JP6833231B1 - 家畜発情期判別プログラム - Google Patents

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当該家畜の動作に応じた加速度情報と、当該家畜の動作を撮像した画像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と、当該家畜の動作を撮像した参照用画像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加速度情報と、画像情報とに基づき、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３

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当該家畜の動作に応じた加速度情報と、当該家畜の動作を撮像した画像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と、当該家畜の動作を撮像した参照用画像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加速度情報と、画像情報とに基づき、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。

本発明を適用したシステムの全体構成を示すブロック図である。 探索装置の具体的な構成例を示す図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。 本発明の動作について説明するための図である。

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。

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。

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。

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。

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

Claims (7)

1. 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、
   判別対象の家畜の身体に取り付けられた加速度センサにより検知された当該家畜の動作に応じた加速度情報と、当該家畜の動作を撮像した画像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と、当該家畜の動作を撮像した参照用画像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加速度情報と、画像情報とに基づき、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。
2. 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、
   判別対象の家畜の身体に取り付けられた加速度センサにより検知された当該家畜の動作に応じた加速度情報と、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と、当該家畜の音声を録音した参照用音声情報とを有する組み合わせと、家畜の発情期との３段階以上の連関度に基づき、上記情報取得ステップにおいて取得した加速度情報と、音声情報とに基づき、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。
3. 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画像情報と、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画像情報と、当該家畜の音声を録音した参照用音声情報とを有する組み合わせと、家畜の発情期との３段階以上の連関度に基づき、上記情報取得ステップにおいて取得した画像情報と、音声情報とに基づき、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。
4. 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、上記組み合わせ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新たな組み合わせと、家畜の発情期との３段階以上の連関度に基づき、上記情報取得ステップにおいて取得した各情報に基づき、上記判別対象の家畜の発情期を判別すること
   を特徴とする請求項１〜３のうち何れか１項記載の家畜発情期判別プログラム。
5. 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、上記組み合わせ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新たな組み合わせと、家畜の発情期との３段階以上の連関度に基づき、上記情報取得ステップにおいて取得した各情報に基づき、上記判別対象の家畜の発情期を判別すること
   を特徴とする請求項１〜３のうち何れか１項記載の家畜発情期判別プログラム。
6. 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、上記組み合わせ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新たな組み合わせと、家畜の発情期との３段階以上の連関度に基づき、上記情報取得ステップにおいて取得した各情報に基づき、上記判別対象の家畜の発情期を判別すること
   を特徴とする請求項１〜３のうち何れか１項記載の家畜発情期判別プログラム。
7. 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１〜６のうち何れか１項記載の家畜発情期判別プログラム。

Images