JP6866983B2

JP6866983B2 - 給餌制御器及び給餌制御方法

Info

Publication number: JP6866983B2
Application number: JP2019045962A
Authority: JP
Inventors: 正彦中谷; 一明中城; 益男濱口
Original assignee: パシフィックソフトウエア開発株式会社
Priority date: 2019-03-13
Filing date: 2019-03-13
Publication date: 2021-04-28
Anticipated expiration: 2039-03-13
Also published as: JP2020145959A

Description

本発明は、養殖魚の給餌装置を制御する給餌制御器及び給餌制御方法に関する。

養殖魚に対して給餌を行う給餌装置においては、経済面および環境面に配慮して、単位時間当たりの給餌量である給餌速度や総給餌量を適切に設定する必要があり、従来はこれらの設定を人が目視で監視し、自らの経験則に基づいて行ってきた。しかし、多数の養殖生け簀を管理する事業者においては、これらを全て監視することは人的資源の制約上、非常に困難である。

そこで、給餌装置を自動制御する給餌システムが種々開示されている（例えば、特許文献１から特許文献３参照。）。特許文献１には、飼育水槽または生簀の水棲生物の活動量を計測する水棲生物位置計測装置において、飼育水槽または生簀に発光する発光手段と、前記発光した光を拡散して光面をつくり、飼育水槽または生簀内の側面より垂直に照射する光拡散手段と、飼育水槽または生簀の正面および側面で光の通過を感知する光感知手段と、前記感知した光の通過や遮断により水棲生物群活動量を求め、水棲生物群の位置分布を計測する水棲生物位置計測手段と、を具備することを特徴とする水棲生物位置計測装置が開示されている。当該水棲生物位置計測装置によると、水生物群の行動を光計測することによって、常に適正量の餌量を自動給餌することができる、と記載されている。

また、特許文献２には、水棲生物群を飼育する飼育手段と、前記水棲生物群の摂餌過程に応じて段階的に変化する標準給餌パターンを少なくとも飼育環境条件ごとに予め準備したデータベースと、前記水棲生物群の活動状態を撮影する撮像手段と、この映像を画像処理して数値化する画像処理手段と、前記データベースから飼育環境条件に合った標準給餌パターンを読み出す手段と、読み出した前記標準給餌パターンを該標準給餌パターンの各段階よりも細分化した時間単位で前記数値化した画像処理データに基づき補正する補正手段と、この補正された給餌パターンに基づいて給餌制御を実行する給餌制御手段と、を備えたことを特徴とする水棲生物用自動給餌装置が開示されている。当該水棲生物用自動給餌装置によると、水棲生物群及び群中の各個体が餌を要求する度合（餌要求性）及びそれにより誘発される摂餌行動さらに餌要求性の低下による摂餌行動の変化を画像処理で定量化するが、予め決められた摂餌段階毎の給餌パターンを水棲生物の行動量によって各段階の中で細分化（微細化）補正するので、常に適正量の餌を給餌し、摂餌率を向上し、給餌に係わるコストを低減し、給餌作業を効率化しさらに環境水の汚染を防止することができる、と記載されている。

更に、特許文献３には、生簀内の養殖魚への給餌を行う給餌装置と、カメラと、前記カメラで取得した画像データの示す画像の動きを解析する画像処理装置と、を備え、前記給餌装置の給餌中に前記画像の動きを示す量が所定量以下になったとき、前記給餌装置による給餌を停止させることを特徴とする給餌システムが開示されている。当該給餌システムによると、養殖魚の捕食行動に応じた給餌制御を行うことによって、適切な給餌を実現することができる、と記載されている。

特開平１１−２８９９０６号公報特開２０００−２０１５６８号公報国際公開第２０１８−０４２６５１号

特許文献１から特許文献３に開示された給餌装置を自動制御する給餌システムによると、所定の条件を満たした際に自動で給餌を停止させることができるため、給餌作業の効率化、給餌量の無駄を少なくすることによるコスト低減や環境汚染の防止などを図ることができるものと思料する。

しかし、養殖業においては、事業者による育成方針は多種・多様であり、養殖環境も生簀の設置箇所毎に異なるため、給餌システムを導入しても頻繁に給餌速度や給餌量の見直しを行う必要があり、このような給餌システムの普及までには至っていないのが現状である。

そこで本願発明者らは、上記の問題点に鑑み、環境条件を基に事業者の給餌継続または給餌停止の判断状況を学習して、事業者の想定に近いタイミングで給餌装置の停止制御を行うことができる給餌制御器及び給餌制御方法を提供するべく鋭意検討を重ねた結果、本発明に至ったのである。

即ち、本発明は給餌装置による給餌を継続するか否かを判定する給餌制御器であって、各種センサから所定時間毎に取得される要素毎の各種計測データをそれぞれ演算処理して得られる各計測値を一組とするセンサデータのうち、少なくとも給餌継続中の該センサデータを給餌継続学習データとして時系列で記憶する給餌継続学習データ記憶部と、少なくともオペレータによる給餌停止操作を行ったときの前記センサデータを給餌停止学習データとして時系列で記憶する給餌停止学習データ記憶部と、前記給餌継続学習データ記憶部に記憶された複数の前記給餌継続学習データ、または前記給餌停止学習データ記憶部に記憶された複数の前記給餌停止学習データのそれぞれの類似性を判定し、予め設定した複数個の給餌継続用知識クラスタ、または複数個の給餌停止用知識クラスタを生成する知識クラスタ生成部と、前記知識クラスタ生成部で生成された前記給餌継続用知識クラスタ、または前記給餌停止用知識クラスタをそれぞれ格納する給餌継続用知識クラスタ記憶部、または給餌停止用知識クラスタ記憶部と、給餌開始から所定時間経過後の前記センサデータを判定対象データとして、前記複数個の給餌継続用知識クラスタ及び前記複数個の給餌停止用知識クラスタとの合致度をそれぞれ算出し、給餌を継続するか否かを判定する判定部とを含んでなることを特徴とする。

また、本発明の給餌制御器に係る前記判定部において、前記判定対象データと前記複数個の給餌継続用知識クラスタとの合致度を算出して所定の給餌継続指標を取得し、前記判定対象データと前記複数個の給餌停止用知識クラスタとの合致度を算出して所定の給餌停止指標を取得し、前記給餌継続指標と前記給餌停止指標との比、或いは前記給餌継続指標と前記給餌停止指標との組み合わせによって給餌を継続するか否かを判定することを特徴とする。

また、本発明の給餌制御器において、前記センサデータを所定時間毎に時系列で記憶するセンサデータ記憶部と、前記センサデータ記憶部に記憶された前記センサデータを構成する前記各計測値に対して、前記要素毎に所定の演算処理を行うセンサデータ演算部とを更に備え、前記センサデータに、前記センサデータ演算部によって算出された演算値を付加して前記判定対象データとすることを特徴とする。

更に、本発明の給餌制御器において、前記判定部にて給餌を継続するか否かが判定された前記判定対象データを、前記給餌継続学習データとして前記給餌継続学習データ記憶部に、或いは前記給餌停止学習データとして前記給餌停止学習データ記憶部に新たに記憶するとともに、新たに記憶された前記給餌継続学習データと前記給餌継続用知識クラスタ、または新たに記憶された前記給餌停止学習データと前記給餌停止用知識クラスタとの合致度を算出し、前記給餌継続用知識クラスタまたは前記給餌停止用知識クラスタを更新或いは追加するとともに、前記新たに記憶された給餌継続学習データには前記給餌継続用知識クラスタ、或いは前記新たに記憶された給餌停止学習データには前記給餌停止用知識クラスタを紐づけすることを特徴とする。

また、本発明の給餌制御器において、前記給餌継続用知識クラスタ記憶部に格納された全ての前記給餌継続用知識クラスタから給餌継続用特徴テーブルを生成する給餌継続用特徴テーブル生成部と、前記給餌停止用知識クラスタ記憶部に格納された全ての前記給餌停止用知識クラスタから給餌停止用特徴テーブルを生成する給餌停止用特徴テーブル生成部とを更に備え、前記合致度を算出する際、前記給餌継続用特徴テーブルまたは給餌停止用特徴テーブルで重み付けを行って算出することを特徴とする。

更にまた、本発明の給餌制御器において、給餌停止後、前記給餌継続学習データと前記給餌継続用知識クラスタとの距離が予め設定した閾値を超える場合は前記給餌継続用知識クラスタの再構築が必要であると判断し、前記給餌停止用学習データと前記給餌停止用知識クラスタとの距離が予め設定した閾値を超える場合は前記給餌停止用知識クラスタの再構築が必要であると判断して、再構築が必要であると判断された前記給餌継続用知識クラスタまたは前記給餌停止用知識クラスタの再構築を行うことを特徴とする。

また、本発明は給餌装置による給餌を継続するか否かを判定する給餌制御方法であって、各種センサから所定時間毎に取得される要素毎の各種計測データをそれぞれ演算処理して得られる各計測値を一組とするセンサデータのうち、給餌継続中の該センサデータを給餌継続学習データとして、或いはオペレータによる給餌停止操作を行ったときの前記センサデータを給餌停止学習データとして時系列で記憶する学習データ記憶ステップと、複数の前記給餌継続学習データの類似性を判定し、予め設定した複数個の給餌継続用知識クラスタを生成する、或いは複数の前記給餌停止学習データの類似性を判定し、予め設定した複数個の給餌停止用知識クラスタを生成する知識クラスタ生成ステップと、給餌開始から所定時間経過後の前記センサデータを判定対象データとして、前記複数個の給餌継続用知識クラスタ及び前記複数個の給餌停止用知識クラスタとの合致度をそれぞれ算出し、給餌を継続するか否かを判定する判定ステップとを含んでなることを特徴とする。

また、本発明の給餌制御方法において、前記判定ステップが、前記判定対象データと前記複数個の給餌継続用知識クラスタとの合致度を算出して所定の給餌継続指標を取得するステップと、前記判定対象データと前記複数個の給餌停止用知識クラスタとの合致度を算出して所定の給餌停止指標を取得するステップと、前記給餌継続指標と前記給餌停止指標との比と、所定の閾値とを比較するステップとを含んでなることを特徴とする。

また、本発明の給餌制御方法において、前記判定ステップが、前記判定対象データと前記複数個の給餌継続用知識クラスタとの合致度を算出して所定の給餌継続指標を取得するステップと、前記判定対象データと前記複数個の給餌停止用知識クラスタとの合致度を算出して所定の給餌停止指標を取得するステップと、前記給餌継続指標及び前記給餌停止指標の一方が縦軸、他方が横軸にとられ、予め給餌継続又は給餌停止が設定された判定表を参照して、前記給餌継続指標及び前記給餌停止指標の組み合わせから給餌を継続するか否かを判定することを特徴とする。

更に、本発明の給餌制御方法において、前記学習データ記憶ステップが、前記センサデータを構成する前記各計測値に対して、前記要素毎に所定の演算処理を行う演算処理ステップと、前記センサデータに、前記演算処理ステップにおいて算出された演算値を付加して前記判定対象データとする演算値付加ステップとを含んでなることを特徴とする。

また、本発明の給餌制御方法において、更に、前記判定ステップにおいて給餌を継続するか否かが判定された前記判定対象データを、前記給餌継続学習データとして、或いは前記給餌停止学習データとして新たに記憶する学習データ追加記憶ステップと、新たに記憶された前記給餌継続学習データと前記給餌継続用知識クラスタ、または新たに記憶された前記給餌停止学習データと前記給餌停止用知識クラスタとの合致度を算出し、前記給餌継続用知識クラスタまたは前記給餌停止用知識クラスタを更新或いは追加する知識クラスタ更新・追加ステップとを含んでなることを特徴とする。

また、本発明の給餌制御方法において、更に、前記複数個の給餌継続用知識クラスタから給餌継続用特徴テーブルを生成する給餌継続用特徴テーブル生成ステップと、前記複数個の給餌停止用知識クラスタから給餌停止用特徴テーブルを生成する給餌停止用特徴テーブル生成ステップとを含んでなり、前記合致度を算出する際、前記給餌継続用特徴テーブルまたは給餌停止用特徴テーブルで重み付けを行って算出することを特徴とする。

更にまた、本発明の給餌制御方法において、更に、給餌停止後、前記給餌継続学習データと前記給餌継続用知識クラスタとの距離が予め設定した閾値を超える場合は前記給餌継続用知識クラスタの再構築が必要であると判断し、前記給餌停止用学習データと前記給餌停止用知識クラスタとの距離が予め設定した閾値を超える場合は前記給餌停止用知識クラスタの再構築が必要であると判断して、再構築が必要であると判断された前記給餌継続用知識クラスタまたは前記給餌停止用知識クラスタの再構築を行う知識クラスタ再構築ステップを含んでなることを特徴とする。

本発明の給餌制御器および給餌制御方法によると、オペレータ（事業者）の想定に近いタイミングで給餌継続または給餌停止の判定を行うことができ、オペレータ（事業者）の監視負担軽減、適正給餌による養殖魚の健全化、給餌コストの最適化、余剰餌流出による環境汚染の防止等を図ることができる。

また、本発明の給餌制御器および給餌制御方法による給餌制御を継続していくことによって、給餌継続学習データ及び給餌停止学習データの蓄積、給餌継続又は給餌停止の判定に使用される給餌継続用知識クラスタ及び給餌停止用知識クラスタの更新・追加、更にはこれらの各知識クラスタの再構築、また更に給餌継続用特徴テーブル及び給餌停止用特徴テーブルの更新等を適宜、実行することによって、給餌継続又は給餌停止の判定精度を更に高めることができ、オペレータの想定により近いタイミングで給餌装置の停止制御を行うことができる。

特に、本発明の給餌制御器および給餌制御方法において使用する判定対象データに、センサデータから算出される算出データを付加することによって、給餌継続学習データ、或いは給餌停止学習データに要素毎の平均値等が追加されるため、給餌継続または給餌停止の判定時において、より詳細な判定材料を提供することが可能となる。

また、本発明の給餌制御器および給餌制御方法において、判定対象データと給餌継続用知識クラスタ及び前記給餌停止用知識クラスタとの合致度の算出の際、或いは新たに記憶された給餌継続学習データと給餌継続用知識クラスタ、または新たに記憶された給餌停止学習データと給餌停止用知識クラスタとの合致度を算出する際に、給餌継続用特徴テーブルまたは給餌停止用特徴テーブルで重み付けを行うことによって、影響力の強い要素の挙動を強調することができ、より効果的な判定を行うことができる。

本発明の給餌制御器を含む給餌システムを示す全体構成図である。本発明の給餌制御器の一実施形態を示すブロック図である。本発明の給餌制御器の他の実施形態を示すブロック図である。本発明の給餌制御方法の一実施形態を示すフロー図である。本発明の給餌制御方法において、判定対象データを取得するまでの一実施形態を示すブロック図である。本発明の給餌制御方法の一実施形態を示すブロック図である。本発明の給餌制御方法における知識クラスタ更新・追加ステップの一実施形態を示すブロック図である。本発明の給餌制御方法における知識クラスタ再構築ステップの概要を示すフロー図である。本発明の給餌制御方法における知識クラスタ再構築ステップの一実施形態を示すフロー図である。

以下、本発明の一実施形態について、図面に基づいて説明する。

図１に、本発明の一実施形態に係る給餌制御器２０を含む給餌システム１の全体構成を示す。給餌システム１は、主に給餌装置２、給餌装置２にネットワークを介して接続される操作端末３及びクラウドサーバ４、給餌装置２に電力を供給するソーラーパネル５、給餌装置２が備える本実施形態の給餌制御器２０に接続される水温計６及び魚群検出装置７を含んで構成される。なお、計測データを取得するために給餌制御器２０に接続されるセンサの種類は特に限定されず、本実施形態で例示した水温計６及び魚群検出装置７の他、日射計や潮流計等が挙げられる。

給餌装置２は、ソーラーパネル５が接続される充電器８、充電器８に接続されるバッテリー９、餌タンク１０、餌タンク１０の下方に配設されるスクリューコンベア１１、スクリューコンベア１１を駆動する給餌モータ１２、そして給餌モータ１２の駆動を制御する本実施形態の給餌制御器２０を含んで構成されている。

給餌システム１では、本実施形態の給餌制御器２０による給餌モータ１２の駆動制御によって、餌タンク１０内の餌がスクリューコンベア１１で生簀等に放出され、生簀等で養殖される養殖魚に給餌されることとなる。給餌システム１の運用開始時において、給餌開始は予め設定された給餌スケジュールに従って実施され、給餌の継続及び停止は、給餌スケジュールを基にして、事業者（オペレータ）が養殖魚の魚群量や摂餌状況等から判断する。本実施形態の給餌制御器２０は、このオペレータが行った給餌継続、或いは給餌停止の判断状況を、水温計６や魚群検出装置７等で計測される環境データとともに学習することによって、事業者の想定に近いタイミングで給餌装置２に係る給餌モータ１２の駆動制御を行うことができる。

本実施形態の給餌制御器２０は、図２に示すように、水温計６や魚群検出装置７等の計測部から所定時間毎に取得される各種計測データをそれぞれ演算処理して得られる各計測値を一組とするセンサデータのうち、少なくとも給餌継続中のセンサデータを給餌継続学習データとして時系列で記憶する給餌継続学習データ記憶部２１と、少なくともオペレータによる給餌停止操作を行ったときのセンサデータを給餌停止学習データとして時系列で記憶する給餌停止学習データ記憶部２２と、給餌継続学習データ記憶部２１に記憶された複数の給餌継続学習データ、または給餌停止学習データ記憶部２２に記憶された複数の給餌停止学習データのそれぞれの類似性を判定し、予め設定した複数個の給餌継続用知識クラスタ、または複数個の給餌停止用知識クラスタを生成する知識クラスタ生成部２３と、知識クラスタ生成部２３で生成された給餌継続用知識クラスタ、または給餌停止用知識クラスタをそれぞれ格納する給餌継続用知識クラスタ記憶部２４、または給餌停止用知識クラスタ記憶部２５と、給餌開始から所定時間経過後のセンサデータを判定対象データとして、この判定対象データと複数個の給餌継続用知識クラスタ、及び判定対象データと複数個の給餌停止用知識クラスタとの合致度をそれぞれ算出し、給餌を継続するか否かを判定する判定部２６とを含んでなることを特徴とする。

計測データとしては、水温計６による深度別水温、魚群検出装置７による魚群の深度別分布量や深度別活動量の他、日射計で計測される日射量、潮流計で計測される潮流速度や潮流方向等が挙げられるが、計測データはこれらに限定されるものではない。また、各種の計測データは定期的に取得され、計測データの種類毎に演算処理がなされる。

本実施形態では、計測データの種類毎に予め設定した範囲内で正規化して計測値をそれぞれ取得し、各計測値を一組とした「センサデータ」とする。センサデータの構成例としては｛水温、魚群量、魚群活性値、日射量、潮流速度｝や｛水深１ｍ水温、水深５ｍ水温、水深１ｍ魚群量、水深５ｍ魚群量、水深５ｍ魚群活性値｝等、種々の演算値の組み合わせが挙げられるが、特に限定されるものではなく、オペレータが重要視する計測データに基づいて適宜、選択される。

そして、まずはオペレータによる給餌継続、或いは給餌停止の判断状況をセンサデータと共に学習して、給餌継続学習データ記憶部２１又は給餌停止学習データ記憶部２２に記憶する。具体的には、給餌開始から所定時間毎にセンサデータを取得し、その取得時に給餌を継続している場合は、その時点のセンサデータを給餌継続学習データとして給餌継続学習データ記憶部２１に記憶する。一方、センサデータの取得時にオペレータが給餌停止操作を行った場合は、その時点のセンサデータを給餌停止学習データとして給餌停止学習データ記憶部２２に記憶する。なお、各記憶部２１、２２への給餌継続学習データ、或いは給餌停止学習データの記憶数は特に限定されないが、メモリ等の記憶容量に応じて予め設定した最大件数までを逐次記憶し、最大記憶件数に達した後は、一番古いデータから破棄していくことが好ましい。

ここで、センサデータは計測データを正規化した計測値のみで構成してもよいが、この計測値を更に演算処理して得られる数値（＝演算値）を、計測値とともに給餌継続学習データ、或いは給餌停止学習データとして各記憶部２１、２２に記憶してもよい。例えば、所定時間毎のセンサデータをセンサデータ記憶部３０に記憶しておく。そして、任意の要素、或いは全ての要素について、センサデータ記憶部３０に記憶されている要素毎の計測値に対して演算処理を行う。本実施形態では、要素毎の計測値の平均値を演算値として、センサデータ演算部３１において算出する。センサデータ演算部３１において算出された演算値（本実施形態では要素毎の計測値の平均値）をセンサデータに付加することによって、給餌継続学習データ、或いは給餌停止学習データに要素毎の平均値が追加されるため、後述する給餌継続または給餌停止の判定時において、より詳細な判定材料を提供することが可能となる。

給餌継続学習データ記憶部２１に記憶された複数の給餌継続学習データは、知識クラスタ生成部２３において各給餌継続学習データの類似性を判定し、予め設定された複数個の集団に仕分けられ、「給餌継続用知識クラスタ」が生成される。知識クラスタ生成部２３において生成された複数個の給餌継続用知識クラスタには、それぞれの給餌継続用知識クラスタを識別するための番号（ｉｄ）が付与され、給餌継続用知識クラスタ記憶部２４に格納される。なお、クラスタリング手法については特に限定されないが、例えばウォード法やＫ平均法といったアルゴリズムが適用できる。

同様に、給餌停止学習データ記憶部２２に記憶された複数の給餌停止学習データは、知識クラスタ生成部２３において各給餌停止学習データの類似性を判定し、予め設定した複数個の集団、すなわち「給餌停止用知識クラスタ」が生成される。知識クラスタ生成部２３において生成された複数個の給餌停止用知識クラスタにも、それぞれの給餌停止用知識クラスタを識別するための番号（ｉｄ）が付与され、給餌停止用知識クラスタ記憶部２５に格納される。なお、クラスタリング手法については上記と同様、ウォード法やＫ平均法等の公知のアルゴリズムが適用できる。また、知識クラスタ生成部２３において生成される給餌継続用知識クラスタ及び給餌停止用知識クラスタの具体例については後述する。

そして、判定部２６において、給餌開始から所定時間経過後のセンサデータを「判定対象データ」として、この判定対象データと、給餌継続用知識クラスタ記憶部２４に格納された複数個の給餌継続用知識クラスタ、及び給餌停止用知識クラスタ記憶部２５に格納された複数個の給餌停止用知識クラスタとの合致度をそれぞれ算出することによって、給餌を継続するか否かを判定することを特徴とする。合致度については、判定対象データと、各給餌継続用知識クラスタ及び各給餌停止用知識クラスタとのそれぞれの「距離」を合致度として使用する。つまり、判定対象データと各給餌継続用知識クラスタとの距離を算出してその最小値を給餌継続指標とし、判定対象データと各給餌停止用知識クラスタとの距離を算出してその最小値を給餌停止指標とするとともに、これらの比、すなわち給餌停止指標／給餌継続指標が予め設定した閾値以上の場合には給餌継続と判定し、給餌モータ１２の駆動は継続される。

一方、給餌停止指標／給餌継続指標が予め設定した閾値を下回った場合には給餌停止と判定し、給餌モータ１２の駆動を停止する。

本実施形態の給餌制御器２０によると、オペレータによる給餌継続または給餌停止の判断状況を予め学習し、給餌継続用知識クラスタ及び給餌停止用知識クラスタを生成することによって、上記の流れに沿って給餌開始から所定時間経過後における給餌継続または給餌停止を判定することができる。しかし、本実施形態では、給餌継続用知識クラスタ及び給餌停止用知識クラスタを更新していくことによって、オペレータの判断状況に更に近いタイミングで給餌装置２の駆動制御を行うことができることを特徴とする。

具体的には、上記の判定部２６において給餌継続と判定されたセンサデータ（＝判定対象データ）は、給餌継続学習データとして給餌継続学習データ記憶部２１に新たに追加記憶される。一方、給餌停止と判定されたセンサデータ（＝判定対象データ）は、給餌停止学習データとして給餌停止学習データ記憶部２２に新たに追加記憶される。なお、給餌継続学習データ及び給餌停止学習データが所定の最大記憶件数に達した後は、一番古い学習データから破棄されていくこととなる。

そして、新たに追加された給餌継続学習データと複数個の給餌継続用知識クラスタとのそれぞれの合致度を知識クラスタ生成部２３において算出する。合致度については、新たに追加された給餌継続学習データと各給餌継続用知識クラスタとの「距離」を合致度として使用する。

そして、算出された給餌継続学習データと各給餌継続用知識クラスタとの距離（＝合致度）が予め設定した閾値を下回るとともに、この距離が最も小さくなる給餌継続用知識クラスタが存在する場合は、この給餌継続用知識クラスタを示す番号（ｉｄ）が新たな給餌継続学習データに付与され、この追加された給餌継続学習データを用いて、給餌継続用知識クラスタの内容が更新される。

一方、上記のような給餌継続用知識クラスタが存在しない場合、すなわち給餌継続学習データと各給餌継続用知識クラスタとの距離（＝合致度）が予め設定した閾値以上の場合は、新たな給餌継続用知識クラスタが追加されることとなるが、詳細については後述する。なお、新たに追加された給餌停止学習データと各給餌停止用知識クラスタとの合致度の算出、及び給餌停止用知識クラスタの更新または追加については、上記と同様であるため説明を省略する。

更に、本実施形態においては、給餌終了後に給餌継続用知識クラスタ及び給餌停止用知識クラスタの再構築の必要性を判定し、再構築が必要と判断した場合には各知識クラスタの再構築を行うことを特徴とする。例えば、各給餌継続学習データに紐づけられた給餌継続用知識クラスタを参照し、給餌継続学習データと給餌継続用知識クラスタとの距離を算出する。この距離が予め設定した閾値以下であることを全ての給餌継続学習データについて検証し、閾値を超える給餌継続学習データが存在しない場合は再構築処理を終了する。

一方、給餌継続学習データと給餌継続用知識クラスタとの距離が予め設定した閾値を超える場合は、各給餌継続学習データに対して仕分け（クラスタリング）を行い、予め設定された集団数に仕分けを行う。なお、クラスタリング手法については特に限定されないが、例えばウォード法やＫ平均法といった公知のアルゴリズムが適用できる。また、このクラスタリングによって、各給餌継続学習データには、所属する給餌継続用知識クラスタを示す番号（ｉｄ）が再付与される。

そして、一旦、給餌継続用知識クラスタを削除し、給餌継続用知識クラスタの再構築を行うが、詳細については後述する。なお、この再構築は、給餌停止用知識クラスタについても同様に行われる。

以上、本実施形態の給餌制御器及び給餌制御方法について説明したが、本発明においては、更に「給餌継続用特徴テーブル」及び「給餌停止用特徴テーブル」を生成して、これらの各テーブルを構成する要素毎の特徴値によって、判定対象データと、給餌継続用知識クラスタ及び給餌停止用知識クラスタとの合致度を算出する際や、新たに記憶された給餌継続学習データと給餌継続用知識クラスタ、または新たに記憶された給餌停止学習データと給餌停止用知識クラスタとの合致度を算出する際に重み付けを行うことがより好ましい。

図３に示すように、給餌継続用特徴テーブル４２は、給餌継続用知識クラスタ記憶部２４に格納されている全ての給餌継続用知識クラスタから、給餌継続用特徴テーブル生成部４０において生成され、給餌停止用特徴テーブル４３は、給餌停止用知識クラスタ記憶部２５に格納されている全ての給餌停止用知識クラスタから、給餌停止用特徴テーブル生成部４１において生成される。なお、給餌継続用特徴テーブル４２及び給餌停止用特徴テーブル４３の詳細については後述する。

以下に、本発明の給餌制御器による給餌制御方法の一実施例を示すが、本発明の給餌制御方法は以下の実施例に限定されるものではない。まず、本実施例においては、計測データとして｛水深１ｍ水温、水深５ｍ水温、水深１ｍ魚群量、水深５ｍ魚群量、水深５ｍ魚群活性値｝を使用する。これらの計測データは所定時間毎（例えば１分毎）に収集され、収集される度に給餌継続または給餌停止の判定がなされることとなる。

本実施例の大まかな全体フローを図４に示す。なお、本実施例において、給餌継続または給餌停止の判定を行うに当たっては、事前に少なくとも給餌継続学習データ及び給餌停止学習データの一定数の収集、これらの類似性を判定して予め複数個の集団にクラスタリングして得られる給餌継続用知識クラスタ及び給餌停止用知識クラスタの生成が必要となる。

運用開始前の事前準備として、まずは給餌継続学習データ及び給餌停止学習データの一定数の収集を行う。オペレータによる給餌継続、或いは給餌停止の判断状況を、計測部において計測データを正規化して得られるセンサデータと共に学習して、給餌継続学習データ記憶部２１又は給餌停止学習データ記憶部２２に記憶する作業である。本実施例において、計測データとして｛水深１ｍ水温（ａ）、水深５ｍ水温（ｂ）、水深１ｍ魚群量（ｃ）、水深５ｍ魚群量（ｄ）、水深５ｍ魚群活性値（ｅ）｝を使用する場合、要素（ａ）、（ｂ）、（ｃ）、（ｄ）、（ｅ）毎に設定範囲内で正規化した各計測値の組み合わせを「センサデータ」と定義して、ある時点ｍにおけるセンサデータを｛ａ_ｍ,ｂ_ｍ,ｃ_ｍ，ｄ_ｍ，ｅ_ｍ｝と表現する。正規化の一例として、要素（ａ）が水深１ｍ水温の場合、ある時点ｍにおける水温ｔ_ｍ℃、水温の設定範囲を最小Ｔ_ｍｉｎ℃、最大Ｔ_ｍａｘ℃とすると、要素（ａ）の計測値（ａ_ｍ）は次式で算出される。なお、この正規化によって、各要素の取りうる値は０〜１の範囲に収められることとなる。

ａ_ｍ＝（ｔ_ｍ−Ｔ_ｍｉｎ）／（Ｔ_ｍａｘ−Ｔ_ｍｉｎ）

また、上記のセンサデータのみを給餌継続学習データまたは給餌停止学習データとすることも可能であるが、更にセンサデータを構成する各要素の計測値の平均値を求め、この平均値とセンサデータとを組み合わせて給餌継続学習データ、または給餌停止学習データとすることも可能である。本実施例では、センサデータを構成する一部の要素（ｄ）、（ｅ）の計測値｛ｄ、ｅ｝の平均値｛／ｄ，／ｅ｝を組み合わせた｛ａ_ｍ,ｂ_ｍ,ｃ_ｍ，ｄ_ｍ，ｅ_ｍ，／ｄ_ｍ，／ｅ_ｍ｝を給餌継続学習データまたは給餌停止学習データとする。つまり、このセンサデータの取得時に給餌を継続している場合は、その時点のセンサデータを給餌継続学習データとして給餌継続学習データ記憶部２１に記憶し、センサデータの取得時にオペレータが給餌停止操作を行った場合は、その時点のセンサデータを給餌停止学習データとして給餌停止学習データ記憶部２２に記憶する。

更に、これらの給餌継続学習データ及び給餌停止学習データには、後述する給餌継続用知識クラスタ及び給餌停止用知識クラスタがそれぞれ関連付けられ、各学習データには該当する給餌継続用知識クラスタ等を示す番号（ｉｄ）が付与される。以下に給餌継続学習データ及び給餌停止学習データの表現例を示す。
Ａ_１＝｛ａ_１,ｂ_１,ｃ_１，ｄ_１，ｅ_１，／ｄ_１，／ｅ_１，ｉｄ_１｝
Ａ_２＝｛ａ_２,ｂ_２,ｃ_２，ｄ_２，ｅ_２，／ｄ_２，／ｅ_２，ｉｄ_２｝
Ａ_３＝・・・・・
・
・
Ａ_ｍ＝｛ａ_ｍ,ｂ_ｍ,ｃ_ｍ，ｄ_ｍ，ｅ_ｍ，／ｄ_ｍ，／ｅ_ｍ，ｉｄ_ｍ｝

また、複数の給餌継続学習データ及び給餌停止学習データは、それぞれにおいてその類似性が判定され、予め設定された複数個の集団に仕分けるクラスタリングが行われる。クラスタリングされた集団毎に、要素別の平均値（ａｖｇ）、最大値（ｍａｘ）、最小値（ｍｉｎ）、及び集団に属するデータ数（Ｎ）（Ｎは１以上の整数）を抽出したもの、すなわち「給餌継続用知識クラスタ（Ｃ）」及び「給餌停止用知識クラスタ（Ｂ）」が生成される。なお、クラスタリング手法については特に限定されないが、例えばウォード法やＫ平均法といった公知のアルゴリズムが適用できる。以下に給餌停止用知識クラスタ（Ｂ）の表現例を示す。
Ｂ_１＝｛Ｎ_１，ａ_ａｖｇ１,ａ_ｍｉｎ１,ａ_ｍａｘ１，ｂ_ａｖｇ１,ｂ_ｍｉｎ１,ｂ_ｍａｘ１，ｃ_ａｖｇ１,ｃ_ｍｉｎ１,ｃ_ｍａｘ１，
ｄ_ａｖｇ１,ｄ_ｍｉｎ１,ｄ_ｍａｘ１，ｅ_ａｖｇ１,ｅ_ｍｉｎ１,ｅ_ｍａｘ１，／ｄ_ａｖｇ１,／ｄ_ｍｉｎ１,／ｄ_ｍａｘ１，
／ｅ_ａｖｇ１, ／ｅ_ｍｉｎ１,／ｅ_ｍａｘ１｝
Ｂ_２＝｛Ｎ_２，ａ_ａｖｇ２,ａ_ｍｉｎ２,ａ_ｍａｘ２，ｂ_ａｖｇ２,ｂ_ｍｉｎ２,ｂ_ｍａｘ２，ｃ_ａｖｇ２,ｃ_ｍｉｎ２,ｃ_ｍａｘ２，
ｄ_ａｖｇ２,ｄ_ｍｉｎ２,ｄ_ｍａｘ２，ｅ_ａｖｇ２,ｅ_ｍｉｎ２,ｅ_ｍａｘ２，／ｄ_ａｖｇ２,／ｄ_ｍｉｎ２,／ｄ_ｍａｘ２，
／ｅ_ａｖｇ２,／ｅ_ｍｉｎ２,／ｅ_ｍａｘ２｝
Ｂ_３＝・・・・・
・
・
Ｂ_ｎ＝｛Ｎ_ｎ，ａ_ａｖｇｎ,ａ_ｍｉｎｎ,ａ_ｍａｘｎ，ｂ_ａｖｇｎ,ｂ_ｍｉｎｎ,ｂ_ｍａｘｎ，ｃ_ａｖｇｎ,ｃ_ｍｉｎｎ,ｃ_ｍａｘｎ，
ｄ_ａｖｇｎ,ｄ_ｍｉｎｎ,ｄ_ｍａｘｎ，ｅ_ａｖｇｎ,ｅ_ｍｉｎｎ,ｅ_ｍａｘｎ，／ｄ_ａｖｇｎ,／ｄ_ｍｉｎｎ,／ｄ_ｍａｘｎ，
／ｅ_ａｖｇｎ, ／ｅ_ｍｉｎｎ,／ｅ_ｍａｘｎ｝
ｎ＝ΣＮ(n)_ｋ
^ｋ＝１

更に、本実施例では、給餌継続又は給餌停止の判定時に、給餌継続用特徴テーブル４２または給餌停止用特徴テーブル４３によって重み付けを行うべく、これらの特徴テーブル４２、４３を準備する。例えば、上記の給餌継続用知識クラスタ（Ｃ）及び給餌停止用知識クラスタ（Ｂ）において、この各知識クラスタに含まれている各要素の平均値（※_ａｖｇ※）を、各知識クラスタ全体で俯瞰することによって最大値と最小値を求め、この差分を１から引いたものを「特徴値」と定義する。この特徴値が１に近い要素ほど、ばらつきが少ないことを示している。例えば、先に例示した要素（ａ）の場合、最大値Ｍａｘ（ａ_ａｖｇ）及び最小値Ｍｉｎ（ａ_ａｖｇ）を用いると、特徴値は次式によって算出される。

ａ_ｂ＝１−{Ｍａｘ（ａ_ａｖｇ）−Ｍｉｎ（ａ_ａｖｇ）}

これを各要素について算出したものを「給餌継続用特徴テーブル」または「給餌停止用特徴テーブル」と定義し、例えば、給餌継続用特徴テーブルは{ａ_ｃ,ｂ_ｃ,ｃ_ｃ，ｄ_ｃ，ｅ_ｃ，／ｄ_ｃ，／ｅ_ｃ｝のように表現され、給餌停止用特徴テーブルは{ａ_ｂ,ｂ_ｂ,ｃ_ｂ，ｄ_ｂ，ｅ_ｂ，／ｄ_ｂ，／ｅ_ｂ｝のように表現される。

以上の事前準備が整った段階で、図４及び図６に示すように、本実施形態にかかる給餌制御器による給餌制御方法が実施される。まず、ステップＳ１にて給餌を開始すると、ステップＳ２において所定時間（本実施例では１分）経過後に判定対象データを取得する。より具体的には、図５に示すように、計測データとして｛水深１ｍ水温（ａ）、水深５ｍ水温（ｂ）、水深１ｍ魚群量（ｃ）、水深５ｍ魚群量（ｄ）、水深５ｍ魚群活性値（ｅ）｝を使用した場合、要素毎に設定範囲内で正規化した計測値の組み合わせを「センサデータ」と定義して、最新のセンサデータを｛ａ_１,ｂ_１,ｃ_１，ｄ_１，ｅ_１｝と表現する。正規化例として、要素（ａ）が水深１ｍ水温の場合、現在の水温ｔ_１℃、水温の設定範囲を最小Ｔ_ｍｉｎ℃、最大Ｔ_ｍａｘ℃とすると、次式によって算出される。

ａ_１＝（ｔ_１−Ｔ_ｍｉｎ）／（Ｔ_ｍａｘ−Ｔ_ｍｉｎ）

また、本実施例では、上記のセンサデータに、更にセンサデータを構成する各要素の計測値の平均値を求めて組み合わせ、判定対象データとする。具体的には、センサデータを構成する一部の要素（ｄ）、（ｅ）の計測値｛ｄ、ｅ｝の平均値｛／ｄ，／ｅ｝を演算値として組み合わせた｛ａ_１,ｂ_１,ｃ_１，ｄ_１，ｅ_１，／ｄ_１，／ｅ_１｝を判定対象データとする。なお、この判定対象データは、最終的に給餌継続または給餌停止の判断がされた後、給餌継続学習データまたは給餌停止学習データとして記憶されることとなる。

そして、ステップＳ３において、判定対象データについて給餌継続または給餌停止の判定が行われる。当該判定は、判定対象データと各知識クラスタとの合致度を算出することによって行われる。この合致度については、上記の通り、判定対象データと複数個の給餌継続用知識クラスタ（Ｃ）、及び判定対象データと複数個の給餌停止用知識クラスタ（Ｂ）とのそれぞれの距離を合致度として使用する。具体的には、判定対象データ｛ａ_１,ｂ_１,ｃ_１，ｄ_１，ｅ_１，／ｄ_１，／ｅ_１｝と、各給餌停止用知識クラスタ（Ｂ）（ｉｄ＝１，２，・・，ｎ）との距離をそれぞれ算出してその最小値を給餌停止指標（Ｄ_ｂ）とする。また、この合致度を算出する際、給餌停止用特徴テーブル{ａ_ｂ,ｂ_ｂ,ｃ_ｂ，ｄ_ｂ，ｅ_ｂ，／ｄ_ｂ，／ｅ_ｂ｝に係る各特徴値によって重み付けを行うことによって、影響力の強い要素の挙動を強調することができる。例えば、給餌停止用知識クラスタ（Ｂ）（ｉｄ＝１０）との距離（合致度＝Ｄ_１０）は次式によって算出できる。

Ｄ_１０＝ａ_ｂ＊（ａ_１−ａ_{ａｖｇ１０}）^２＋ｂ_ｂ＊（ｂ_１−ｂ_{ａｖｇ１０}）^２＋ｃ_ｂ＊（ｃ_１−ｃ_{ａｖｇ１０}）^２
＋ｄ_ｂ＊（ｄ_１−ｄ_{ａｖｇ１０}）^２＋ｅ_ｂ＊（ｅ_１−ｅ_{ａｖｇ１０}）^２＋／ｄ_ｂ＊（／ｄ_１−／ｄ_{ａｖｇ１０}）^２
＋／ｅ_ｂ＊（／ｅ_１−／ｅ_{ａｖｇ１０}）^２

同様にして、判定対象データ｛ａ_１,ｂ_１,ｃ_１，ｄ_１，ｅ_１，／ｄ_１，／ｅ_１｝と各給餌継続用知識クラスタ（Ｃ）（ｉｄ＝１，２，・・，ｎ）との距離を算出し、その最小値を給餌継続指標（Ｄ_ｃ）とする。そして、これらの比、すなわち給餌停止指標（Ｄ_ｂ）／給餌継続指標（Ｄ_ｃ）と予め設定した閾値（β）とを比較する。そして、（Ｄ_ｂ）／（Ｄ_ｃ）≧βの場合には給餌継続と判定され、この給餌継続と判定された判定対象データは、ステップＳ４において、「給餌継続学習データ」として給餌継続学習データ記憶部に記憶される。そして、続くステップＳ５において、追加された新たな給餌継続学習データを給餌継続用知識クラスタに反映させた後、再びステップＳ２に戻る。なお、ステップＳ５の詳細については、後述するステップＳ７において併せて説明する。

一方、ステップＳ３において（Ｄ_ｂ）／（Ｄ_ｃ）＜βとなった場合には給餌停止と判定され、この給餌停止と判定された判定対象データは、ステップＳ６において「給餌停止学習データ」として給餌停止学習データ記憶部に記憶される。そして、次のステップＳ７において、今回追加された新たな給餌停止学習データを給餌停止用知識クラスタに反映させる。

具体的には、給餌継続と判断された判定対象データは、ステップＳ４において給餌継続学習データとして給餌継続学習データ記憶部２１に新たに追加記憶され、給餌停止と判断された判定対象データは、ステップＳ６において給餌停止学習データとして給餌停止学習データ記憶部２２に新たに追加記憶される。なお、給餌継続学習データ及び給餌停止学習データが所定の最大記憶件数に達した後は、一番古い学習データから破棄されていくこととなる。

そして、ステップＳ５においては給餌継続用知識クラスタの更新または追加が行われ、ステップＳ７においては、給餌停止用知識クラスタの更新または追加が行われる。より具体的には、図７に示すように、ステップＳ２１において、例えば新たに追加された給餌停止学習データと各給餌停止用知識クラスタとの合致度を算出する。合致度については、この新たに追加された給餌停止学習データと各給餌停止用知識クラスタとの距離を合致度として使用する。また、給餌停止用特徴テーブルを使用して重み付けを行うことによって、影響力の強い要素の挙動を強調することができる。例えば、新たに追加された給餌停止学習データ｛ａ_１,ｂ_１,ｃ_１，ｄ_１，ｅ_１，／ｄ_１，／ｅ_１｝と、給餌停止用知識クラスタ（Ｂ）（ｉｄ＝１０）との距離（合致度＝Ｄ_１０）は次式によって算出できる。

Ｄ_１０＝ａ_ｂ＊（ａ_１−ａ_{ａｖｇ１０}）^２＋ｂ_ｂ＊（ｂ_１−ｂ_{ａｖｇ１０}）^２＋ｃ_ｂ＊（ｃ_１−ｃ_{ａｖｇ１０}）^２
＋ｄ_ｂ＊（ｄ_１−ｄ_{ａｖｇ１０}）^２＋ｅ_ｂ＊（ｅ_１−ｅ_{ａｖｇ１０}）^２＋／ｄ_ｂ＊（／ｄ_１−／ｄ_{ａｖｇ１０}）^２
＋／ｅ_ｂ＊（／ｅ_１−／ｅ_{ａｖｇ１０}）^２

上記のようにして、新たに追加された給餌停止学習データと、全ての給餌停止用知識クラスタ（Ｂ）（ｉｄ＝１，２，・・，ｎ）との距離を算出し、ステップＳ２２において、この給餌停止継続学習データと各給餌停止用知識クラスタとの距離（合致度）が予め設定した閾値を下回るとともに、この距離が最も小さくなる給餌停止用知識クラスタが存在する場合は「類似性あり」と判断され、ステップＳ２３において、この給餌停止用知識クラスタを示す番号（ｉｄ）が新たな給餌停止学習データに付与され、この追加された給餌停止学習データを用いて、給餌停止用知識クラスタの内容が更新される。

一方、ステップＳ２２において上記のような給餌停止用知識クラスタが存在しない場合、すなわち給餌停止学習データと各給餌停止用知識クラスタとの距離（合致度）が予め設定した閾値以上の場合は「類似性なし」と判断され、ステップＳ２４において、新たな給餌停止用知識クラスタが追加されることとなる。具体的には、クラスタ要素（平均値（ａｖｇ）、最大値（ｍａｘ）、最小値（ｍｉｎ））には新たに追加された給餌停止学習データの要素値が適用され、集団に属するデータ数（Ｎ）は１を適用する。また、追加された給餌停止学習データには、この新たに追加された給餌停止用知識クラスタを示す番号（ｉｄ）が付与され、給餌停止学習データ記憶部に記憶される。

なお、図４に示すステップＳ５において、新たに追加された給餌継続学習データと各給餌継続用知識クラスタとの合致度の算出、及び給餌継続用知識クラスタの更新または追加については、上記のステップＳ７と同様であるため説明を省略する。

そして、最後のステップＳ８において、給餌終了後に給餌継続用知識クラスタ及び給餌停止用知識クラスタの再構築の必要性を判定し、再構築が必要と判断した場合には各知識クラスタの再構築が行われる。なお、以下では給餌継続用知識クラスタの再構築について説明するが、給餌停止用知識クラスタの再構築についても同様に行われる。

図８に示すように、ステップＳ３１において、例えば各給餌継続学習データに紐づけられた給餌継続用知識クラスタ（Ｃ）（ｉｄ＝１，２，・・，ｎ）を参照し、給餌継続学習データと紐づけられた給餌継続用知識クラスタ（Ｃ）との距離を算出する。この距離が予め設定した閾値以下であることを全ての給餌継続学習データについて検証する。そして、ステップＳ３２において、予め設定した閾値を超える給餌継続学習データが存在しない場合は再構築不要と判断し、本実施例の給餌制御は終了となる。

一方、給餌継続学習データと給餌継続用知識クラスタとの距離が予め設定した閾値を超える場合はステップＳ３２において再構築が必要と判断され、ステップＳ３３において各給餌継続学習データに対して仕分け（クラスタリング）を行い、予め設定された集団数に仕分けを行う。なお、クラスタリング手法については特に限定されないが、例えばウォード法やＫ平均法といった公知のアルゴリズムが適用できる。また、このクラスタリングによって、各給餌継続学習データには、所属する給餌継続用知識クラスタを示す番号（ｉｄ）（ｉｄ＝１，２，・・，ｎ）が新たに付与される。

そして、ステップＳ３４において給餌継続用知識クラスタの再構築が行われる。より具体的には、図９に示すように、ステップＳ４１において、まずは再構築が必要と判断された給餌継続用知識クラスタ（Ｃ）を一旦、削除する。

ステップＳ４２において、まずは新たな給餌継続用知識クラスタを示す番号（ｉｄ＝１）を設定し、ステップＳ４３において、全ての給餌継続学習データの中からｉｄ＝１が付与された給餌継続学習データを抽出する。

続くステップＳ４４において、抽出されたｉｄ＝１の給餌継続学習データに係る各要素について、要素別の平均値（ａｖｇ）、最大値（ｍａｘ）、最小値（ｍｉｎ）を算出する。

ステップＳ４５において、算出された要素別の平均値（ａｖｇ）、最大値（ｍａｘ）、最小値（ｍｉｎ）と、抽出されたｉｄ＝１の給餌継続学習データの件数とによって、新たな給餌継続用知識クラスタ（Ｃ）を登録する。

そして、ステップＳ４６において、全ての給餌継続用知識クラスタを示す番号（ｉｄ＝１，２，・・，ｎ）について実行したかを判定し、未実施の給餌継続用知識クラスタを示す番号が存在する場合は、ステップＳ４７において、ステップＳ４３〜ステップＳ４５で再構築した給餌継続用知識クラスタを示す番号（ｉｄ）に１を追加して（ｉｄ＋１）とし、再びステップＳ４３〜ステップＳ４５までの作業を実行する。

最終的に、ステップＳ４６において、給餌継続用知識クラスタを示す番号が存在しなくなった場合、給餌継続用知識クラスタの再構築作業は終了となる。

以上に説明した本発明の給餌制御器及び給餌制御方法によると、オペレータ(事業者)による給餌継続、或いは給餌停止の判断状況を学習して、オペレータ（事業者）の想定に近いタイミングで給餌装置の停止制御を行うことができる。

また、本発明による給餌制御を継続していくことによって、給餌継続学習データ及び給餌停止学習データの蓄積、給餌継続又は給餌停止の判定に使用される給餌継続用知識クラスタ及び給餌停止用知識クラスタの更新・追加、更にはこれらの各知識クラスタの再構築、また更に給餌継続用特徴テーブル及び給餌停止用特徴テーブルの更新等を適宜、実行することによって、給餌継続又は給餌停止の判定精度を更に高めることができ、オペレータの想定により近いタイミングで給餌装置の停止制御を行うことができる。

以上、本発明の実施形態について詳述したが、本発明の実施形態は上記のものに限定されない。例えば、図６に示すように、上記の実施形態においては、給餌継続又は給餌停止の判定を給餌停止指標（Ｄ_ｂ）／給餌継続指標（Ｄ_ｃ）と予め設定した閾値（β）とを比較することによって実行しているが、その他の判定方法として、所定の「判定表」を用いて給餌継続又は給餌停止の判定を行うことも可能である。つまり、例えば給餌継続指標（Ｄ_ｃ）を縦軸、給餌停止指標（Ｄ_ｂ）を横軸とする表中に給餌継続又は給餌停止を予め設定した「判定表」を準備する。そして、上記と同様にして算出された給餌継続指標（Ｄ_ｃ）及び給餌停止指標（Ｄ_ｂ）の組み合わせ、すなわち（Ｄ_ｃ，Ｄ_ｂ）が、この判定表においてどこに位置するかによって給餌継続又は給餌停止を判定することも可能である。

以上、本発明の種々の実施形態について詳述したが、本発明の技術的思想を実質的に限定するものと解してはならない。本発明はその要旨を逸脱しない範囲で、当業者の創意と工夫により、適宜に改良、変更又は追加をしながら実施できる。

１：給餌システム
２：給餌装置
２０：給餌制御器
２１：給餌継続学習データ記憶部
２２：給餌停止学習データ記憶部
２３：知識クラスタ生成部
２４：給餌継続用知識クラスタ記憶部
２５：給餌停止用知識クラスタ記憶部
２６：判定部
３０：センサデータ記憶部
３１：センサデータ演算部
４０：給餌継続用特徴テーブル生成部
４１：給餌停止用特徴テーブル生成部
４２：給餌継続用特徴テーブル
４３：給餌停止用特徴テーブル

Claims

給餌装置による給餌を継続するか否かを判定する給餌制御器であって、
各種センサから所定時間毎に取得される要素毎の各種計測データをそれぞれ演算処理して得られる各計測値を一組とするセンサデータのうち、少なくとも給餌継続中の該センサデータを給餌継続学習データとして時系列で記憶する給餌継続学習データ記憶部と、
少なくともオペレータによる給餌停止操作を行ったときの前記センサデータを給餌停止学習データとして時系列で記憶する給餌停止学習データ記憶部と、
前記給餌継続学習データ記憶部に記憶された複数の前記給餌継続学習データ、または前記給餌停止学習データ記憶部に記憶された複数の前記給餌停止学習データのそれぞれの類似性を判定し、予め設定した複数個の給餌継続用知識クラスタ、または複数個の給餌停止用知識クラスタを生成する知識クラスタ生成部と、
前記知識クラスタ生成部で生成された前記給餌継続用知識クラスタ、または前記給餌停止用知識クラスタをそれぞれ格納する給餌継続用知識クラスタ記憶部、または給餌停止用知識クラスタ記憶部と、
給餌開始から所定時間経過後の前記センサデータを判定対象データとして、前記複数個の給餌継続用知識クラスタ及び前記複数個の給餌停止用知識クラスタとの合致度をそれぞれ算出し、給餌を継続するか否かを判定する判定部と、
を含んでなることを特徴とする給餌制御器。
前記判定部において、前記判定対象データと前記複数個の給餌継続用知識クラスタとの合致度を算出して所定の給餌継続指標を取得し、前記判定対象データと前記複数個の給餌停止用知識クラスタとの合致度を算出して所定の給餌停止指標を取得し、前記給餌継続指標と前記給餌停止指標との比、或いは前記給餌継続指標と前記給餌停止指標との組み合わせによって給餌を継続するか否かを判定することを特徴とする請求項１に記載の給餌制御器。
前記センサデータを所定時間毎に時系列で記憶するセンサデータ記憶部と、
前記センサデータ記憶部に記憶された前記センサデータを構成する前記各計測値に対して、前記要素毎に所定の演算処理を行うセンサデータ演算部と、
を更に備え、
前記センサデータに、前記センサデータ演算部によって算出された演算値を付加して前記判定対象データとすることを特徴とする請求項１または請求項２に記載の給餌制御器。
前記判定部にて給餌を継続するか否かが判定された前記判定対象データを、前記給餌継続学習データとして前記給餌継続学習データ記憶部に、或いは前記給餌停止学習データとして前記給餌停止学習データ記憶部に新たに記憶するとともに、
新たに記憶された前記給餌継続学習データと前記給餌継続用知識クラスタ、または新たに記憶された前記給餌停止学習データと前記給餌停止用知識クラスタとの合致度を算出し、前記給餌継続用知識クラスタまたは前記給餌停止用知識クラスタを更新或いは追加するとともに、前記新たに記憶された給餌継続学習データには前記給餌継続用知識クラスタ、或いは前記新たに記憶された給餌停止学習データには前記給餌停止用知識クラスタを紐づけすることを特徴とする請求項１から請求項３の何れかに記載の給餌制御器。
前記給餌継続用知識クラスタ記憶部に格納された全ての前記給餌継続用知識クラスタから給餌継続用特徴テーブルを生成する給餌継続用特徴テーブル生成部と、
前記給餌停止用知識クラスタ記憶部に格納された全ての前記給餌停止用知識クラスタから給餌停止用特徴テーブルを生成する給餌停止用特徴テーブル生成部と、
を更に備え、
前記合致度を算出する際、前記給餌継続用特徴テーブルまたは給餌停止用特徴テーブルで重み付けを行って算出することを特徴とする請求項１から請求項４の何れかに記載の給餌制御器。
給餌停止後、前記給餌継続学習データと前記給餌継続用知識クラスタとの距離が予め設定した閾値を超える場合は前記給餌継続用知識クラスタの再構築が必要であると判断し、前記給餌停止用学習データと前記給餌停止用知識クラスタとの距離が予め設定した閾値を超える場合は前記給餌停止用知識クラスタの再構築が必要であると判断して、再構築が必要であると判断された前記給餌継続用知識クラスタまたは前記給餌停止用知識クラスタの再構築を行うことを特徴とする請求項１から請求項５の何れかに記載の給餌制御器。
給餌装置による給餌を継続するか否かを判定する給餌制方法であって、
各種センサから所定時間毎に取得される要素毎の各種計測データをそれぞれ演算処理して得られる各計測値を一組とするセンサデータのうち、給餌継続中の該センサデータを給餌継続学習データとして、或いはオペレータによる給餌停止操作を行ったときの前記センサデータを給餌停止学習データとして時系列で記憶する学習データ記憶ステップと、
複数の前記給餌継続学習データの類似性を判定し、予め設定した複数個の給餌継続用知識クラスタを生成する、或いは複数の前記給餌停止学習データの類似性を判定し、予め設定した複数個の給餌停止用知識クラスタを生成する知識クラスタ生成ステップと、
給餌開始から所定時間経過後の前記センサデータを判定対象データとして、前記複数個の給餌継続用知識クラスタ及び前記複数個の給餌停止用知識クラスタとの合致度をそれぞれ算出し、給餌を継続するか否かを判定する判定ステップと、
を含んでなることを特徴とする給餌制御方法。
前記判定ステップが、前記判定対象データと前記複数個の給餌継続用知識クラスタとの合致度を算出して所定の給餌継続指標を取得するステップと、
前記判定対象データと前記複数個の給餌停止用知識クラスタとの合致度を算出して所定の給餌停止指標を取得するステップと、
前記給餌継続指標と前記給餌停止指標との比と、所定の閾値とを比較するステップとを含んでなることを特徴とする請求項７に記載の給餌制御方法。
前記判定ステップが、前記判定対象データと前記複数個の給餌継続用知識クラスタとの合致度を算出して所定の給餌継続指標を取得するステップと、
前記判定対象データと前記複数個の給餌停止用知識クラスタとの合致度を算出して所定の給餌停止指標を取得するステップと、
前記給餌継続指標及び前記給餌停止指標の一方が縦軸、他方が横軸にとられ、予め給餌継続又は給餌停止が設定された判定表を参照して、前記給餌継続指標及び前記給餌停止指標の組み合わせから給餌を継続するか否かを判定することを特徴とする請求項７に記載の給餌制御方法。
前記学習データ記憶ステップが、前記センサデータを構成する前記各計測値に対して、前記要素毎に所定の演算処理を行う演算処理ステップと、
前記センサデータに、前記演算処理ステップにおいて算出された演算値を付加して前記判定対象データとする演算値付加ステップと、
を含んでなることを特徴とする請求項７から請求項９の何れかに記載の給餌制御方法。
更に、前記判定ステップにおいて給餌を継続するか否かが判定された前記判定対象データを、前記給餌継続学習データとして、或いは前記給餌停止学習データとして新たに記憶する学習データ追加記憶ステップと、
新たに記憶された前記給餌継続学習データと前記給餌継続用知識クラスタ、または新たに記憶された前記給餌停止学習データと前記給餌停止用知識クラスタとの合致度を算出し、前記給餌継続用知識クラスタまたは前記給餌停止用知識クラスタを更新或いは追加する知識クラスタ更新・追加ステップと、
を含んでなることを特徴とする請求項７から請求項１０の何れかに記載の給餌制御方法。
更に、前記複数個の給餌継続用知識クラスタから給餌継続用特徴テーブルを生成する給餌継続用特徴テーブル生成ステップと、
前記複数個の給餌停止用知識クラスタから給餌停止用特徴テーブルを生成する給餌停止用特徴テーブル生成ステップと、
を含んでなり、
前記合致度を算出する際、前記給餌継続用特徴テーブルまたは給餌停止用特徴テーブルで重み付けを行って算出することを特徴とする請求項７から請求項１１の何れかに記載の給餌制御方法。
更に、給餌停止後、前記給餌継続学習データと前記給餌継続用知識クラスタとの距離が予め設定した閾値を超える場合は前記給餌継続用知識クラスタの再構築が必要であると判断し、前記給餌停止用学習データと前記給餌停止用知識クラスタとの距離が予め設定した閾値を超える場合は前記給餌停止用知識クラスタの再構築が必要であると判断して、再構築が必要であると判断された前記給餌継続用知識クラスタまたは前記給餌停止用知識クラスタの再構築を行う知識クラスタ再構築ステップを含んでなることを特徴とする請求項７から請求項１２の何れかに記載の給餌制御方法。