JP7382899B2 - 死亡鶏検知システム - Google Patents

Description

特許法第３０条第２項適用 ２０１８年２月１０日～２０１８年２月１８日株式会社横浜ファームにおけるシステム構築および納品

本発明は、死亡鶏検知システムに関する。さらに詳しくは、本発明は、養鶏場において死亡鶏を検知するシステムに関する。

採卵鶏の養鶏場では、ケージ内で複数の鶏を飼育している。ケージ内の鶏が死亡すると、死亡した鶏（以下、「死亡鶏」と称する。）に他の鶏が産み落とした卵が引っ掛かってケージから排出されず、腐敗することがある。また、卵の腐敗および死亡鶏の腐敗に起因して、他の鶏が病気にかかることがある。そうすると、養鶏農家にとって経済的な損害が発生する。このような事態を回避するために、鶏が死亡した場合には、その鶏をケージから速やかに除去する必要がある。

従来、死亡鶏の発見は人的作業により行なわれていた。すなわち、養鶏場の職員が定期的に鶏舎を巡回監視し、死亡鶏を発見した場合にそれを除去していた。しかし、このような人的作業は職員への負担が大きいという問題がある。

この問題に対して、特許文献１には、死亡動物を自動的に検知する装置が開示されている。この装置は、二次元レーザスキャナーを用いて周期的に飼育場内の動物の外形をマッピングし、連続するマッピングを比較して、外形に変化がない静止状態の動物を死亡動物として検知する。この装置を用いれば、死亡鶏を自動的に検知できるので、職員の負担を軽減できる。

特表２０１７－５０５６３９号公報

特許文献１の装置は、健康な動物は常に動いていることを前提とし、静止状態の動物を死亡動物として検知している。しかし、現実には生きている鶏であっても静止している場合がある。例えば、生きている鶏が同じ場所に座り続けている場合がある。特に、日齢が進んだ鶏は座っている時間が長い傾向がある。また、死亡鶏は必ずしも静止していない。鶏には自己の周囲に存在する異物を蹴って退ける習性がある。この習性により、死亡鶏は他の鶏により動かされることがある。そのため、特許文献１の装置は、生きている鶏を死亡鶏として誤検知することがあり、また、死亡鶏を検知できないこともある。

本発明は上記事情に鑑み、死亡鶏を精度良く検知できる死亡鶏検知システムを提供することを目的とする。

第１発明の死亡鶏検知システムは、ケージ内の鶏を撮影するカメラと、前記カメラから取得した監視画像に死亡鶏が含まれるか否かに基づいて、前記鶏の生死を判定する鶏生死判定装置と、を備えることを特徴とする。
第２発明の死亡鶏検知システムは、第１発明において、前記鶏生死判定装置は、ケージ内の鶏を撮影して得られた画像であって死亡鶏を含まない生存画像と、死亡鶏を含む死亡画像とを含む学習データを用いて、予め機械学習が行なわれた学習器を構成することを特徴とする。
第３発明の死亡鶏検知システムは、第２発明において、前記生存画像には、画像内の全ての鶏が立っている立ち画像と、画像内の一部の鶏が立っており残部の鶏が座っている座り画像とが含まれることを特徴とする。
第４発明の死亡鶏検知システムは、第２または第３発明において、前記死亡画像には、画像内の一部の鶏が倒れている倒れ画像、画像内の一部の鶏に欠損がある欠損画像、および画像内の一部の鶏が変色している変色画像のうち、一種類または複数種類が含まれることを特徴とする。
第５発明の死亡鶏検知システムは、第２または第３発明において、前記死亡画像には、死亡鶏の種類、死亡鶏の前記ケージ内の位置、死亡鶏の角度、死亡鶏の向き、前記ケージの構成のうち、一または複数を変更しつつ撮影して得られた複数パターンの画像が含まれることを特徴とする。
第６発明の死亡鶏検知システムは、第２～第５発明のいずれかにおいて、前記鶏生死判定装置は、前記監視画像に死亡鶏が含まれる確率が死亡閾値以上である場合に、死亡と判定し、前記監視画像に死亡鶏が含まれる確率が生存閾値以下である場合に、生存と判定し、前記監視画像に死亡鶏が含まれる確率が前記生存閾値を超え、前記死亡閾値未満である場合に、生死不明と判定することを特徴とする。
第７発明の死亡鶏検知システムは、第６発明において、前記鶏生死判定装置は、同一位置の前記ケージを繰り返し撮影して得られた複数の前記監視画像に基づいて、いずれも生死不明と判定した場合に、死亡と再判定することを特徴とする。
第８発明の死亡鶏検知システムは、第６発明において、前記ケージ内の鶏を撮影するサーモグラフィカメラを備え、前記鶏生死判定装置は、前記監視画像に基づいて生死不明と判定した場合に、前記サーモグラフィカメラから取得した温度画像のうち生死不明の鶏の領域の温度を取得し、該温度が温度閾値以下の場合に死亡と再判定することを特徴とする。
第９発明の死亡鶏検知システムは、第１発明において、前記鶏生死判定装置は、前記監視画像内の全ての鶏が立っている、または、前記監視画像内の一部の鶏が立っており残部の鶏が座っている場合に、前記監視画像に死亡鶏が含まれないと判定することを特徴とする。
第１０発明の死亡鶏検知システムは、第１または第９発明において、前記鶏生死判定装置は、前記監視画像内の一部の鶏が倒れている、前記監視画像内の一部の鶏に欠損がある、または、前記監視画像内の一部の鶏が変色している場合に、前記監視画像に死亡鶏が含まれると判定することを特徴とする。
第１１発明の死亡鶏検知システムは、第１～第１０発明のいずれかにおいて、前記鶏生死判定装置は、死亡と判定した場合に、死亡鶏情報を通知することを特徴とする。
第１２発明の死亡鶏検知システムは、第１１発明において、前記死亡鶏情報には死亡判定の根拠となった前記監視画像が含まれることを特徴とする。
第１３発明の死亡鶏検知システムは、第１１または第１２発明において、前記死亡鶏情報には死亡判定の根拠となった前記監視画像が撮影された前記ケージの位置情報が含まれることを特徴とする。
第１４発明の死亡鶏検知システムは、第１～第１３発明のいずれかにおいて、前記カメラの撮影範囲を照らす、色温度が４，０００～７，０００Ｋの照明を備えることを特徴とする。
第１５発明の死亡鶏検知システムは、第１４発明において、前記照明は常時点灯していることを特徴とする。
第１６発明の死亡鶏検知システムは、第１～第１５発明のいずれかにおいて、前記カメラが搭載され、前記ケージに沿って走行する走行台車を備えることを特徴とする。
第１７発明の鶏生死判定プログラムは、ケージ内の鶏を撮影して得られた監視画像に基づいて、該鶏の生死を判定するようコンピュータを機能させるための鶏生死判定プログラムであって、ケージ内の鶏を撮影して得られた画像であって死亡鶏を含まない生存画像と、死亡鶏を含む死亡画像とを含む学習データを用いて、予め機械学習が行なわれた学習器を構成し、前記学習器に前記監視画像が入力されると、該監視画像に死亡鶏が含まれるか否かの判定結果を出力するよう、コンピュータを機能させることを特徴とする。
第１８発明の鶏生死判定プログラムは、第１７発明において、前記生存画像には、画像内の全ての鶏が立っている立ち画像と、画像内の一部の鶏が立っており残部の鶏が座っている座り画像とが含まれることを特徴とする。
第１９発明の鶏生死判定プログラムは、第１７または第１８発明において、前記死亡画像には、画像内の一部の鶏が倒れている倒れ画像、画像内の一部の鶏に欠損がある欠損画像、および画像内の一部の鶏が変色している変色画像のうち、一種類または複数種類が含まれることを特徴とする。
第２０発明の鶏生死判定プログラムは、第１７または第１８発明において、前記死亡画像には、死亡鶏の種類、死亡鶏の前記ケージ内の位置、死亡鶏の角度、死亡鶏の向き、前記ケージの構成のうち、一または複数を変更しつつ撮影して得られた複数パターンの画像が含まれることを特徴とする。
第２１発明の鶏生死判定プログラムは、第１７～第２０発明のいずれかにおいて、前記監視画像に死亡鶏が含まれる確率が死亡閾値以上である場合に、死亡と判定し、前記監視画像に死亡鶏が含まれる確率が生存閾値以下である場合に、生存と判定し、前記監視画像に死亡鶏が含まれる確率が前記生存閾値を超え、前記死亡閾値未満である場合に、生死不明と判定するよう、コンピュータを機能させることを特徴とする。
第２２発明の鶏生死判定プログラムは、第２１発明において、同一位置の前記ケージを繰り返し撮影して得られた複数の前記監視画像に基づいて、いずれも生死不明と判定した場合に、死亡と再判定するよう、コンピュータを機能させることを特徴とする。
第２３発明の鶏生死判定プログラムは、第２１発明において、前記監視画像に基づいて生死不明と判定した場合に、サーモグラフィカメラで前記ケージ内の鶏を撮影して得られた温度画像のうち生死不明の鶏の領域の温度を取得し、該温度が温度閾値以下の場合に死亡と再判定するよう、コンピュータを機能させることを特徴とする。
第２４発明の鶏生死判定プログラムは、ケージ内の鶏を撮影して得られた監視画像に基づいて、該鶏の生死を判定するようコンピュータを機能させるための鶏生死判定プログラムであって、前記監視画像内の全ての鶏が立っている、または、前記監視画像内の一部の鶏が立っており残部の鶏が座っている場合に、生存と判定するよう、コンピュータを機能させることを特徴とする。
第２５発明の鶏生死判定プログラムは、ケージ内の鶏を撮影して得られた監視画像に基づいて、該鶏の生死を判定するようコンピュータを機能させるための鶏生死判定プログラムであって、前記監視画像内の一部の鶏が倒れている、前記監視画像内の一部の鶏に欠損がある、または、前記監視画像内の一部の鶏が変色している場合に、死亡と判定するよう、コンピュータを機能させることを特徴とする。
第２６発明の鶏生死判定装置は、第１７～第２５発明のいずれかの鶏生死判定プログラムがインストールされたコンピュータからなることを特徴とする。

第１発明によれば、監視画像に死亡鶏が含まれるか否かに基づいて鶏の生死を判定するので、死亡鶏を精度良く検知できる。
第２発明によれば、生存画像と死亡画像とを含む学習データを用いて機械学習が行なわれた学習器を用いることで、監視画像に死亡鶏が含まれるか否かを精度良く判定できる。
第３発明によれば、生存画像として立ち画像のほか、座り画像を含む学習データを用いて機械学習が行なわれているので、学習器が座っている鶏を死亡鶏と誤判定する頻度を低減できる。
第４発明によれば、死亡画像として死亡鶏の特徴を有する倒れ画像、欠損画像、および変色画像を含む学習データを用いて機械学習が行なわれているので、学習器が死亡鶏を生きている鶏と誤判定する頻度を低減できる。
第５発明によれば、種々のパターンの死亡画像を用いて機械学習が行なわれているので、学習器の誤判定率を低減できる。
第６発明によれば、鶏の生死を死亡、生存、生死不明の三段階で判定するので、生死の判定が困難な監視画像に基づいて無理に死亡、生存の判定をすることがなく、誤検知の頻度を低減できる。
第７発明によれば、同一位置のケージを撮影して得られた監視画像に対して、連続して生死不明と判定した場合に、死亡と再判定することで、死亡鶏の検知漏れを低減できる。
第８発明によれば、監視画像に基づいて生死不明と判定した場合に、温度画像に基づいて生死の判定を再度行なうので、生死不明として処理される件数を低減できる。
第９発明によれば、監視画像内の全ての鶏が立っている場合のほか、一部の鶏が座っている場合にも、監視画像に死亡鶏が含まれないと判定するので、座っている鶏を死亡鶏と誤判定する頻度を低減できる。
第１０発明によれば、監視画像内の鶏が死亡鶏の特徴である倒れ、欠損、または変色を有する場合に、監視画像に死亡鶏が含まれると判定するので、死亡鶏を生きている鶏と誤判定する頻度を低減できる。
第１１発明によれば、死亡鶏情報を通知することで、職員に死亡鶏の除去を促すことができる。
第１２発明によれば、死亡判定の根拠となった監視画像を通知することで、人間による鶏の生死の最終判断を行なうことができる。
第１３発明によれば、ケージの位置情報が通知されるので、職員が死亡鶏の位置を把握でき、死亡鶏の除去作業が容易になる。
第１４発明によれば、照明の光の色が白に近いので、鶏に与えるストレスが小さく、また、監視画像に鶏の色が反映されやすい。
第１５発明によれば、照明がフラッシュせずに常時点灯しているので、鶏に与えるストレスを低減できる。
第１６発明によれば、カメラが搭載された走行台車がケージに沿って走行するので、少数のカメラでケージ全体の監視ができる。
第１７発明によれば、生存画像と死亡画像とを含む学習データを用いて機械学習が行なわれた学習器を構成するので、監視画像に死亡鶏が含まれるか否かを精度良く判定できる。その結果、鶏の生死を精度良く判定できる。
第１８発明によれば、生存画像として立ち画像のほか、座り画像を含む学習データを用いて機械学習が行なわれているので、学習器が座っている鶏を死亡鶏と誤判定する頻度を低減できる。
第１９発明によれば、死亡画像として死亡鶏の特徴を有する倒れ画像、欠損画像、および変色画像を含む学習データを用いて機械学習が行なわれているので、学習器が死亡鶏を生きている鶏と誤判定する頻度を低減できる。
第２０発明によれば、種々のパターンの死亡画像を用いて機械学習が行なわれているので、学習器の誤判定率を低減できる。
第２１発明によれば、鶏の生死を死亡、生存、生死不明の三段階で判定するので、生死の判定が困難な監視画像に基づいて無理に死亡、生存の判定をすることがなく、誤検知の頻度を低減できる。
第２２発明によれば、同一位置のケージを撮影して得られた監視画像に対して、連続して生死不明と判定した場合に、死亡と再判定することで、死亡鶏の検知漏れを低減できる。
第２３発明によれば、監視画像に基づいて生死不明と判定した場合に、温度画像に基づいて生死の判定を再度行なうので、生死不明として処理される件数を低減できる。
第２４発明によれば、監視画像内の全ての鶏が立っている場合のほか、一部の鶏が座っている場合にも、生存と判定するので、座っている鶏を死亡鶏と誤判定する頻度を低減できる。
第２５発明によれば、監視画像内の鶏が死亡鶏の特徴である倒れ、欠損、または変色を有する場合に、死亡と判定するので、死亡鶏を生きている鶏と誤判定する頻度を低減できる。
第２６発明によれば、生存画像と死亡画像とを含む学習データを用いて機械学習が行なわれた学習器を用いることで、監視画像に死亡鶏が含まれるか否かを精度良く判定できる。その結果、鶏の生死を精度良く判定できる。

第１実施形態に係る死亡鶏検知システムの全体構成図である。 第１実施形態における巡回ロボットの側面図である。 第１実施形態における巡回ロボットのルートを示す鶏舎の平面図である。 第１実施形態における鶏生死判定装置のブロック図である。 第１実施形態における死亡鶏検知システムによる処理を示すフローチャートである。 第１実施形態における生死判定処理の詳細を示すフローチャートである。 立ち画像の一例である。 座り画像の一例である。 倒れ画像の一例である。 図（Ａ）は鶏の頸部が欠損している場合の欠損画像の一例である。図（Ｂ）は鶏の羽根がむしれている場合の欠損画像の一例である。 図（Ａ）は鶏の体の一部が変色している場合の変色画像の一例である。図（Ｂ）は鶏に血液が付着している場合の変色画像の一例である。 死亡鶏のケージ内の位置の説明図である。 図（Ａ）は死亡鶏の角度が０°の説明図である。図（Ｂ）は死亡鶏の角度が１８０°の説明図である。 図（Ａ）は死亡鶏の向きが左向きの説明図である。図（Ｂ）は死亡鶏の向きが右向きの説明図である。 第３実施形態における生死判定処理の詳細を示すフローチャートである。 第４実施形態に係る死亡鶏検知システムの全体構成図である。 第４実施形態における鶏生死判定装置のブロック図である。 第４実施形態における生死判定処理の詳細を示すフローチャートである。 図（Ａ）は監視画像の一例である。図（Ｂ）は図（Ａ）の監視画像に対応する温度画像の一例である。

つぎに、本発明の実施形態を図面に基づき説明する。
〔第１実施形態〕
本発明の第１実施形態に係る死亡鶏検知システム１は、採卵鶏の養鶏場において、死亡鶏を自動的に検知するためのシステムである。

（死亡鶏検知システムの全体構成）
まず、本実施形態の死亡鶏検知システム１の全体構成を説明する。
図１に示すように、死亡鶏検知システム１は巡回ロボット１０を備えている。巡回ロボット１０は鶏舎内を巡回してケージ内の鶏を撮影するためのロボットである。巡回ロボット１０の数は特に限定されず、一つでもよいし、複数でもよい。

巡回ロボット１０は走行台車１２およびカメラ１３を有している。一の巡回ロボット１０に搭載されるカメラ１３の数は特に限定されず、一つでもよいし、複数でもよい。走行台車１２およびカメラ１３は巡回ロボット１０の内部に構築された機内ネットワーク１１に接続されている。機内ネットワーク１１は、特に限定されないが、例えばＬＡＮ（Local Area Network）である。したがって、カメラ１３としてネットワークカメラが好適に用いられる。

養鶏場内には場内ネットワーク２１が構築されている。場内ネットワーク２１は、特に限定されないが、例えばＬＡＮ（Local Area Network）である。場内ネットワーク２１には巡回ロボット制御装置２２と、鶏生死判定装置３０とが接続されている。

また、場内ネットワーク２１には無線親機２３が接続されており、機内ネットワーク１１には無線子機１４が接続されている。無線親機２３と無線子機１４とは双方向に無線通信可能であり、場内ネットワーク２１と機内ネットワーク１１とを無線接続する。したがって、巡回ロボット制御装置２２および鶏生死判定装置３０は、巡回ロボット１０の走行台車１２およびカメラ１３と双方向に通信可能となっている。

巡回ロボット制御装置２２は巡回ロボット１０の走行などを制御する機能を有する。巡回ロボット制御装置２２をＰＬＣ（Programmable Logic Controller）で構成してもよいし、ＣＰＵ、メモリなどで構成されたコンピュータで構成してもよい。

巡回ロボット１０のカメラ１３はケージ内の鶏を撮影する。以下、カメラ１３がケージ内の鶏を撮影することにより得られた画像を「監視画像」と称する。監視画像はネットワーク１１、２１を介して鶏生死判定装置３０に送信される。鶏生死判定装置３０はカメラ１３から取得した監視画像に死亡鶏が含まれるか否かを判断し、その結果に基づいて鶏の生死を判定する。

場内ネットワーク２１は通信制御装置２４を介して外部ネットワーク４１に接続している。外部ネットワーク４１は、特に限定されないが、例えばインターネットである。外部ネットワーク４１には養鶏場の職員が有する端末４０が接続されている。端末４０はスマートフォン、タブレット端末、携帯電話などの携帯端末でもよいし、汎用のコンピュータでもよい。端末４０の数は特に限定されず、一つでもよいし、複数でもよい。

鶏生死判定装置３０は死亡鶏を検知した場合に、死亡鶏に関する情報（以下、「死亡鶏情報」と称する。）を端末４０に送信する。これにより、養鶏場の職員に対して死亡鶏情報を通知する。死亡鶏情報の送信は、例えば、電子メールの送信により行なわれる。死亡鶏情報を受け取った職員は、ケージから死亡鶏を除去する作業を行なう。

（巡回ロボット）
つぎに、巡回ロボット１０の詳細を説明する。
図２に示すように、鶏舎内には複数のケージ５１が設置されている。各ケージ５１内で複数の鶏が飼育されている。一般に、ケージ５１は横方向に連接されるとともに、縦に積み重ねられて一のケージ列５０を構成している。鶏舎内にはこのようなケージ列５０が複数設置されている。

各ケージ５１の前面には給餌装置５２および集卵装置５３が水平に設けられている。ケージ５１内の鶏は給餌装置５２により餌が与えられる。ケージ５１の床面は後ろから前に向かって下る傾斜を有している。鶏が産み落とした卵は床面の傾斜により前方に転がり、ケージ５１から排出されて集卵装置５３で回収される。

巡回ロボット１０は走行台車１２を有する。走行台車１２はケージ列５０の前方の通路を走行する。走行台車１２にはポール１５が立設されており、このポール１５にカメラ１３が固定されている。走行台車１２が鶏舎の通路を走行しつつ、カメラ１３でケージ５１内の鶏を撮影する。

カメラ１３は鶏を撮影した画像を取得できるものであればよく、種々のカメラを採用できる。カメラ１３として一般的な可視光領域のカラーカメラが好適に用いられる。この場合、監視画像は各画素の色情報からなるデジタルデータである。

走行台車１２にはケージ列５０を構成するケージ５１の段数と同数のカメラ１３を搭載することが好ましい。例えば、ケージ列５０が３段である場合、走行台車１２には３台のカメラ１３が搭載される。各カメラ１３はそれに対応する段のケージ５１に合わせて、高さが調整される。

走行台車１２に搭載するカメラ１３をケージ列５０の段数よりも少ない数、例えば１台としてもよい。この場合、走行台車１２にカメラ１３を昇降させる機構を設ければ、少数のカメラ１３で複数段のケージ５１の全体を撮影できる。

給餌装置５２と集卵装置５３とは上下に間隔を空けて設けられている。給餌装置５２と集卵装置５３との間からは主に鶏の脚部を視認できる。以下、ケージ５１の給餌装置５２と集卵装置５３との間の開口部を「脚開口部」と称する。カメラ１３は脚開口部から鶏の脚部を撮影するよう、高さおよび角度を調整することが好ましい。

一般に、鶏舎内は暗いため、カメラ１３で撮影するには光量が不足することがある。この場合には、走行台車１２に照明１６を搭載すればよい。照明１６はポール１５に固定される。また、カメラ１３と同数の照明１６を走行台車１２に搭載することが好ましい。この場合、一のカメラ１３の撮影範囲を照らすように一の照明１６が設けられる。

照明１６はカメラ１３の撮影範囲を照らすことができればよく、種々の照明を採用できる。ただし、照明１６として光の色温度が４，０００～７，０００Ｋであるものを用いることが好ましい。この種の照明には、一般に白色（４，２００Ｋ）、昼白色（５，０００Ｋ）、昼光色（６，０００Ｋ）と称される照明が含まれる。なかでも、昼白色の照明を採用することが好ましい。

色温度が４，０００～７，０００Ｋであれば、光の色が白に近い。このような光を発する照明１６を用いれば、鶏に与えるストレスを小さくできる。鶏は自然光に慣れているため、白色に近い光を照明に用いた方が、鶏に与えるストレスを小さくできると推測される。実際に、赤色の照明を用いた場合には、鶏が騒ぎ、鶏に大きなストレスを与えることが確認されている。鶏に大きなストレスを与えると産卵に悪影響を及ぼす恐れがあり、好ましくない。

また、照明１６の光の色が白に近いので、カメラ１３で撮影された監視画像に鶏の本来の色が反映されやすい。したがって、後述のごとく、監視画像の色から死亡鶏の特徴を抽出するのに適している。

照明１６はフラッシュさせず、少なくとも巡回ロボット１０が鶏舎を巡回している間は常時点灯させることが好ましい。そうすれば、鶏に与えるストレスを低減できる。実際に、照明１６をフラッシュさせた場合には、鶏が騒ぎ、鶏に大きなストレスを与えることが確認されている。

図３に示すように、鶏舎には、複数のケージ列５０が並んで配置されることが一般的である。ケージ列５０の間には通路が設けられる。巡回ロボット１０は鶏舎の通路に定められたルートＲに沿って走行する。すなわち、カメラ１３が搭載された走行台車１２がケージ５１（ケージ列５０の長手方向）に沿って走行する。そのため、走行台車１２に搭載された少数のカメラ１３で、鶏舎に設けられた複数のケージ５１全体の監視ができる。

走行台車１２としてルートＲ上に敷設された磁気テープに沿って走行するものを用いることができる。走行台車１２としてレーザーレーダーなどのレーダーで周囲の空間を把握しつつ走行するものを用いてもよい。

巡回ロボット制御装置２２は予め定められた巡回時間が到来したときに、走行台車１２に対して走行指示を開始する。例えば、巡回ロボット制御装置２２は走行台車１２をルートＲに沿って所定距離走行させる。つぎに、巡回ロボット制御装置２２は走行台車１２を停止させ、カメラ１３で撮影を行なう。その後、巡回ロボット制御装置２２は再び走行台車１２をルートＲに沿って所定距離走行させる。これを繰り返すことで、ルートＲ上の複数の撮影ポイントでケージ５１の撮影を行なう。これにより、全てのケージ５１に対して監視画像を取得する。

鶏舎に設置された各ケージ５１は、ケージ列５０の別を示す列番号、上段、中段、下段などを示す段番号、ケージ列５０の長手方向に沿って割り振られた行番号などにより、その位置を一意に特定できる。巡回ロボット制御装置２２は巡回ロボット１０のルートＲ上の位置を示す情報を有している。この情報より、巡回ロボット制御装置２２はカメラ１３で撮影された監視画像に写っているケージ５１の位置情報を生成できる。ここで、ケージ５１の位置情報は、例えば、列番号、段番号、行番号からなる。

監視画像はカメラ１３で撮影した都度、鶏生死判定装置３０に送信される。なお、巡回ロボット１０が鶏舎の巡回を終えた後、例えばルートＲ上に設けられた待機位置に到達したときに、その巡回において撮りためた複数の監視画像を鶏生死判定装置３０に送信してもよい。

（鶏生死判定装置）
つぎに、鶏生死判定装置３０の詳細を説明する。
図４は鶏生死判定装置３０の構成を示したブロック図である。鶏生死判定装置３０はコンピュータによって実現される。コンピュータは専用機でもよいし、汎用機でもよい。コンピュータはＣＰＵ（Central Processing Unit：中央処理装置）、ＧＰＵ（Graphics Processing Unit：画像処理装置）、主記憶装置、補助記憶装置などから構成されている。

鶏生死判定装置３０の記憶装置には鶏生死判定プログラムが記憶されている。鶏生死判定プログラムは複数のサブプログラムから構成されてもよい。鶏生死判定プログラムは鶏生死判定装置３０を構成するコンピュータにインストールされている。コンピュータが鶏生死判定プログラムを実行することで、鶏生死判定装置３０としての機能が実現される。具体的には、画像取得部３１、位置取得部３２、学習器３３、生死判定部３４、履歴記憶部３５、および通知部３６が実現される。

鶏生死判定プログラムは学習済みモデルを含む。コンピュータが鶏生死判定プログラムを実行すると、コンピュータ上に学習器３３が構成される。学習器３３のアルゴリズムとしては、ニューラルネットワーク、サポートベクターマシンなど、分類問題を扱うのに適したアルゴリズムが用いられる。学習器３３は予め機械学習が行なわれている。機械学習の方式としては、特に限定されないが、教師あり学習が好適に用いられる。学習器３３がニューラルネットワークである場合、機械学習によりニューロン間の重み付け係数が最適化される。

機械学習は例えばつぎの手順で行なわれる。この手順は教師あり学習によるものである。
まず、機械学習に用いる学習データを用意する。学習データは訓練データと評価データとからなる。訓練データは複数の生存画像と、複数の死亡画像と、それらの画像の生死情報とからなる。評価データは複数の生存画像と、複数の死亡画像とからなり、生死情報が付されていない。

ここで、生死画像および死亡画像は、巡回ロボット１０に搭載されたカメラ１３と同様の条件でケージ５１内の鶏を撮影して得られた画像である。生死画像には生きている鶏のみが含まれ死亡鶏が含まれない。死亡画像には死亡鶏が含まれる。死亡画像に生きている鶏が含まれてもよい。生死情報は画像内に死亡鶏が含まれるか否かを示す情報である。訓練データを構成する生存画像には生存情報が付され、死亡画像には死亡情報が付される。生死情報は教師あり学習における教師信号である。

学習器３３に訓練データを入力し、生存画像および死亡画像それぞれの特徴量、パターンを学習させる。つぎに、学習器３３に評価データを入力し、出力された生死情報が正しいか評価する。以上の訓練と評価とを、評価データに対して正しい生死情報が出力されるまで繰り返し行なう。これにより、学習器３３がニューラルネットワークである場合、ニューロン間の重み付け係数が最適化される。

以上のように、学習器３３は生存画像と死亡画像とを含む学習データを用いて予め機械学習が行なわれている。そして、学習器３３はカメラ１３で撮影された監視画像が入力されると、監視画像に死亡鶏が含まれるか否かの判定結果を出力する。学習器３３は生存画像と死亡画像とを含む学習データを用いて機械学習が行なわれているので、監視画像に死亡鶏が含まれるか否かを精度良く判定できる。その結果、鶏の生死を精度良く判定できる。

学習器３３による判定の精度は、学習データの質に依存するところがある。例えば、死亡鶏にも種々の態様がある。特定の態様の死亡鶏が学習されていないと、その態様の死亡鶏を含む監視画像が入力された場合に、生死を正確に判定できない場合がある。そこで、本願発明者は、生存画像および死亡画像をさらに種類分けし、学習器３３に種々の態様の鶏を学習させることで、学習器３３の判定精度をより向上させた。

具体的には、生存画像には立ち画像と座り画像とが含まれる。図７に例示されるように、立ち画像は画像内の全ての鶏が立っている画像である。ケージ５１の脚開口部からは主に鶏の脚のみが認識できる。図８に例示されるように、座り画像は画像内の一部の鶏が立っており残部の鶏が座っている画像である。ケージ５１の脚開口部からは鶏の胴体が認識できる。

また、死亡画像には倒れ画像、欠損画像、および変色画像が含まれる。図９に例示されるように、倒れ画像は画像内の一部の鶏が、欠損および変色なく、倒れている画像である。ケージ５１の脚開口部からは横向きになった鶏の胴体が認識できる。図１０に例示されるように、欠損画像は画像内の一部の鶏に欠損がある画像である。ここで、欠損とは鶏の体の一部が欠けていることを意味する。図１０（Ａ）のように鶏の頸部が欠損している場合、および図１０（Ｂ）のように鶏の羽根がむしれている場合などが含まれる。死亡鶏が他の鶏に蹴られることにより欠損が生じる。図１１に例示されるように、変色画像は画像内の一部の鶏が変色している画像である。図１１（Ａ）のように鶏の体の一部が変色している場合、および図１１（Ｂ）のように血液の付着により変色している場合などが含まれる。死亡鶏が腐敗することにより体の一部が変色したり、死亡鶏が他の鶏に蹴られて出血することにより血液が付着したりする。

なお、死亡画像として、倒れ画像、欠損画像、および変色画像のうち、一種類のみが含まれてもよいし、複数種類が含まれてもよい。死亡画像の判定精度を向上させるという観点からは、これら全ての種類の画像が死亡画像に含まれることが好ましい。また、死亡画像として他の態様の死亡鶏を含む画像が含まれてもよい。

学習データとして用いられる生存画像および死亡画像として、カメラで撮影された画像そのままを用いてもよいし、カメラで撮影された画像に対して何らかの処理を施した画像を用いてもよい。学習データとして処理後の画像を用いる場合には、カメラ１３から取得した判定対象の監視画像にも同様の処理を施して学習器３３に入力する。

以上のように、学習器３３は生存画像として立ち画像のほか、座り画像を含む学習データを用いて機械学習が行なわれている。そのため、学習器３３は監視画像内の全ての鶏が立っている（立ち画像に相当する）場合、または、監視画像内の一部の鶏が立っており残部の鶏が座っている（座り画像に相当する）場合に、監視画像に死亡鶏が含まれないと判定する。監視画像内の全ての鶏が立っている場合のほか、一部の鶏が座っている場合にも、監視画像に死亡鶏が含まれないと判定するので、座っている鶏を死亡鶏と誤判定する頻度を低減できる。

また、学習器３３は死亡画像として死亡鶏の特徴を有する倒れ画像、欠損画像、および変色画像を含む学習データを用いて機械学習が行なわれている。そのため、学習器３３は監視画像内の一部の鶏が倒れている（倒れ画像に相当する）場合、監視画像内の一部の鶏に欠損がある（欠損画像に相当する）場合、または、監視画像内の一部の鶏が変色している（変色画像に相当する）場合に、監視画像に死亡鶏が含まれると判定する。監視画像内の鶏が死亡鶏の特徴である倒れ、欠損、または変色を有する場合に、監視画像に死亡鶏が含まれると判定するので、死亡鶏を生きている鶏と誤判定する頻度を低減できる。

学習器３３は監視画像が入力されると、その監視画像の生死判定結果を出力する。生死判定結果は、例えば、監視画像に死亡鶏が含まれる確からしさ（確率）である。

図４に示すように、鶏生死判定装置３０は学習器３３のほかに、画像取得部３１、位置取得部３２、生死判定部３４、履歴記憶部３５、および通知部３６を備えている。

画像取得部３１は、巡回ロボット１０のカメラ１３から監視画像を取得し、取得した監視画像を学習器３３に入力する。画像取得部３１はカメラ１３から取得した監視画像をそのまま学習器３３に入力してもよいし、監視画像に対して何らかの処理を施した後に学習器３３に入力してもよい。

位置取得部３２は、画像取得部３１が取得した監視画像に写っているケージ５１の位置情報を取得する。位置取得部３２は、ケージ５１の位置情報を、例えば巡回ロボット制御装置２２から取得する。

生死判定部３４は学習器３３から出力された生死判定結果に基づき、最終的な生死判定を行なう。学習器３３は生死判定結果として監視画像に死亡鶏が含まれる確率（以下、「死亡確率」と称する。）を出力する。生死判定部３４は死亡確率が死亡閾値以上である場合に「死亡」と判定する。また、生死判定部３４は死亡確率が生存閾値以下である場合に「生存」と判定する。さらに、生死判定部３４は死亡確率が生存閾値を超え、死亡閾値未満である場合に「生死不明」と判定する。

死亡閾値および生存閾値は予め設定されている。死亡閾値は生存閾値よりも高い値である。例えば、死亡閾値は８０％、生存閾値は２０％と設定される。この場合、死亡確率が８０％以上であれば「死亡」と判定する。死亡確率が２０％以下であれば「生存」と判定する。死亡確率が２０％を超え、８０％未満であれば「生死不明」と判定する。

このように、鶏の生死を死亡、生存、生死不明の三段階で判定することにより、生死の判定が困難な監視画像に基づいて無理に死亡、生存の判定をすることを回避できる。そのため、誤検知の頻度を低減できる。

履歴記憶部３５は、生死判定部３４による生死の判定結果（死亡、生存、生死不明）を、その判定の根拠となった監視画像が撮影されたケージ５１の位置情報と対応させた状態で記憶する。ここで、ケージ５１の位置情報は位置取得部３２から入力される。巡回ロボット１０は鶏舎の巡回を定期または不定期で繰り返し行ない、監視画像を撮影する。履歴記憶部３５は、巡回ロボット１０の巡回ごとに、判定結果を履歴として記憶する。

通知部３６は、生死判定部３４が死亡判定した場合に、死亡鶏情報を通知する。死亡鶏情報の通知は、例えば、職員が有する端末４０に電子メールを送信することにより行なわれる。なお、端末４０に専用のアプリケーションをインストールしておき、そのアプリケーションを介して死亡鶏情報を通知してもよい。死亡鶏情報を通知することで、職員に死亡鶏の除去を促すことができる。

死亡鶏情報に死亡判定の根拠となった監視画像を含めてもよい。監視画像を通知することで、人間による鶏の生死の判断を行なうことができる。鶏生死判定装置３０が死亡と判定したとしても、人間の目では監視画像に死亡鶏が確認できない場合には、死亡鶏の除去作業を行なう必要がない。そのため、職員の負担を軽減できる。

死亡判定の根拠となった監視画像が撮影されたケージ５１の位置情報を死亡鶏情報に含めてもよい。ケージ５１の位置情報が通知されるので、職員が死亡鶏の位置を把握でき、死亡鶏の除去作業が容易になる。また、死亡鶏情報に監視画像の撮影日時を含めてもよい。そうすれば、死亡鶏の発生日時を把握できる。

（死亡鶏検知システムの処理）
つぎに、図５に示すフローチャートに基づき、死亡鶏検知システム１の動作および処理を説明する。
巡回ロボット１０は予め定められた巡回開始時刻が到来したときに、鶏舎の巡回を開始する。巡回開始時刻は、例えば、１日のうちの一の時刻でもよいし、複数の時刻でもよい。

巡回開始時刻は巡回ロボット制御装置２２に記憶されている。巡回ロボット制御装置２２は巡回開始時刻が到来した後に、巡回ロボット１０に対して走行指示を行なう（ステップＳ２１）。走行指示を受け取った巡回ロボット１０は、鶏舎内に設定されたルートＲに沿って所定距離走行した後、停止する（ステップＳ３１）。

つぎに、巡回ロボット制御装置２２は巡回ロボット１０に対して撮影指示を行なう（ステップＳ２２）。撮影指示を受け取った巡回ロボット１０は、搭載されたカメラ１３で監視画像の撮影を行なう（ステップＳ３２）。そして、巡回ロボット１０は監視画像を鶏生死判定装置３０に送信する（ステップＳ３３）。

以上の巡回ロボット１０の走行および撮影は、巡回ロボット１０が鶏舎全体を巡回し終わるまで繰り返し行なわれる。

鶏生死判定装置３０の画像取得部３１は、巡回ロボット１０から監視画像を受信する（ステップＳ１１）。そうすると、鶏生死判定装置３０の位置取得部３２は、巡回ロボット制御装置２２に対して、監視画像が撮影されたケージ５１の位置を問い合わせる。巡回ロボット制御装置２２はケージ５１の位置情報を鶏生死判定装置３０に送信する（ステップＳ２３）。そして、鶏生死判定装置３０はケージ５１の位置情報を受信する（ステップＳ１２）。これにより、鶏生死判定装置３０は監視画像とそれに対応する位置情報とを保有することとなる。なお、位置取得部３２は巡回ロボット制御装置２２から監視画像の撮影日時を取得してもよい。

つぎに、鶏生死判定装置３０は取得した監視画像に基づいて鶏の生死を判定する生死判定処理を行なう（ステップＳ１３）。鶏生死判定装置３０は生存判定、死亡判定、生死不明判定のいずれかを行なう。生死判定処理の詳細は後述する。

生死判定処理の結果が死亡判定の場合（ステップＳ１４でＹｅｓの場合）、鶏生死判定装置３０の通知部３６は死亡鶏情報を通知する（ステップＳ１５）。通知部３６は、例えば、死亡鶏情報を含む電子メールを職員が有する端末４０に送信する。

生死判定処理の結果が生存判定または生死不明判定の場合（ステップＳ１４でＮｏの場合）、鶏生死判定装置３０は通知を行なうことなく処理を終了する。

鶏生死判定装置３０の監視画像受信（ステップＳ１１）から通知（ステップＳ１５）までの処理は、巡回ロボット１０から監視画像を受信するたびに行なわれる。

つぎに、図６に示すフローチャートに基づき、生死判定処理の詳細を説明する。
鶏生死判定装置３０の画像取得部３１は、巡回ロボット１０から取得した監視画像をそのまま、あるいは何らかの処理を施した後に学習器３３に入力する。学習器３３は入力された監視画像に死亡鶏が含まれる確率、すなわち死亡確率を求める（ステップＳ１３．１）。

生死判定部３４は求められた死亡確率と生存閾値とを比較する（ステップＳ１３．２）。死亡確率が生存閾値以下の場合、生死判定部３４は生存判定を行なう（ステップＳ１３．３）。そして、履歴記憶部３５は監視画像の撮影日時、ケージ５１の位置情報、監視画像、判定結果（生存判定）などの情報を記憶する。

ステップＳ１３．２において死亡確率が生存閾値を超える場合、生死判定部３４は死亡確率と死亡閾値とを比較する（ステップＳ１３．４）。死亡確率が死亡閾値以上の場合、生死判定部３４は死亡判定を行なう（ステップＳ１３．５）。そして、履歴記憶部３５は監視画像の撮影日時、ケージ５１の位置情報、監視画像、判定結果（死亡判定）などの情報を記憶する。

ステップＳ１３．４において死亡確率が死亡閾値未満の場合、生死判定部３４は生死不明判定を行なう（ステップＳ１３．６）。そして、履歴記憶部３５は監視画像の撮影日時、ケージ５１の位置情報、監視画像、判定結果（生死不明判定）などの情報を記憶する。

以上のように、鶏の生死を死亡、生存、生死不明の三段階で判定することにより、生死の判定が困難な監視画像に基づいて無理に死亡、生存の判定をすることを回避できる。そのため、誤検知の頻度を低減できる。

ところで、ステップＳ１５の通知（図５参照）を、死亡判定の場合のみならず、生死不明判定が連続する場合にも行なってもよい。例えば、通知部３６は、履歴記憶部３５に記憶された判定結果の履歴を参照し、同一位置のケージ５１を繰り返し撮影して得られた複数の監視画像に基づいて、いずれも生死不明判定であった場合に、通知を行なう。ここで、通知を行なう生死不明判定の連続回数は、２回、３回など、任意の回数に設定すればよい。

この場合、通知部３６は生死不明情報を端末４０に送信する。生死不明情報には生死不明判定の根拠となった監視画像を含めることが好ましい。監視画像を通知することで、人間による鶏の生死の判断を行なうことができる。通知を受けた職員が鶏の生死の判断を行ない、必要な場合に（死亡と判断した場合に）、死亡鶏を除去する作業を行なえばよい。

このように、同一位置のケージ５１を繰り返し撮影して得られた、時系列的に連続する複数の監視画像に基づいて、いずれも生死不明と判定した場合にも通知することで、検知漏れの死亡鶏が放置される可能性を低減できる。

〔第２実施形態〕
つぎに、本発明の第２実施形態に係る死亡鶏検知システムを説明する。
前述のごとく、学習器３３による判定の精度は、学習データの質に依存するところがある。学習データを構成する死亡画像として、種々のパターンの画像を用意しておいたほうが、学習器３３の判定精度が高くなる。

死亡画像のパターン化の指標として、（１）死亡鶏の種類、（２）死亡鶏のケージ内の位置、（３）死亡鶏の角度、（４）死亡鶏の向き、（５）ケージの構成が挙げられる。以下、順に説明する。

（１）死亡鶏の種類
死亡鶏の種類とは、死亡鶏の態様を分類したものである。死亡鶏の種類として、「倒れ」、「欠損」、「変色」の３パターンが挙げられる。「倒れ」とは鶏が、欠損および変色なく、倒れていることを意味する。「欠損」とは鶏の体の一部が欠けていることを意味する。「変色」とは鶏の体が腐敗、血液の付着などにより変色していることを意味する。第１実施形態における「倒れ画像」、「欠損画像」、および「変色画像」は死亡鶏の種類の３パターンの画像に相当する。なお、「倒れ」、「欠損」、「変色」の３パターンのうち、一部を用いてもよいし、他の態様を追加してもよい。

（２）死亡鶏のケージ内の位置
死亡鶏のケージ内の位置とは、ケージ内において死亡鶏が存在する位置を分類したものである。例えば、図１２に示すように、カメラ１３を正面として、ケージ５１内を横方向に左、中、右と３分割し、奥行方向に前、中、奥と３分割する。そうすると、ケージ５１内が９領域に分割される。図１２に示す例では、死亡鶏は右奥の領域に存在する。死亡鶏が存在する領域の違いにより、９パターンの画像が得られる。なお、ケージ５１内をより細かく分割してもよいし、より粗く分割してもよい。

（３）死亡鶏の角度
死亡鶏の角度とは、ケージの床面に倒れている死亡鶏を上から見た時の、死亡鶏の頭の向きを分類したものである。例えば、図１３（Ａ）に示すように、死亡鶏の頭がケージ５１の奥方向に向いている場合を０°とする。そうすると、図１３（Ｂ）に示すように、死亡鶏の頭がケージ５１の前方向に向いている場合は１８０°となる。水平面内の全方向３６０°を１５°ずつの範囲に分け、各方向に死亡鶏を向けて撮影すれば、２４パターンの画像が得られる。なお、角度をより細かく分割してもよいし、より粗く分割してもよい。

（４）死亡鶏の向き
死亡鶏の向きとは、死亡鶏の体の中心軸周りの角度を分類したものである。例えば、図１４（Ａ）に示す姿勢の死亡鶏を左向きとする。また、図１４（Ｂ）に示す姿勢の死亡鶏を右向きとする。このように、死亡鶏の向きとして、「左向き」、「右向き」の２パターンを挙げることができる。また、「うつ伏せ」、「仰向け」の２パターンを追加してもよい。

（５）ケージの構成
ケージの構成とは、死亡画像に写り込むケージの構成の相違を分類したものである。ケージ列５０はフレームにより支えられているため、ケージ５１の位置（列、段、行）によって、死亡画像にフレームが写り込む場合と、写り込まない場合とがある。例えば、フレームの写り込みの有り、無しで２パターンとすればよい。

以上の（１）死亡鶏の種類、（２）死亡鶏のケージ内の位置、（３）死亡鶏の角度、（４）死亡鶏の向き、（５）ケージの構成のうち、一の指標のみを採用してもよいし、任意の複数の指標を組み合わせてもよい。例えば、（１）死亡鶏の種類を３パターン、（２）死亡鶏のケージ内の位置を９パターン、（３）死亡鶏の角度を２４パターン、（４）死亡鶏の向きを２パターン、（５）ケージの構成を２パターンとし、それら全ての組み合わせとすると、２,５９２パターンとなる。

選択した指標に従い、死亡鶏の姿勢などを変更しつつ撮影して、複数パターンの画像を得る。それらの画像を死亡画像として用いて機械学習を行なう。種々のパターンの死亡画像を用いて機械学習を行なうことで、学習器３３の誤判定率を低減できる。

〔第３実施形態〕
つぎに、本発明の第３実施形態に係る死亡鶏検知システムを説明する。
鶏生死判定装置３０を構成する生死判定部３４（図４参照）は、生死不明判定が連続する場合に、死亡と再判定してもよい。具体的には、生死判定部３４は、履歴記憶部３５に記憶された判定結果の履歴を参照し、同一位置のケージ５１を繰り返し撮影して得られた複数の監視画像に基づいて、いずれも生死不明と判定した場合に、判定結果を「死亡」に変更する。このような判定を行なうことで、死亡鶏の検知漏れを低減できる。

図１５に示すフローチャートに基づき、本実施形態における生死判定処理の詳細を説明する。
ステップＳ１３．１～Ｓ１３．５は、第１実施形態と同様であるので説明を省略する（図６参照）。ステップＳ１３.４において死亡確率が死亡閾値未満の場合、生死判定部３４は生死不明と仮判定する（ステップＳ１３．７）。つぎに、生死判定部３４は履歴記憶部３５から前回の巡回における同一位置のケージ５１の判定結果を取得する（ステップＳ１３．８）。前回の判定結果が生存判定または死亡判定である場合（ステップＳ１３．９でＮｏの場合）、生死判定部３４は生死不明と判定する（ステップＳ１３．１０）。

ステップＳ１３．８で取得した前回の判定結果が生死不明判定である場合、すなわち、同一位置のケージ５１の判定結果が２回連続で生死不明である場合（ステップＳ１３．９でＹｅｓの場合）、生死判定部３４は死亡と再判定する（ステップＳ１３．５）。なお、ステップＳ１３．９において、生死不明判定の連続回数は２回でなくてもよく、３回以上の任意の回数に設定できる。

以上のように、同一位置のケージ５１を繰り返し撮影して得られた、時系列的に連続する複数の監視画像に基づいて、いずれも生死不明と判定した場合に、最終的に死亡と判断する。このような処理とすることで、死亡鶏の検知漏れを低減できる。

〔第４実施形態〕
つぎに、本発明の第４実施形態に係る死亡鶏検知システム４を説明する。
図１６に示すように、本実施形態の死亡鶏検知システム４は、カメラ１３（カラーカメラ）に加えて、サーモグラフィカメラ１７を備える。その予の構成は第１実施形態と同様であるので、同一部材に同一符号を付して説明を省略する。

サーモグラフィカメラ１７は対象物の温度分布を画像として撮影するカメラである。サーモグラフィカメラ１７は、カメラ１３と同様に、ケージ５１内の鶏を撮影する。以下、サーモグラフィカメラ１７がケージ５１内の鶏を撮影することにより得られた画像を「温度画像」と称する。

サーモグラフィカメラ１７の画角とカメラ１３の画角とはほぼ同一であることが好ましい。そうすれば、カメラ１３で得られた監視画像と、サーモグラフィカメラ１７で得られた温度画像との比較が容易である。そのため、サーモグラフィカメラ１７は巡回ロボット１０に搭載される。例えば、サーモグラフィカメラ１７は巡回ロボット１０のポール１５にカメラ１３と横並びに固定される（図２参照）。

サーモグラフィカメラ１７は機内ネットワーク１１に接続されている。したがって、サーモグラフィカメラ１７と鶏生死判定装置３０とは双方向に通信可能となっている。サーモグラフィカメラ１７で得られた温度画像はネットワーク１１、２１を介して鶏生死判定装置３０に送信される。

図１７に示すように、本実施形態の鶏生死判定装置３０は温度判定部３７を有する。温度判定部３７はコンピュータが鶏生死判定プログラムを実行することで実現される。その予の構成は、第１実施形態と同様であるので、同一部材に同一符号を付して説明を省略する。

画像取得部３１は、サーモグラフィカメラ１７から温度画像を取得し、取得した温度画像を温度判定部３７に入力する。生死判定部３４が生死不明と判定した場合、温度判定部３７は温度画像に基づいて、生死の判定を再度行なう。

つぎに、図５に示すフローチャートに基づき、死亡鶏検知システム４の処理を説明する。
本実施形態の死亡鶏検知システム４の処理は、基本的に第１実施形態と同様であるので、第１実施形態との相違点を主として説明する。

巡回ロボット制御装置２２から撮影指示を受け取った巡回ロボット１０は、カメラ１３で監視画像の撮影を行なうとともに、サーモグラフィカメラ１７で温度画像の撮影を行なう（ステップＳ３２）。すなわち、同一位置のケージ５１に対して、同一タイミングで監視画像および温度画像の撮影を行なう。巡回ロボット１０は監視画像および温度画像を鶏生死判定装置３０に送信する（ステップＳ３３）。

鶏生死判定装置３０は取得した監視画像および温度画像に基づいて生死判定処理を行なう（ステップＳ１３）。

図１８に示すフローチャートに基づき、本実施形態における生死判定処理の詳細を説明する。
ステップＳ１３．１～Ｓ１３．５は、第１実施形態と同様であるので説明を省略する（図６参照）。ステップＳ１３.４において死亡確率が死亡閾値未満の場合、生死判定部３４は生死不明と仮判定する（ステップＳ１３．１１）。

つぎに、温度判定部３７は温度画像から生死不明の鶏の温度を取得する（ステップＳ１３．１２）。具体的には、ステップＳ１３．１において、学習器３３は監視画像に死亡鶏が含まれる確率（死亡確率）を求めるとともに、死亡確率の算定の根拠となった鶏の監視画像中の領域を出力する。したがって、ステップＳ１３．１１において生死不明と仮判定した場合、学習器３３の出力から監視画像における生死不明の鶏の領域が分かることとなる。

温度判定部３７は学習器３３が死亡確率を算定した監視画像と同タイミングで撮影された温度画像を画像取得部３１から取得する。例えば、図１９（Ａ）に示される監視画像に対して、図１９（Ｂ）に示される温度画像が取得される。

温度判定部３７は、監視画像における生死不明の鶏の領域に基づき、温度画像における生死不明の鶏の領域を画定する。監視画像と温度画像とで、画角がほぼ同一であれば、監視画像における領域を、そのまま温度画像における領域に置き換えることができる。

つぎに、温度判定部３７は温度画像から生死不明の鶏の領域の温度（鶏温度）を取得する。ここで、生死不明の鶏の領域の平均温度を鶏温度としてもよいし、最高温度を鶏温度としてもよい。

つぎに、生死判定部３４は温度判定部３７が求めた鶏温度と温度閾値とを比較する（ステップＳ１３．１３）。そして、鶏温度が温度閾値以下である場合に「死亡」と再判定する（ステップＳ１３．３）。逆に、鶏温度が温度閾値を超える場合には「生存」と再判定すればよい（ステップＳ１３．４）。

ここで、温度閾値は、生きている鶏の平均的な体温よりも低い温度（例えば、３０℃）に設定される。鶏は死亡した直後から冷える始め、温度が低くなる。生死不明の鶏の温度が温度閾値よりも低い場合には、死亡鶏である可能性が高い。

なお、温度閾値を二段階で定めておき、鶏温度が２つの閾値の間である場合には、生死不明と判定してもよい。

以上のように、監視画像に基づいて生死不明と判定した場合に、温度画像に基づいて生死の判定を再度行なう。そのため、生死不明として処理される件数を低減できる。そのため、職員が監視画像を見て鶏の生死の判断を行なう作業を削減できる。また、死亡鶏の検知漏れを低減できる。

〔その他の実施形態〕
上記実施形態における鶏生死判定装置３０は監視画像に基づく鶏の生死の判定を学習済みの学習器３３を用いて行なう構成であるが、これに限定されない。鶏生死判定装置３０は監視画像に対して何らかの処理を施して特徴を抽出し、鶏の生死を判定できればよい。監視画像に死亡鶏が含まれるか否かに基づいて鶏の生死を判定することで、死亡鶏を精度良く検知できる。

具体的には、監視画像内の全ての鶏が立っている、または、監視画像内の一部の鶏が立っており残部の鶏が座っている場合に、生存と判定すればよい。このような判定をすれば、座っている鶏を死亡鶏と誤判定する頻度を低減できる。

また、監視画像内の一部の鶏が倒れている、監視画像内の一部の鶏に欠損がある、または、監視画像内の一部の鶏が変色している場合に、死亡と判定すればよい。監視画像内の鶏が死亡鶏の特徴である倒れ、欠損、または変色を有する場合に、死亡と判定することで、死亡鶏を生きている鶏と誤判定する頻度を低減できる。

ケージ５１内の鶏を撮影するカメラ１３およびサーモグラフィカメラ１７は走行台車１２に搭載されていなくてもよい。例えば、ケージ５１ごとにカメラ１３およびサーモグラフィカメラ１７を設けてもよい。同様に、照明１６を走行台車１２に搭載しなくてもよい。照明１６をケージ５１に直接設けてもよいし、鶏舎全体を照らす照明１６を用いてもよい。

ケージ５１の位置情報を示すプレートなどの表示物をケージ５１に直接貼り付けてもよい。表示物を撮影領域に収めて監視画像を撮影すれば、職員が通知された監視画像を確認することで、そのケージ５１の位置情報を把握できる。したがって、この場合、鶏生死判定装置３０は巡回ロボット制御装置２２からケージ５１の位置情報を取得しなくてもよい。

死亡鶏情報の通知は電子メールによる方法に限定されない。鶏生死判定装置３０に接続されたディスプレイなどに表示する方法でもよい。

鶏生死判定装置３０の設置位置は特に限定されない。養鶏場内に設置してもよいし、養鶏場外に設置してもよい。鶏生死判定装置３０を養鶏場外に設置する場合、鶏生死判定装置３０は、例えば、インターネットを介して巡回ロボット１０と通信することとなる。この場合、鶏生死判定装置３０をいわゆるクラウドシステムとして構成してもよい。また、鶏生死判定装置３０を巡回ロボット１０に搭載してもよい。

つぎに、実施例を説明する。
（実施例１）
コンピュータ上に構成されたニューラルネットワークを教師あり学習により機械学習して、学習済みモデルを作成した。学習データは生存画像と死亡画像とからなる。生存画像として、立ち画像を７００枚、座り画像を７００枚用意した。死亡画像として、倒れ画像を７２枚、欠損画像を５枚、変色画像を１４枚用意した。

上記学習データを用いて学習した後の学習済みモデルに対して、学習データとして用いていない新たな生存画像を８７７枚入力して、それぞれに対して生死判定を行なった。ここで、学習済みモデルが出力する死亡確率が８０％以上であれば「死亡」と判定する。死亡確率が２０％以下であれば「生存」と判定する。死亡確率が２０％を超え、８０％未満であれば「生死不明」と判定する。

その結果、「生存」と正しく判定した確率は７９．０％であった。「生死不明」と判定した確率は１４．７％であった。また、「死亡」と誤判定した確率は６．３％であった。

また、学習済みモデルに対して、学習データとして用いていない新たな死亡画像を５４５枚入力して、それぞれに対して生死判定を行なった。その結果、「死亡」と正しく判定した確率は８４．０％であった。「生死不明」と判定した確率は９．９％であった。また、「生存」と誤判定した確率は６．１％であった。

（実施例２）
コンピュータ上に構成されたニューラルネットワークを教師あり学習により機械学習して、学習済みモデルを作成した。学習データは生存画像と死亡画像とからなる。生存画像として、立ち画像を７００枚、座り画像を７００枚用意した。

死亡画像として、（１）死亡鶏の種類、（２）死亡鶏のケージ内の位置、（３）死亡鶏の角度、（４）死亡鶏の向き、および（５）ケージの構成を変更しつつ撮影して得られた画像を用意した。

ここで、（１）死亡鶏の種類は「倒れ」、「欠損」、「変色」の３パターンとした。（２）死亡鶏のケージ内の位置は横方向に３分割、奥行方向に３分割した９パターンとした。（３）死亡鶏の角度は全方向３６０°を１５°ずつの範囲に分けた２４パターンとした。（４）死亡鶏の向きは「左向き」、「右向き」の２パターンとした。（５）ケージの構成はフレームの写り込みの有り、無しで２パターンとした。これらの組み合わせとして、２,５９２パターンの画像を１枚ずつ用意した。

上記学習データを用いて学習した後の学習済みモデルに対して、学習データとして用いていない新たな生存画像を２５１枚入力して、それぞれに対して生死判定を行なった。その結果、「生存」と正しく判定した確率は８３．７％であった。「生死不明」と判定した確率は１５．９％であった。また、「死亡」と誤判定した確率は０．４％であった。

また、学習済みモデルに対して、学習データとして用いていない新たな死亡画像を２６５枚入力して、それぞれに対して生死判定を行なった。その結果、「死亡」と正しく判定した確率は７５．８％であった。「生死不明」と判定した確率は２０．４％であった。また、「生存」と誤判定した確率は３．８％であった。

実施例１に比べて実施例２の方が、生存画像を「死亡」と誤判定する確率が５．９％低い。また、実施例１に比べて実施例２の方が、死亡画像を「生存」と誤判定する確率が２．３％低い。これより、実施例２の学習方法を採用すれば、学習器の誤判定率を低減できることが確認された。

１ 死亡鶏検知システム
１０ 巡回ロボット
１２ 走行台車
１３ カメラ
１６ 照明
２２ 巡回ロボット制御装置
３０ 鶏生死判定装置
３１ 画像取得部
３２ 位置取得部
３３ 学習器
３４ 生死判定部
３５ 履歴記憶部
３６ 通知部
４０ 端末

Claims (7)

1. ケージ内の鶏を撮影するカメラと、
   前記カメラから取得した監視画像に死亡鶏が含まれるか否かに基づいて、前記鶏の生死を判定する鶏生死判定装置と、
   前記カメラの撮影範囲を照らす照明と、を備え、
   前記照明は、色温度が４，０００～７，０００Ｋである
   ことを特徴とする死亡鶏検知システム。
2. 前記照明は、常時点灯している
   ことを特徴とする請求項１記載の死亡鶏検知システム。
3. 前記照明は、前記ケージに沿って走行する走行台車に搭載されている
   ことを特徴とする請求項１または２記載の死亡鶏検知システム。
4. 前記照明は、前記走行台車に立設されたポールに固定されている
   ことを特徴とする請求項３記載の死亡鶏検知システム。
5. 前記ポールには、前記ケージの段数と同数の前記カメラおよび前記照明が固定されており、
   前記カメラは、それぞれ、対応する段の前記ケージに合わせた高さに設けられており、
   前記照明は、それぞれ、対応する前記カメラの撮影範囲を照らす高さに設けられている
   ことを特徴とする請求項４記載の死亡鶏検知システム。
6. 前記照明は、前記ケージに設けられている
   ことを特徴とする請求項１または２記載の死亡鶏検知システム。
7. 前記照明は、前記ケージが設置された鶏舎全体を照らす照明である
   ことを特徴とする請求項１または２記載の死亡鶏検知システム。

Images