JP7057971B2

JP7057971B2 - 動物体の体重推定装置及び体重推定方法

Info

Publication number: JP7057971B2
Application number: JP2018108429A
Authority: JP
Inventors: 剛野口; 祥史久保田; 毅岡山
Original assignee: National Federation of Agricultural Cooperative Associations; Ibaraki University NUC
Current assignee: National Federation of Agricultural Cooperative Associations; Ibaraki University NUC
Priority date: 2018-06-06
Filing date: 2018-06-06
Publication date: 2022-04-21
Anticipated expiration: 2038-06-06
Also published as: JP2019211364A

Description

本発明は、動物体の体重推定装置及び体重推定方法に関し、詳しくは、非侵襲的な三次元計測による動物体の体重推定装置及び体重推定方法に関する。

現在の畜産業界は、高齢化、担い手不足の中でどれだけ効率的に事業を行っていくかが課題となっている。そのため、飼養管理の省力化が求められており、その一つに家畜の出荷管理がある。出荷にあたっては背脂肪厚さのみならず一定の範囲の体重であることが求められるため、日常的な体重計測が必要である。ところが、体重計測を行うには、人が家畜を体重計に誘導し、静止または歩行させて計測する必要があることから、大きな労力を要するうえ、家畜にストレスを与えて肉質が低下する原因の一つともなっている。このため、人や計測器が家畜と接触しない非接触式の体重計が要望されてきた。

そこで、ビデオカメラなどの撮影機器を用いて計測した豚体の投影面積と、物差しなどで直接測定した体高と、従来の体重計で計測した体重との間に密接な関係をなす重回帰式を見出し、この重回帰式に投影面積と体高とを代入することによって体重を推定する非接触式の体重推定方法が提案されている（例えば、特許文献１参照。）。また、豚体の行動観察によって正常な起立姿勢を行う状況を探索し、撮影機器を給水器近くに設置して安定した計測結果を得ようとする試みがなされている（例えば、特許文献２参照。）。

一方、近年では、撮影機器の高画質化、高機能化が進む中で、これにより得られた物体の三次元座標を含むデータを処理可能なソフトウェアも開発されてきた。そこで、所定の姿勢で静止した牛体に赤外帯域のランダムな光点を投光し、反射された反射点を撮影して得られた牛体の三次元点群データに対して、重力方向及び水平方向の断面形状を楕円形状に近似することによって牛体の特徴的な寸法データを抽出し、この寸法データを所定の体重計算式に代入して牛体の体重を推定する技術が開示されている（例えば、特許文献３参照。）。

特開２００２－２４３５２７号公報特開２００２－２８６４２１号公報特開２０１４－４４０７８号公報

上述のように、家畜の体重推定技術を生産現場に導入するためには、容易に実施でき、かつ、推定した体重について高い精度が求められる。しかし、特許文献１または２に記載の体重推定方法では、家畜を上方向から撮影することにより画像データを得る簡便な方法であるが、２次元計測で体重を推定するには精度が充分とはいえず、しかも、畜産動物は成長が早く、個体差も大きいため、定常的に安定した姿勢で計測することは容易でない。特に、４足歩行する豚体や牛体などは、上方向から撮影された体表面積が頭部の起き上がりで過大に評価されやすく、推定体重の精度を低下させる大きな原因となる。

また、特許文献３に記載された体重推定方法では、家畜の特徴的な寸法データを分析するものの、実際の場合、家畜の体型は楕円ではなく、寸法データを楕円に近似したのでは計算精度が低下するおそれがある。また、撮影時の姿勢について考慮する必要もある。このため、推定体重の精度を高めるには複数の計測器を用いて取得可能な寸法データを増やす他なく、その結果としてシステムが複雑になる。

そこで本発明は、動物体の姿勢を特定することにより、簡易的でありながら高い精度で体重推定が行える動物体の体重推定装置及び体重推定方法を提供することを目的としている。

上記目的を達成するため、本発明の動物体の体重推定装置は、動物体を計測して得られる寸法データに基づいて体重を推定する動物体の体重推定装置であって、前記動物体を撮影して３次元点群データを取得する３次元計測器と、前記３次元点群データから生成された画像データにより前記動物体の頭部の位置を特定する頭部位置特定部と、前記動物体の頭部の位置を指標として前記動物体の姿勢を推定する姿勢推定部と、前記動物体の姿勢に対応して定義された姿勢別回帰モデルに基づいて前記動物体の体重を推定する体重推定部とを備えたことを特徴とし、前記３次元点群データは、単一の前記３次元計測器で取得され、前記動物体の頭部の位置は、前記画像データの領域を複数の区画に分割するとともに、該複数の区画における動物体領域の重心をそれぞれ比較することにより求められることを特徴としている。

また、本発明の動物体の体重推定方法は、動物体を計測して得られる寸法データに基づいて体重を推定する動物体の体重推定方法であって、前記動物体を撮影して３次元点群データを取得する段階と、前記３次元点群データから生成された画像データにより前記動物体の頭部の位置を特定する段階と、前記動物体の頭部の位置を指標として前記動物体の姿勢を推定する段階と、前記動物体の姿勢に対応して定義された姿勢別回帰モデルに基づいて前記動物体の体重を推定する段階とを含むことを特徴とし、前記動物体の頭部の位置を特定する段階は、前記画像データの領域を複数の区画に分割するとともに、該複数の区画における動物体領域の重心をそれぞれ比較することを特徴としている。

本発明によれば、動物体の姿勢に対応して定義された姿勢別回帰モデルに基づいて体重を推定するので、動物体の姿勢変化に起因する推定体重の変動を小さくすることが可能となり、動物体の体重を高い精度で推定することができる。また、姿勢を推定するための指標となる頭部の位置は、単一の３次元計測器で取得して生成された画像データを複数の区画に分割し、この複数の区画における動物体領域の重心をそれぞれ比較するので、動物体の姿勢を簡単かつ確実に求めることができる。

本発明の動物体の体重推定装置の一例を示す構成図である。同じく動物体の体重推定方法のフローチャートである。同じく３次元計測器で取得した３次元点群データを示す図である。同じく３次元点群データに基づく体積計算を示す模式図である。同じく動物体の姿勢変化の一例を示す図である。同じく画像処理による動物体領域の重心を求める説明図である。同じく動物体の頭部位置を特定する説明図である。同じく動物体の頭部位置を特定するフローチャートである。同じく推定体重と実測体重との関係を示す散布図である。

まず、図１乃至図９は、本発明を動物体の一つである豚体の体重推定に適用したもので、体重推定装置１１は、図１に示すように、豚体１２を撮影して３次元点群データを取得する３次元計測器１３と、この３次元計測器１３が通信接続されるコンピュータ装置（パーソナルコンピュータ）１４とで構成されている。コンピュータ装置１４は、３次元点群データから生成された画像データにより豚体１２の頭部の位置を特定する頭部位置特定部１５と、豚体１２の頭部の位置を指標として豚体１２の姿勢を推定する姿勢推定部１６と、豚体１２の姿勢に対応して定義された姿勢別回帰モデルに基づいて豚体１２の体重を推定する体重推定部１７とを備えている。

３次元計測器１３は、豚体１２の上方に設置され、コンピュータ装置１４にＵＳＢ端子を介して接続可能であり、例えば、赤外光の特殊パターンを対象物に照射し、対象物によって歪んだパターンを赤外光カメラで撮影して解析することで対象物との距離を計測するＫｉｎｅｃｔ（登録商標、以下同じ）で構成されている。すなわち、３次元計測器１３は、豚体１２を上方向から撮影することにより、あらかじめ設定された画角内の３次元点群データを取得する。

３次元点群データの処理には、ＰｏｉｎｔＣｌｏｕｄＬｉｂｒａｒｙ（以下、ＰＣＬと称する）などのオープンソースのソフトウェアを用いることができる。特に、３次元計測器１３としてＫｉｎｅｃｔセンサを用いる場合、開発環境やデータ処理環境が整っているため、制御プログラムや解析プログラムなどを容易に開発することができる。

頭部位置特定部１５は、３次元点群データから所定フォーマットの画像データを生成し、この画像データの領域を複数の領域に分割するとともに、該複数の領域における豚体１２の重心をそれぞれ比較することにより豚体１２の頭部の位置を特定する。姿勢推定部１６は、頭部位置特定部１５で特定した頭部の位置に基づいて豚体１２の姿勢を、例えば、頭部を上げた状態あるいは横に振った状態であるか否かを特定する。また、姿勢推定部１６には、あらかじめ豚体１２の姿勢ごとの体積と実測体重との関係から作成した姿勢別回帰モデルを記憶している。体重推定部１７は、豚体１２の姿勢に対応した姿勢別回帰モデルに基づいて豚体１２の体重を推定する。

このように構成された体重推定装置１１を用いて豚体１２の体重を推定するには、あらかじめ豚体１２の姿勢に対応させた単回帰モデルである姿勢別回帰モデルを準備し、実際に豚体１２を計測して体積計算及び姿勢推定を行うとともに、姿勢別回帰モデルを用いて豚体１２の体重を推定する。そこで、以下では、豚体１２の体重推定方法を図２乃至図８を参照しながら体重推定装置１１の動作に基づいて具体的に説明する。図２は、本発明における豚体１２の体重推定方法のフローチャートである。

まず、３次元計測器１３は、図３（Ａ）に示すように、豚体１２の上方向から３次元点群データを取得する（ステップＳ１）。３次元点群データの座標系は３次元計測器１３を原点とした座標系になっているため、ＰＣＬのＳＡＣＳｅｇｍｅｎｔａｔｉｏｎアルゴリズムを用いて床面を検出し、座標については反転することで床面のｚ座標を「０」とする（ステップＳ２）。

次いで、取得した３次元点群データから、ＰＣＬのｐａｓｓＴｈｒｏｕｇｈｆｉｌｔｅｒアルゴリズムを用いて豚体１２が存在する空間を抽出することにより、図３（Ｂ）に示すように、豚体１２のみの３次元点群データを取得する（ステップＳ３）。３次元計測器１３で得られた全点群数は、例えば、２１７，０８８個で、抽出した豚体１２の点群数は、例えば、１９，７１９個である。

豚体１２の３次元点群データには、点群が多い領域と少ない領域が混在しており、後の処理を容易にするために、ＰＣＬのｖｏｘｅｌＧｒｉｄｆｉｌｔｅｒアルゴリズムを用いて等間隔に点群の間引きを行う（ステップＳ４）。具体的には、３次元点群データ空間を立方格子状に分割し、その各格子内に存在する点群の重心を代表点として３次元点群データをダウンサンプリングする処理を行う。

間引きを行った後の３次元点群データは、規則的な配置となっているので、床面方向（ｘ－ｙ平面）の座標をピクセルの位置で、例えば、１ｃｍ間隔で表現し、各ピクセルとして高さ情報を用いた画像（以下、高さ画像と称する）として扱う（ステップＳ５）。この高さ画像は、豚体１２の体積計算及び頭部特定に用いられる。

豚体１２の体積は、図４に示すように、豚体１２が表しているピクセルが専有する面積に、例えば、ピクセルが１ｃｍ四方であれば１ｃｍ^２に高さをかけて、ピクセル上に想定される直方体の体積を計算する。この全ピクセルに想定される直方体の合計が体積となる（ステップＳ６）。基本的には、体積と体重との間に強い相関があるので、これらの関係から定義した単回帰モデルを用いて体重を推定する。しかし、単純な単回帰モデルによる推定体重では、比較的に良好な精度が得られるものの、真の体積を計算して推定したものではない。つまり、胴体の下方領域や、頭部から首部の下方領域などの３次元計測器１３から撮影できていない領域が含まれた状態（図３及び図４）であり、同一個体であっても、刻々と変化する姿勢によってこの領域が変化することから、単回帰モデルに悪影響を及ぼしている。図５は、豚体１２の姿勢変化の一例を示したもので、図５（Ａ）に示すように、豚体１２の頭部（右側）が胴部に対してほぼ同じ高さに位置した姿勢や、図５（Ｂ）に示すように、頭部を下げた姿勢や、図５（Ｃ）に示すように、頭部を上げた姿勢などが挙げられる。そこで、豚体１２の体重をより精度よく推定するために、豚体１２の姿勢を推定し、その姿勢に対応して定義された姿勢別回帰モデルに基づいて体重を推定する。

まず、頭部位置特定部１５において、豚体１２の頭部の位置を特定する（ステップＳ７）。ここでは、オープンソースの画像処理ソフトウェアであるＯｐｅｎＣＶを用いる。図６（Ａ）に示される高さ画像データは、各ピクセルの高さが低いほど暗く表現したもので、前述のように、画像データのピクセルは床面を「０」とした高さ情報であることから、例えば、高さ６５ｃｍの部位（ピクセル）は、６５という数字になる。そこで、床面から５ｃｍの高さにしきい値を設け、このしきい値を用いて豚領域を床面などの他の領域から切り出す。これにより、図６（Ｂ）に示すように、豚領域を「１」、他の領域を「０」とする二値画像を取得する。二値化後の画像データは、高さ情報を保持した状態のままで、小さなノイズが取り除かれる。

次いで、図６（Ｃ）に示すように、ＯｐｅｎＣＶのｆｉｎｄＣｏｎｔｏｕｒ関数を用いて豚領域の輪郭を求め、この輪郭に対してＯｐｅｎＣＶのｍｉｎＡｒｅａＲｅｃｔ関数を用いて豚領域を内包する面積が最小になる矩形を求める。次いで、図６（Ｄ）に示すように、矩形をｘ軸方向、つまり長手方向に５等分に分割し、分割した矩形内におけるそれぞれの豚領域の重心を丸印で示す。ここで、重心のｘ座標（Ｃｘ）及びｙ座標（Ｃｙ）は、以下の式を用いて求める。また、重心のｚ座標は、重心に位置するピクセルの高さである。

Ｃｘ：矩形内豚領域重心のｘ座標
Ｃｙ：矩形内豚領域重心のｙ座標
ｎ：矩形内豚領域のピクセル数
Ｐｘｉ：該当ピクセルのｘ座標
Ｐｙｉ：該当ピクセルのｙ座標

次いで、図７及び図８に示すように、各矩形内における豚領域重心のｘ座標、ｙ座標及びｚ座標の位置をそれぞれ比較することによって豚体１２の頭部の位置を特定する。ここで、説明の理解を容易にするために、図７では、ｚ軸方向を高さ方向、ｘ軸方向を左右方向、ｙ軸方向を奥行方向と定義する。また、左右両端の矩形内豚領域重心を丸印で、中央の矩形内豚領域重心を三角印でそれぞれ示す。

以下では、図８に示されるフローチャートに基づいて豚体１２の頭部位置を特定する。まず、高さ方向における左端の矩形内豚領域重心を「ＬＺ」と、右端の矩形内豚領域重心を「ＲＺ」と、中央の矩形内豚領域重心を「ＣＺ」と定義して、左右両端の矩形内豚領域重心（ＬＺ，ＲＺ）と中央の矩形内豚領域重心（ＣＺ）との高さをそれぞれ比較する（ステップＳ２０）。この結果、左右両端の矩形内豚領域重心（ＬＺ，ＲＺ）が中央の矩形内豚領域重心（ＣＺ）に対していずれも高い場合には、豚体１２は頭部を上げていると判断する。

この場合に、奥行方向における左端の矩形内豚領域重心と中央の矩形内豚領域重心とのｙ座標の差の絶対値を「｜ＬＡＹ｜＝ＬＺ－ＣＺ」と、右端の矩形内豚領域重心と中央の矩形内豚領域重心とのｙ座標の差の絶対値を「｜ＲＡＹ｜＝ＲＺ－ＣＺ」と定義して、各絶対値（｜ＬＡＹ｜，｜ＲＡＹ｜）の大きさをそれぞれ比較する（ステップＳ２１）。この結果、左端の値（｜ＬＡＹ｜）が右端の値（｜ＲＡＹ｜）に対して大きい場合には、左端の方が大きく動いていると判断し、左端が頭部位置とされる（ステップＳ２２）。逆に、右端の値（｜ＲＡＹ｜）が左端の値（｜ＬＡＹ｜）に対して大きい場合には、右端の方が大きく動いていると判断し、右端が頭部位置とされる（ステップＳ２３）。

一方、ステップＳ２０において、左端の矩形内豚領域重心（ＬＺ）あるいは右端の矩形内豚領域重心（ＲＺ）が中央の矩形内豚領域重心（ＣＺ）に対して低い場合には、豚体１２は頭部を下げていると判断し、左端の矩形内豚領域重心（ＬＺ）と右端の矩形内豚領域重心（ＲＺ）との高さをそれぞれ比較する（ステップＳ２４）。この結果、右端の矩形内豚領域重心（ＲＺ）が左端の矩形内豚領域重心（ＬＺ）に対して低い場合には、右端が頭部位置とされる（ステップＳ２５）。逆に、左端の矩形内豚領域重心（ＬＺ）が右端の矩形内豚領域重心（ＲＺ）に対して低い場合には、左端が頭部位置とされる（ステップＳ２６）。

特定した頭部位置は、豚体１２の姿勢を推定するための指標とされる（図２，ステップＳ８）。対象とする個体の大きさの違いにかかわらず、同じ姿勢に対しては同じ値となるように中央の矩形内豚領域重心のｚ座標で割ることにより、頭部重心座標及び中央重心座標を用いた以下の式を用いて頭部位置の高さ（ｈｅｉｇｈｔ）及び奥行方向の振り（ｓｉｄｅ）のそれぞれの指標を求める。各指標（ｈｅｉｇｈｔ，ｓｉｄｅ）は、値が大きいほど動きの幅が大きいことを示す。

次いで、頭部位置の高さ（ｈｅｉｇｈｔ）及び奥行方向の振り（ｓｉｄｅ）を指標として場合分けを行うとともに、それぞれの場合における体積と実測体重との関係から姿勢別回帰モデルを作成し、姿勢推定部１６に記憶する（ステップＳ９）。次いで、体重推定部１７は、姿勢推定部１６から姿勢別回帰モデルを読み出し、豚体１２の推定体重を算出する（ステップＳ１０）。最後に、推定体重は、別途に取得した豚体１２の識別番号などと共にコンピュータ装置１４の記憶部（図示せず）に記憶される。

ここで、姿勢別回帰モデルの性能を推定体重と実測体重との平均２乗誤差（ＲＭＳＥ：ＲｏｏｔＭｅａｎＳｑｕａｒｅｄＥｒｒｏｒ）を用いて検証した。ＲＭＳＥは以下の式を用いて算出するもので、「Ａｉ」は実測体重、「Ｂｉ」は推定体重である。ＲＭＳＥの値が「０」に近いほど精度がよいことを表す。

表１は、各姿勢に当てはまるデータの数を示すものである。縦に「ｈｅｉｇｈｔ」、横に「ｓｉｄｅ」をとり、それぞれの値の範囲に当てはまったデータの数を示している。

表２は、姿勢別回帰モデルの決定係数（Ｒ^２）を示している。Ｒ^２は推定体重と実測体重との間の相関係数を表すもので、Ｒ^２の値が「１」に近いほど精度がよいことを表す。サンプル数が少なく条件に満たないデータは「Ｎ／Ａ」としている。「ｈｅｉｇｈｔ」の値が小さく、「ｓｉｄｅ」の値が大きいほど、つまり頭部が低く、頭部の振りが大きいほどＲ^２の値が高い傾向にある。

表３は、姿勢別回帰モデルの平均２乗誤差（ＲＭＳＥ）を示している。条件に満たないデータは「Ｎ／Ａ」としている。Ｒ^２と同様に、頭部が低く、頭部の振りが大きいほどＲＭＳＥの値が低く、誤差が少ない傾向にある。

図９は、推定体重（縦軸）と実測体重（横軸）との関係を示す散布図である。図９（Ａ）は、姿勢を考慮せずに、全てのデータを用いた単回帰モデルによる推定結果を示しており、ＲＭＳＥの値は５．５９２であった。すなわち、推定体重の誤差が±５．５９ｋｇであることを意味する。これに対して、図９（Ｂ）は、本発明における「ｈｅｉｇｈｔ０．４－０．６」かつ「ｓｉｄｅ０．００－０．０４」のデータを用いた姿勢別回帰モデルによる推定結果を示しており、ＲＭＳＥの値は４．６２７であった。すなわち、推定体重の誤差が±４．６３ｋｇであることを意味する。よって、姿勢を考慮することで、より高い精度で体重推定が可能となった。

このように、豚体１２の姿勢に対応して定義された姿勢別回帰モデルに基づいて体重を推定するので、豚体１２の姿勢変化に起因する推定体重の変動を小さくすることが可能となり、豚体１２の体重を高い精度で推定することができる。また、姿勢を推定するための指標となる頭部の位置は、単一の３次元計測器１３で取得して生成された画像データを複数の区画に分割し、この複数の区画における豚体１２領域の重心（矩形内豚領域重心）をそれぞれ比較するので、豚体１２の姿勢を簡単かつ確実に求めることができる。

とりわけ、豚体１２のような４足歩行する動物体は、頭部から臀部にかけて高さ方向に凹状または凸状に湾曲させて姿勢を保つことから（図５）、頭部と臀部と、これらの中間に位置する背部とを区別して比較することが容易となり、姿勢を正確に推定するうえで好都合である。また、豚体１２の発育は、骨格や頭部といった特徴的な部分が早く成長して輪郭が定まるため、成育期間が異なっても姿勢推定に悪影響を及ぼすことはなく、例えば、子豚であっても安定して姿勢を推定できる。

加えて、上述の姿勢推定方法を用いれば、豚体１２の一方向（上方向または手前方向）から撮影して取得した３次元点群データさえあれば体重推定が行えるので、３次元計測器１３を複数設ける必要がなくなる。すなわち、他の方向から取得した３次元点群データを合成するといった複雑な演算処理を必要としない点で、安価で実用的なものである。

なお、本発明は動物体の一つである豚体を例にしたが、これに限定するものではなく、
牛体や馬体などの他の動物体にも適用できる。また、３次元計測器には、安価に入手可能なＫｉｎｅｃｔセンサが好適であるが、赤外光を用いて画素単位に距離を計測することができれば、各種の深度センサやカメラなどを適用できる。さらに、コンピュータ装置は、典型的なデスクトップ型コンピュータやノート型コンピュータなどの他に、タブレットやスマートフォンなどの携帯型の端末装置で構成されてもよい。この場合、撮影には内蔵されるカメラが用いられるため、体重推定を行う際に利便性がより高まる。

１１…体重推定装置、１２…豚体、１３…３次元計測器、１４…コンピュータ装置、１５…頭部位置特定部、１６…姿勢推定部、１７…体重推定部

Claims

動物体を計測して得られる寸法データに基づいて体重を推定する動物体の体重推定装置であって、前記動物体を撮影して３次元点群データを取得する３次元計測器と、前記３次元点群データから生成された画像データにより前記動物体の頭部の位置を特定する頭部位置特定部と、前記動物体の頭部の位置を指標として前記動物体の姿勢を推定する姿勢推定部と、前記動物体の姿勢に対応して定義された姿勢別回帰モデルに基づいて前記動物体の体重を推定する体重推定部とを備えたことを特徴とする動物体の体重推定装置。
前記３次元点群データは、単一の前記３次元計測器で取得され、前記動物体の頭部の位置は、前記画像データの領域を複数の区画に分割するとともに、該複数の区画における動物体領域の重心をそれぞれ比較することにより求められることを特徴とする請求項１記載の動物体の体重推定装置。
動物体を計測して得られる寸法データに基づいて体重を推定する動物体の体重推定方法であって、前記動物体を撮影して３次元点群データを取得する段階と、前記３次元点群データから生成された画像データにより前記動物体の頭部の位置を特定する段階と、前記動物体の頭部の位置を指標として前記動物体の姿勢を推定する段階と、前記動物体の姿勢に対応して定義された姿勢別回帰モデルに基づいて前記動物体の体重を推定する段階とを含むことを特徴とする動物体の体重推定方法。
前記動物体の頭部の位置を特定する段階は、前記画像データの領域を複数の区画に分割するとともに、該複数の区画における動物体領域の重心をそれぞれ比較することを特徴とする請求項３記載の動物体の体重推定方法。