係性を機械学習により学習したものである。以下に、本発明のシステムを用いた学習済みモデルの作成手順の一例を図1~3を用いながら説明する。
(教師データの作成)
まず、対象となる動物12に測定部20を装着し、加速度センサ22、角度センサ24及び気圧センサ26の測定データ50を経時的に取得する。相対気圧を用いる場合は、前述のとおり基準大気圧センサ30により大気圧を測定して相対気圧を測定データ50の気圧の測定値として用いる。
次に、測定データ50に行動量をラベル付けする。実際に採食していた時間帯の測定データにその時間帯の採食量をラベル付けし、採食していない時間帯の測定データには採食量は0とラベル付けする。同様に、飲水していた時間帯の測定データにその時間帯の飲水量をラベル付けし、飲水していない時間帯には0をラベル付けする。この他の行動量を推定する場合も同様にする。例えば、横臥していた時間帯の測定データには横臥時間を、反芻していた時間帯の測定データには反芻時間をそれぞれラベル付けする。このようにして採食量や飲水量など複数のラベルを付けた測定データを教師データとする。ラベルは、動物の行動を実際に人間が観察した結果や、採食量、飲水量、横臥時間などの行動量を実測した結果に基づいて付する。
まず、対象となる動物12に測定部20を装着し、加速度センサ22、角度センサ24及び気圧センサ26の測定データ50を経時的に取得する。相対気圧を用いる場合は、前述のとおり基準大気圧センサ30により大気圧を測定して相対気圧を測定データ50の気圧の測定値として用いる。
次に、測定データ50に行動量をラベル付けする。実際に採食していた時間帯の測定データにその時間帯の採食量をラベル付けし、採食していない時間帯の測定データには採食量は0とラベル付けする。同様に、飲水していた時間帯の測定データにその時間帯の飲水量をラベル付けし、飲水していない時間帯には0をラベル付けする。この他の行動量を推定する場合も同様にする。例えば、横臥していた時間帯の測定データには横臥時間を、反芻していた時間帯の測定データには反芻時間をそれぞれラベル付けする。このようにして採食量や飲水量など複数のラベルを付けた測定データを教師データとする。ラベルは、動物の行動を実際に人間が観察した結果や、採食量、飲水量、横臥時間などの行動量を実測した結果に基づいて付する。
(学習済みモデルの作成)
次に、学習器48によって教師あり学習を行う。学習器48は、ニューラルネットワーク、サポートベクターマシンなどのアルゴリズムを用いることができる。学習器48が上記の教師データを基に機械学習を行い、学習済みモデルMが作成される。作成された学習済みモデルMは記憶部42に保存される。
次に、学習器48によって教師あり学習を行う。学習器48は、ニューラルネットワーク、サポートベクターマシンなどのアルゴリズムを用いることができる。学習器48が上記の教師データを基に機械学習を行い、学習済みモデルMが作成される。作成された学習済みモデルMは記憶部42に保存される。
本発明に用いる学習済みモデルは、複数頭の教師データを用いて作成した動物種ごと(例えば、牛、豚、馬、鶏など)のモデルでもよいし、個体ごとの教師データを用いて作成した個体ごとのモデルであってもよい。本発明では機械学習の手法を用いるため、異なる動物種や個体に対しても容易に学習済みモデルを作成できる。個体ごとに作成した学習済みモデルは、例えば疾病の予見や早期発見、また治療中など慎重な健康管理が求められる場合や、肉用牛の肥育といった精密な飼養管理が求められる場合に特に有用である。
また、学習済みモデルの生成には動物の運動に関する測定値を用いるため、飼育環境により運動が制限される動物に対しては推定精度の高いモデルを得ることができる。例えば、給餌器や給水器などの所定の形状の器具を用いて飼育される動物は、採食や飲水の動きが器具の影響を受けて制限されるため、運動に一定の傾向が生じやすい。このような動物の例に家畜が挙げられ、本発明のシステムを特に好ましく適用することができる。
以上のように、本発明によれば、動物の採食量及び飲水量を推定することができる動物の行動量推定システム、方法及びプログラムを提供することができる。これにより、動物の健康管理の労力を低減することができ、疾病などの異常の発見が容易になる。また、大規模で飼育される家畜のような動物に対しても精度よく行動量を推定できるため、適正な飼養管理が容易になり、畜産品の生産性や品質の向上にも資することができる。
10 動物の行動量推定システム
12 動物
20 測定部
22 加速度センサ
24 角度センサ
26 気圧センサ
40 行動量推定部
42 記憶部
44 推定処理部
50 測定データ
54 推定結果データ
60 出力部
M 学習済みモデル
12 動物
20 測定部
22 加速度センサ
24 角度センサ
26 気圧センサ
40 行動量推定部
42 記憶部
44 推定処理部
50 測定データ
54 推定結果データ
60 出力部
M 学習済みモデル
Claims (5)
- 動物に装着する測定部と、前記動物の行動量を推定する行動量推定部と、推定された行動量を出力する出力部と、を備えた動物の行動量推定システムであって、
前記測定部は、加速度センサと、角度センサと、気圧センサと、を備え、
前記行動量推定部は、前記加速度センサ、前記角度センサ及び前記気圧センサで取得した測定データを記憶する記憶部と、前記測定データから前記動物の行動量を推定する推定処理部とを備えることを特徴とする動物の行動量推定システム。 - 前記推定処理部は、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする請求項1に記載の動物の行動量推定システム。
- 前記動物は、家畜であることを特徴とする請求項1または2に記載の動物の行動量推定システム。
- 動物に装着した加速度センサと、角度センサと、気圧センサとから測定データを経時的に取得し、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする動物の行動量推定方法。
- コンピュータを、請求項1ないし3のいずれかに記載の動物の行動量推定システムとして動作させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022049590A JP2023142611A (ja) | 2022-03-25 | 2022-03-25 | 動物の行動量推定システム、方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022049590A JP2023142611A (ja) | 2022-03-25 | 2022-03-25 | 動物の行動量推定システム、方法及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023142611A true JP2023142611A (ja) | 2023-10-05 |
Family
ID=88206660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022049590A Pending JP2023142611A (ja) | 2022-03-25 | 2022-03-25 | 動物の行動量推定システム、方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023142611A (ja) |
-
2022
- 2022-03-25 JP JP2022049590A patent/JP2023142611A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6925638B2 (ja) | 牛の健康状態管理システム及び管理方法並びに健康状態管理プログラム | |
Elischer et al. | Validating the accuracy of activity and rumination monitor data from dairy cows housed in a pasture-based automatic milking system | |
KR102035672B1 (ko) | 가축의 행동과 위치를 모니터링하는 장치 및 방법 | |
EP3048877B1 (en) | Animal monitor | |
Cornou et al. | Classification of sows’ activity types from acceleration patterns using univariate and multivariate models | |
JP2002253075A (ja) | 動物の搾乳装置、搾乳方法並びに動物監視装置 | |
JPWO2016140332A1 (ja) | 監視装置及び動作検出方法 | |
JP7092624B2 (ja) | 行動特定装置、行動特定方法及びプログラム | |
Melzer et al. | Validation of a real-time location system for zone assignment and neighbor detection in dairy cow groups | |
Berckmans | 1.2. Smart farming for Europe: value creation through precision livestock farming | |
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 | |
JP7410200B2 (ja) | 特定装置、特定方法、及びプログラム | |
JP2023142611A (ja) | 動物の行動量推定システム、方法及びプログラム | |
Norton et al. | Precision livestock farming: the future of livestock welfare monitoring and management | |
JP7089098B2 (ja) | 行動特定装置、行動特定方法、及びプログラム | |
Michie et al. | Wireless MEMS sensors for precision farming | |
Stajnko et al. | Non invasive estimating of cattle live weight using thermal imaging | |
Salau et al. | How does the behaviour of dairy cows during recording affect an image processing based calculation of the udder depth? | |
Nielsen | The role of Precision Livestock Farming technologies in animal welfare monitoring: a review. | |
JP6635995B2 (ja) | 行動特定装置、行動特定方法、及びプログラム | |
KR101657682B1 (ko) | 가속도 센서 및 gps를 이용한 사료효율 분석 시스템 | |
Bouchon et al. | A checklist to validate sensor output for the recording of cattle behaviour | |
JP7088782B2 (ja) | 特定装置、特定方法及びプログラム | |
WO2023191043A1 (ja) | 動物行動記録装置、動物行動記録方法及びプログラム | |
WO2023191044A1 (ja) | 動物管理装置、プログラム、及び動物の体調出力方法 |