JP7088782B2 - 特定装置、特定方法及びプログラム - Google Patents

Description

本発明は、特定装置、特定方法及びプログラムに関する。

乳用牛や肥育牛を飼育する畜産農家にとって、牛の健康管理も含めた個体管理を行うことは重要な作業の一つである。このような個体管理の一環として、牛の採食行動を管理することも重要である。これは、例えば、牛の採食する飼料の量が通常よりも少なかったりする場合には、飼料の種類を変えたり、餌場のレイアウトを変えたりする等の対応を行う必要があるためである。

阿部 亮著、「農学基礎セミナー 家畜飼育の基礎」、新版、社団法人 農産漁村文化協会、2008 年 4 月, p.109, p.122-124.

しかしながら、例えば、飼育する頭数が数百頭から数千頭にも及ぶ大規模な牧場等では、目視等によって１頭１頭の牛の採食行動を個別に確認することは困難である。

本発明の一実施形態は、上記の点に鑑みてなされたもので、家畜の採食行動の管理を支援することを目的とする。

上記課題を解決するため、本発明の一実施形態は、家畜の採食行動を特定する特定装置であって、前記家畜に装着された加速度センサが測定した加速度データを記憶する記憶手段と、所定の時間の間における複数の加速度データを前記記憶手段から取得する取得手段と、前記取得手段により取得された前記複数の加速度データそれぞれの特徴量を算出する算出手段と、前記算出手段により算出された複数の特徴量と、予め設定されたパラメータとに基づいて、局所的に最大となる特徴量を示す極大ピークと、局所的に最小となる特徴量を示す極小ピークとのうちの少なくとも一方のピークを特定するピーク特定手段と、前記ピーク特定手段により特定されたピークの数が所定の閾値以上であるか否かを判定する判定手段と、前記判定手段により前記ピークの数が前記所定の閾値以上であると判定された場合、前記所定の時間の間における前記家畜の行動を採食行動と特定する行動特定手段と、を有することを特徴とする。

本発明の一実施形態によれば、家畜の採食行動の管理を支援することができる。

第一の実施形態に係る特定システムの全体構成の一例を示す図である。 測定データ記憶部に記憶されている測定データの一例を示す図である。 第一の実施形態に係る特定処理部の機能構成の一例を示す図である。 第一の実施形態に係る採食行動の特定処理の一例を示すフローチャートである。 ピーク特定の一例を説明するための図（その１）である。 第一の実施形態に係るピーク特定処理の一例を示すフローチャートである。 ピーク特定の一例を説明するための図（その２）である。 第二の実施形態に係る採食行動の特定処理の一例を示すフローチャートである。 第二の実施形態に係るピーク特定処理の一例を示すフローチャートである。 第三の実施形態に係る特定処理部の機能構成の一例を示す図である。 第三の実施形態に係る採食行動の特定処理の一例を示すフローチャートである。 第三の実施形態に係るタグ向き特定処理の一例を示すフローチャートである。

以下、本発明の実施の形態について、図面を参照しながら説明する。以降の各実施形態では、家畜の一例として牛の採食行動を特定する特定システム１について説明する。なお、家畜は、牛に限られない。

ここで、採食行動とは、牛が食物（例えば、牧草や飼料等）を食べている動作を行っている状態のことである。

［第一の実施形態］
＜全体構成＞
まず、本実施形態に係る特定システム１の全体構成について、図１を参照しながら説明する。図１は、第一の実施形態に係る特定システム１の全体構成の一例を示す図である。

図１に示すように、本実施形態に係る特定システム１には、牛の採食行動を特定する特定装置１０と、牛に装着された１以上のタグ２０とが含まれる。なお、タグ２０は、牛の首部分に固定して装着されることが好ましい。

タグ２０は、牛に装着される機器である。１頭の牛に対して１つのタグ２０が装着されている。タグ２０には、当該タグ２０を装着した牛の加速度（Ｘ軸、Ｙ軸、及びＺ軸の３軸の加速度）を測定する加速度センサが含まれる。

タグ２０は、所定の時間毎（例えば２秒毎）に、加速度センサにより測定した加速度センサ値を含む測定データを特定装置１０に送信する。特定装置１０に送信された測定データは、後述する測定データ記憶部２００に蓄積（記憶）される。

特定装置１０は、牛の採食行動を特定するコンピュータである。特定装置１０は、特定処理部１００と、測定データ記憶部２００とを有する。

特定処理部１００は、測定データ記憶部２００に記憶されている測定データに基づいて、牛の採食行動を特定する。特定処理部１００は、特定装置１０にインストールされた１以上のプログラムが、ＣＰＵ（Central Processing Unit）等に実行させる処理により実現される。

測定データ記憶部２００は、タグ２０から受信した測定データを記憶する。測定データ記憶部２００は、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の補助記憶装置等を用いて実現可能である。なお、測定データ記憶部２００は、特定装置１０とネットワークを介して接続される記憶装置等を用いて実現されていても良い。

測定データ記憶部２００には、所定の時間毎（例えば２秒毎）に、複数の測定データが蓄積（記憶）されている。

なお、図１に示す特定システム１の構成は一例であって、他の構成であっても良い。例えば、特定装置１０は、複数台のコンピュータで構成されていても良い。また、例えば、特定処理部１００が有する機能の一部を、特定装置１０とネットワークを介して接続される装置（例えばクラウドサーバ等）が有していても良い。

また、タグ２０から特定装置１０への測定データの送信方法は限定されない。例えば、タグ２０は、インターネット等のネットワークを介して特定装置１０に測定データを送信しても良いし、ローカルなネットワーク内で特定装置１０に測定データを送信しても良いし、近距離無線通信等により特定装置１０に測定データを送信しても良い。

＜測定データ記憶部２００に記憶されている測定データ＞
ここで、本実施形態に係る測定データ記憶部２００に記憶されている測定データについて、図２を参照しながら説明する。図２は、測定データ記憶部２００に記憶されている測定データの一例を示す図である。なお、特定装置１０は、タグ２０から測定データを受信した場合、特定処理部１００により、当該測定データを測定データ記憶部２００に記憶（蓄積）させれば良い。

図２に示すように、測定データ記憶部２００には、タグ２０を識別する識別情報の一例であるタグＩＤ毎に、１以上の測定データが記憶されている。なお、１頭の牛に対して１つのタグ２０が装着されていることから、タグＩＤは、牛を識別する識別情報（例えば、牛の個体識別情報等）であっても良い。

各測定データには、日時と、加速度センサ値とが含まれる。日時は、例えば、タグ２０が測定データを送信した日時である。なお、日時は、特定装置１０が測定データを受信した日時であっても良い。

加速度センサ値は、タグ２０に含まれる加速度センサにより測定された加速度の値である。加速度センサ値には、Ｘ軸方向の加速度成分を示すＸ成分と、Ｙ軸方向の加速度成分を示すＹ成分と、Ｚ軸方向の加速度成分を示すＺ成分とが含まれる。例えば、日時「ｔ_０」の測定データには、加速度センサ値のＸ成分「ａ_ｘ０」と、Ｙ成分「ａ_ｙ０」と、Ｚ成分「ａ_ｚ０」とが含まれる。同様に、例えば、日時「ｔ_１」の測定データには、加速度センサ値のＸ成分「ａ_ｘ１」と、Ｙ成分「ａ_ｙ１」と、Ｚ成分「ａ_ｚ１」とが含まれる。

このように、本実施形態に係る測定データ記憶部２００に記憶されている測定データには、タグＩＤ毎に、日時と、加速度センサ値とが含まれる測定データが蓄積（記憶）されている。

＜特定処理部１００の機能構成＞
次に、本実施形態に係る特定処理部１００の機能構成について、図３を参照しながら説明する。図３は、第一の実施形態に係る特定処理部１００の機能構成の一例を示す図である。

図３に示すように、本実施形態に係る特定処理部１００は、取得部１０１と、前処理部１０２と、ノルム算出部１０３と、ピーク特定部１０４と、採食特定部１０５とを有する。

取得部１０１は、測定データ記憶部２００から測定データを取得する。このとき、取得部１０１は、例えば、タグＩＤ毎に、所定の時間幅（例えば、１０分間）の測定データを測定データ記憶部２００から取得する。

前処理部１０２は、取得部１０１により取得された測定データに対して前処理を行う。前処理としては、例えば、測定データの欠損補間（リサンプリング）処理が挙げられる。前処理には、例えば、ノイズ除去処理等が含まれていても良い。

ノルム算出部１０３は、前処理部１０２による前処理後の測定データに含まれる加速度センサ値のＬ２ノルムを算出する。これにより、Ｌ２ノルムの時系列データが得られる。なお、ノルム算出部１０３は、Ｌ２ノルムに限られず、一般に、Ｌｐノルム（ｐ＝１，２，・・・，∞）を算出しても良い。これらのＬｐノルム（ｐ＝１，２，・・・，∞）は特徴量の一例である。

ピーク特定部１０４は、予め設定されたパラメータを用いて、ノルム算出部１０３によって得られたＬ２ノルムの時系列データのピークを特定する。ピークとは、局所的に最大値となるＬ２ノルム（又は局所的に最小値となるＬ２ノルム）のことである。

採食特定部１０５は、ピーク特定部１０４により特定されたピークの数（ピーク数）が所定の閾値Ｔｈ以上であるか否かを判定することで、取得部１０１により取得された測定データの時間幅（例えば、１０分間）の間における牛の行動が採食行動であるか否かを特定する。このとき、ピーク数が閾値Ｔｈ以上であると判定された場合、当該時間幅の間における牛の行動は採食行動であると特定される。一方で、ピーク数が閾値Ｔｈ以上でないと判定された場合、当該時間幅の間における牛の行動は採食行動でないと特定される。

なお、採食特定部１０５により特定された牛の行動（採食行動である又は採食行動でない）を示す情報は、例えば、特定装置１０のディスプレイ等に表示しても良いし、特定装置１０の補助記憶装置等に保存しても良いし、特定装置１０に接続される他の装置（例えば、ＰＣやスマートフォン、タブレット端末等）に送信しても良い。また、特定装置１０の補助記憶装置等に保存された場合、例えば、特定装置１０に接続される他の装置（例えば、ＰＣやスマートフォン、タブレット端末等）を用いて、補助記憶装置等に保存された情報（牛の行動を示す情報）を閲覧することができても良い。

＜採食行動の特定＞
以降では、牛の採食行動を特定する処理について、図４を参照しながら説明する。図４は、第一の実施形態に係る採食行動の特定処理の一例を示すフローチャートである。なお、図４に示す処理は、例えば、１０分毎に繰り返し実行される。ただし、１０分は一例であって、任意の時間毎に繰り返し実行されても良い。

まず、取得部１０１は、タグＩＤ毎に、所定の時間幅（例えば、１０分間）の測定データを測定データ記憶部２００から取得する（ステップＳ１０１）。このように、取得部１０１は、牛（タグＩＤ）毎に、所定の時間幅（例えば、１０分間）の測定データを測定データ記憶部２００から取得する。なお、このような所定の時間幅は、１０分に限られず、例えば、特定装置１０のユーザが任意の時間幅を設定することができる。

以降では、タグＩＤ「Ｔａｇ１」の１０分間の測定データ０，測定データ１，・・・，測定データ（Ｎ－１）が取得部１０１により取得されたものとして説明を続ける。

次に、前処理部１０２は、取得部１０１により取得された測定データに対して前処理を行う（ステップＳ１０２）。すなわち、前処理部１０２は、測定データの欠損補間（リサンプリング）処理を行う。なお、欠損補間処理は、収集された測定データの精度を上げるため、測定データが取得できなかった場合の欠損を補間する処理である。これにより、前処理後の測定データをリナンバリングして、測定データ０，測定データ１，・・・，測定データ（Ｍ－１）が得られる。１０分間の測定データ０，測定データ１，・・・，測定データ（Ｎ－１）に対して２秒間隔の欠損補間（リサンプリング）処理を行った場合、Ｍ＝３００であり、測定データ０，測定データ１，・・・，測定データ２９９が得られる。

なお、前処理部１０２は、例えば、ノイズ除去処理を行った後に、欠損補間処理を行っても良い。ノイズ除去処理を行うことによって、例えば、ノイズとなり得る牛の動作（例えば、瞬間的に身体を震わせる動作や瞬間的に大きく身体をびくつかせる動作等）を示す測定データを除去することができる。

次に、ノルム算出部１０３は、前処理部１０２による前処理後の測定データに含まれる加速度センサ値のＬ２ノルムを算出する（ステップＳ１０３）。すなわち、ノルム算出部１０３は、各測定データｉ（ｉ＝０，・・・，Ｍ－１）に含まれる加速度センサ値のＬ２ノルムをそれぞれ算出する。

ここで、以降では、測定データｉに含まれる加速度センサ値のＬ２ノルムをｙ［ｉ］、当該測定データｉに含まれる日時をｘ［ｉ］と表す。これにより、Ｌ２ノルムの時系列データ｛（ｘ［ｉ］，ｙ［ｉ］）｝ （ｉ＝０，・・・，Ｍ－１）が得られる。

次に、ピーク特定部１０４は、予め設定されたパラメータを用いて、ノルム算出部１０３によって得られたＬ２ノルムの時系列データ｛（ｘ［ｉ］，ｙ［ｉ］）｝ （ｉ＝０，・・・，Ｍ－１）のピークを特定する（ステップＳ１０４）。ピークとは、上述したように、局所的に最大値となるＬ２ノルム又は局所的に最小値となるＬ２ノルムのことである。以降では、局所的に最大値となるＬ２ノルムを「極大ピーク」、局所的に最小値となるＬ２ノルムを「極小ピーク」と表す。なお、ピーク（極大ピーク及び極小ピーク）を特定する処理の詳細については後述する。

次に、採食特定部１０５は、ピーク特定部１０４により特定されたピークの数（ピーク数）が所定の閾値Ｔｈ以上であるか否かを判定する（ステップＳ１０５）。ここで、採食特定部１０５は、極大ピークのピーク数が閾値Ｔｈ以上であるか否かを判定しても良いし、極小ピークのピーク数が閾値Ｔｈ以上であるか否かを判定しても良い。又は、採食特定部１０５は、極大ピークのピーク数と極小ピークのピーク数との合計が閾値Ｔｈ以上であるか否かを判定しても良い。本実施形態では、一例として、極大ピークのピーク数が閾値Ｔｈ以上であるか否かを判定したものとする。

ステップＳ１０５において、極大ピークのピーク数が閾値Ｔｈ以上であると判定した場合、採食特定部１０５は、当該時間幅の間（すなわち、１０分間）における牛の行動を採食行動と特定する（ステップＳ１０６）。

一方で、ステップＳ１０５において、極大ピークのピーク数が閾値Ｔｈ以上であると判定しなかった場合（すなわち、極大ピークのピーク数が閾値Ｔｈ未満であると判定した場合）、採食特定部１０５は、当該時間幅の間（すなわち、１０分間）における牛の行動を採食行動でないと特定する（ステップＳ１０７）。

以上のように、本実施形態に係る特定システム１は、所定の時間幅における加速度センサ値のＬ２ノルムのピーク数が所定の閾値Ｔｈ以上であるか否かを判定することで、当該時間幅の間における牛の行動が採食行動であるか又は採食行動でないかを特定する。これにより、本実施形態に係る特定装置１０のユーザ（例えば、畜産農家等）は、牛が採食行動を行ったか否かを管理することができる。このため、例えば、採食行動が行われていない牛が存在する場合には、その原因等を調査し、例えば、飼料を変える、餌場のレイアウトを変える等の種々の対策を行うことができるようになる。

＜ピークの特定＞
次に、Ｌ２ノルムの時系列データ｛（ｘ［ｉ］，ｙ［ｉ］）｝ （ｉ＝０，・・・，Ｍ－１）のピークを特定する処理（上記のステップＳ１０４の処理）の詳細について説明する。以降の実施例１では先読み長Ｌを考慮しないでピークを特定する場合について説明し、実施例２では先読み長Ｌを考慮してピークを特定する場合について説明する。

（実施例１）
まず、先読み長Ｌを考慮しないでピークを特定する場合について説明する。この場合、連続するＬ２ノルムｙ［ｉ］同士の差分を判定するためのパラメータであるδを用いる。

このとき、ピーク特定部１０４は、ｉ＝１，・・・，Ｍ－２に対して、以下の式１を満たすｙ［ｉ］を極大ピークと特定する。

ｙ［ｉ］－ｙ［ｉ－１］＞δ，かつ，ｙ［ｉ］－ｙ［ｉ＋１］＞δ ・・・（式１）
また、ピーク特定部１０４は、ｉ＝１，・・・，Ｍ－２に対して、以下の式２を満たすｙ［ｉ］を極小ピークと特定する。

ｙ［ｉ－１］－ｙ［ｉ］＞δ，かつ，ｙ［ｉ＋１］－ｙ［ｉ］＞δ ・・・（式２）
すなわち、ｙ［ｉ］から１つ前のＬ２ノルムｙ［ｉ－１］を減じた値がδよりも大きく、かつ、ｙ［ｉ］から次のＬ２ノルムｙ［ｉ＋１］を減じた値がδよりも大きい場合、ｙ［ｉ］を極大ピークと特定する。一方で、ｙ［ｉ］から１つ前のＬ２ノルムｙ［ｉ－１］を減じた値が－δよりも小さく、かつ、ｙ［ｉ］から次のＬ２ノルムｙ［ｉ＋１］を減じた値が－δよりも小さい場合、ｙ［ｉ］を極小ピークと特定する。

ここで、一例として、Ｍ＝２０及びδ＝５５として、或るＬ２ノルムの時系列データ｛（ｘ［ｉ］，ｙ［ｉ］）｝ （ｉ＝０，・・・，１９）のピークを実施例１により特定した場合を図５に示す。

図５に示すように、ｙ［２］－ｙ［１］＞５５、かつ、ｙ［２］－ｙ［３］＞５５であるため、ｙ［２］は極大ピークと特定される。また、ｙ［２］－ｙ［３］＞５５、かつ、ｙ［４］－ｙ［３］＞５５であるため、ｙ［３］は極小ピークと特定される。以降も同様に、ｙ［８］、ｙ［１２］及びｙ［１８］はそれぞれ極大ピークと特定され、ｙ［１３］は極小ピークと特定される。したがって、この場合、極大ピークのピーク数は４、極小ピークのピーク数は２となる。

なお、上記では、式１と式２とで共通のパラメータδを用いたが、例えば、式１と式２とで異なる値のパラメータδを用いても良い。

（実施例２）
次に、先読み長Ｌを考慮してピークを特定する場合について説明する。先読み長Ｌを考慮することで、先読み長Ｌを考慮した時間幅ｘ［ｉ＋Ｌ］－ｘ［ｉ］内で振れ幅が小さいピーク（すなわち、ｙ［ｉ］とｙ［ｉ－１］との差やｙ［ｉ］とｙ［ｉ＋１］との差が小さいピーク）を極大ピーク又は極小ピークと扱わないようにすることができる。これにより、実施例１よりも高い精度で採食行動が特定することができるようになる。

実施例２の場合、連続するＬ２ノルムｙ［ｉ］同士の差分を判定するためのパラメータであるδと、先読み長を示すパラメータであるＬとを用いる。以降では、実施例２におけるピーク特定処理について、図６を参照しながら説明する。図６は、第一の実施形態に係るピーク特定処理の一例を示すフローチャートである。

まず、ピーク特定部１０４は、各種変数を初期化する（ステップＳ２０１）。すなわち、ピーク特定部１０４は、Ｌ２ノルムの各時系列データのインデックスである変数ｉと、暫定的な極大ピークを示す変数ｍａｘと、暫定的な極小ピークを示す変数ｍｉｎとをそれぞれ０に初期化する。なお、各変数が初期化された後、ｉ＝０，・・・，Ｍ－Ｌに対して、次のステップＳ２０２以降の処理が繰り返し実行される。

ピーク特定部１０４は、ｙ［ｉ］＞ｍａｘであるか否かを判定する（ステップＳ２０２）。

ステップＳ２０２においてｙ［ｉ］＞ｍａｘであると判定された場合、ピーク特定部１０４は、ｍａｘにｙ［ｉ］を代入すると共に、ｍａｘ＿ｐｏｓにｘ［ｉ］を代入する（ステップＳ２０３）。なお、ｍａｘ＿ｐｏｓは、ｍａｘに代入されているｙ［ｉ］（暫定的な極大ピーク）の日時であるｘ［ｉ］が代入された変数である。

一方、ステップＳ２０２においてｙ［ｉ］＞ｍａｘであると判定されなかった場合又はステップＳ２０３に続いて、ピーク特定部１０４は、ｙ［ｉ］＜ｍｉｎであるか否かを判定する（ステップＳ２０４）。

ステップＳ２０４においてｙ［ｉ］＜ｍｉｎであると判定された場合、ピーク特定部１０４は、ｍｉｎにｙ［ｉ］を代入すると共に、ｍｉｎ＿ｐｏｓにｘ［ｉ］を代入する（ステップＳ２０５）。なお、ｍｉｎ＿ｐｏｓは、ｍｉｎに代入されているｙ［ｉ］（暫定的な極小ピーク）の日時であるｘ［ｉ］が代入された変数である。

一方、ステップＳ２０４においてｙ［ｉ］＜ｍｉｎであると判定されなかった場合又はステップＳ２０５に続いて、ピーク特定部１０４は、ｙ［ｉ］＜ｍａｘ－δ、かつ、ｙ［ｉ：ｉ＋Ｌ］の最大値＜ｍａｘであるか否かを判定する（ステップＳ２０６）。ここで、ｙ［ｉ：ｉ＋Ｌ］は、ｙ［ｉ］，・・・，ｙ［ｉ＋Ｌ－１］を表す。したがって、ｙ［ｉ：ｉ＋Ｌ］の最大値とは、ｙ［ｉ］，・・・，ｙ［ｉ＋Ｌ－１］のうちの最大のｙのことである。

ステップＳ２０６においてｙ［ｉ］＜ｍａｘ－δ、かつ、ｙ［ｉ：ｉ＋Ｌ］の最大値＜ｍａｘであると判定された場合、ピーク特定部１０４は、ｍａｘ及びｍａｘ＿ｐｏｓの組を極大ピークリストに追加する（ステップＳ２０７）。極大ピークリストに追加されたｍａｘ（すなわち、このｍａｘに代入されたｙ［ｉ］）が極大ピークである。また、このｍａｘに対応するｍａｘ＿ｐｏｓ（すなわち、このｍａｘ＿ｐｏｓに代入されたｘ［ｉ］）が当該極大ピークの日時である。

次に、ピーク特定部１０４は、ｍａｘ及びｍｉｎにそれぞれ∞を代入する（ステップＳ２０８）。

ステップＳ２０６においてｙ［ｉ］＜ｍａｘ－δ、かつ、ｙ［ｉ：ｉ＋Ｌ］の最大値＜ｍａｘであると判定されなかった場合、ピーク特定部１０４は、ｙ［ｉ］＞ｍｉｎ＋δ、かつ、ｙ［ｉ：ｉ＋Ｌ］の最小値＞ｍｉｎであるか否かを判定する（ステップＳ２０９）。ここで、ｙ［ｉ：ｉ＋Ｌ］の最小値とは、ｙ［ｉ］，・・・，ｙ［ｉ＋Ｌ－１］のうちの最小のｙのことである。

ステップＳ２０９においてｙ［ｉ］＞ｍｉｎ＋δ、かつ、ｙ［ｉ：ｉ＋Ｌ］の最小値＞ｍｉｎであると判定された場合、ピーク特定部１０４は、ｍｉｎ及びｍｉｎ＿ｐｏｓの組を極小ピークリストに追加する（ステップＳ２１０）。極小ピークリストに追加されたｍｉｎ（すなわち、このｍｉｎに代入されたｙ［ｉ］）が極小ピークである。また、このｍｉｎに対応するｍｉｎ＿ｐｏｓ（すなわち、このｍｉｎ＿ｐｏｓに代入されたｘ［ｉ］）が当該極小ピークの日時である。

次に、ピーク特定部１０４は、ｍａｘ及びｍｉｎにそれぞれ－∞を代入する（ステップＳ２１１）。

ステップＳ２０９においてｙ［ｉ］＞ｍｉｎ＋δ、かつ、ｙ［ｉ：ｉ＋Ｌ］の最小値＞ｍｉｎであると判定されなかった場合又はステップＳ２０９若しくはステップＳ２１１に続いて、ピーク特定部１０４は、ｉ＋Ｌ≧Ｍであるか否かを判定する（ステップＳ２１２）。なお、Ｍは、Ｌ２ノルムの時系列データ｛（ｘ［ｉ］，ｙ［ｉ］）｝に含まれるデータの件数である。

ステップＳ２１２においてｉ＋Ｌ≧Ｍであると判定されなかった場合、ピーク特定部１０４は、ｉにｉ＋１を代入する（ステップＳ２１３）。すなわち、ピーク特定部１０４は、ｉの値をインクリメントする。そして、ピーク特定部１０４は、インクリメント後のｉを用いて、ステップＳ２０２以降の処理を実行する。

一方で、ステップＳ２１２においてｉ＋Ｌ≧Ｍであると判定された場合（すなわち、ｉ＋Ｌ＝Ｍである場合）、ピーク特定部１０４は、ピーク特定処理を終了する。このとき極大ピークリストに含まれるｙ［ｉ］が極大ピークである。また、このとき極小ピークリストに含まれるｙ［ｉ］が極小ピークである。

ここで、一例として、Ｍ＝２０、先読み長Ｌ＝５及びδ＝５５として、或るＬ２ノルムの時系列データ｛（ｘ［ｉ］，ｙ［ｉ］）｝ （ｉ＝０，・・・，１９）のピークを実施例２により特定した場合を図７に示す。

図７に示すように、ｙ［２］は、上記のステップＳ２０６の条件（ｙ［ｉ］＜ｍａｘ－δ、かつ、ｙ［ｉ：ｉ＋Ｌ］の最大値＜ｍａｘ）を満たさないため、極大ピークとならない。これは、このときのｍａｘはｙ［２］である一方、ｙ［２：７］の最大値はｙ［７］であり、ｙ［２］＜ｙ［７］であるためである。同様に、ｙ［１２］も上記のステップＳ２０６の条件を満たさないため、極大ピークとならない。

一方で、図７に示すように、ｙ［８］は、上記のステップＳ２０６の条件を満たすため、極大ピークと特定される。同様に、ｙ［３］及びｙ［１３］は極小ピークと特定される。

また、Ｍ＝２０、先読み長Ｌ＝５である場合、ピーク特定部１０４によりピークか否かが判定されるのはｙ［０］～ｙ［１５］である。このため、ｙ［１８］は極大ピークと特定されない。

なお、図６では、ステップＳ２０６とステップＳ２０９とで共通のパラメータδを用いたが、例えば、ステップＳ２０６とステップＳ２０９とで異なる値のパラメータδを用いても良い。

＜第一の実施形態のまとめ＞
以上のように、本実施形態に係る特定システム１は、所定の時間幅における加速度センサ値のＬ２ノルムのピーク数が所定の閾値Ｔｈ以上であるか否かを判定することで、当該時間幅の間における牛の行動が採食行動であるか又は採食行動でないかを特定する。これにより、上述したように、本実施形態に係る特定装置１０のユーザ（例えば、畜産農家等）は、牛が採食行動を行ったか否かを管理することができ、例えば、採食行動が行われていない牛が存在する場合には、その原因等を調査し、例えば、飼料を変える、餌場のレイアウトを変える等の種々の対策を行うことができるようになる。

なお、上述した実施例１及び実施例２では、パラメータδを用いてピークを特定したが、このパラメータδの値は実施例１と実施例２とで異なっていても良い。また、図４のステップＳ１０５で用いられる閾値Ｔｈは、実施例１を用いる場合と実施例２を用いる場合とで異なる値が設定されることが好ましい。更に、実施例１及び実施例２では、極大ピークと極小ピークとの両方を特定したが、これに限られず、極大ピーク又は極小ピークのいずれか一方のみを特定しても良い。

例えば、１０分間における２秒毎のＬ２ノルムの時系列データ｛（ｘ［ｉ］，ｙ［ｉ］）｝ （ｉ＝０，・・・，２９９）のピークをＬ＝５、δ＝５５として特定した場合、閾値Ｔｈとしては、例えば、Ｔｈ＝３～１０程度が好ましい。特に、Ｔｈ＝５とした場合に牛の採食行動を良好に特定できることが実験によって検証された。

なお、牛の採食行動を良好に特定できるパラメータの値（すなわち、Ｌ、δ及びＴｈの値）を決定する方法としては種々の方法が考えられるが、例えば、グリッドサーチ等によって決定することができる。

［第二の実施形態］
次に、第二の実施形態について説明する。第一の実施形態では、特定されたピークが閾値Ｔｈ以上であるか否かにより、牛の行動が採食行動であるか又は採食行動でないかを特定した。しかしながら、第一の実施形態では、例えば、牛が首を振る行動や他の牛とじゃれあっている等の行動を行っている場合に、当該行動を採食行動と誤って特定してしまうことがあった。そこで、第二の実施形態では、採食行動と誤って特定されてしまう場合を減少させることが可能な特定システム１について説明する。

なお、第二の実施形態では、主に、第一の実施形態との相違点を説明し、第一の実施形態と同様の構成要素については、同一の符号を付与し、その説明を省略する。

＜採食行動の特定＞
以降では、牛の採食行動を特定する処理について、図８を参照しながら説明する。図８は、第二の実施形態に係る採食行動の特定処理の一例を示すフローチャートである。なお、図８のステップＳ１０１～ステップＳ１０３は、図４と同様であるため、その説明を省略する。

ステップＳ１０３に続いて、ピーク特定部１０４は、予め設定されたパラメータを用いて、ノルム算出部１０３によって得られたＬ２ノルムの時系列データ｛（ｘ［ｉ］，ｙ［ｉ］）｝ （ｉ＝０，・・・，Ｍ－１）のピークを特定する（ステップＳ３０１）。ここで、第二の実施形態では、各極大ピークには、第１の傾きと、第１の差分と、第１の間隔とが対応付けられている。同様に、各極小ピークには、第２の傾きと、第２の差分と、第２の間隔とが対応付けられている。

第１の傾きとは、当該極大ピークの直前の極小ピークと、当該極大ピークとを結ぶ直線の傾きのことである。第１の差分とは、当該極大ピークと、Ｌ２ノルムの中央値との差分のことである。ただし、第１の差分の算出にあたって、Ｌ２ノルムの中央値の代わりに、例えば、所定の時間幅（例えば１０分間）の間における全ての極大ピークと極小ピークとの中央値が用いられても良い。第１の間隔とは、当該極大ピークと、当該極大ピークの１つ前の極大ピークとの間隔（ｘ方向の間隔）のことである。

同様に、第２の傾きとは、当該極小ピークの直前の極大ピークと、当該極小ピークとを結ぶ直線の傾きのことである。第２の差分とは、当該極小ピークと、Ｌ２ノルムの中央値との差分のことである。ただし、第２の差分の算出にあたっても同様に、Ｌ２ノルムの中央値の代わりに、例えば、所定の時間幅（例えば１０分間）の間における全ての極大ピークと極小ピークとの中央値が用いられても良い。第２の間隔とは、当該極小ピークと、当該極小ピークの１つ前の極小ピークとの間隔（ｘ方向の間隔）のことである。

これらの第１の傾き、第１の差分及び第１の間隔（又は、第２の傾き、第２の差分及び第２の間隔）が対応付けられたピーク（極大ピーク及び極小ピーク）を特定する処理の詳細については後述する。また、この処理の詳細において、第１の傾き、第１の差分、第１の間隔、第２の傾き、第２の差分及び第２の間隔の算出方法についても説明する。

次に、採食特定部１０５は、ピーク特定部１０４により特定されたピークのうち、所定の条件を満たすピークを除外する（ステップＳ３０２）。ここで、所定の条件とは、以下の（１－１）～（１－３）及び（２－１）～（２－３）が挙げられる。すなわち、採食特定部１０５は、（１－１）～（１－３）のいずれかの条件を満たす極大ピークを除外する。同様に、採食特定部１０５は、（２－１）～（２－３）のいずれかの条件を満たす極小ピークを除外する。

（１－１）極大ピークに対応付けられている第１の傾きが所定の閾値Ｔｈ_ａ，１以上
（１－２）極大ピークに対応付けられている第１の差分が所定の閾値Ｔｈ_ｄ，１以上
（１－３）極大ピークに対応付けられている第１の間隔が所定の閾値Ｔｈ_ｓ，１以上
（２－１）極小ピークに対応付けられている第２の傾きの絶対値が所定の閾値Ｔｈ_ａ，２以上
（２－２）極小ピークに対応付けられている第２の差分の絶対値が所定の閾値Ｔｈ_ｄ，２以上
（２－３）極小ピークに対応付けられている第２の間隔が所定の閾値Ｔｈ_ｓ，２以上
ここで、閾値Ｔｈ_ａ，１としては、例えば、Ｔｈ_ａ，１＝７０とすることが挙げられる。また、閾値Ｔｈ_ｓ，１としては、例えば、Ｔｈ_ｓ，１＝３００とすることが挙げられる。また、閾値Ｔｈ_ｓ，１としては、例えば、Ｔｈ_ｓ，１＝８０（秒）とすることが挙げられる。なお、閾値Ｔｈ_ａ，２としては、例えば、Ｔｈ_ａ，２＝Ｔｈ_ａ，１等とすれば良い。同様に、閾値Ｔｈ_ｄ，２としては、例えば、Ｔｈ_ｄ，２＝Ｔｈ_ｄ，１等とすれば良い。同様に、閾値Ｔｈ_ｓ，２としては、例えば、Ｔｈ_ｓ，２＝Ｔｈ_ｓ，１とすれば良い。

なお、上記の条件（１－１）、（１－２）、（２－１）及び（２－２）は、採食行動時に現れる可能性が低い、急激が動きを示すピークを除外することを意味する。他方で、通常、採食時には首や頭がほぼ一定のリズムで動くため、特定されるピークの間隔もほぼ一定になる傾向がある。これに対して、例えば、首を振る、他の牛に舐められる等の行動ではピークの間隔が一定でない場合が多く、採食時と比べてピークの間隔も大きくなる傾向がある。上記の条件（１－３）及び（２－３）は、このような、採食時と比べて間隔が大きくなるピークを除外することを意味する。

次に、採食特定部１０５は、上記のステップＳ１０４の除外後のピーク数が所定の閾値Ｔｈ以上であるか否かを判定する（ステップＳ３０３）。ここで、採食特定部１０５は、上記のステップＳ１０４の除外後の極大ピークのピーク数が閾値Ｔｈ以上であるか否かを判定しても良いし、上記のステップＳ１０４の除外後の極小ピークのピーク数が閾値Ｔｈ以上であるか否かを判定しても良い。本実施形態では、一例として、除外後の極大ピークのピーク数が閾値Ｔｈ以上であるか否かを判定したものとする。

ステップＳ３０３において、除外後の極大ピークのピーク数が閾値Ｔｈ以上であると判定した場合、採食特定部１０５は、当該時間幅の間（すなわち、１０分間）における牛の行動を採食行動と特定する（ステップＳ３０４）。

一方で、ステップＳ３０３において、除外後の極大ピークのピーク数が閾値Ｔｈ以上であると判定しなかった場合（すなわち、除外後の極大ピークのピーク数が閾値Ｔｈ未満であると判定した場合）、採食特定部１０５は、当該時間幅の間（すなわち、１０分間）における牛の行動を採食行動でないと特定する（ステップＳ３０５）。

以上のように、本実施形態に係る特定システム１は、所定の時間幅における加速度センサ値のＬ２ノルムのピークのうち、所定の条件を満たすピークを除いたピークの数が所定の閾値Ｔｈ以上であるか否かを判定することで、当該時間幅の間における牛の行動が採食行動であるか又は採食行動でないかを特定する。これにより、例えば、牛が首を振る行動や他の牛とじゃれあっている等の行動を行っている場合に、当該行動を採食行動と誤って特定してしまう事態を減少させることができる。

＜ピークの特定＞
以降では、上記のステップＳ３０１の処理（ピーク特定処理）の詳細について、図９を参照しながら説明する。図９は、第二の実施形態に係るピーク特定処理の一例を示すフローチャートである。なお、図９のステップＳ２０１～ステップＳ２０６、ステップＳ２０８～ステップＳ２０９及びステップＳ２１１～ステップＳ２１３は、図６と同様であるため、その説明を省略する。以降では、第１の傾きを示す変数、第１の差分を示す変数及び第１の間隔を示す変数を、それぞれｍａｘ＿ａ，ｍａｘ＿ｄ及びｍａｘ＿ｓとする。同様に、第２の傾きを示す変数、第２の差分を示す変数及び第２の間隔を示す変数を、それぞれｍｉｎ＿ａ，ｍｉｎ＿ｄ及びｍｉｎ＿ｓとする。

ステップＳ２０６においてｙ［ｉ］＜ｍａｘ－δ、かつ、ｙ［ｉ：ｉ＋Ｌ］の最大値＜ｍａｘであると判定された場合、ピーク特定部１０４は、組（ｍａｘ，ｍａｘ＿ｐｏｓ，ｍａｘ＿ａ，ｍａｘ＿ｄ，ｍａｘ＿ｓ）を極大ピークリストに追加する（ステップＳ４０１）。第一の実施形態と同様に、ｍａｘ（すなわち、このｍａｘに代入されたｙ［ｉ］）が極大ピークである。ｍａｘ＿ｐｏｓ（すなわち、このｍａｘ＿ｐｏｓに代入されたｘ［ｉ］）が当該極大ピークの日時である。

ここで、ｍａｘ＿ａには、当該ｙ［ｉ］及びｘ［ｉ］と、極小ピークリストに含まれる極小ピークのうちの最も日時が新しい極小ピーク（すなわち、現時点で、極小ピークリストに最後に追加された極小ピーク）及び当該日時とにより算出された第１の傾きが代入される。すなわち、当該極小ピークをｙ［ｉ´］、当該極小ピークの日時をｘ［ｉ´］とすれば、第１の傾きは、（ｙ［ｉ］－ｙ［ｉ´］）／（ｘ［ｉ］－ｘ［ｉ´］）で算出される。

また、ｍａｘ＿ｄには、当該ｙ［ｉ］と、全てのｙ［ｉ］（ｉ＝０，・・・，Ｍ－１）の上限値及び下限値の中央値とにより算出された第１の差分が代入される。すなわち、ｙ［ｉ］（ｉ＝０，・・・，Ｍ－１）の上限値及び下限値の中央値（中間値）をμとすれば、第１の差分は、ｙ［ｉ］－μで算出される。なお、上述したように、例えば、μは、所定の時間幅（例えば１０分間）の間における全ての極大ピークｙ［ｉ］と極小ピークｙ［ｉ´］との中央値であっても良い。この場合、所定の時間幅の間における全ての極大ピークｙ［ｉ］と極小ピークｙ［ｉ´］とがそれぞれ極大ピークリストと極小ピークリストとに追加された後に、μを算出すると共にｍａｘ＿ｄを算出すれば良い。

更に、ｍａｘ＿ｓには、当該ｘ［ｉ］と、１つ前の極大ピークの日時とにより算出された第１の間隔が代入される。すなわち、１つ前の極大ピークの日時をｘ［ｉ´´］とすれば、第１の間隔は、ｘ［ｉ］－ｘ［ｉ´´］で算出される。

これにより、極大ピークリストには、極大ピークと、日時と、第１の傾きと、第１の差分と、第１の間隔とが対応付けて格納される。

ステップＳ２０９においてｙ［ｉ］＞ｍｉｎ＋δ、かつ、ｙ［ｉ：ｉ＋Ｌ］の最小値＞ｍｉｎであると判定された場合、ピーク特定部１０４は、組（ｍｉｎ，ｍｉｎ＿ｐｏｓ，ｍｉｎ＿ａ，ｍｉｎ＿ｄ，ｍｉｎ＿ｓ）を極小ピークリストに追加する（ステップＳ４０２）。第一の実施形態と同様に、ｍｉｎ（すなわち、このｍｉｎに代入されたｙ［ｉ］）が極小ピークである。ｍｉｎ＿ｐｏｓ（すなわち、このｍｉｎ＿ｐｏｓに代入されたｘ［ｉ］）が当該極小ピークの日時である。

ここで、ｍｉｎ＿ａには、当該ｙ［ｉ］及びｘ［ｉ］と、極大ピークリストに含まれる極大ピークのうちの最も日時が新しい極大ピーク（すなわち、現時点で、極大ピークリストに最後に追加された極大ピーク）及び当該日時とにより算出された第２の傾きが代入される。すなわち、当該極大ピークをｙ［ｉ´］、当該極大ピークの日時をｘ［ｉ´］とすれば、第２の傾きは、（ｙ［ｉ］－ｙ［ｉ´］）／（ｘ［ｉ］－ｘ［ｉ´］）で算出される。

また、ｍｉｎ＿ｄには、当該ｙ［ｉ］と、全てのｙ［ｉ］（ｉ＝０，・・・，Ｍ－１）の上限値及び下限値の中央値とにより算出された第２の差分が代入される。すなわち、ｙ［ｉ］（ｉ＝０，・・・，Ｍ－１）の上限値及び下限値の中央値（中間値）をμとすれば、第２の差分は、ｙ［ｉ］－μで算出される。なお、上述したように、例えば、μは、所定の時間幅（例えば１０分間）の間における全ての極大ピークｙ［ｉ］と極小ピークｙ［ｉ´］との中央値であっても良い。この場合、所定の時間幅の間における全ての極大ピークｙ［ｉ］と極小ピークｙ［ｉ´］とがそれぞれ極大ピークリストと極小ピークリストとに追加された後に、μを算出すると共にｍｉｎ＿ｄを算出すれば良い。

更に、ｍｉｎ＿ｓには、当該ｘ［ｉ］と、１つ前の極小ピークの日時とにより算出された第２の間隔が代入される。すなわち、１つ前の極小ピークの日時をｘ［ｉ´´］とすれば、第２の間隔は、ｘ［ｉ］－ｘ［ｉ´´］で算出される。

これにより、極小ピークリストには、極小ピークと、日時と、第２の傾きと、第２の差分と、第２の間隔とが対応付けて格納される。

＜第二の実施形態のまとめ＞
以上のように、本実施形態に係る特定システム１は、所定の時間幅における加速度センサ値のＬ２ノルムのピークのうち、所定の条件を満たすピークを除いたピークの数が所定の閾値Ｔｈ以上であるか否かを判定することで、当該時間幅の間における牛の行動が採食行動であるか又は採食行動でないかを特定する。これにより、上述したように、例えば、牛が首を振る行動や他の牛とじゃれあっている等の行動を行っている場合に、当該行動を採食行動と誤って特定してしまう事態を減少させることができる。したがって、本実施形態に係る特定システム１によれば、第一の実施形態よりも高い精度で採食行動を特定することができるようになる。

［第三の実施形態］
次に、第三の実施形態について説明する。第一の実施形態では、特定されたピークが閾値Ｔｈ以上であるか否かにより、牛の行動が採食行動であるか又は採食行動でないかを特定した。しかしながら、第一の実施形態では、例えば、牛の発情時等に発生する継続的な動きを採食行動と誤って特定してしまうことがあった。そこで、第三の実施形態では、採食行動と誤って特定されてしまう場合を減少させることが可能な特定システム１について説明する。

なお、第三の実施形態では、主に、第一の実施形態との相違点を説明し、第一の実施形態と同様の構成要素については、同一の符号を付与し、その説明を省略する。

＜特定処理部１００の機能構成＞
まず、本実施形態に係る特定処理部１００の機能構成について、図１０を参照しながら説明する。図１０は、第三の実施形態に係る特定処理部１００の機能構成の一例を示す図である。

図１０に示すように、本実施形態に係る特定処理部１００は、更に、タグ向き特定部１０６を有する。タグ向き特定部１０６は、牛に装着されているタグ２０の向きが正方向又は負方向のいずれであるかを特定する。ここで、タグ２０の向きが正方向であるとは、タグ２０が牛の首部分にねじれなく装着されている場合に、当該タグ２０に固定されている所定の直交座標系の或る特定の軸の正の方向と、牛の前方方向とが同じ側であるときのことである。一方で、タグ２０の向きが負方向であるとは、タグ２０が牛の首部分にねじれなく装着されている場合に、当該直交座標系の或る特定の軸の負の方向と、牛の前方方向とが同じ側であるときのことである。

本実施形態では、タグ２０は牛の首部分下方に装着されているものとし、タグ２０の特定の軸はＹ軸であるものとして説明する。また、タグ２０が牛の首部分下方にねじれなく装着されている状態で、Ｙ軸が水平方向と平行であり、かつ、Ｙ軸の正の方向が牛の前方方向であるとした場合に、Ｚ軸は、鉛直面内でＹ軸に直交する軸であり、正の方向は重力方向であるものとする。なお、Ｘ軸は、例えば、Ｙ軸及びＺ軸と直交し、Ｙ軸及びＺ軸と左手系座標を構成する座標軸とすれば良い。

このとき、本実施形態に係る採食特定部１０５は、タグ２０の向き（以降、「タグ向き」とも表す。）が正方向又は負方向のいずれであるかに応じて、所定の時間幅（例えば、１０分間）における加速度センサ値のＹ成分の平均値（以降、「Ｙ成分平均」とも表す。）から算出される所定の指標値と、所定の閾値との大小関係から採食行動であるか否かを特定する。

＜採食行動の特定＞
以降では、牛の採食行動を特定する処理について、図１１を参照しながら説明する。図１１は、第三の実施形態に係る採食行動の特定処理の一例を示すフローチャートである。なお、図８のステップＳ１０１～ステップＳ１０７は、図４と同様であるため、その説明を省略する。

ステップＳ１０５において、ピーク特定部１０４により特定されたピーク数が閾値Ｔｈ以上であると判定した場合、特定処理部１００は、牛に装着されているタグ２０の向きが正方向又は負方向のいずれであるかを特定する（ステップＳ５０１）。ここで、後述するように、タグ２０の向きを特定する処理では、指標値の一例であるＹＺ値が所定の時間幅におけるＹ成分平均から算出される。なお、タグ２０の向きを特定する処理の詳細については後述する。

次に、採食特定部１０５は、上記のステップＳ５０１で特定したタグ向きが正方向又は負方向のいずれであるかを判定する（ステップＳ５０２）。

ステップＳ５０２において、タグ向きが正方向であると判定された場合、採食特定部１０５は、ステップＳ１０１で取得された測定データの時間幅（例えば、１０分間）の間におけるＹＺ値が所定の閾値Ｌ_Ａ以上であるか否かを判定する（ステップＳ５０３）。ここで、この閾値Ｌ_Ａは、例えば、後述するＹ_ａ及びＹ_ｂと、０＜Ｃ＜１なる定数Ｃを用いて、Ｌ_Ａ＝（Ｙ_ａ－Ｙ_ｂ）×Ｃで表される。Ｃとしては、例えば、０．４等とすれば良い。

これにより、ＹＺ値が閾値Ｌ_Ａ以上であると判定された場合、当該時間幅の間における牛の行動が採食行動であると特定される。一方で、ＹＺ値が閾値Ｌ_Ａ以上でないと判定された場合、当該時間幅の間における牛の行動は採食行動でないと判定される。

ステップＳ５０２において、タグ向きが負方向であると判定された場合、採食特定部１０５は、ステップＳ１０１で取得された測定データの時間幅（例えば、１０分間）の間におけるＹＺ値が所定の閾値Ｌ_Ｂ以下であるか否かを判定する（ステップＳ５０４）。ここで、この閾値Ｌ_Ｂは、閾値Ｌ_Ａと同様に、例えば、後述するＹ_ａ及びＹ_ｂと、０＜Ｃ＜１なる定数Ｃを用いて、Ｌ_Ｂ＝（Ｙ_ａ－Ｙ_ｂ）×Ｃで表される。Ｃとしては、例えば、０．４等とすれば良い。

これにより、ＹＺ値が閾値Ｌ_Ｂ以下であると判定された場合、当該時間幅の間における牛の行動が採食行動であると特定される。一方で、ＹＺ値が閾値Ｌ_Ｂ以下でないと判定された場合、当該時間幅の間における牛の行動は採食行動でないと判定される。

以上のように、本実施形態に係る特定システム１は、タグ２０の向きに応じて、所定の時間幅における指標値（ＹＺ値）が所定の閾値以上又は以下であるかを判定することで、当該時間幅の間における牛の行動が採食行動であるか又は採食行動でないかを特定する。これにより、例えば、牛の発情時等に発生する継続的な動き（すなわち、牛が首を上げている状態での継続的な動き）を採食行動と誤って特定してしまう事態を減少させることができる。

＜タグ向きの特定＞
以降では、上記のステップＳ５０１の処理（タグ２０の向きを特定する処理）の詳細について、図１２を参照しながら説明する。図１２は、第三の実施形態に係るタグ向き特定処理の一例を示すフローチャートである。

まず、取得部１０１は、該当のタグＩＤ（例えば、タグＩＤ「Ｔａｇ１」）の過去２４時間の間のＹ成分の加速度センサ値とＺ成分の加速度センサ値とを測定データ記憶部２００から取得する（ステップＳ６０１）。なお、過去２４時間の間は一例であって、任意の時間の間のＹ成分の加速度センサ値とＺ成分の加速度センサ値とが取得されても良い。

次に、タグ向き特定部１０６は、１０分毎に、以下の指標値を計算する（ステップＳ６０２）。

・ＹＺ値＝Ｙ成分平均×ｓｉｇｎ（Ｚ成分平均）
・Ｙ成分標準偏差
ここで、Ｙ成分平均は、上述したように、１０分の間における加速度センサ値のＹ成分の平均である。また、Ｚ成分平均は、１０分の間における加速度センサ値のＺ成分の平均である。また、Ｙ成分標準偏差は、１０分の間における加速度センサ値のＹ成分の標準偏差である。ｓｉｇｎは符号関数である。ただし、ｓｉｇｎ（０）は正を返すものとする。

上記に定義したＹＺ値を指標値として用いることで、例えば、牛に装着されているタグ２０にねじれが発生した場合であっても、ねじれの発生に伴うＹ成分の符号反転の影響が無い指標値を用いることができるようになる。すなわち、タグ２０にねじれが発生した場合、Ｙ成分とＺ成分との符号が共に反転するため、Ｙ成分平均に対してＺ成分平均の符号の乗ずることで、ねじれの発生に伴うＹ成分の符号反転の影響を無くすことができる。

なお、上記の１０分毎に上記の指標値を計算することは一例であって、任意の時間幅毎に上記の指標値を計算しても良い。

次に、タグ向き特定部１０６は、上記のステップＳ６０２で計算したＹＺ値のうち、Ｙ成分標準偏差が所定の閾値Ｓ_Ａを超えているＹＺ値の中央値Ｙ_ａを算出する（ステップＳ６０３）。ここで、閾値Ｓ_Ａは任意の値に設定することができるが、例えば、Ｓ_Ａ＝１５０等とすれば良い。

次に、タグ向き特定部１０６は、上記のステップＳ６０２で計算したＹＺ値のうち、Ｙ成分標準偏差が所定の閾値Ｓ_Ｂを下回っているＹＺ値の中央値Ｙ_ｂを算出する（ステップＳ６０４）。ここで、閾値Ｓ_Ｂは任意の値に設定することができるが、例えば、Ｓ_Ｂ＝４０等とすれば良い。

最後に、タグ向き特定部１０６は、タグ向き＝ｓｉｇｎ（Ｙ_ａ－Ｙ_ｂ）によりタグ向きを特定する（ステップＳ６０５）。これにより、ｓｉｇｎ（Ｙ_ａ－Ｙ_ｂ）が正の場合はタグ向きが「正方向」、ｓｉｇｎ（Ｙ_ａ－Ｙ_ｂ）が負の場合はタグ向きが「負方向」と特定される。

なお、上記のステップＳ６０４は実行されなくても良い。この場合、上記のステップＳ６０５では、タグ向き＝ｓｉｇｎ（Ｙ_ａ）によりタグ向きを特定すれば良い。

＜第三の実施形態のまとめ＞
以上のように、本実施形態に係る特定システム１は、タグ２０の向きも考慮して、所定の時間幅におけるＹ成分平均から算出される指標値（ＹＺ値）により、当該時間幅の間における牛の行動が採食行動であるか又は採食行動でないかを特定する。これにより、上述したように、例えば、牛の発情時等に発生する継続的な動き（すなわち、牛が首を上げている状態での継続的な動き）を採食行動と誤って特定してしまう事態を減少させることができる。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更、各実施形態の組み合わせ等が可能である。

１ 特定システム
１０ 特定装置
２０ タグ
１００ 特定処理部
１０１ 取得部
１０２ 前処理部
１０３ ノルム算出部
１０４ ピーク特定部
１０５ 採食特定部
２００ 測定データ記憶部

Claims (10)

1. 家畜の採食行動を特定する特定装置であって、
   前記家畜に装着された加速度センサが測定した加速度データを記憶する記憶手段と、
   所定の時間の間における複数の加速度データを前記記憶手段から取得する取得手段と、
   前記取得手段により取得された前記複数の加速度データそれぞれの特徴量を算出する算出手段と、
   前記算出手段により算出された複数の特徴量と、予め設定されたパラメータとに基づいて、局所的に最大となる特徴量を示す極大ピークと、局所的に最小となる特徴量を示す極小ピークとのうちの少なくとも一方のピークを特定するピーク特定手段と、
   前記ピーク特定手段により特定されたピークから、所定の条件を満たすピークを除外したピークの数が所定の閾値以上であるか否かを判定する判定手段と、
   前記判定手段により前記ピークの数が前記所定の閾値以上であると判定された場合、前記所定の時間の間における前記家畜の行動を採食行動と特定する行動特定手段と、
   を有し、
   前記判定手段は、
   極小ピークから極大ピークへの直線の傾きが所定の閾値以上、前記極大ピークと前記特徴量の上限値及び下限値の中央値との差分が所定の閾値以上、又は１つ前の極大ピークと前記極大ピークとの間隔が所定の閾値以上のいずれかを満たす極大ピークを除外し、
   極大ピークから極小ピークへの直線の傾きの絶対値が所定の閾値以上、前記極小ピークと前記特徴量の上限値及び下限値の中央値との差分の絶対値が所定の閾値以上、又は１つ前の極小ピークと前記極小ピークとの間隔が所定の閾値以上のいずれかを満たす極小ピークを除外する、ことを特徴とする特定装置。
2. 前記ピーク特定手段は、
   時系列データである前記複数の特徴量をｙ［ｉ］、前記パラメータをδとして、
   或るｉについて、ｙ［ｉ］からｙ［ｉ－１］を減じた値が前記δよりも大きく、かつ、ｙ［ｉ］からｙ［ｉ＋１］を減じた値が前記δよりも大きい場合、ｙ［ｉ］を極大ピークと特定し、
   或るｉについて、ｙ［ｉ－１］からｙ［ｉ］を減じた値が前記δよりも大きく、かつ、ｙ［ｉ＋１］からｙ［ｉ］を減じた値が前記δよりも大きい場合、ｙ［ｉ］を極小ピークと特定する、ことを特徴とする請求項１に記載の特定装置。
3. 前記ピーク特定手段は、
   時系列データである前記複数の特徴量をｙ［ｉ］、前記パラメータをδ、Ｌとして、
   或るｉについて、ｙ［ｉ］からｙ［ｉ＋１］を減じた値が前記δよりも大きく、かつ、ｙ［ｉ］からｙ［ｉ＋Ｌ－１］までの最大値がｙ［ｉ］以下である場合、ｙ［ｉ］を極大ピークと特定し、
   或るｉについて、ｙ［ｉ＋１］からｙ［ｉ］を減じた値が前記δよりも大きく、かつ、ｙ［ｉ］からｙ［ｉ＋Ｌ－１］までの最小値がｙ［ｉ］以下である場合、ｙ［ｉ］を極小ピークと特定する、ことを特徴とする請求項１に記載の特定装置。
4. 前記判定手段により前記ピークの数が前記所定の閾値以上であると判定された場合、前記加速度センサの向きを特定する向き特定手段を有し、
   前記行動特定手段は、
   前記向き特定手段により特定された前記加速度センサの向きに応じて、前記所定の時間の間における前記加速度データの所定の成分の平均値から算出された第１の指標値が所定の値以上であるか又は以下であると判定された場合、前記所定の時間の間における前記家畜の行動を採食行動と特定する、ことを特徴とする請求項１乃至３の何れか一項に記載の特定装置。
5. 前記向き特定手段は、
   前記加速度データに含まれるＸ成分値とＹ成分値とＺ成分値とのうち、所定の２つの成分値を用いて、所定の時間幅毎に、第２の指標値と第３の指標値とを計算し、
   前記第２の指標値と前記第３の指標値とに基づいて、前記加速度センサの向きを特定する、ことを特徴とする請求項４に記載の特定装置。
6. 前記第２の指標値は、前記時間幅における所定の第１の成分値の平均値と、前記時間幅における所定の第２の成分値の平均値の符号とを乗じた値であり、
   前記第３の指標値は、前記時間幅における前記第１の成分値の標準偏差であり、
   前記第１の指標値は、前記時間幅毎に算出された前記第２の指標値のうち、前記所定の時間の間に対応する時間幅における前記第１の成分値の平均値と、前記所定の時間の間に対応する時間幅における前記第２の成分値の平均値の符号とを乗じることで算出された第２の指標値である、ことを特徴とする請求項５に記載の特定装置。
7. 前記判定手段は、
   前記ピーク特定手段により特定された極大ピークの数、極小ピークの数、又は極大ピークと極小ピークとの合計数のいずれかが前記所定の閾値以上であるか否かを判定する、ことを特徴とする請求項１乃至６の何れか一項に記載の特定装置。
8. 前記特徴量は、Ｌ２ノルムである、ことを特徴とする請求項１乃至７の何れか一項に記載の特定装置。
9. 家畜の採食行動を特定する特定装置であって、前記家畜に装着された加速度センサが測定した加速度データを記憶する記憶手段を有する特定装置が、
   所定の時間の間における複数の加速度データを前記記憶手段から取得する取得手順と、
   前記取得手順により取得された前記複数の加速度データそれぞれの特徴量を算出する算出手順と、
   前記算出手順により算出された複数の特徴量と、予め設定されたパラメータとに基づいて、局所的に最大となる特徴量を示す極大ピークと、局所的に最小となる特徴量を示す極小ピークとのうちの少なくとも一方のピークを特定するピーク特定手順と、
   前記ピーク特定手順により特定されたピークから、所定の条件を満たすピークを除外したピークの数が所定の閾値以上であるか否かを判定する判定手順と、
   前記判定手順により前記ピークの数が前記所定の閾値以上であると判定された場合、前記所定の時間の間における前記家畜の行動を採食行動と特定する行動特定手順と、
   を実行し、
   前記判定手順は、
   極小ピークから極大ピークへの直線の傾きが所定の閾値以上、前記極大ピークと前記特徴量の上限値及び下限値の中央値との差分が所定の閾値以上、又は１つ前の極大ピークと前記極大ピークとの間隔が所定の閾値以上のいずれかを満たす極大ピークを除外し、
   極大ピークから極小ピークへの直線の傾きの絶対値が所定の閾値以上、前記極小ピークと前記特徴量の上限値及び下限値の中央値との差分の絶対値が所定の閾値以上、又は１つ前の極小ピークと前記極小ピークとの間隔が所定の閾値以上のいずれかを満たす極小ピークを除外する、ことを特徴とする特定方法。
10. コンピュータを、請求項１乃至８の何れか一項に記載の特定装置における各手段として機能させるためのプログラム。

Images