JP6844609B2 - 情報処理装置、情報処理方法及びプログラム - Google Patents

Description

本開示は、情報処理装置、情報処理方法及びプログラムに関する。

従来、例えば下記の特許文献１には、データ収集、解析、予測、フィードバック等の処理を一貫して行うことを想定した総合飼養管理支援システムについて記載されている。

特開平７−００８１２８号公報

畜産業における家畜・家禽の成長は、摂取した飼料に含まれるタンパク質やエネルギー水準といった栄養要因のみで決定されるものではなく、性別の違いや動物自身の遺伝的要因、温度、湿度、風速等の環境要因、飼育される畜舎構造、飼育密度、疾病の有無など、種々の要因が複雑にかかわっている。

上記の要因を変動させ、家畜の成長反応を予測することは、最小コストで最大の利益を得るために、畜産営業では重要なことである。そのため、各所で畜産の成長予測研究が進められている。

しかしながら、予測結果が正確であっても、迅速に現状に合わせて家畜・家禽の飼養に反映していくことが必要不可欠である。

そこで、畜産農家等の現場に合わせて予測を行うとともに、最適なタイミングでユーザに提示することが望まれていた。

本開示によれば、畜産に関する複数の畜産関連情報を取得する取得部と、前記畜産関連情報に基づいて生成した予測モデルに基づいて、畜産に関する任意のパラメータの将来的な値を予測する予測部と、前記予測部による予測結果を畜産に関する所定のタイミングで提示する予測結果提示部と、を備える、情報処理装置が提供される。

また、本開示によれば、畜産に関する複数の畜産関連情報を取得することと、前記畜産関連情報に基づいて生成した予測モデルに基づいて、畜産に関する任意のパラメータの将来的な値を予測することと、前記予測の結果を畜産に関する所定のタイミングで提示することと、を備える、情報処理方法が提供される。

また、本開示によれば、畜産に関する複数の畜産関連情報を取得する手段、前記畜産関連情報に基づいて生成した予測モデルに基づいて、畜産に関する任意のパラメータの将来的な値を予測する手段、前記予測の結果を畜産に関する所定のタイミングで提示する手段、としてコンピュータを機能させるためのプログラムが提供される。

以上説明したように本開示によれば、畜産農家等の現場に合わせて予測を行うとともに、最適なタイミングでユーザに提示することが可能となる。
なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態に係る情報処理システムの構成を示す模式図である。 センシング部の種類と、各種センサによって検出されるセンシング情報と、センシング情報の詳細と、センシングに使うセンサを示す模式図である。 牛舎内の牛をセンシング部がセンシングした場合に、センシングの状況評価と再計測について説明するための模式図である。 予測結果提示部による予測結果の提示例を示す模式図である。 予測結果提示部による予測結果の提示例を示す模式図である。 予測結果提示部による予測結果の提示例を示す模式図である。 予測結果提示部による予測結果の別の提示例を示す模式図である。 予測結果提示部による予測結果の別の提示例を示す模式図である。 予測結果提示部による予測結果の更に別の提示例を示す模式図である。 予測結果提示部による予測結果の更に別の提示例を示す模式図である。 予測タイミング制御部の処理を示すフローチャートである。 ある事象が生じた場合（Ｉｆ）に、予測を実施する（ｔｈｅｎ）例を示す模式図である。 予測を行うサイクルを示す模式図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
１．情報処理システムの構成例
２．センシング状況の評価について
３．予測と予測結果の提示について

１．情報処理システムの構成例
本実施形態では、畜産農家が簡単に個体の状態を測定できるセンシングシステムと、大規模データをもとにした予測モデル生成装置と、必要なときに必要な予測をわかりやすく提示する仕組みと、畜産農家が新規に計測したデータを追加する仕組みと、を含むシステムを提供する。このため、本実施形態では、家畜に対する行動の選択肢ごとに、その選択によりもたらされる予測結果を表示するとともに、予測結果として、リスクと効果を示す。また、予測結果の表示タイミングを、家畜や畜産農家ユーザのコンテキストを用いて決める。十分な量・信頼度のデータを計測するためのセンシング部を工夫する。

まず、図１を参照して、本開示の一実施形態に係る情報処理システム１０００の構成について説明する。図１に示すように、本実施形態に係る情報処理システム１０００は、情報処理装置（サーバ）５００、センシング部６００、ユーザ（畜産農家）の端末７００を有して構成されている。情報処理装置５００とセンシング部６００、情報処理装置５００と端末７００は、有線又は無線により情報の送受信が可能なように接続されている。接続の方法は特に限定されるものではない。

端末７００は、例えばスマートホンなどのモバイル端末、ウェアラブル端末、タブレット端末、情報を提示可能なアイグラス、パーソナルコンピュータ（ＰＣ）等の電子機器から構成される。端末７００は、液晶ディスプレイ等から構成される表示部７０２と、ユーザの操作が入力されるタッチセンサ等の操作入力部７０４を有している。

情報処理装置５００は、例えば、クラウド上などに構成されたサーバであっても良い。また、情報処理装置５００とセンシング部６００間の通信は、定期的なアップロードでも良いし、取得リクエストに応じたアップロードでも良い。センシング部６００は計測した生信号をアップロードしても良いし、部分解析をして情報処理装置５００側へ行っても良い。センシング部６００が通信部を有し、センシングしたデータを情報処理装置５００へ送っても良い。また、スマートホンなど複数のセンサを備える端末の通信部から、複数のセンサ結果を情報処理装置５００へ送っても良い。

図１に示すように、情報処理装置５００は、センシング情報取得部１００、予測モデル生成部２００、予測適用部３００を有する。予測モデル生成部２００は、予測モデル生成部１１０、予測モデル蓄積部（データベース）１２０を含む。また、予測適用部３００は、予測部１３０、選択肢抽出部１４０、予測タイミング制御部１５０、予測結果提示部１６０を有して構成されている。予測モデル生成部２００と予測適用部３００から予測機が構成される。なお、図１に示す各構成要素は、回路（ハードウェア）、またはＣＰＵなどの中央演算処理装置とこれを機能させるためのプログラム（ソフトウェア）により構成される。

センシング情報取得部１００と予測機は、非同期であるものとする。後述のように、一部センサデータを基にコンテキストを認識し、予測機に必要な全センサ情報をリクエストする構成でもよい。

センシング情報取得部１００は、家畜の個体、家畜のおかれている環境、農家などに装着されたセンサ（センシング部６００）が時系列データをセンシングした際に、そのセンサ信号を取得する。センシング部６００は、各種センサから構成される。

図２は、センシング部６００の種類と、各種センサによって検出されるセンシング情報と、センシング情報の詳細と、センシングに使うセンサを示す模式図である。図２に示すように、センシング部６００の種類として、家畜の個体に装着される個体装着センサ、家畜を飼育する施設等の環境情報を取得する環境センサ、農家の家畜飼育者、ロボット等に装着される農家装着センサを含む。図２に示すように、センシングするデータとして、家畜からセンシングするもの、牛舎などの環境からセンシングするもの、育成者など人からセンシングするものが挙げられる。センシング部６００がセンシング情報を取得する手法は、直接的な情報取得の他、有線通信による取得、無線通信による取得などが挙げられるが、その手法は限定されるものではない。

例えば、牛舎内の牛を検出する場合、センシング部６００として牛の画像を撮像するカメラを設ける。センシング部６００は、システムと組み合わせ、カメラや家畜をコントローすることで効率的にセンサ値を取得する部分を含んでも良い。例えば、家畜がエサを食べる際の頭の位置に固定カメラが設置されていてもよい。また、カメラの位置まで美味しいエサを撒き、家畜を誘導してもよい。また、厩舎内で、目の付近を撮影できるようにレール上などを移動カメラが動いても良い。また、家畜の顔認識を取り入れて、ドローンが家畜の顔の付近にとどまるようなシステムで自動・遠隔操作で撮影しても良い。

２．センシング状況の評価について
図３は、牛舎内の牛をセンシング部６００がセンシングした場合に、センシングの状況評価と再計測について説明するための模式図である。センシング部６００、またはセンシング情報取得部１００は、センシング結果が不十分なところを自己判定する構成要素を含むことができる。これにより、センシング結果に対し、センシング状況を評価、判定して、ユーザに提示することができる。図１では、センシング情報取得部１００がセンシング状況を評価、判定する構成を示している。

図１に示すように、センシング情報取得部１００は、センシング状況評価部１００ａ、出力判定部１００ｂ、センシング情報提示部１００ｃを有する。センシング状況評価部１００ａは、センシング状況を評価する。評価の指標としては、例えばカメラの撮像画像におけるブレ、ぼやけなどを用いる。センシング状況評価部１００ａは、例えば、撮像画像のデータから、画像のコントラスト値に基づいてブレ、ボケを評価し、ブレ、ボケが一定以上であれば、センシング結果を不可とする。また、その家畜の過去の履歴からのずれ(たとえば血糖値が直近３か月の平均値の3倍に突然なった)の情報を用いてもよいし、同時期に検査を受けた家畜群からのずれに関する情報(例えば、特定の家畜の血糖値が、その家畜以外の１００頭の平均血糖値の３倍であるなど)を用いても良い。

出力判定部１００ｂは、評価結果の出力の可否を判断し、出力が可能であれば、センシング状況提示部１００ｃがユーザの端末７００へ評価結果を提示する。図３に示す一覧表示例では、計測に失敗した個体や、精密観察が必要な個体、正常な個体を一覧表示している。図３に示す一覧表示例では、８頭の牛のうち、「緑郎」のセンシング結果に異常があり、「三郎」のセンシング結果が未更新であることが示されている。出力判定部１００ｂは、離散的な表示・判定をしてもよいし(「計測失敗」・「精密検査が必要など」)、センシング状況の安定度をカラースケールで連続値に表現してもよい。

図３に示す対話表示例では、対話形式のタイムライン表示で「緑郎」のセンシング結果に異常があり、「三郎」のセンシング結果が未更新であることが示されている。また、図３に示す重畳表示例では、対話形式のタイムライン表示と、ユーザに装着されたアイグラスで取得した牛の画像とを重畳して表示している。各表示においては、音声と組み合わせてその家畜が言っているような表現をしても良い。また、家畜が鳴いたタイミングを検出し、そのタイミングで表示や音声を出しても良い。以上のように、センシング情報の取得の際には、センシング情報を評価し、評価結果を提示することで、ユーザはセンシング結果をリアルに認識することができる。

センシング部６００は、加速度、身長、体重、運動量、排せつ量、雌雄や先祖などStaticな情報、外部カメラで計測した画像など、家畜から計測できる情報を取得することができる。また、センシング部６００は、温度、気候、畜舎密集度、餌の配分比など、周辺環境から計測できる情報を取得することもできる。また、センシング部６００は、肉のランク、消費者の評判、体重、死亡時期など、最終出力(予測したい情報)の情報を取得することもできる。また、センシング部６００は、データベースを利用することで、時系列的な情報の推移を取得することもできる。

また、情報処理装置５００が用いるセンサ値は、センシング部６００が取得したセンサの出力そのままでも良いし、センサの出力から特徴量抽出部１２５が特徴を抽出した結果を用いても良い。センサ出力をそのまま用いる場合、カメラが撮影した画像データ、マイクが取得した音声データ、加速度、位置情報（ＧＰＳ）、バイタル、気温等のデータを用いることができる。特徴量抽出部１２５が抽出した情報としては、例えば牛の顔の画像データから抽出した目の濁り具合、目の位置等の情報が挙げられる。

予測モデル生成部１１０は、センシング情報取得部１００が取得した情報に基づいて予測モデルを生成する。センシング情報取得部１００が取得した情報は、データベースに蓄積され、蓄積された情報から予測モデルが生成される。予測モデル生成部１１０は、例えば線形回帰、ＳＶＮ、ニューラルネットワーク等により、センシング情報取得部１００が取得した情報を学習し、予測モデルを生成する。予測モデル蓄積部１２０は、予測モデルを蓄積するデータベースである。

３．予測と予測結果の提示について
次に、予測適用部３００について説明する。予測適用部３００は、必要なときに必要な予測をユーザに分かり易く提示する。また、予測した結果に基づいて最終的な決断は畜産農家が行えるようにする。

予測部１３０は、予測モデルに基づく予測を行う。一例として、予測部１３０による予測は、予測が必要と判断したときに行われる。上述したように、センシング情報取得部１００によるセンシング情報の取得は、予測提示タイミングとは非同期である。例えば、餌の量、種類をユーザが選択するときに、システムは、牛の運動の多寡などの情報も用いても良い。運動の多寡などの判定には、例えばモーションセンサなどを常時動作させることが望ましく、そのためにもセンシング情報取得部１００によるセンシング情報の取得は、予測提示タイミングとは非同期とする。

選択肢抽出部１４０は、ユーザに提示する、予測の対象となる選択肢を抽出する。選択肢抽出部１４０は、例えば後述する図４Ａ〜図４Ｃで説明するように、複数の選択肢として複数の餌の種類を抽出する。予測部１３０は、選択肢抽出部１４０が抽出した各選択肢について予測を行う。

予測タイミング制御部１５０は、予測結果の提示タイミングを制御する。予測タイミング制御部１５０は、予測の提示タイミングとして、家畜やユーザ（畜産農家）のコンテキストを利用することができる。予測タイミング制御部１５０は、原則として、ユーザが何らかのアクションを行うタイミングでユーザに予測結果を提示する。このため、センシング部６００によるセンシング結果に基づいて、動作取得部１２８がユーザの動作を取得し、これに基づいて予測結果の提示を行う。例えば、動作取得部１２８によりユーザが家畜に餌を与えるタイミングを検出し、そのタイミングで餌の種類と効果など餌に関する情報をユーザに提示する。図２に示したように、家畜に装着した個体装着センサから家畜のＧＰＳ情報が得られ、ユーザ（畜産農家）に装着した農家装着センサからユーザのＧＰＳ情報が得られるため、両者を対比することで、動作取得部１２８は、ユーザが家畜に餌を与えるタイミングを取得できる。また、ユーザのコンテキストに合わせて予測結果を提示してもよい。例えば、準備が必要なものがある場合は、ユーザが「畜舎に向かう移動開始時」に提示してもよいし、「畜舎に近づいたとき」に提示してもよい。また、提示タイミングは、カメラやモーションセンサでユーザの動きを直接検出してもよいし、予め決められたスケジュール（朝７：００に畜舎に行くなどの情報）を利用してもよい。また、提示タイミングに応じて提示デバイスを変えてもよいし、選択肢の抽出条件を変えてもよい。また、提示デバイスに応じて提示表現を変えてもよい。更に、情報処理装置５００側で能動的に提示タイミングを生成してもよい。また、家畜の命に関わる事象などを検知した場合などには、条件付きで獣医の端末に直接通知をしてもよい。また、既存の通知手段を利用してもよい。例えば「牛からのメッセージ」というメタファーをとることで、親近感も向上できる。これにより、専用機を立ち上げてユーザが情報を取りに行くような方法とは異なり、ユーザが簡単に情報を取得できる。

予測結果提示部１６０は、予測結果を提示するための処理を行う。予測結果提示部１６０は、例えば、家畜に対する行動の選択肢毎に、その選択によりもたらされる予測結果を提示するための処理を行う。予測結果として、リスクと効果が提示される。この際、最適解が１つでないこともある。ユーザが最終的に何を選択したかを示す情報（過去の履歴）からユーザの嗜好を学び、提示法をカスタマイズすることもできる。例えば、過去の履歴に基づいて、提示する情報の候補を変える、提示の順番を変える、いつも選ぶものの表示を目立たせる、といった手法がある。予測結果提示部１６０により提示された情報は、ユーザの端末７００に送られて、ユーザ７００の端末７００の表示部７０２に表示される。

図５等参照して後述するが、予測結果提示部１６０による情報の提示では、ユーザがコントロールできる変数を変えた場合の予測値を表示することができる。効果や確率を理解しやすく表示することで、ユーザが判断し易くする。事後に提示しても意味がないので、ユーザの端末７００にリアルタイムで情報を提示する。指定したエサ配分を装置（餌配分器）に自動で調整させるため、装置に対して情報を提示してもよい。

図９は、予測タイミング制御部１５０の処理を示すフローチャートである。先ず、ステップＳ１０では、コンテキストを認識する。コンテキスト認識は、時刻、ユーザの位置、動作、牛の異常行動、累積値などの認識を含む。コンテキスト認識は、例えばモーションセンサ等により行うことができ、一例として特開２００６−３４５２６９号公報等に記載されている手法を用いることができる。前述のとおり、センシングは予測機とは非同期に動作しており、結果の取得(pull型、push型)を行うことで容易に実現できる。

次のステップＳ１２では、現在のコンテキストにあった予測が登録されているか否かを判定する。そして、現在のコンテキストにあった予測が登録されている場合はステップＳ１４へ進む。ステップＳ１４では、選択肢抽出部１４０による選択肢の抽出を行い、次のステップＳ１６では、抽出された各選択肢について、予測部１３０による予測を行う。次のステップＳ１８では、予測結果提示部１６０による予測結果の提示を行う。

次のステップＳ２０では、処理の継続条件を満たしているか否かを判定し、継続条件を満たしている場合は、ステップＳ１０へ戻る。一方、継続条件を満たしていない場合は、処理を終了する。

なお、図９の処理は、「ユーザが問いかけた時だけ予測を返す」というシステムにも適用可能である。音声認識などでユーザが問いかけたことを検知した場合、あるいはボタン操作等にユーザが問いかを認識した場合に、予測を開始する。この際、問いかけ内容をコンテキストとして認識し、継続条件を満たしてない場合は終了する。

予測適用部３００では、図１０に示すように、ある事象が生じた場合（Ｉｆ）に、予測を実施する（ｔｈｅｎ）。図９のステップＳ１２では、ある事象が生じた場合に、その事象が図１０の（Ｉｆ）のように登録されていれば、予測を実施する（ｔｈｅｎ）。条件文はユーザが登録することも可能である(レシピの作成では、例えば「ＸＸしたらＸＸの予測を返す」の定型文を用いる)。条件文はユーザ間で共有し、新機能の導入なども可能である。図１０では、簡単のためＩＦとｔｈｅｎを１対１としたが、１対多数にしても良い。この場合、全ての予測結果を一度に表示してもいいし、ユーザの設定やプリセットの順番で予測結果を表示してもよい。

また、最初に予測候補の一覧を表示し、ユーザが端末７００から選択しても良い。その場合、二回目以降同じ条件のときは、前回ユーザが選んだものを最初に表示しても良い。予測結果提示部１６０は、過去に同様の予測結果を提示した際にユーザが選択した履歴に基づいて、ユーザによる選択の嗜好に関する情報を保持し、次回同様の予測結果を提示する際に、ユーザが選択すると推定される選択肢を推定し、その選択肢をデフォルトに設定したり、初期画面に表示したり、あるいはその選択肢にカーソルを置いた状態で表示するなどして強調表示を行う。また、選択肢毎の差分が大きいものから提示してもよいし、ランダムで表示していっても良い。

図１１は、予測を行うサイクルを示す模式図である。先ず、データの蓄積サイクル（Ａ）では、センシング情報取得部１００が取得した情報と、出力実測値がデータベースに蓄積される。出力実測値としては、肉のランク（さし）、死亡、むくみ、失明、体重など牛の個体に関する情報が含まれる。予測機による学習サイクル（Ｂ）では、データベースに蓄積された情報から予測モデルが生成される。予測の実施サイクル（Ｃ）では、予測部１３０による予測が実施され、予測結果提示部１６０により予測結果が提示される。予測を実施したデータは、結果をシステムに蓄積することで、データベースが豊かになり、予測精度を向上することができる。

図４Ａ〜図４Ｃは、予測結果提示部１６０による予測結果の提示例を示す模式図である。図４に示す例は、いずれも選択肢として３種類の異なる餌Ａ，Ｂ，Ｃを家畜に与えた場合に、将来的に家畜の体重がどのように変化するか予測した結果を示している。このように、過去の時系列的なログがあるものに対しては、将来の予測を、グラフなどを用いて表現してもよい。図４Ａ〜図４Ｃに示すように、現在から将来の予測日までの日数が多いほど、予測の不確かさが大きくなるため、予測の不確かさを直感的な表現で予測しても良い。例えば、図４Ａでは、予測の不確かさを、特性を示す線の濃度で示しており、濃度が薄いほど予測が不確かであることを示している。また、図４Ｂでは、台風の予測円と同様に、予測の不確かさを円の大きさで示しており、現在から将来の予測日までの日数が多いほど、円が大きくなるように表示している。また、図４Ｃでは、予測の不確かさを、各特性の範囲で示しており、現在から将来の予測日までの日数が多いほど、範囲が大きくなるように表示している。予測の不確かさは、予測で共通にしても良い。例えば、図４Ａ〜図４Ｃにおいて、１か月後の不確かさは図４Ａ〜図４Ｃで共通である。予測の不確かさは例えば時間も要素として計算される。また、予測ごとに減衰率を変えてもよい。予測の不確かさは例えばデータ量も要素として計算される。例えば、餌Ａは実施例も多く確度が高いが餌Ｃは実施例が少ないため、不確かである。

図４Ａ〜図４Ｃに示すような予測は、大規模データを基とした学習などにより行うことができる。家畜の体重推移、肉質変化などは「この餌をこのくらい食べた」という事実と相関がある。多数の「この餌をこのくらい食べた」結果「体重がこうなった」という事実、データを基にすれば、両者の関係がわかり、今「この餌をこれだけ食べた」ら「体重がどうなるか」を予測することが可能である。予測モデル生成部１１０は、多数の「この餌をこのくらい食べた」結果「体重がこうなった」という事実、データを基に予測モデルを生成する。「学習」の手法としては、例えば線形回帰、ＳＶＮ、ニューラルネットワーク等を用いることができる。また、システム導入直後や死亡例など、同じ個体のログを利用できない場合は、多数の他の牛のログを使うことで予測を行うことができる。また、汎用的な予測モデルを用いることもできる。また、自身のログがたまったらそれを使うことで、例えば「個人差」等の影響を軽減し、予測をより正確に行うことができる。また、学習には、全て自身のログだけを用いても良いし、汎用モデルと併用することも可能である。

この予測モデルを用いれば、ある行動をとったときのリスクと効果を算出することができる。例えば、対象とする牛に近しい条件の牛たちのうち、ビタミンＡを与えなかった群において、与えた群に比べて上昇した死亡率や肉質改善効果がこの「ビタミンＡを与えなかった」ことによるリスクと効果である。また、この上昇率をユーザが理解しやすい形で表現してもよい。図５は、予測結果提示部１６０による予測結果の別の提示例を示す模式図である。図５では、操作連動型のグラフ表現であり、リスク（牛の死亡リスク）と効果（肉質）を同時に表現した例を示している。図５に示す例では、牛にビタミンＡを与えた場合のリスクと効果を表示している。前述のリスクと効果を例えば％値のまま表現しても良いし、分かり易くするため−１０から＋１０などの数値に規格化して表現しても良い。図５に示すように、牛にビタミンＡを与えない場合は、死亡のリスクが＋１０であり、肉質も＋１０となる。牛にビタミンＡを少し与えた場合は、死亡のリスクが＋１であり、肉質は＋３となる。また、牛にビタミンＡを十分に与えた場合は、死亡のリスクは−１であり、肉質は−３である。図５に示す予測結果を提示するため、選択肢抽出部１４０は、予測部１３０による予測の対象となる複数のパラメータ（ビタミンＡの投与量、牛の死亡リスク、肉質）を抽出する。また、また、予測部１３０は、複数のパラメータ（牛の死亡リスク、肉質）の将来的な値の組み合わせを予測する。図５では、将来的な値の組み合わせが３種類示されている。ユーザは、図４Ａ〜図４Ｃ、図５に示すような選択肢が提示されると、端末７００上でいずれかを指定して選択することができる。情報処理装置５００には、ユーザによる選択結果が送信されてデータベース１７０に蓄積される。これにより、データベース１７０に蓄積された情報からユーザの嗜好を判断できる。また、例えばビタミンＡの投与量を調整する調整装置が情報処理装置５００と接続されている場合、ユーザによる選択結果は調整装置に送られる。これにより、調整装置においてビタミンＡの投与量を自動で調整することができる。

予測結果提示部１６０は、個別の牛ごとにビタミンＡ投与量の条件を変える場合は、例えばユーザがその牛の前に移動したときに、その牛への選択肢（ビタミンＡ投与量）を提示するようにしても良い。また、予測結果提示部１６０は、予めお薦めの選択肢（ビタミンＡ投与量）にカーソルが合っている状態で提示してもよい。これにより、ユーザは操作をより簡単に行うことができる。更に、ユーザの嗜好に応じて、ビタミン投与量の傾向が予め分かっている場合は、ユーザの傾向に応じた選択肢にカーソルが合っている状態で予測結果を提示しても良い。予測部１３０は、データベース１７０に蓄積された情報に基づいて、ユーザがどの選択肢を選択しそうかを予測し、予測結果提示部１６０は、予測部１３０が予測した、ユーザがどの選択肢を選択しそうかの情報に基づいて、カーソルを適合させて提示する。

図５に示す３つの選択肢は、選択肢抽出部１４０によって抽出されるが、似た候補ばかりを見せても意味がない場合があるので、例えばクラスタリングなどで代表値を決めても良い。

図６は、予測結果提示部１６０による予測結果の別の提示例を示す模式図である。図６は、操作連動型の別のグラフ表現であり、リスクと効果を同時に表現した例を示している。図６に示す例では、ユーザがタッチパネル付きの携帯端末を操作し、ビタミンＡの投与量を絞るため、「もっと絞る」ボタンを操作すると、ビタミンＡの投与量に応じて死亡率と肉質（サシ期待率）のインジケータが変化する。また、ビタミンＡの投与量を多くするため、「あたえる」ボタンを操作すると、ビタミンＡの投与量に応じて死亡率と肉質（サシ期待率）のインジケータが変化する。このように、図５のような複数の選択肢は出さずに、ユーザが調整した条件に対して予測値を返す（表示する）ようにしても良い。投与量は、ユーザが完全に自由に決めてもよいし、プリセット値を微調整できる形でも良い。

図６では、ユーザの操作に連動してグラフの増減がアニメ表示されても良い。例えば、投与量が一定・指定の危険水準を超えると、音や色が変わるようにして警告表現してもよい。また、投与量が一定・指定の目標値を超えると、音や色が変わるようにして目標達成を表現してもよい。

図７は、予測結果提示部１６０による予測結果の更に別の提示例を示す模式図である。ここまで説明した例では個別で予測値の制御を提示したが、大規模農家の場合は個別制御が大変なこともある。このため、ユーザが大まかな方針だけきめて、システムが自動で制御しても良い。方針の入力手段として、例えば大まかな「方針」で指定し、ユーザが飼育している全ての牛に単一の行動をとった場合のリスクと効果を集計し、注目する効果が最大となるように制御しても良い。図７に示す例では、おまかせ指定と個別救済を示している。図７の左側の図では、ビタミンＡ投与に関する大まかな方針として、多少死亡率が上がっても肉質改善効果を重視する「肉質重視」、肉質改善効果よりも死亡率が増えないことを重視する「健康重視」、「肉質重視」と「健康重視」のバランスを重視した「バランス重視」といった選択肢が提示され、ユーザの選択に応じてビタミンＡの投与量が決定される。「肉質重視」を選択した場合、牛の死亡率はある程度高くなるが、肉質が良くなる。図７の右側の図では、「肉質重視」を選択した場合に特に効果が大きそうな２頭の牛（三郎、四郎）が表示され、リスクが大きそうな１頭の牛（緑郎）が表示される。リスクが大きそうな牛については、個別にビタミンＡを投与することができる。このように、大まかな方針による自動制御で多数を制御し、特定の一部の牛を個別制御してもよい。また、予め定めた条件に適合した牛だけの予測結果が通知されるようにしてもよい。「健康重視」を選択した場合、肉質はある程度低くなるが、牛の死亡率が低下する。また、「バランス重視」を選択した場合、肉質の良さと死亡率の低さが程好くバランスされる。

図７の例では、例えばウォード法などの階層的クラスタリングを行い、ユーザが特定のクラスタを連続的に指定したら、一階層深い階層のクラスタ結果を提示する、などしてもよい。また、この階層を跨ぐかどうかの判断は、カウンタなどを用いて実現しても良い。

図８は、予測結果提示部１６０による予測結果の更に別の提示例を示す模式図であって、提示タイミングを自律的に制御する例を示している。図８に示す例では、牛（緑郎）のセンシング結果に応じて、「最近眠りが浅いです」と牛（緑郎）が言っているように表示がされる。また、牛（太郎）のセンシング結果に応じて、「太郎が倒れました！」と牛（緑郎）が言っているように表示がされる。このような報告を行うタイミングを、システムが能動的に作成してもよい。単なる報告など、緊急性を伴わない情報は、例えばメールやＳＮＳなどの既存コミュニケーションに定時に送られるようにし、畜産農家が自由なタイミングで閲覧できるようにしても良い。また、緊急性を伴う、例えば「命に関わる何か」を検知した場合などには、割り込みで通知が届くようにしても良い。

また、牛の命に関わるような緊急事態が生じた場合は、条件付きで直接獣医に通知をしても良い。本当に緊急の場合は、畜産農家を介すると確認時間で間に合わなくなることある。このような場合は、情報処理装置５００から、かかりつけ獣医などの端末に直接通知が届くようにしても良い。但し、細かい情報が届くようになると獣医の診療費などコストがかさむことがあるため、例えば、特定の個体(e.g.Ａ５になりそうな牛)や特定の条件(e.g. 緊急度ランクがＡ)の場合だけ獣医への連絡が届くようにしても良い。更に、これらの設定を定額制のサービスにしても良い。

以上説明したように本実施形態によれば、センシング情報取得部１００が取得したセンシング情報に基づいて予測モデルを生成し、予測モデルに基づいた予測を行った場合に、ユーザが必要な所望のタイミングで予測結果を視覚的に分かり易く提示する。これにより、ユーザは、予測結果に応じた将来的な対処を適切に行うことが可能となる。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、以下のような構成も本開示の技術的範囲に属する。
（１） 畜産に関する複数の畜産関連情報を取得する取得部と、
前記畜産関連情報に基づいて生成した予測モデルに基づいて、畜産に関する任意のパラメータの将来的な値を予測する予測部と、
前記予測部による予測結果を畜産に関する所定のタイミングで提示する予測結果提示部と、
を備える、情報処理装置。
（２） 前記畜産関連情報から特徴量を抽出する特徴抽出部を備え、
前記予測部は、前記特徴量に基づいて生成した前記予測モデルに基づいて、前記パラメータの将来的な値を予測する、前記（１）に記載の情報処理装置。
（３） 前記畜産関連情報のセンシング状況を評価するセンシング状況評価部と、
前記センシング状況に基づいて、センシングの状況を示すセンシング情報を提示するセンシング情報提示部と、
を備える、前記（１）又は（２）に記載の情報処理装置。
（４） 前記畜産関連情報に基づいて前記予測モデルを生成する予測モデル生成部と、
前記予測モデルを蓄積する予測モデル蓄積部と、
を備える、前記（１）〜（３）のいずれかに記載の情報処理装置。
（５） 畜産に関する複数の変数の中から前記予測部による予測の対象となる１又は複数の前記パラメータを抽出する抽出部を備える、前記（１）〜（４）のいずれかに記載の情報処理装置。
（６） 前記予測部は、将来的に実施される畜産に関する複数の作業に対応した複数の前記パラメータの将来的な値を予測し、
前記予測結果提示部は、複数の前記作業と複数の前記パラメータの予測結果を対応付けて提示する、前記（５）に記載の情報処理装置。
（７） 前記予測部は、複数の前記パラメータの将来的な値の組み合わせを予測する、前記（５）に記載の情報処理装置。
（８） 複数の前記パラメータの前記組み合わせは、リスクに関するパラメータと効果に関するパラメータを含む、前記（７）に記載の情報処理装置。
（９） 前記予測部は、複数の前記パラメータの一部が変更された場合に、他のパラメータの変化を予測する、前記（７）に記載の情報処理装置。
（１０） 前記予測結果提示部は、前記複数のパラメータの値を数値又はインジケータで表示させる、前記（７）に記載の情報処理装置。
（１１） ユーザの動作を取得する動作取得部を備え、前記予測結果提示部は、ユーザの所定の動作が取得されると前記予測結果を提示する、前記（１）〜（１０）のいずれかに記載の情報処理装置。
（１２） 前記予測結果提示部は、ユーザが家畜に近づいたタイミングで前記予測結果を提示する、前記（１１）に記載の情報処理装置。
（１３） 前記予測結果提示部による前記予測結果の提示のタイミングを制御する予測タイミング制御部を備える、前記（１１）に記載の情報処理装置。
（１４） 前記予測結果提示部は、ユーザによる過去の操作入力に応じて前記予測結果の提示状態を変更する、前記（１）〜（１３）のいずれかに記載の情報処理装置。
（１５） 前記予測結果提示部は、ユーザによる過去の操作入力に応じて、複数の選択肢のうち、ユーザが選択すると推定される選択肢をデフォルトの状態で選択して前記予測結果を提示する、前記（１４）に記載の情報処理装置。
（１６） 前記予測結果提示部は、ユーザによる過去の操作入力に応じて、複数の選択肢のうち、ユーザが選択すると推定される選択肢にカーソルを置いた状態で前記予測結果を提示する、前記（１４）に記載の情報処理装置。
（１７） 前記予測結果提示部は、前記パラメータの将来的な値の不確かさに応じて、提示状態を変化させる、前記（１）〜（１６）のいずれかに記載の情報処理装置。
（１８） 前記予測部は、複数の個体について統一された基準に従って予測を行い、
前記予測結果提示部は、前記基準から外れる予測結果を提示する、前記（１）〜（１７）のいずれかに記載の情報処理装置。
（１９） 前記畜産関連情報は、畜産の対象である家畜に装着されたセンサが検知したセンシング情報である、前記（１）〜（１８）のいずれかに記載の情報処理装置。
（２０） 前記畜産関連情報は、畜産の対象である家畜の生活環境をセンサが検知したセンシング情報である、前記（１）〜（１８）のいずれかに記載の情報処理装置。
（２１） 畜産に関する複数の畜産関連情報を取得することと、
前記畜産関連情報に基づいて生成した予測モデルに基づいて、畜産に関する任意のパラメータの将来的な値を予測することと、
前記予測の結果を畜産に関する所定のタイミングで提示することと、
を備える、情報処理方法。
（２２） 畜産に関する複数の畜産関連情報を取得する手段、
前記畜産関連情報に基づいて生成した予測モデルに基づいて、畜産に関する任意のパラメータの将来的な値を予測する手段、
前記予測の結果を畜産に関する所定のタイミングで提示する手段、
としてコンピュータを機能させるためのプログラム。

１００ センシング情報取得部
１００ａ センシング状況評価部
１００ｃ センシング情報提示部
１１０ 予測モデル生成部
１２０ 予測モデル蓄積部
１２５ 特徴量抽出部
１２８ 動作取得部
１３０ 予測部
１４０ 選択肢抽出部
１５０ 予測タイミング制御部
１６０ 予測結果提示部
５００ 情報処理装置

Claims (22)

1. 畜産に関する複数の畜産関連情報を取得する取得部と、
   前記畜産関連情報に基づいて生成した予測モデルに基づいて、畜産に関する任意のパラメータの将来的な値を予測する予測部と、
   前記予測部による予測結果を畜産に関する所定のタイミングであってユーザが所定の動作を行うタイミングで提示する予測結果提示部と、
   を備える、情報処理装置。
2. 前記畜産関連情報から特徴量を抽出する特徴抽出部を備え、
   前記予測部は、前記特徴量に基づいて生成した前記予測モデルに基づいて、前記パラメータの将来的な値を予測する、請求項１に記載の情報処理装置。
3. 前記畜産関連情報のセンシング状況を評価するセンシング状況評価部と、
   前記センシング状況に基づいて、センシングの状況を示すセンシング情報を提示するセンシング情報提示部と、
   を備える、請求項１又は２に記載の情報処理装置。
4. 前記畜産関連情報に基づいて前記予測モデルを生成する予測モデル生成部と、
   前記予測モデルを蓄積する予測モデル蓄積部と、
   を備える、請求項１〜３のいずれか１項に記載の情報処理装置。
5. 畜産に関する複数の変数の中から前記予測部による予測の対象となる１又は複数の前記パラメータを抽出する抽出部を備える、請求項１〜４のいずれか１項に記載の情報処理装置。
6. 前記予測部は、将来的に実施される畜産に関する複数の作業に対応した複数の前記パラメータの将来的な値を予測し、
   前記予測結果提示部は、複数の前記作業と複数の前記パラメータの予測結果を対応付けて提示する、請求項５に記載の情報処理装置。
7. 前記予測部は、複数の前記パラメータの将来的な値の組み合わせを予測する、請求項５に記載の情報処理装置。
8. 複数の前記パラメータの前記組み合わせは、リスクに関するパラメータと効果に関するパラメータを含む、請求項７に記載の情報処理装置。
9. 前記予測部は、複数の前記パラメータの一部が変更された場合に、他のパラメータの変化を予測する、請求項７に記載の情報処理装置。
10. 前記予測結果提示部は、複数の前記パラメータの値を数値又はインジケータで表示させる、請求項７に記載の情報処理装置。
11. ユーザの動作を取得する動作取得部を備え、前記予測結果提示部は、ユーザの所定の動作が取得されると前記予測結果を提示する、請求項１〜１０のいずれか１項に記載の情報処理装置。
12. 前記予測結果提示部は、ユーザが家畜に近づいたタイミングで前記予測結果を提示する、請求項１１に記載の情報処理装置。
13. 前記パラメータは、家畜の体重であり、
    前記予測部は、前記家畜に与えられる餌の種類ごとに前記家畜の体重の将来的な値を予測する、請求項１２に記載の情報処理装置。
14. 前記予測結果提示部は、ユーザによる過去の操作入力に応じて前記予測結果の提示状態を変更する、請求項１〜１３のいずれか１項に記載の情報処理装置。
15. 前記予測結果提示部は、ユーザによる過去の操作入力に応じて、複数の選択肢のうち、ユーザが選択すると推定される選択肢をデフォルトの状態で選択して前記予測結果を提示する、請求項１４に記載の情報処理装置。
16. 前記予測結果提示部は、ユーザによる過去の操作入力に応じて、複数の選択肢のうち、ユーザが選択すると推定される選択肢にカーソルを置いた状態で前記予測結果を提示する、請求項１４に記載の情報処理装置。
17. 前記予測結果提示部は、前記パラメータの将来的な値の不確かさに応じて、提示状態を変化させる、請求項１〜１６のいずれか１項に記載の情報処理装置。
18. 前記予測部は、複数の個体について統一された基準に従って予測を行い、
    前記予測結果提示部は、前記基準から外れる予測結果を提示する、請求項１〜１７のいずれか１項に記載の情報処理装置。
19. 前記畜産関連情報は、畜産の対象である家畜に装着されたセンサが検知したセンシング情報である、請求項１〜１８のいずれか１項に記載の情報処理装置。
20. 前記畜産関連情報は、畜産の対象である家畜の生活環境をセンサが検知したセンシング情報である、請求項１〜１８のいずれか１項に記載の情報処理装置。
21. 畜産に関する複数の畜産関連情報を取得することと、
    前記畜産関連情報に基づいて生成した予測モデルに基づいて、畜産に関する任意のパラメータの将来的な値を予測することと、
    前記予測の結果を畜産に関する所定のタイミングであってユーザが所定の動作を行うタイミングで提示することと、
    を備える、情報処理方法。
22. 畜産に関する複数の畜産関連情報を取得する手段、
    前記畜産関連情報に基づいて生成した予測モデルに基づいて、畜産に関する任意のパラメータの将来的な値を予測する手段、
    前記予測の結果を畜産に関する所定のタイミングであってユーザが所定の動作を行うタイミングで提示する手段、
    としてコンピュータを機能させるためのプログラム。

Images