JP7410200B2 - Specific device, specific method, and program - Google Patents

Specific device, specific method, and program Download PDF

Info

Publication number
JP7410200B2
JP7410200B2 JP2022036803A JP2022036803A JP7410200B2 JP 7410200 B2 JP7410200 B2 JP 7410200B2 JP 2022036803 A JP2022036803 A JP 2022036803A JP 2022036803 A JP2022036803 A JP 2022036803A JP 7410200 B2 JP7410200 B2 JP 7410200B2
Authority
JP
Japan
Prior art keywords
atmospheric pressure
sensor value
measurement data
pressure sensor
cow
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2022036803A
Other languages
Japanese (ja)
Other versions
JP2022079489A (en
Inventor
康行 高畠
信行 赤野間
将徳 畠中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT TechnoCross Corp
Original Assignee
NTT TechnoCross Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NTT TechnoCross Corp filed Critical NTT TechnoCross Corp
Priority to JP2022036803A priority Critical patent/JP7410200B2/en
Publication of JP2022079489A publication Critical patent/JP2022079489A/en
Application granted granted Critical
Publication of JP7410200B2 publication Critical patent/JP7410200B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Description

本発明は、特定装置、特定方法、及びプログラムに関する。 The present invention relates to a specific device, a specific method, and a program.

乳用牛の搾乳期間は、乳用牛を交配(人工授精)させて子牛を生ませた後(分娩後)であり、この期間は泌乳期と呼ばれている。泌乳期は約305日程度であることが知られている。また、次の出産に備えて、次回の分娩予定日の約60日前で搾乳を止めるのが一般的である。この60日の期間は乾乳期と呼ばれている。乳用牛は、分娩、泌乳期、乾乳期を毎年繰り返している。 The milking period for dairy cows is after the dairy cows are mated (artificial insemination) and give birth to a calf (after calving), and this period is called the lactation period. It is known that the lactation period is about 305 days. Additionally, in preparation for the next birth, it is common to stop pumping milk about 60 days before the next due date. This 60 day period is called the dry period. Dairy cows go through calving, lactation, and dry periods every year.

乳用牛を飼育する酪農家等は、乳用牛から継続的に搾乳するため、毎年乾乳期に乳用牛を交配(人工授精)させる必要がある。乳用牛の交配(人工授精)にあたっては、乳用牛の発情を発見する必要がある。乳用牛の発情を発見するには、乳用牛の外部的兆候を確認したり、発情時に多く見られる行動を確認したりすることが行われている。また、台帳を用いた繁殖記録による発情時期の管理等も行われている。 Dairy farmers who raise dairy cows need to mate (artificial insemination) the dairy cows every year during the dry period in order to continuously extract milk from the cows. When breeding dairy cows (artificial insemination), it is necessary to detect when the dairy cows are in heat. To detect when a dairy cow is in heat, it is done to check the external signs of the dairy cow and to check the behavior that is often seen when the cow is in heat. In addition, the estrous period is managed by recording breeding records using ledgers.

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.Ryo Abe, “Basic Agriculture Seminar: Basics of Livestock Breeding”, new edition, Agricultural and Fishing Village Culture Association, April 2008, p.109, p.122-124.

ここで、例えば、飼養頭数が数千頭以上にも及ぶ大規模な酪農場では、1頭1頭の乳用牛の外部的兆候や行動を確認することは酪農家にとって大きな負担となっていた。これに対して、例えば、飼養している乳用牛の行動を特定することで、発情時に多く見られる行動の確認を容易にすることができれば、酪農家の負担を軽減することができる。 For example, in large-scale dairy farms with several thousand cows or more, checking the external signs and behavior of each dairy cow is a huge burden for the dairy farmer. . On the other hand, if, for example, it is possible to identify the behavior of dairy cows in their care and make it easier to confirm the behaviors that are often seen during estrus, the burden on dairy farmers can be reduced.

また、乳用牛の行動を特定するのみならず、例えば、病気やケガ、乳用牛がどの程度成長したか等を特定することができれば、発情時期の管理のみならず、乳用牛の健康管理や子牛の成長過程の管理等にも資することができる。このことは、乳用牛に限られず、例えば、肥育牛においても同様である。特に、肥育牛では、肥育後期等に起立困難な状態になる場合があり、この結果、鼓脹症等の病気が発症することがある。 In addition, if it is possible to identify not only the behavior of dairy cows, but also diseases, injuries, and how much the dairy cow has grown, it is possible to not only manage the heat period but also to improve the health of dairy cows. It can also contribute to management and the management of the growth process of calves. This is not limited to dairy cattle, but also applies to fattening cattle, for example. In particular, fattening cattle may find it difficult to stand in the later stages of fattening, and as a result, diseases such as bloat may develop.

本発明の実施の形態は、上記の点に鑑みてなされたもので、家畜の管理を支援することを目的とする。 The embodiments of the present invention have been made in view of the above points, and are aimed at supporting livestock management.

上記課題を解決するため、本発明の実施の形態は、家畜に装着された複数の気圧センサがそれぞれ測定した複数の気圧データを記憶する第1の記憶手段と、複数の前記気圧データを前記第1の記憶手段から取得する第1の取得手段と、前記第1の取得手段により取得された前記気圧データの値が逆転した場合に、前記家畜が所定の状態となったことを特定する第1の特定手段と、を有する。 In order to solve the above problems, an embodiment of the present invention includes a first storage means for storing a plurality of atmospheric pressure data respectively measured by a plurality of atmospheric pressure sensors attached to livestock; a first acquisition means for acquiring from the first storage means and a first for identifying that the livestock has entered a predetermined state when the values of the atmospheric pressure data acquired by the first acquisition means are reversed; and identifying means.

家畜の管理を支援することができる。 Can support livestock management.

本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。FIG. 1 is a diagram showing an example of the overall configuration of a specific system according to the present embodiment. 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。FIG. 3 is a diagram showing an example of measurement data stored in a measurement data storage unit. 牛の行動を特定する場合の一例を説明する図である。FIG. 3 is a diagram illustrating an example of specifying the behavior of a cow. 行動特定モデルの一例を示す図である。FIG. 3 is a diagram showing an example of a behavior identification model. 牛の起立困難状態を特定する場合の一例を説明する図である。FIG. 2 is a diagram illustrating an example of identifying a state in which a cow has difficulty standing. 牛の大きさを特定する場合の一例を説明する図である。FIG. 3 is a diagram illustrating an example of specifying the size of a cow. 本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。FIG. 3 is a diagram illustrating an example of a functional configuration of a specific processing unit according to the present embodiment. 牛の行動を特定する処理の一例を示すフローチャートである。It is a flowchart which shows an example of the process which specifies the behavior of a cow. 牛の起立困難状態を特定する処理の一例を示すフローチャートである。It is a flowchart which shows an example of the process which identifies the state in which a cow has difficulty standing. 牛の大きさを特定する処理の一例を示すフローチャートである。It is a flowchart which shows an example of the process which specifies the size of a cow.

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。以降では、家畜の一例として牛の管理を支援する場合について説明する。ただし、家畜は、牛に限られない。 Embodiments of the present invention will be described below with reference to the drawings. In the following, a case will be explained in which support is given to the management of cattle as an example of livestock. However, livestock is not limited to cows.

<全体構成>
以降では、牛の行動、鼓脹症等の病気発症に繋がる起立困難状態及び牛の大きさを特定することで、農家(酪農家や肥育農家)による牛の管理(例えば、牛の発情時期の管理や健康管理、牛の成長過程の管理、鼓脹症等の病気発症の予防等)を支援する特定システム1について、図1を参照しながら説明する。図1は、本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。
<Overall configuration>
In the following, we will identify the behavior of cows, the difficulty in standing that can lead to the development of diseases such as bloat, and the size of cows to help farmers (dairy farmers and feedlot farmers) manage cows (for example, manage the estrous period of cows). A specific system 1 that supports cattle management, health management, management of the growth process of cattle, prevention of disease onset such as bloat, etc. will be described with reference to FIG. 1. FIG. 1 is a diagram showing an example of the overall configuration of a specific system according to this embodiment.

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、牛の行動、牛の起立困難状態、牛の大きさを特定する特定装置10と、牛に装着された1以上の第1のタグ20及び第2のタグ30と、基準となる気圧を測定する基準気圧センサ40とが含まれる。なお、第1のタグ20は、例えば、牛の耳等の頭部に装着されることが好ましい。また、第2のタグ30は、例えば、牛の足首等の脚部に装着されることが好ましい。 As shown in FIG. 1, the identification system 1 according to the present embodiment includes an identification device 10 that identifies the cow's behavior, the cow's difficulty in standing, and the size of the cow, and one or more first devices attached to the cow. tag 20 and a second tag 30, and a reference atmospheric pressure sensor 40 that measures a reference atmospheric pressure. Note that the first tag 20 is preferably attached to the head of a cow, such as an ear, for example. Further, it is preferable that the second tag 30 is attached to a leg such as an ankle of a cow, for example.

第1のタグ20及び第2のタグ30は、牛に装着される機器である。1頭の牛に対して、第1のタグ20と第2のタグ30とが装着されている。第1のタグ20及び第2のタグ30には、これらの第1のタグ20及び第2のタグ30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と、気圧を測定する気圧センサとが含まれている。 The first tag 20 and the second tag 30 are devices that are attached to cattle. A first tag 20 and a second tag 30 are attached to one cow. The first tag 20 and the second tag 30 record the acceleration of the cow to which the first tag 20 and the second tag 30 are attached (acceleration in three axes: X axis, Y axis, and Z axis). It includes an acceleration sensor for measuring and an atmospheric pressure sensor for measuring atmospheric pressure.

第1のタグ20及び第2のタグ30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と、気圧センサにより測定された気圧センサ値と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。 The first tag 20 and the second tag 30 transmit measurement data including an acceleration sensor value measured by an acceleration sensor and a barometric pressure sensor value measured by a barometric pressure sensor at predetermined intervals (for example, every 2 seconds). It is transmitted to the specific device 10. The measurement data transmitted to the specific device 10 is accumulated (stored) in a measurement data storage section 200, which will be described later.

以降では、第1のタグ20により送信される測定データを「第1の測定データ」、第2のタグ30により送信される測定データを「第2の測定データ」とも表す。また、第1の測定データに含まれる加速度センサ値及び気圧センサ値を、それぞれ「第1の加速度センサ値」及び「第1の気圧センサ値」とも表す。同様に、第2の測定データに含まれる加速度センサ値及び気圧センサ値を、それぞれ「第2の加速度センサ値」及び「第2の気圧センサ値」とも表す。 Hereinafter, the measurement data transmitted by the first tag 20 will also be referred to as "first measurement data," and the measurement data transmitted by the second tag 30 will also be referred to as "second measurement data." Further, the acceleration sensor value and the barometric pressure sensor value included in the first measurement data are also expressed as "first acceleration sensor value" and "first barometric pressure sensor value", respectively. Similarly, the acceleration sensor value and the barometric pressure sensor value included in the second measurement data are also expressed as a "second acceleration sensor value" and a "second barometric pressure sensor value," respectively.

基準気圧センサ40は、牛舎内の所定の位置(例えば、牛舎内の地面上)に設置され、基準となる気圧を測定する。基準気圧センサ40は、所定の時間毎(例えば2秒毎)に、測定した気圧を示す基準気圧センサ値を含む基準気圧データを特定装置10に送信する。特定装置10に送信された基準気圧データは、後述する基準気圧データ記憶部400に蓄積(記憶)される。 The reference atmospheric pressure sensor 40 is installed at a predetermined position within the cowshed (for example, on the ground within the cowshed) and measures a reference atmospheric pressure. The reference atmospheric pressure sensor 40 transmits reference atmospheric pressure data including a reference atmospheric pressure sensor value indicating the measured atmospheric pressure to the specific device 10 at predetermined intervals (for example, every 2 seconds). The reference atmospheric pressure data transmitted to the specific device 10 is accumulated (stored) in a reference atmospheric pressure data storage section 400, which will be described later.

特定装置10は、牛の行動、牛の起立困難状態及び牛の大きさを特定する1以上の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、行動特定モデル300と、基準気圧データ記憶部400と、成長データ記憶部500とを有する。 The identification device 10 is one or more computers that identify the cow's behavior, the cow's difficulty standing, and the cow's size. The identification device 10 includes a identification processing section 100, a measurement data storage section 200, a behavior identification model 300, a reference atmospheric pressure data storage section 400, and a growth data storage section 500.

特定処理部100は、測定データ記憶部200に記憶されている第1の測定データ及び第2の測定データと、行動特定モデル300とに基づいて、牛の行動を特定する。また、特定処理部100は、測定データ記憶部200に記憶されている第1の測定データ及び第2の測定データと、基準気圧データ記憶部400に記憶されている基準気圧データとに基づいて、牛の起立困難状態及び牛の大きさを特定する。特定された大きさを示す成長データは、成長データ記憶部500に蓄積(記憶)される。なお、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。 The identification processing unit 100 identifies the behavior of the cow based on the first measurement data and second measurement data stored in the measurement data storage unit 200 and the behavior identification model 300. Further, the specific processing unit 100 performs the following based on the first measurement data and second measurement data stored in the measurement data storage unit 200 and the reference atmospheric pressure data stored in the reference atmospheric pressure data storage unit 400. Identify the cow's difficulty in standing and the size of the cow. Growth data indicating the specified size is accumulated (stored) in the growth data storage section 500. Note that the specific processing unit 100 is realized by a process that causes a CPU (Central Processing Unit) or the like to execute one or more programs installed in the specific device 10.

測定データ記憶部200は、第1のタグ20から受信した第1の測定データと、第2のタグ30から受信した第2の測定データとを記憶する。測定データ記憶部200には、所定の時間毎(例えば2秒毎)に、複数の第1の測定データと、複数の第2の測定データとが記憶されている。なお、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。 The measurement data storage unit 200 stores the first measurement data received from the first tag 20 and the second measurement data received from the second tag 30. The measurement data storage unit 200 stores a plurality of first measurement data and a plurality of second measurement data at predetermined time intervals (for example, every two seconds). Note that the measurement data storage unit 200 can be realized using, for example, an auxiliary storage device such as an HDD (Hard Disk Drive) or an SSD (Solid State Drive).

行動特定モデル300は、第1の測定データに含まれる第1の加速度センサ値と、第2の測定データに含まれる第2の加速度センサ値とに基づいて、牛の行動を特定するためのモデルである。行動特定モデル300は、例えば、家畜の種類や特定したい行動の種類に応じて、SVM(Support Vector Machine)等の機械学習の手法により予め作成される。なお、行動特定モデル300は、例えばHDDやSSD等の補助記憶装置等に記憶されている。 The behavior identification model 300 is a model for identifying cow behavior based on the first acceleration sensor value included in the first measurement data and the second acceleration sensor value included in the second measurement data. It is. The behavior identification model 300 is created in advance using a machine learning method such as SVM (Support Vector Machine), depending on the type of livestock or the type of behavior to be identified, for example. Note that the behavior identification model 300 is stored in, for example, an auxiliary storage device such as an HDD or an SSD.

基準気圧データ記憶部400は、基準気圧センサ40から受信した基準気圧データを記憶する。なお、基準気圧データ記憶部400は、例えばHDDやSSD等の補助記憶装置等を用いて実現可能である。 The reference atmospheric pressure data storage unit 400 stores reference atmospheric pressure data received from the reference atmospheric pressure sensor 40. Note that the reference atmospheric pressure data storage unit 400 can be realized using, for example, an auxiliary storage device such as an HDD or an SSD.

成長データ記憶部500は、牛の大きさを示す成長データを記憶する。なお、成長データ記憶部500は、例えばHDDやSSD等の補助記憶装置等を用いて実現可能である。 The growth data storage unit 500 stores growth data indicating the size of the cow. Note that the growth data storage unit 500 can be realized using, for example, an auxiliary storage device such as an HDD or an SSD.

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(クラウドサーバ等)が有していても良い。更に、例えば、牛には、第1のタグ20及び第2のタグ30の代わりに、2つの加速度センサと2つの気圧センサとがそれぞれ別体で装着されていても良い。 Note that the configuration of the specific system 1 shown in FIG. 1 is an example, and other configurations may be used. For example, the specific device 10 may be composed of multiple computers. Further, for example, a device (such as a cloud server) connected to the specific device 10 via a network may have some of the functions that the specific processing unit 100 has. Furthermore, for example, instead of the first tag 20 and the second tag 30, two acceleration sensors and two atmospheric pressure sensors may be separately attached to the cow.

また、本実施形態では、1頭の牛に対して第1のタグ20と第2のタグ30とが装着される場合について説明するが、1頭の牛に対して装着されるタグの数は2つに限られない。1頭の牛に対して3つ以上のタグが装着されても良い。 Further, in this embodiment, a case will be described in which the first tag 20 and the second tag 30 are attached to one cow, but the number of tags attached to one cow is It is not limited to two. Three or more tags may be attached to one cow.

<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、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、第1のタグ20から第1の測定データを受信した場合、特定処理部100により、受信した第1の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。同様に、特定装置10は、第2のタグ30から第2の測定データを受信した場合、特定処理部100により、受信した第2の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。
<Measurement data stored in measurement data storage unit 200>
Here, the measurement data stored in the measurement data storage section 200 will be explained with reference to FIG. 2. FIG. 2 is a diagram showing an example of measurement data stored in the measurement data storage section 200. Note that when the identification device 10 receives the first measurement data from the first tag 20, the identification processing unit 100 stores (accumulates) the received first measurement data in the measurement data storage unit 200. good. Similarly, when the identification device 10 receives the second measurement data from the second tag 30, the identification processing unit 100 causes the measurement data storage unit 200 to store (accumulate) the received second measurement data. Good.

図2(a)に示すように、測定データ記憶部200には、牛を識別する家畜ID毎に、1以上の第1の測定データが記憶されている。第1の測定データには、日時と、第1の加速度センサ値と、第1の気圧センサ値とが含まれる。 As shown in FIG. 2(a), the measurement data storage unit 200 stores one or more pieces of first measurement data for each livestock ID that identifies a cow. The first measurement data includes date and time, a first acceleration sensor value, and a first atmospheric pressure sensor value.

日時は、第1のタグ20が第1の測定データを作成した日時である。なお、日時は、特定装置10が第1の測定データを受信した日時であっても良い。 The date and time is the date and time when the first tag 20 created the first measurement data. Note that the date and time may be the date and time when the specific device 10 received the first measurement data.

第1の加速度センサ値は、第1のタグ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。第1の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」の第1の測定データには、第1の加速度センサ値のX成分「X11」と、Y成分「Y11」と、Z成分「Z11」とが含まれる。第1の気圧センサ値は、第1のタグ20に含まれる気圧センサにより測定された気圧の値である。 The first acceleration sensor value is the acceleration value measured by the acceleration sensor included in the first tag 20. The first acceleration sensor value includes an X component indicating an acceleration component in the X-axis direction, a Y component indicating an acceleration component in the Y-axis direction, and a Z component indicating an acceleration component in the Z-axis direction. For example, the first measurement data at date and time “t 1 ” includes an X component “X 11 ”, a Y component “Y 11 ”, and a Z component “Z 11 ” of the first acceleration sensor value. The first atmospheric pressure sensor value is the atmospheric pressure value measured by the atmospheric pressure sensor included in the first tag 20.

同様に、図2(b)に示すように、測定データ記憶部200には、家畜ID毎に、1以上の第2の測定データが記憶されている。第2の測定データには、日時と、第2の加速度センサ値と、第2の気圧センサ値とが含まれる。 Similarly, as shown in FIG. 2(b), the measurement data storage unit 200 stores one or more pieces of second measurement data for each livestock ID. The second measurement data includes date and time, a second acceleration sensor value, and a second atmospheric pressure sensor value.

日時は、第2のタグ30が第2の測定データを作成した日時である。なお、日時は、特定装置10が第2の測定データを受信した日時であっても良い。 The date and time is the date and time when the second tag 30 created the second measurement data. Note that the date and time may be the date and time when the specific device 10 received the second measurement data.

第2の加速度センサ値は、第2のタグ30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。第1の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。第2の気圧センサ値は、第2のタグ30に含まれる気圧センサにより測定された気圧の値である。 The second acceleration sensor value is the acceleration value measured by the acceleration sensor included in the second tag 30. The first acceleration sensor value includes an X component indicating an acceleration component in the X-axis direction, a Y component indicating an acceleration component in the Y-axis direction, and a Z component indicating an acceleration component in the Z-axis direction. The second atmospheric pressure sensor value is the atmospheric pressure value measured by the atmospheric pressure sensor included in the second tag 30.

このように、本実施形態に係る測定データ記憶部200には、第1のタグ20及び第2のタグ30が装着されている牛を識別する家畜ID毎に、第1の測定データ及び第2の測定データが蓄積(記憶)されている。なお、1頭の牛に対して2つのタグ(第1のタグ20及び第2のタグ30)が装着されていることから、家畜IDに代えて、例えば、同一の牛に装着された第1のタグ20及び第2のタグ30に共通に付与されたID等を用いても良い。 In this way, the measurement data storage unit 200 according to the present embodiment stores the first measurement data and the second measurement data for each livestock ID that identifies the cow to which the first tag 20 and the second tag 30 are attached. measurement data is accumulated (memorized). In addition, since two tags (first tag 20 and second tag 30) are attached to one cow, instead of the livestock ID, for example, the first tag attached to the same cow can be used. An ID commonly assigned to the tag 20 and the second tag 30 may be used.

また、第1の測定データには、第1のタグ20が装着されている牛の部位を示す部位情報が含まれていても良い。同様に、第2の測定データには、第2のタグ30が装着されている牛の部位を示す部位情報が含まれていても良い。具体的には、第1の測定データには、牛の頭部を示す部位情報が含まれていても良い。同様に、第2の測定データには、牛の脚部を示す部位情報が含まれていても良い。部位情報としては、これら以外にも、例えば、牛の首部分を示す情報、前足部分を示す情報、後足部分を示す情報、背中部分を示す情報、尻尾の付け根部分を示す情報等が挙げられる。 Further, the first measurement data may include part information indicating the part of the cow to which the first tag 20 is attached. Similarly, the second measurement data may include part information indicating the part of the cow to which the second tag 30 is attached. Specifically, the first measurement data may include part information indicating the head of the cow. Similarly, the second measurement data may include part information indicating the legs of the cow. In addition to these, the part information includes, for example, information indicating the cow's neck, front legs, hind legs, back, and base of the tail.

<行動の特定>
ここで、本実施形態に係る特定システム1により特定される牛の行動と、牛の行動を特定する方法の概要とについて、図3を参照しながら説明する。図3は、牛の行動を特定する場合の一例を説明する図である。
<Identification of behavior>
Here, the cow behavior identified by the identification system 1 according to the present embodiment and an overview of the method for identifying cow behavior will be described with reference to FIG. 3. FIG. 3 is a diagram illustrating an example of specifying the behavior of a cow.

まず、本実施形態に係る特定システム1が特定する牛の行動には、動作が小さい順に、「横臥」、「起立」、「反芻」及び「活動」の4つがあるものとする。また、「活動」は、「採食」と、「飲水」と、「歩行」とに分類されるものとする。したがって、本実施形態では、「横臥」、「起立」、「反芻」、「採食」、「飲水」及び「歩行」の6つの行動のうち、いずれの行動を牛が行っているかを特定するものとする。なお、「横臥」及び「起立」の動作の大きさは逆であっても良い。すなわち、動作が小さい順に、「起立」、「横臥」、「反芻」及び「活動」としても良い。 First, it is assumed that there are four cow behaviors identified by the identification system 1 according to the present embodiment: "lying down", "standing up", "rumination", and "activity" in descending order of motion. Furthermore, "activity" is classified into "eating", "drinking water", and "walking". Therefore, in this embodiment, it is determined which behavior the cow is performing among the six behaviors of "lying down," "standing up," "ruminating," "eating," "drinking water," and "walking." shall be taken as a thing. Note that the magnitudes of the "lying down" and "standing up" motions may be reversed. In other words, the actions may be "standing up," "lying down," "ruminating," and "activating," in descending order of magnitude.

「横臥」とは、牛が横たわっている状態のことである。「起立」とは、牛が立っている状態のことである。なお、「横臥」及び「起立」は、いずれも牛が動作を行っていない状態(言い換えれば、牛が横たわって静止している状態又は牛が立って静止している状態)である。 “Lying down” refers to the state in which the cow is lying down. “Standing” refers to the state in which the cow is standing. Note that "lying down" and "standing up" are both states in which the cow is not making any movements (in other words, a state in which the cow is lying down and still, or a state in which the cow is standing and being still).

「反芻」とは、牛が反芻(一度飲み込んだ食物を口に戻して咀嚼し直す動作)を行っている状態のことである。「採食」とは、牛が食物を食べている動作を行っている状態のことである。「飲水」とは、牛が水を飲んでいる動作を行っている状態のことである。「歩行」とは、牛が歩いている状態のことである。 "Rumination" refers to the state in which a cow chews its cud (the action of returning food that has been swallowed to the mouth and chewing it again). "Feeding" is a state in which a cow is performing the action of eating food. "Drinking water" refers to the state in which the cow is performing the action of drinking water. "Walking" refers to the state in which the cow is walking.

「横臥」、「起立」、「反芻」、「採食」、「飲水」及び「歩行」のいずれの行動を牛が行っているかは、動作強度分析により特定される。動作強度分析では、第1の測定データに含まれる第1の加速度センサ値と、第2の測定データに含まれる第2の加速度センサ値と、行動特定モデル300とに基づいて、牛の行動が、「横臥」、「起立」、「反芻」、「採食」、「飲水」及び「歩行」のいずれであるかを特定する。 Which behavior the cow is performing among "lying down," "standing up," "ruminating," "eating," "drinking water," and "walking" is identified by motion intensity analysis. In the motion intensity analysis, the behavior of the cow is determined based on the first acceleration sensor value included in the first measurement data, the second acceleration sensor value included in the second measurement data, and the behavior identification model 300. , "lying down", "standing up", "ruminating", "eating", "drinking water", and "walking".

より具体的には、動作強度分析では、所定の時間(例えば10分)の間における第1の加速度センサ値及び第2の加速度センサ値から所定の指標値を算出する。所定の指標値としては、例えば、第1の加速度センサ値と第2の加速度センサ値との平均を示す平均加速度センサ値のL2のノルムの振れ幅の最大値と、平均加速度センサ値のL2ノルムの標準偏差とが挙げられる。なお、L2ノルムの振れ幅の最大値とは、所定の時間の間における平均加速度センサ値のL2ノルムの平均値と、当該所定の時間の間における各平均加速度センサ値のL2ノルムの値との差の絶対値が最大となる値のことである。 More specifically, in the motion intensity analysis, a predetermined index value is calculated from the first acceleration sensor value and the second acceleration sensor value during a predetermined period of time (for example, 10 minutes). As the predetermined index value, for example, the maximum value of the swing width of the L2 norm of the average acceleration sensor value indicating the average of the first acceleration sensor value and the second acceleration sensor value, and the L2 norm of the average acceleration sensor value The standard deviation of Note that the maximum value of the amplitude of the L2 norm is the difference between the average value of the L2 norm of the average acceleration sensor value during a predetermined time and the value of the L2 norm of each average acceleration sensor value during the predetermined time. This is the value at which the absolute value of the difference is maximum.

そして、「横臥」、「起立」、「反芻」、「採食」、「飲水」及び「歩行」の6つの領域に分類される行動特定モデル300において、算出した指標値を示す点がこれら6の領域のいずれに含まれるかにより行動を特定する。 In the behavior identification model 300 classified into the six areas of "lying down," "standing up," "rumination," "eating," "drinking," and "walking," these six points indicate the calculated index values. Behaviors are identified by which area they fall into.

<行動特定モデル300>
次に、上記の行動特定モデル300について、図4を参照しながら説明する。図4は、行動特定モデル300の一例を示す図である。
<Behavior identification model 300>
Next, the above behavior identification model 300 will be explained with reference to FIG. 4. FIG. 4 is a diagram showing an example of the behavior identification model 300.

図4に示すように、行動特定モデル300は、L2ノルムの振れ幅の最大値を横軸、当該L2ノルムの標準偏差を縦軸とした場合に、これら振れ幅の最大値及び標準偏差の値と、行動との関係を示す関係グラフとして表される。 As shown in FIG. 4, the behavior identification model 300 has the maximum value of the fluctuation range of the L2 norm and the value of the standard deviation, when the horizontal axis is the maximum value of the fluctuation range of the L2 norm and the vertical axis is the standard deviation of the L2 norm. It is expressed as a relationship graph showing the relationship between this and behavior.

例えば、ある10分間における第1の加速度センサ値及び第2の加速度センサ値から算出されたL2ノルムの振れ幅の最大値と標準偏差とが領域D1に含まれる場合、当該10分間における牛の行動は「横臥」と特定される。また、例えば、ある10分間における第1の加速度センサ値及び第2の加速度センサ値から算出されたL2ノルムの振れ幅の最大値と標準偏差とが領域D2に含まれる場合、当該10分間における牛の行動は「起立」と特定される。 For example, if the maximum value and standard deviation of the amplitude of the L2 norm calculated from the first acceleration sensor value and the second acceleration sensor value in a certain 10 minutes are included in the region D1, the cow's behavior in the 10 minutes is identified as ``recumbent.'' For example, if the maximum value and standard deviation of the amplitude of the L2 norm calculated from the first acceleration sensor value and the second acceleration sensor value in a certain 10 minutes are included in the area D2, the The action is identified as "standing up."

同様に、ある10分間における第1の加速度センサ値及び第2の加速度センサ値から算出されたL2ノルムの振れ幅の最大値と標準偏差とが領域D3に含まれる場合、当該10分間における牛の行動は「反芻」と特定される。 Similarly, if the maximum value and standard deviation of the amplitude of the L2 norm calculated from the first acceleration sensor value and the second acceleration sensor value in a certain 10 minutes are included in the region D3, the cow's The behavior is identified as "rumination."

以降も同様に、例えば、ある10分間における第1の加速度センサ値及び第2の加速度センサ値から算出されたL2ノルムの振れ幅の最大値と標準偏差とが領域D41に含まれる場合、当該10分間における牛の行動は「採食」と特定される。 Similarly, for example, if the maximum value and standard deviation of the amplitude of the L2 norm calculated from the first acceleration sensor value and the second acceleration sensor value in a certain 10 minutes are included in the area D41, the corresponding 10 The cow's behavior in minutes is identified as "feeding."

例えば、ある10分間における第1の加速度センサ値及び第2の加速度センサ値から算出されたL2ノルムの振れ幅の最大値と標準偏差とが領域D42に含まれる場合、当該10分間における牛の行動は「飲水」と特定される。 For example, if the maximum value and standard deviation of the amplitude of the L2 norm calculated from the first acceleration sensor value and the second acceleration sensor value in a certain 10 minutes are included in the region D42, the cow's behavior in the 10 minutes is identified as “drinking water”.

例えば、ある10分間における第1の加速度センサ値及び第2の加速度センサ値から算出されたL2ノルムの振れ幅の最大値と標準偏差とが領域D43に含まれる場合、当該10分間における牛の行動は「歩行」と特定される。 For example, if the maximum value and standard deviation of the amplitude of the L2 norm calculated from the first acceleration sensor value and the second acceleration sensor value in a certain 10 minutes are included in the area D43, the cow's behavior in the 10 minutes is identified as "walking".

なお、「反芻」と特定される領域D3は、更に、牛が立っている状態で反芻動作を行っていることを示す領域と、牛が横たわっている状態で反芻動作を行っていることを示す領域とに分けられても良い。 Note that the area D3 identified as "rumination" further includes an area indicating that the cow is ruminating while standing, and an area indicating that the cow is ruminating while lying down. It may be divided into two areas.

なお、図4に示す例では、行動特定モデル300の各領域D1~D3及びD41~D43が互いに重なっていない場合を示しているが、各領域D1~D3及びD41~D43のうちの2以上の領域が互いに重なっている部分が存在しても良い。 Note that the example shown in FIG. 4 shows a case where the regions D1 to D3 and D41 to D43 of the behavior identification model 300 do not overlap with each other, but if two or more of the regions D1 to D3 and D41 to D43 There may be a portion where regions overlap each other.

このように、行動特定モデル300は、所定の時間(例えば10分)の間における第1の加速度センサ値及び第2の加速度センサ値から算出された指標値(L2ノルムの振れ幅の最大値及び標準偏差)と、牛の行動との関係を表す領域が定義されたモデルである。このような行動特定モデル300は、SVM等の機械学習の手法により予め作成される。なお、SVMは一例であって、例えば、ニューラルネットワーク等の種々の機械学習の手法により作成されても良い。また、例えば、牛が同一の動作を行った場合であっても、加速度センサの種類等によって、具体的な加速度センサ値は異なる。ただし、各行動をそれぞれ示す領域D1~D3及びD41~D43の位置関係は、略一定に定まっている。 In this way, the behavior identification model 300 calculates the index value (maximum value of the amplitude of the L2 norm and This is a model in which a region expressing the relationship between the standard deviation) and cow behavior is defined. Such behavior identification model 300 is created in advance using a machine learning method such as SVM. Note that the SVM is just one example, and may be created using various machine learning techniques such as a neural network. Further, for example, even if the cow performs the same motion, the specific acceleration sensor value will differ depending on the type of acceleration sensor. However, the positional relationships of the regions D1 to D3 and D41 to D43, which respectively indicate each action, are determined to be substantially constant.

<起立困難状態の特定>
次に、本実施形態に係る特定システム1により牛の起立困難状態を特定する方法の概要について、図5を参照しながら説明する。図5は、牛の起立困難状態を特定する場合の一例を説明する図である。
<Identification of difficulty in standing>
Next, an overview of a method for identifying a state in which a cow has difficulty standing up using the identification system 1 according to the present embodiment will be described with reference to FIG. 5. FIG. 5 is a diagram illustrating an example of identifying a state in which a cow has difficulty standing.

牛が起立困難な状態になると、鼓脹症になり、牛が死亡する可能性がある。そこで、鼓脹症に繋がる起立困難状態を特定することで、鼓脹症によって牛が死亡する事態を防止することができる。 If the cow has difficulty standing up, bloat can occur and the cow may die. Therefore, by identifying the difficulty in standing that leads to bloat, it is possible to prevent cows from dying due to bloat.

牛が起立困難な状態になった場合、上下が反転した姿勢となることが多い。そこで、本実施形態では、第1の差分気圧センサ値と、第2の気圧差分センサ値とを用いて、起立困難状態を特定する。第1の差分気圧センサ値とは、第1の測定データに含まれる第1の気圧センサ値と、基準気圧データに含まれる基準気圧センサ値との差である。また、第2の差分気圧センサ値とは、第2の測定データに含まれる第2の気圧センサ値と、基準気圧データに含まれる基準気圧センサ値との差である。 When a cow has difficulty standing up, it often assumes an upside-down position. Therefore, in this embodiment, the state of difficulty in standing is identified using the first differential atmospheric pressure sensor value and the second differential atmospheric pressure sensor value. The first differential atmospheric pressure sensor value is the difference between the first atmospheric pressure sensor value included in the first measurement data and the reference atmospheric pressure sensor value included in the reference atmospheric pressure data. Further, the second differential atmospheric pressure sensor value is the difference between the second atmospheric pressure sensor value included in the second measurement data and the reference atmospheric pressure sensor value included in the reference atmospheric pressure data.

なお、第1の差分気圧センサ値及び第2の差分気圧センサ値を用いるのは、気圧センサ及び基準気圧センサにより測定される気圧センサ値及び基準気圧センサ値は、例えば、天候等によって値が変動するためである。 Note that the first differential atmospheric pressure sensor value and the second differential atmospheric pressure sensor value are used because the atmospheric pressure sensor value and the reference atmospheric pressure sensor value measured by the atmospheric pressure sensor and the reference atmospheric pressure sensor change in value due to, for example, the weather. This is to do so.

第1の差分気圧センサ値をP、第2の気圧センサ値をPとする。このとき、正常時には、第1の気圧センサ値Pが第2の気圧センサ値Pよりも小さくなる。これは、図5に示すように、第1のタグ20の方が第2のタグ30よりも高い位置にあるためである。 Let the first differential atmospheric pressure sensor value be P 1 and the second atmospheric pressure sensor value be P 2 . At this time, under normal conditions, the first atmospheric pressure sensor value P1 is smaller than the second atmospheric pressure sensor value P2 . This is because the first tag 20 is located at a higher position than the second tag 30, as shown in FIG.

一方で、起立困難によって牛の上下が反転した場合、第1の気圧センサ値Pが第2の気圧センサ値Pよりも大きくなる。これは、図5に示すように、第1のタグ20の方が第2のタグ30よりも低い位置となるためである。したがって、第1の気圧センサ値Pと第2の気圧センサ値Pとが逆転した場合に、牛が起立困難状態になったと特定することができる。 On the other hand, if the cow is turned upside down due to difficulty in standing up, the first atmospheric pressure sensor value P1 becomes larger than the second atmospheric pressure sensor value P2 . This is because, as shown in FIG. 5, the first tag 20 is at a lower position than the second tag 30. Therefore, when the first atmospheric pressure sensor value P 1 and the second atmospheric pressure sensor value P 2 are reversed, it can be specified that the cow is in a state where it is difficult to stand up.

なお、上記では、一例として、正常時には第1の気圧センサ値Pが第2の気圧センサ値Pよりも小さくなり、起立困難によって牛の上下が反転した場合には第1の気圧センサ値Pが第2の気圧センサ値Pよりも大きくなるものとしたが、より正確には、この大小関係は、基準気圧センサ40が設置されている高さと、正常時における第1のタグ20及び第2のタグ30との高さによって異なる。以降では、上記と同様に、正常時には第1の気圧センサ値Pが第2の気圧センサ値Pよりも小さくなり、牛の上下が反転した場合には第1の気圧センサ値Pが第2の気圧センサ値Pよりも大きくなるものとする。 In addition, in the above, as an example, the first barometric pressure sensor value P 1 is smaller than the second barometric pressure sensor value P 2 under normal conditions, and when the cow is upside down due to difficulty in standing up, the first barometric pressure sensor value P 1 becomes smaller than the second barometric pressure sensor value P 2. It is assumed that P 1 is larger than the second barometric pressure sensor value P 2 , but more precisely, this size relationship is based on the height at which the reference barometric pressure sensor 40 is installed and the first tag 20 in normal conditions. and the height with respect to the second tag 30. Hereinafter, similarly to the above, the first atmospheric pressure sensor value P 1 will be smaller than the second atmospheric pressure sensor value P 2 during normal conditions, and when the cow is turned upside down, the first atmospheric pressure sensor value P 1 will be smaller than the second atmospheric pressure sensor value P 2 . It is assumed that the second barometric pressure sensor value P2 is greater than the second barometric pressure sensor value P2.

<大きさの特定>
次に、本実施形態に係る特定システム1により特定される大きさの一例として、牛の体高を特定する方法の概要について、図6を参照しながら説明する。図6は、牛の大きさを特定する場合の一例を説明する図である。
<Identification of size>
Next, as an example of the size specified by the identification system 1 according to the present embodiment, an overview of a method for specifying the body height of a cow will be described with reference to FIG. 6. FIG. 6 is a diagram illustrating an example of specifying the size of a cow.

上記と同様に、第1の差分気圧センサ値をP、第2の気圧センサ値をPとする。ここで、図6に示すように、例えば、現在における第1の差分気圧センサ値Pが高さ1.3mを示す値であり、第2の差分気圧センサ値Pが高さ0.1mを示す値であるとする。この場合、現在の牛の体高を1.2mであると特定することができる。 Similarly to the above, let the first differential atmospheric pressure sensor value be P 1 and the second atmospheric pressure sensor value be P 2 . Here, as shown in FIG. 6, for example, the current first differential pressure sensor value P1 is a value indicating a height of 1.3 m, and the second differential pressure sensor value P2 is a value indicating a height of 0.1 m. Suppose that the value indicates . In this case, the current height of the cow can be determined to be 1.2 m.

また、図6に示すように、例えば、1か月前における第1の差分気圧センサ値Pが高さ1mを示す値であり、第2の差分気圧センサ値Pが高さ0.1mを示す値であったとする。この場合、1か月前の牛の体高は、0.9mであったと特定される。 Further, as shown in FIG . 6, for example, the first differential pressure sensor value P1 one month ago is a value indicating a height of 1 m, and the second differential pressure sensor value P2 is a value indicating a height of 0.1 m. Suppose that the value indicates . In this case, the cow's body height one month ago is determined to be 0.9 m.

したがって、この場合、過去及び現在の体高の変化から1か月間で約0.3m成長すると考えられるため、図6に示すように、例えば、1か月後の牛の体高を1.5mと予測することができる。 Therefore, in this case, it is thought that the cow will grow by about 0.3 m in one month based on past and current changes in body height, so as shown in Figure 6, for example, the cow's body height after one month is predicted to be 1.5 m. can do.

<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7を参照しながら説明する。図7は、本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。
<Functional configuration of specific processing unit 100>
Next, the functional configuration of the specific processing section 100 according to this embodiment will be described with reference to FIG. 7. FIG. 7 is a diagram showing an example of the functional configuration of the specific processing section 100 according to the present embodiment.

図7に示すように、特定処理部100は、行動特定処理部110と、起立困難特定処理部120と、大きさ特定処理部130とを有する。 As shown in FIG. 7, the identification processing section 100 includes an action identification processing section 110, a difficulty in standing up identification processing section 120, and a size identification processing section 130.

行動特定処理部110は、牛の行動を特定する処理を行う。行動特定処理部110には、取得部111と、前処理部112と、指標値算出部113と、行動特定部114とが含まれる。 The behavior identification processing unit 110 performs processing to identify the behavior of the cow. The behavior identification processing unit 110 includes an acquisition unit 111 , a preprocessing unit 112 , an index value calculation unit 113 , and a behavior identification unit 114 .

取得部111は、測定データ記憶部200に記憶されている第1の測定データ及び第2の測定データを取得する。このとき、取得部111は、例えば、家畜ID毎に、所定の時間(例えば10分)の間の第1の測定データ及び第2の測定データを測定データ記憶部200から取得する。 The acquisition unit 111 acquires first measurement data and second measurement data stored in the measurement data storage unit 200. At this time, the acquisition unit 111 acquires, for example, first measurement data and second measurement data for a predetermined period of time (for example, 10 minutes) from the measurement data storage unit 200 for each livestock ID.

前処理部112は、取得部111により取得された第1の測定データ及び第2の測定データに対して前処理を行う。前処理とは、例えば、第1の測定データ及び第2の測定データの欠損補完(リサンプリング)処理やノイズ除去処理等である。前処理部112は、欠損補完後の第1の測定データ及び第2の測定データにそれぞれ含まれる第1の加速度センサ値及び第2の加速度センサ値に基づくL2ノルムを算出した上で、算出したL2ノルムを用いてノイズ除去処理を行う。 The preprocessing unit 112 performs preprocessing on the first measurement data and the second measurement data acquired by the acquisition unit 111. The preprocessing is, for example, a defect complementation (resampling) process or a noise removal process for the first measurement data and the second measurement data. The preprocessing unit 112 calculates the L2 norm based on the first acceleration sensor value and the second acceleration sensor value included in the first measurement data and the second measurement data after the defect completion, and then Noise removal processing is performed using the L2 norm.

指標値算出部113は、前処理部112による前処理後の第1の測定データ及び第2の測定データにそれぞれ含まれる第1の加速度センサ値及び第2の加速度センサ値から所定の指標値を算出する。例えば、指標値算出部113は、指標値として、前処理後の第1の測定データ及び第2の測定データにそれぞれ含まれる第1の加速度センサ値及び第2の加速度センサ値の平均を示す平均加速度センサ値を算出した上で、この平均加速度センサ値のL2ノルムの振れ幅の最大値と、当該L2ノルムの標準偏差とを算出する。 The index value calculation unit 113 calculates a predetermined index value from the first acceleration sensor value and the second acceleration sensor value included in the first measurement data and the second measurement data, respectively, after the preprocessing by the preprocessing unit 112. calculate. For example, the index value calculation unit 113 calculates, as the index value, an average that indicates the average of the first acceleration sensor value and the second acceleration sensor value included in the first measurement data and the second measurement data after preprocessing. After calculating the acceleration sensor value, the maximum value of the amplitude of the L2 norm of the average acceleration sensor value and the standard deviation of the L2 norm are calculated.

行動特定部114は、指標値算出部113により算出された指標値(L2ノルムの振れ幅の最大値及び標準偏差)と、行動特定モデル300とから6つの行動(「横臥」、「起立」、「反芻」、「採食」、「飲水」及び「歩行」)を特定する。これにより、牛の行動が特定される。 The behavior specifying unit 114 determines six behaviors (“lying down”, “standing up”, ``rumination'', ``eating'', ``drinking'' and ``walking''). This allows the cow's behavior to be determined.

なお、行動特定処理部110は、例えば、L2ノルムの振れ幅の最大値及び標準偏差と、行動特定モデル300と同等のデータを生成するプログラム等の処理結果とから上記6つの行動を特定しても良い。 Note that the behavior identification processing unit 110 identifies the six behaviors described above based on, for example, the maximum value and standard deviation of the amplitude of the L2 norm, and the processing results of a program or the like that generates data equivalent to the behavior identification model 300. Also good.

起立困難特定処理部120は、牛の起立困難状態を特定する処理を行う。起立困難特定処理部120には、取得部121と、差分値算出部122と、起立困難特定部123とが含まれる。 The difficulty in standing identification processing unit 120 performs processing to identify the state in which the cow has difficulty in standing. The difficulty in standing up identification processing unit 120 includes an acquisition unit 121 , a difference value calculation unit 122 , and a difficulty in standing up identification unit 123 .

取得部121は、測定データ記憶部200に記憶されている第1の測定データ及び第2の測定データを取得する。このとき、取得部121は、例えば、家畜ID毎に、所定の時間(例えば10分)の間の第1の測定データ及び第2の測定データを測定データ記憶部200から取得する。 The acquisition unit 121 acquires first measurement data and second measurement data stored in the measurement data storage unit 200. At this time, the acquisition unit 121 acquires, for example, first measurement data and second measurement data for a predetermined period of time (for example, 10 minutes) from the measurement data storage unit 200 for each livestock ID.

また、取得部121は、基準気圧データ記憶部400に記憶されている基準気圧データを取得する。このとき、取得部121は、取得した第1の測定データ及び第2の測定データに対応する基準気圧データ(すなわち、取得した第1の測定データ及び第2の測定データと同じ時間の間の基準気圧データ)を取得する。 Further, the acquisition unit 121 acquires reference atmospheric pressure data stored in the reference atmospheric pressure data storage unit 400. At this time, the acquisition unit 121 obtains reference atmospheric pressure data corresponding to the acquired first measurement data and second measurement data (that is, reference pressure data for the same time period as the acquired first measurement data and second measurement data). barometric pressure data).

差分値算出部122は、取得部121により取得された第1の測定データ及び第2の測定データと、基準気圧データとに基づいて、第1の差分気圧センサ値及び第2の差分気圧センサ値を算出する。すなわち、差分値算出部122は、第1の測定データに含まれる第1の気圧センサ値と、この第1の測定データに対応する基準気圧データに含まれる基準気圧センサ値との差を示す第1の差分気圧センサ値を算出する。同様に、差分値算出部122は、第2の測定データに含まれる第2の気圧センサ値と、この第2の測定データに対応する基準気圧データに含まれる基準気圧センサ値との差を示す第2の差分気圧センサ値を算出する。 The difference value calculation unit 122 calculates a first differential atmospheric pressure sensor value and a second differential atmospheric pressure sensor value based on the first measurement data and second measurement data acquired by the acquisition unit 121 and the reference atmospheric pressure data. Calculate. That is, the difference value calculation unit 122 calculates a first barometric pressure sensor value that indicates the difference between the first barometric pressure sensor value included in the first measurement data and the reference barometric pressure sensor value included in the reference barometric pressure data corresponding to this first measurement data. Calculate the differential pressure sensor value of 1. Similarly, the difference value calculation unit 122 indicates the difference between the second atmospheric pressure sensor value included in the second measurement data and the reference atmospheric pressure sensor value included in the reference atmospheric pressure data corresponding to this second measurement data. A second differential atmospheric pressure sensor value is calculated.

起立困難特定部123は、差分値算出部122により算出された第1の差分気圧センサ値及び第2の差分気圧センサ値から起立困難状態を特定する。すなわち、起立困難特定部123は、第1の差分気圧センサ値と第2の差分気圧センサ値とが正常時から逆転した場合に、該当の第1のタグ20及び第2のタグ30が装着されている牛が起立困難状態になったと特定する。 The difficulty in standing up identification unit 123 identifies the state in which it is difficult to stand up based on the first differential atmospheric pressure sensor value and the second differential atmospheric pressure sensor value calculated by the difference value calculation unit 122 . That is, the difficulty in standing identification unit 123 determines whether the corresponding first tag 20 and second tag 30 are attached when the first differential atmospheric pressure sensor value and the second differential atmospheric pressure sensor value are reversed from the normal state. The cow is identified as having difficulty standing.

大きさ特定処理部130は、牛の体高を特定する処理を行う。大きさ特定処理部130には、取得部131と、差分値算出部132と、大きさ特定部133とが含まれる。 The size identification processing unit 130 performs processing to identify the body height of the cow. The size identification processing section 130 includes an acquisition section 131, a difference value calculation section 132, and a size identification section 133.

取得部131は、測定データ記憶部200に記憶されている第1の測定データ及び第2の測定データを取得する。このとき、取得部131は、例えば、家畜ID毎に、最新の第1の測定データ及び第2の測定データを測定データ記憶部200から取得する。 The acquisition unit 131 acquires first measurement data and second measurement data stored in the measurement data storage unit 200. At this time, the acquisition unit 131 acquires the latest first measurement data and second measurement data from the measurement data storage unit 200 for each livestock ID, for example.

また、取得部131は、基準気圧データ記憶部400に記憶されている基準気圧データを取得する。このとき、取得部121は、取得した第1の測定データ及び第2の測定データに対応する基準気圧データ(すなわち、最新の基準気圧データ)を取得する。 Further, the acquisition unit 131 acquires reference atmospheric pressure data stored in the reference atmospheric pressure data storage unit 400. At this time, the acquisition unit 121 acquires reference atmospheric pressure data (that is, the latest reference atmospheric pressure data) corresponding to the acquired first measurement data and second measurement data.

差分値算出部132は、上記の差分値算出部122と同様に、第1の差分気圧センサ値及び第2の差分気圧センサ値を算出する。 The difference value calculation section 132 calculates the first differential atmospheric pressure sensor value and the second differential atmospheric pressure sensor value, similarly to the above-mentioned difference value calculating section 122.

大きさ特定部133は、差分値算出部132により算出された第1の差分気圧センサ値及び第2の差分気圧センサ値から牛の体高を特定する。 The size identifying unit 133 identifies the body height of the cow from the first differential atmospheric pressure sensor value and the second differential atmospheric pressure sensor value calculated by the differential value calculating unit 132.

なお、大きさ特定部133は、例えば、所定の時間の間の第1の差分気圧センサ値及び第2の差分気圧センサ値からそれぞれ特定された体高の平均(すなわち、例えば10分間における第1の差分気圧センサ値及び第2の差分気圧センサ値からそれぞれ特定された体高の平均)を、最終的な牛の体高としても良い。 Note that the size identifying unit 133 determines, for example, the average body height determined from the first differential atmospheric pressure sensor value and the second differential atmospheric pressure sensor value during a predetermined period of time (i.e., the first The average of the body heights respectively specified from the differential atmospheric pressure sensor value and the second differential atmospheric pressure sensor value may be used as the final body height of the cow.

また、特定処理部100は、行動特定処理部110の取得部111と、起立困難特定処理部120の取得部121と、大きさ特定処理部130の取得部131とを共通化した1つの取得部を有していても良い。これにより。例えば、他の特定処理部(例えば、牛の体重を特定する体重特性処理部等)を追加する場合であっても、当該他の特定処理部は、共通化した取得部を用いてデータの取得を行うことができる。 In addition, the identification processing unit 100 is a single acquisition unit in which the acquisition unit 111 of the behavior identification processing unit 110, the acquisition unit 121 of the difficulty in standing up identification processing unit 120, and the acquisition unit 131 of the size identification processing unit 130 are unified. It may have. Due to this. For example, even when adding another specific processing unit (for example, a body weight characteristic processing unit that specifies the weight of a cow), the other specific processing unit can acquire data using a common acquisition unit. It can be performed.

<牛の行動を特定する処理>
以降では、牛の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、牛の行動を特定する処理の一例を示すフローチャートである。なお、図8に示す処理は、例えば、10分間毎に繰り返し実行される。ただし、図8に示す処理は、例えば予め設定された日時に実行されても良いし、予め決められた所定の時間毎に実行されても良い。
<Processing to identify cow behavior>
Hereinafter, the process of identifying cow behavior will be described with reference to FIG. 8. FIG. 8 is a flowchart illustrating an example of a process for identifying cow behavior. Note that the process shown in FIG. 8 is repeatedly executed, for example, every 10 minutes. However, the process shown in FIG. 8 may be executed, for example, at a preset date and time, or at every predetermined time.

まず、行動特定処理部110の取得部111は、家畜ID毎に、所定の時間(例えば10分)の間の第1の測定データ及び第2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S11)。このように、取得部111は、牛(家畜ID)毎に、所定の時間単位(例えば10分単位)の第1の測定データ及び第2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に設定することができる。 First, the acquisition unit 111 of the behavior identification processing unit 110 acquires first measurement data and second measurement data for a predetermined period of time (for example, 10 minutes) from the measurement data storage unit 200 for each livestock ID ( Step S11). In this way, the acquisition unit 111 acquires the first measurement data and the second measurement data in a predetermined time unit (eg, 10 minutes) from the measurement data storage unit 200 for each cow (livestock ID). Note that such a predetermined time is not limited to 10 minutes, and can be set to any time by the user of the specific device 10, for example.

以降では、家畜ID「C001」の10分間の第1の測定データ1,第1の測定データ2,・・・,第1の測定データNと、第2の測定データ1,第2の測定データ2,・・・,第2の測定データMとが取得部111により取得されたものとする。なお、N=M(すなわち、取得部111により取得された第1の測定データの個数と第2の測定データの個数とが同じ)であっても良い。 Hereinafter, first measurement data 1, first measurement data 2, ..., first measurement data N, second measurement data 1, second measurement data for livestock ID "C001" for 10 minutes will be described. 2, . . . , second measurement data M are acquired by the acquisition unit 111. Note that N=M (that is, the number of first measurement data and the number of second measurement data acquired by the acquisition unit 111 may be the same).

次に、行動特定処理部110の前処理部112は、取得部111により取得された第1の測定データ及び第2の測定データに対して前処理を行う(ステップS12)。すなわち、前処理部112は、第1の測定データ及び第2の測定データの欠損補完(リサンプリング)処理やノイズ除去処理等を行う。なお、欠損補完処理は、行動特定の精度を上げるため、データが取得できなかった場合の欠損を補完する処理である。また、ノイズ除去処理は、牛の瞬間的な動作(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)を示すデータを除去する処理である。これにより、前処理後の第1の測定データ1,第1の測定データ2,・・・,第1の測定データLと、前処理後の第2の測定データ1,第2の測定データ2,・・・,第2の測定データLとが得られる。 Next, the preprocessing unit 112 of the behavior identification processing unit 110 performs preprocessing on the first measurement data and the second measurement data acquired by the acquisition unit 111 (step S12). That is, the preprocessing unit 112 performs a defect complementation (resampling) process, a noise removal process, etc. on the first measurement data and the second measurement data. Note that the defect complementing process is a process of supplementing the missing data when data cannot be acquired in order to improve the accuracy of behavior identification. Further, the noise removal process is a process for removing data indicating momentary movements of the cow (for example, movements that momentarily shake the body, movements that cause the body to tremble momentarily, etc.). As a result, the first measurement data 1, the first measurement data 2, ..., the first measurement data L after the preprocessing, and the second measurement data 1, the second measurement data 2 after the preprocessing. , . . . second measurement data L are obtained.

なお、前処理部112は、前処理後の第1の測定データ及び第2の測定データを所定の記憶領域(例えば、測定データ記憶部200)に保存しても良い。 Note that the preprocessing unit 112 may store the preprocessed first measurement data and second measurement data in a predetermined storage area (for example, the measurement data storage unit 200).

次に、行動特定処理部110の指標値算出部113は、前処理部112による前処理後の第1の測定データ及び第2の測定データにそれぞれ含まれる第1の加速度センサ値及び第2の加速度センサ値から所定の指標値を算出する(ステップS13)。 Next, the index value calculation unit 113 of the behavior identification processing unit 110 calculates the first acceleration sensor value and the second A predetermined index value is calculated from the acceleration sensor value (step S13).

例えば、指標値算出部113は、指標値として、前処理後の第1の測定データ及び第2の測定データにそれぞれ含まれる第1の加速度センサ値及び第2の加速度センサ値の平均を示す平均加速度センサ値を算出した上で、この平均加速度センサ値のL2ノルムの振れ幅の最大値と、当該L2ノルムの標準偏差とを算出する。 For example, the index value calculation unit 113 calculates, as the index value, an average that indicates the average of the first acceleration sensor value and the second acceleration sensor value included in the first measurement data and the second measurement data after preprocessing. After calculating the acceleration sensor value, the maximum value of the amplitude of the L2 norm of the average acceleration sensor value and the standard deviation of the L2 norm are calculated.

より具体的には、例えば、n=1,・・・,Lに対して、指標値算出部113は、第1の測定データnに含まれる第1の加速度センサ値nと、第2の測定データnに含まれる第2の加速度センサ値nとの平均を示す平均加速度センサ値nを算出する。次に、指標値算出部113は、各平均加速度センサ値nのL2ノルムa(n=1,・・・,L)を算出して、これらL2ノルムaの振れ幅の最大値mと、L2ノルムaの標準偏差σとを算出する。なお、L2ノルムaの振れ幅の最大値mとは、L2ノルムa(n=1,・・・,L)の平均値と、各L2ノルムaとの差の最大値である。 More specifically, for example, for n=1,...,L, the index value calculation unit 113 calculates the first acceleration sensor value n included in the first measurement data n and the second measurement data n. An average acceleration sensor value n indicating the average with the second acceleration sensor value n included in data n is calculated. Next, the index value calculation unit 113 calculates the L2 norm a n (n=1,...,L) of each average acceleration sensor value n, and calculates the maximum value m of the amplitude of fluctuation of these L2 norm a n . , and the standard deviation σ of the L2 norm a n . Note that the maximum value m of the amplitude of fluctuation of the L2 norm a n is the maximum value of the difference between the average value of the L2 norm a n (n=1, . . . , L) and each L2 norm a n .

なお、上記では、各nに対して、第1の加速度センサ値nと第2の加速度センサ値nとの平均を示す平均加速度センサ値nを算出して、この平均加速度センサ値nのL2ノルムaから上記の振れ幅の最大値m及び標準偏差σを算出したが、これに限られない。例えば、各nに対して、第1の加速度センサ値nと第2の加速度センサ値nとのいずれか大きい方を示す最大加速度センサ値nを算出して、この最大加速度センサ値nのL2ノルムaから上記の振れ幅の最大値m及び標準偏差σを算出しても良い。又は、例えば、各nに対して、第1の加速度センサ値nと第2の加速度センサ値nとのいずれか小さい方を示す最小加速度センサ値nを算出して、この最小加速度センサ値nのL2ノルムaから上記の振れ幅の最大値m及び標準偏差σを算出しても良い。 In addition, in the above, for each n, the average acceleration sensor value n indicating the average of the first acceleration sensor value n and the second acceleration sensor value n is calculated, and the L2 norm of this average acceleration sensor value n is calculated. Although the above-mentioned maximum value m and standard deviation σ of the amplitude of fluctuation are calculated from a n , the calculation is not limited thereto. For example, for each n, calculate the maximum acceleration sensor value n indicating the larger of the first acceleration sensor value n and the second acceleration sensor value n, and calculate the L2 norm of this maximum acceleration sensor value n. The maximum value m and standard deviation σ of the amplitude of fluctuation may be calculated from a n . Or, for example, for each n, calculate the minimum acceleration sensor value n that is the smaller of the first acceleration sensor value n and the second acceleration sensor value n, and calculate the minimum acceleration sensor value n. The maximum value m and standard deviation σ of the amplitude of fluctuation may be calculated from the L2 norm a n .

更に、上記以外にも、例えば、各nに対して、第1の加速度センサ値nと第2の加速度センサ値nとの和を示す加算加速度センサ値nを算出して、この加算加速度センサ値のL2ノルムaを算出しても良いし、第1の加速度センサ値nと第2の加速度センサ値nとの差を示す差分加速度センサ値nを算出して、この差分加速度センサ値のL2ノルムaを算出しても良い。 Furthermore, in addition to the above, for example, for each n, an additional acceleration sensor value n indicating the sum of the first acceleration sensor value n and the second acceleration sensor value n is calculated, and this additional acceleration sensor value is calculated. Alternatively, a differential acceleration sensor value n indicating the difference between the first acceleration sensor value n and the second acceleration sensor value n may be calculated, and the L2 norm of this differential acceleration sensor value n may be calculated. The norm a n may also be calculated.

次に、行動特定処理部110の行動特定部114は、指標値算出部113により算出された指標値(L2ノルムの振れ幅の最大値m及び標準偏差σ)と、行動特定モデル300とから6つの行動(「横臥」、「起立」、「反芻」、「採食」、「飲水」及び「歩行」)を特定する(ステップS14)。すなわち、行動特定部115は、最大値m及び標準偏差σを示す点が、行動特定モデル300上の領域D1~D3、D41~D43のいずれの領域に含まれるかを特定することで、家畜ID「C001」により示される牛の行動を特定する。 Next, the behavior specifying unit 114 of the behavior specifying processing unit 110 calculates a The three behaviors (“lying down,” “standing up,” “ruminating,” “eating,” “drinking water,” and “walking”) are identified (step S14). In other words, the behavior specifying unit 115 determines the livestock ID by specifying in which of the areas D1 to D3 and D41 to D43 on the behavior specifying model 300 the point indicating the maximum value m and standard deviation σ is included. Specify the behavior of the cow indicated by "C001".

行動特定部114により特定された牛の行動は、例えば、所定の記憶領域に記憶(蓄積)されても良いし、所定の端末(スマートフォンやPC等)に送信されても良い。 The behavior of the cow identified by the behavior identifying unit 114 may be stored (accumulated) in a predetermined storage area, or may be transmitted to a predetermined terminal (smartphone, PC, etc.), for example.

なお、上記では、第1の加速度センサ値と第2の加速度センサ値との平均(又は和や最大値等)を用いる場合について説明したが、これに限られない。例えば、第1の加速度センサ値のみを用いて牛の行動を特定しても良い。 In addition, although the case where the average (or sum, maximum value, etc.) of the 1st acceleration sensor value and the 2nd acceleration sensor value was used above was demonstrated, it is not restricted to this. For example, the behavior of the cow may be identified using only the first acceleration sensor value.

また、このとき、例えば、第2の加速度センサ値は補足的に用いるようにしても良い。補足的に用いるとは、例えば、第2の加速度センサ値のみを用いて牛の行動を特定した上で、第1の加速度センサ値のみを用いて特定された牛の行動と一致するか否かを判定する等である。 Further, at this time, for example, the second acceleration sensor value may be used supplementarily. Supplementary use means, for example, whether the behavior of the cow is identified using only the second acceleration sensor value and whether it matches the behavior of the cow identified using only the first acceleration sensor value. etc.

また、他の例として、例えば、第1の加速度センサ値から算出したL2ノルムの振れ幅の最大値m及び標準偏差σを示す点が行動特定モデル300のどの領域に含まれるかを特定し、特定した領域が、牛が活動していることを示す領域(すなわち、「飲食」、「飲水」、「歩行」のいずれかの領域)である場合に、更に第2の加速度センサ値を用いて、「飲食」、「飲水」、「歩行」のいずれであるかを特定しても良い。これにより、例えば、第2のタグ30が装着されている足が静止状態か否かにより、牛の行動が「歩行」であるか否かを特定することができるようになる。 In addition, as another example, for example, specifying which region of the behavior identification model 300 includes a point indicating the maximum value m and standard deviation σ of the amplitude of the L2 norm calculated from the first acceleration sensor value, If the identified area is an area indicating that the cow is active (i.e., one of the areas for "eating and drinking", "drinking water", and "walking"), further using the second acceleration sensor value, , "eating and drinking," "drinking water," and "walking." Thereby, for example, it becomes possible to specify whether the cow's behavior is "walking" or not, depending on whether the leg to which the second tag 30 is attached is in a stationary state.

<牛の起立困難状態を特定する処理>
以降では、鼓脹症に繋がる起立困難状態を特定する処理について、図9を参照しながら説明する。図9は、牛の起立困難状態を特定する処理の一例を示すフローチャートである。なお、図9に示す処理は、例えば、10分間毎に繰り返し実行される。ただし、図9に示す処理は、例えば予め設定された日時に実行されても良いし、予め決められた所定の時間毎に実行されても良い。
<Processing to identify a cow's difficulty in standing>
Hereinafter, a process for identifying a state of difficulty in standing that leads to bloat will be described with reference to FIG. 9. FIG. 9 is a flowchart illustrating an example of a process for identifying a state in which a cow has difficulty standing. Note that the process shown in FIG. 9 is repeatedly executed, for example, every 10 minutes. However, the process shown in FIG. 9 may be executed, for example, at a preset date and time, or at every predetermined time.

まず、起立困難特定処理部120の取得部121は、家畜ID毎に、所定の時間(例えば10分)の間の第1の測定データ及び第2の測定データを測定データ記憶部200から取得する。また、起立困難特定処理部120の取得部121は、当該所定の時間の間の基準気圧データを基準気圧データ記憶部400から取得する(ステップS21)。 First, the acquisition unit 121 of the difficulty in standing identification processing unit 120 acquires first measurement data and second measurement data for a predetermined period of time (for example, 10 minutes) from the measurement data storage unit 200 for each livestock ID. . Further, the acquisition unit 121 of the difficulty in standing identification processing unit 120 acquires the reference atmospheric pressure data for the predetermined period from the reference atmospheric pressure data storage unit 400 (step S21).

以降では、家畜ID「C001」の10分間の第1の測定データ1,第1の測定データ2,・・・,第1の測定データNと、第2の測定データ1,第2の測定データ2,・・・,第1の測定データMと、基準気圧データ1,・・・,基準気圧データLとが取得部111により取得されたものとする。また、N=M=L(すなわち、取得部111により取得された第1の測定データの個数と第2の測定データの個数と基準気圧データの個数とが同じ)であるものとする。ただし、N,M,Lは、互いに同一でなくても良い。 Hereinafter, first measurement data 1, first measurement data 2, ..., first measurement data N, second measurement data 1, second measurement data for livestock ID "C001" for 10 minutes will be described. 2, . . . , first measurement data M and reference atmospheric pressure data 1, . . . , reference atmospheric pressure data L are acquired by the acquisition unit 111. Further, it is assumed that N=M=L (that is, the number of first measurement data, the number of second measurement data, and the number of reference atmospheric pressure data acquired by the acquisition unit 111 are the same). However, N, M, and L may not be the same.

なお、取得部121は、前処理部112による前処理後の第1の測定データ及び第2の測定データを取得しても良い。 Note that the acquisition unit 121 may acquire the first measurement data and the second measurement data after being preprocessed by the preprocessing unit 112.

起立困難特定処理部120の差分値算出部122は、取得部121により取得された第1の測定データ及び第2の測定データと、基準気圧データとに基づいて、第1の差分気圧センサ値及び第2の差分気圧センサ値を算出する(ステップS22)。 The difference value calculation unit 122 of the difficulty in standing identification processing unit 120 calculates a first differential atmospheric pressure sensor value and a A second differential atmospheric pressure sensor value is calculated (step S22).

すなわち、差分値算出部122は、第1の測定データに含まれる第1の気圧センサ値と、この第1の測定データに対応する基準気圧データに含まれる基準気圧センサ値との差を示す第1の差分気圧センサ値を算出する。なお、第1の測定データに対応する基準気圧データとは、例えば、第1の測定データと同一の時刻又は所定の範囲内の時刻における基準気圧データのことである。 That is, the difference value calculation unit 122 calculates a first barometric pressure sensor value that indicates the difference between the first barometric pressure sensor value included in the first measurement data and the reference barometric pressure sensor value included in the reference barometric pressure data corresponding to this first measurement data. Calculate the differential pressure sensor value of 1. Note that the reference atmospheric pressure data corresponding to the first measurement data is, for example, reference atmospheric pressure data at the same time as the first measurement data or at a time within a predetermined range.

より具体的には、差分値算出部122は、各n(n=1,・・・,N)に対して、第1の測定データnに含まれる第1の気圧センサ値nと、基準気圧データnに含まれる基準気圧センサ値nとの差を算出することで、算出された差を示す第1の差分気圧センサ値P1nを算出する。 More specifically, the difference value calculation unit 122 calculates, for each n (n=1,...,N), the first atmospheric pressure sensor value n included in the first measurement data n and the reference atmospheric pressure. By calculating the difference from the reference atmospheric pressure sensor value n included in the data n, a first differential atmospheric pressure sensor value P 1n indicating the calculated difference is calculated.

同様に、差分値算出部122は、第2の測定データに含まれる第2の気圧センサ値と、この第2の測定データに対応する基準気圧データに含まれる基準気圧センサ値との差を示す第2の差分気圧センサ値を算出する。第2の測定データに対応する基準気圧データとは、例えば、第2の測定データと同一の時刻又は所定の範囲内の時刻における基準気圧データのことである。 Similarly, the difference value calculation unit 122 indicates the difference between the second atmospheric pressure sensor value included in the second measurement data and the reference atmospheric pressure sensor value included in the reference atmospheric pressure data corresponding to this second measurement data. A second differential atmospheric pressure sensor value is calculated. The reference atmospheric pressure data corresponding to the second measurement data is, for example, reference atmospheric pressure data at the same time as the second measurement data or at a time within a predetermined range.

より具体的には、上記と同様に、差分値算出部122は、各n(n=1,・・・,N)に対して、第2の測定データnに含まれる第2の気圧センサ値nと、基準気圧データnに含まれる基準気圧センサ値nとの差を算出することで、算出された差を示す第2の差分気圧センサ値P2nを算出する。 More specifically, similarly to the above, the difference value calculation unit 122 calculates the second atmospheric pressure sensor value included in the second measurement data n for each n (n=1,...,N). By calculating the difference between n and the reference atmospheric pressure sensor value n included in the reference atmospheric pressure data n, a second differential atmospheric pressure sensor value P 2n indicating the calculated difference is calculated.

次に、起立困難特定処理部120の起立困難特定部123は、差分値算出部122により算出された第1の差分気圧センサ値及び第2の差分気圧センサ値から起立困難状態を特定する(ステップS23)。すなわち、起立困難特定部123は、第1の差分気圧センサ値が第2の差分気圧センサ値よりも大きくなった場合(すなわち、第1の差分気圧センサ値と第2の差分気圧センサ値とが逆転した場合)に、該当の第1のタグ20及び第2のタグ30が装着されている牛が起立困難状態になったと特定する。 Next, the difficulty in standing identification unit 123 of the difficulty in standing identification processing unit 120 identifies the state of difficulty in standing from the first differential pressure sensor value and the second differential pressure sensor value calculated by the difference value calculation unit 122 (step S23). That is, when the first differential pressure sensor value becomes larger than the second differential pressure sensor value (that is, when the first differential pressure sensor value and the second differential pressure sensor value are If the cow is reversed), it is determined that the cow to which the corresponding first tag 20 and second tag 30 are attached is in a state where it is difficult to stand.

すなわち、例えば、あるnにおいて、第1の差分気圧センサ値P1nが第2の差分気圧センサ値P2nよりも大きくなった場合に、家畜ID「C001」により示される牛が起立困難状態になったと特定する。このとき、起立困難特定処理部120は、例えば、所定の時間の間、継続して第1の差分気圧センサ値が第2の差分気圧センサ値よりも大きい場合、予め設定された端末(例えばPCやスマートフォン等)宛に警告を送信しても良い。 That is, for example, when the first differential pressure sensor value P 1n becomes larger than the second differential pressure sensor value P 2n at a certain n, the cow indicated by the livestock ID "C001" becomes difficult to stand. Specify that. At this time, for example, if the first differential atmospheric pressure sensor value is continuously larger than the second differential atmospheric pressure sensor value for a predetermined period of time, the difficulty in standing identification processing unit 120 determines whether the You may also send a warning to a person (e.g., smartphone, etc.).

<牛の大きさを特定する処理>
以降では、牛の大きさ(体高)を特定する処理について、図10を参照しながら説明する。図10は、牛の大きさを特定する処理の一例を示すフローチャートである。なお、図10に示す処理は、例えば予め設定された日時に実行されても良いし、予め決められた所定の時間毎に実行されても良い。
<Processing to identify the size of the cow>
Hereinafter, the process of identifying the size (height) of a cow will be explained with reference to FIG. 10. FIG. 10 is a flowchart illustrating an example of a process for specifying the size of a cow. Note that the process shown in FIG. 10 may be executed, for example, at a preset date and time, or at every predetermined time.

まず、大きさ特定処理部130の取得部131は、家畜ID毎に、最新の第1の測定データ及び第2の測定データを測定データ記憶部200から取得する。また、取得部131は、最新の基準気圧データを基準気圧データ記憶部400から取得する(ステップS31)。 First, the acquisition unit 131 of the size identification processing unit 130 acquires the latest first measurement data and second measurement data from the measurement data storage unit 200 for each livestock ID. Furthermore, the acquisition unit 131 acquires the latest standard atmospheric pressure data from the standard atmospheric pressure data storage unit 400 (step S31).

次に、大きさ特定処理部130の差分値算出部132は、第1の差分気圧センサ値P及び第2の差分気圧センサ値Pを算出する(ステップS32)。すなわち、差分値算出部132は、第1の測定データに含まれる第1の気圧センサ値と、基準気圧データに含まれる基準気圧センサ値との差を示す第1の差分気圧センサ値Pを算出する。同様に、差分値算出部132は、第2の測定データに含まれる第2の気圧センサ値と、基準気圧データに含まれる基準気圧センサ値との差を示す第2の差分気圧センサ値Pを算出する。 Next, the difference value calculation unit 132 of the size identification processing unit 130 calculates the first differential atmospheric pressure sensor value P 1 and the second differential atmospheric pressure sensor value P 2 (step S32). That is, the difference value calculation unit 132 calculates a first differential pressure sensor value P1 indicating the difference between the first pressure sensor value included in the first measurement data and the reference pressure sensor value included in the reference pressure data. calculate. Similarly, the difference value calculation unit 132 calculates a second differential atmospheric pressure sensor value P 2 indicating the difference between the second atmospheric pressure sensor value included in the second measurement data and the reference atmospheric pressure sensor value included in the reference atmospheric pressure data. Calculate.

次に、大きさ特定処理部130の大きさ特定部133は、第1の差分気圧センサ値P及び第2の差分気圧センサ値Pから牛の体高を特定する(ステップS33)。すなわち、大きさ特定部133は、第1の差分気圧センサ値Pが示す高さと、第2の差分気圧センサ値Pが示す高さとの差を算出して、算出した差を牛の体高と特定する。 Next, the size identification unit 133 of the size identification processing unit 130 identifies the body height of the cow from the first differential atmospheric pressure sensor value P1 and the second differential atmospheric pressure sensor value P2 (step S33). That is, the size identification unit 133 calculates the difference between the height indicated by the first differential pressure sensor value P1 and the height indicated by the second differential pressure sensor value P2 , and uses the calculated difference as the body height of the cow. Specify.

なお、例えば、上記のステップS31で所定の時間の間の第1の測定データ及び第2の測定データと、これら第1の測定データ及び第2の測定データに対応する基準気圧データとが取得された場合、各第1の差分気圧センサ値及び第2の差分気圧センサ値からそれぞれ特定された体高の平均を、最終的な牛の体高としても良い。 Note that, for example, the first measurement data and second measurement data for a predetermined period of time and reference atmospheric pressure data corresponding to these first measurement data and second measurement data are acquired in step S31 above. In this case, the average of the body heights identified from each of the first differential atmospheric pressure sensor value and the second differential atmospheric pressure sensor value may be used as the final body height of the cow.

次に、大きさ特定処理部130の大きさ特定部133は、上記のステップS33で特定した牛の体高を示す成長データを成長データ記憶部500に記憶(蓄積)させる(ステップS34)。これにより、現時点の牛の体高を示す成長データが成長データ記憶部500に蓄積される。 Next, the size identification unit 133 of the size identification processing unit 130 stores (accumulates) the growth data indicating the body height of the cow identified in step S33 above in the growth data storage unit 500 (step S34). As a result, growth data indicating the current height of the cow is stored in the growth data storage unit 500.

次に、大きさ特定処理部130の大きさ特定部133は、成長データ記憶部500に記憶されている成長データから将来の牛の体高を予測する(ステップS35)。すなわち、例えば、2か月前の成長データ(牛の体高=0.5m)、1か月前の成長データ(牛の体高0.7m)、及び現在の成長データ(牛の体高=0.9m)が成長データ記憶部500に記憶されているとする。この場合、大きさ特定部133は、例えば、1か月後の牛の体高を「1.1m」と予測する。 Next, the size identification unit 133 of the size identification processing unit 130 predicts the future body height of the cow from the growth data stored in the growth data storage unit 500 (step S35). That is, for example, growth data from two months ago (height of a cow = 0.5 m), growth data from one month ago (height of a cow = 0.7 m), and current growth data (height of a cow = 0.9 m). ) is stored in the growth data storage unit 500. In this case, the size identifying unit 133 predicts that the cow's body height one month later will be "1.1 m", for example.

なお、将来の牛の大きさの予測方法は上記に限られない。将来の牛の大きさを予測するにあたり、例えば、牛の種別や性別等を考慮しても良い。 Note that the method for predicting the future size of a cow is not limited to the above method. In predicting the future size of a cow, for example, the type and sex of the cow may be taken into consideration.

<まとめ>
以上のように、本実施形態に係る特定システム1では、牛に装着した第1のタグ20及び第2のタグ30から収集したデータに基づいて、牛の行動、鼓脹症等の病気の発症に繋がる起立困難状態、牛の体高等の大きさを特定することができる。これにより、本実施形態に係る特定システム1によれば、牛の発情時期の管理、健康管理、成長過程の管理等の各種の管理負担を軽減させることができる。
<Summary>
As described above, in the identification system 1 according to the present embodiment, based on the data collected from the first tag 20 and the second tag 30 attached to the cow, it is possible to determine the behavior of the cow and the onset of diseases such as bloat. It is possible to identify the related difficulty in standing and the size of the cow's body height. Thereby, according to the identification system 1 according to the present embodiment, various management burdens such as management of the cow's estrus period, health management, and growth process management can be reduced.

また、本実施形態に係る特定システム1では、第1のタグ20及び第2のタグ30を牛に装着させれば良く、例えば、牛舎内に種々の設備(例えば、機器やケーブル等)を設置等する必要がない。このため、牛を飼育する農家等は、本実施形態に係る特定システム1を容易に、かつ、低コストで導入することができるようになる。 Further, in the identification system 1 according to the present embodiment, it is sufficient to attach the first tag 20 and the second tag 30 to the cow, and for example, install various equipment (for example, equipment, cables, etc.) in the cowshed. There is no need to do the same. Therefore, farmers and the like who raise cattle can easily introduce the specific system 1 according to the present embodiment at low cost.

特に、本実施形態に係る特定システム1では、1頭の牛に対して複数のタグを装着することで、1頭の牛に対して1つのみのタグを装着する場合と比べて、牛の多様な行動や状態等を高い精度で特定することができるようになる。 In particular, in the identification system 1 according to the present embodiment, by attaching multiple tags to one cow, compared to attaching only one tag to one cow, It becomes possible to identify various behaviors and conditions with high accuracy.

なお、本実施形態では、第1のタグ20を牛の耳等の頭部に、第2のタグ30を牛の足首等の脚部に装着させた場合を説明したが、第1のタグ20及び第2のタグ30の装着箇所は、これに限られない。例えば、第1のタグ20を牛の首部分に装着させても良い。また、牛の行動を特定する場合には、例えば、第1のタグ20及び第2のタグ30を牛の左前足首及び右前足首に装着させても良いし、牛の左後足首及び右後足首に装着させても良い。 In this embodiment, a case has been described in which the first tag 20 is attached to the cow's head such as the ear, and the second tag 30 is attached to the cow's leg such as the ankle. And the attachment location of the second tag 30 is not limited to this. For example, the first tag 20 may be attached to the neck of the cow. Furthermore, when identifying the behavior of a cow, for example, the first tag 20 and the second tag 30 may be attached to the left front ankle and right front ankle of the cow, or It may also be installed on.

また、上述したように、牛に装着するタグの個数も2つに限られず、例えば2以上の任意の個数のタグを装着させても良い。例えば、牛の行動や状態等の特定対象に応じて、適宜、タグの個数を増減させることができる。 Further, as described above, the number of tags attached to a cow is not limited to two, and any number of tags, such as two or more, may be attached. For example, the number of tags can be increased or decreased as appropriate depending on a specific target such as the behavior or condition of the cow.

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、種々の変形や変更が可能である。 The present invention is not limited to the above-described specifically disclosed embodiments, and various modifications and changes can be made without departing from the scope of the claims.

1 特定システム
10 特定装置
20 第1のタグ
30 第2のタグ
40 基準気圧センサ
100 特定処理部
110 行動特定処理部
111 取得部
112 前処理部
113 指標値算出部
114 行動特定部
120 起立困難特定処理部
121 取得部
122 差分値算出部
123 起立困難特定部
130 大きさ特定処理部
131 取得部
132 差分値算出部
133 大きさ特定部
200 測定データ記憶部
300 行動特定モデル
400 基準気圧データ記憶部
500 成長データ記憶部
1 identification system 10 identification device 20 first tag 30 second tag 40 reference atmospheric pressure sensor 100 identification processing unit 110 behavior identification processing unit 111 acquisition unit 112 preprocessing unit 113 index value calculation unit 114 action identification unit 120 difficulty in standing up identification processing Part 121 Acquisition unit 122 Difference value calculation unit 123 Difficulty in standing up identification unit 130 Size identification processing unit 131 Acquisition unit 132 Difference value calculation unit 133 Size identification unit 200 Measured data storage unit 300 Behavior identification model 400 Standard atmospheric pressure data storage unit 500 Growth data storage section

Claims (4)

家畜の頭部に装着された第1の気圧センサが測定した第1の気圧データと、前記家畜の脚部に装着された第2の気圧センサが測定した第2の気圧データとを記憶する記憶手段と、
前記第1の気圧センサで測定された第1の気圧データの値と、前記第2の気圧センサで測定された第2の気圧データの値とで大小関係が逆転した場合前記家畜が起立困難な状態となったことを特定する第1の特定手段と、
を有する特定装置。
Storing first atmospheric pressure data measured by a first atmospheric pressure sensor attached to the head of the livestock and second atmospheric pressure data measured by a second atmospheric pressure sensor attached to the legs of the livestock . storage means,
When the magnitude relationship between the value of the first atmospheric pressure data measured by the first atmospheric pressure sensor and the value of the second atmospheric pressure data measured by the second atmospheric pressure sensor is reversed, the livestock has difficulty standing up . a first identifying means for identifying that a state has occurred;
A specific device with
前記第1の気圧センサで測定された第1の気圧データと、前記第2の気圧センサで測定された第2の気圧データとに基づいて、前記家畜の大きさを特定する第2の特定手段、を有し、
前記第2の特定手段は、
前記第1の気圧センサで測定された第1の気圧データと、前記第2の気圧センサで測定された第2の気圧データとがそれぞれ示す高さの差を算出することで、前記家畜の大きさを特定し、特定した前記家畜の大きさと、前記家畜の過去の大きさとに基づいて、前記家畜の将来の大きさを特定する、請求項1に記載の特定装置。
a second specifying means for specifying the size of the livestock based on first atmospheric pressure data measured by the first atmospheric pressure sensor and second atmospheric pressure data measured by the second atmospheric pressure sensor; , has
The second specifying means is
By calculating the difference in height between the first atmospheric pressure data measured by the first atmospheric pressure sensor and the second atmospheric pressure data measured by the second atmospheric pressure sensor, the size of the livestock can be determined. The identification device according to claim 1, wherein the identification device specifies the future size of the livestock based on the identified size of the livestock and the past size of the livestock.
家畜の頭部に装着された第1の気圧センサが測定した第1の気圧データと、前記家畜の脚部に装着された第2の気圧センサが測定した第2の気圧データとを記憶手段に記憶させる記憶手順と、
前記第1の気圧センサで測定された第1の気圧データの値と、前記第2の気圧センサで測定された第2の気圧データの値とで大小関係が逆転した場合前記家畜が起立困難な状態となったことを特定する第1の特定手順と、
をコンピュータが実行する特定方法。
Storage means for storing first atmospheric pressure data measured by a first atmospheric pressure sensor attached to the head of the livestock and second atmospheric pressure data measured by a second atmospheric pressure sensor attached to the legs of the livestock. a memorization procedure to memorize the
When the magnitude relationship between the value of the first atmospheric pressure data measured by the first atmospheric pressure sensor and the value of the second atmospheric pressure data measured by the second atmospheric pressure sensor is reversed, the livestock has difficulty standing up . a first identification procedure for identifying that a state has occurred;
A particular method that a computer performs.
コンピュータを、請求項1又は2に記載の特定装置として機能させるプログラム。 A program that causes a computer to function as the specific device according to claim 1 or 2 .
JP2022036803A 2017-12-12 2022-03-10 Specific device, specific method, and program Active JP7410200B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022036803A JP7410200B2 (en) 2017-12-12 2022-03-10 Specific device, specific method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017237940A JP7040930B2 (en) 2017-12-12 2017-12-12 Specific equipment, specific method, and program
JP2022036803A JP7410200B2 (en) 2017-12-12 2022-03-10 Specific device, specific method, and program

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2017237940A Division JP7040930B2 (en) 2017-12-12 2017-12-12 Specific equipment, specific method, and program

Publications (2)

Publication Number Publication Date
JP2022079489A JP2022079489A (en) 2022-05-26
JP7410200B2 true JP7410200B2 (en) 2024-01-09

Family

ID=67060623

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2017237940A Active JP7040930B2 (en) 2017-12-12 2017-12-12 Specific equipment, specific method, and program
JP2022036803A Active JP7410200B2 (en) 2017-12-12 2022-03-10 Specific device, specific method, and program

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2017237940A Active JP7040930B2 (en) 2017-12-12 2017-12-12 Specific equipment, specific method, and program

Country Status (1)

Country Link
JP (2) JP7040930B2 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022075298A1 (en) * 2020-10-05 2022-04-14 Nttテクノクロス株式会社 Detection device, detection method, and program

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160058379A1 (en) 2014-08-26 2016-03-03 PetPlace Ltd. Animal of Equidae Family Band or Collar for Health & Vital Signs Monitoring, Alert and Diagnosis
JP2017060407A (en) 2015-09-21 2017-03-30 株式会社グリーン&ライフ・イノベーション System and method for health care of ruminant

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008011837A (en) * 2006-06-30 2008-01-24 Hokkaido Device for identifying individual of cattle
JP4931653B2 (en) * 2007-03-16 2012-05-16 オリオン機械株式会社 Ruminant health management system and ruminant health management method
JP2016120271A (en) * 2014-11-17 2016-07-07 ルネサスエレクトロニクス株式会社 Phase correction device, action identification device, action identification system, microcontroller, phase correction method and program
WO2016140332A1 (en) * 2015-03-05 2016-09-09 株式会社Nttドコモ Monitoring device and movement detection method

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160058379A1 (en) 2014-08-26 2016-03-03 PetPlace Ltd. Animal of Equidae Family Band or Collar for Health & Vital Signs Monitoring, Alert and Diagnosis
JP2017060407A (en) 2015-09-21 2017-03-30 株式会社グリーン&ライフ・イノベーション System and method for health care of ruminant

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
畠中将徳、滝沢勝、藪内祐樹,気圧センサを用いたウシの姿勢推定モデルの構築,2018年度(平成30年)日本畜産学会第124回大会講演要旨,日本,公益社団法人日本畜産学会,2018年03月28日,pp. 196

Also Published As

Publication number Publication date
JP7040930B2 (en) 2022-03-23
JP2019103442A (en) 2019-06-27
JP2022079489A (en) 2022-05-26

Similar Documents

Publication Publication Date Title
Chapa et al. Accelerometer systems as tools for health and welfare assessment in cattle and pigs–a review
Elischer et al. Validating the accuracy of activity and rumination monitor data from dairy cows housed in a pasture-based automatic milking system
Bikker et al. Evaluation of an ear-attached movement sensor to record cow feeding behavior and activity
Helwatkar et al. Sensor technology for animal health monitoring
KR102035672B1 (en) Apparatus for monitoring location and behavior of cattle and method thereof
US20190141959A1 (en) System for monitoring pasture intake
JP6635968B2 (en) Behavior identification device, behavior identification method, and program
JP7092624B2 (en) Behavior identification device, behavior identification method and program
JP7410200B2 (en) Specific device, specific method, and program
WO2018180242A1 (en) Behavior specifying device, behavior specifying method and program
KR101734744B1 (en) Vegetation determination program, vegetation determination device and vegetation determination method
Malhotra et al. Application of AI/ML approaches for livestock improvement and management
JP7089098B2 (en) Behavior identification device, behavior identification method, and program
Dos Reis et al. An open-source research tool to study triaxial inertial sensors for monitoring selected behaviors in sheep
Baig et al. Ewe Health Monitoring Using IoT simulator
JP6635995B2 (en) Behavior identification device, behavior identification method, and program
Anzai et al. Individual monitoring of behavior to enhance productivity and welfare of animals in small-scale intensive cattle grazing systems
Nielsen The role of Precision Livestock Farming technologies in animal welfare monitoring: a review.
JP6636204B2 (en) Behavior identification device, behavior identification method, and program
Ruhil et al. Data sensing and computation technologies for amimal welfare
TÜRKER et al. Precision Animal Husbandry Technologies And Applications
WO2023190024A1 (en) Free-range livestock management server device, system, method, and program
Lorenzini et al. Validation and comparison of two different pedometers that could be used for automatic lameness detection in dairy cows
Poborská et al. Monitoring Lameness in Cattle Using the Vitalimeter
Ruf et al. High accuracy prediction of behaviour with slow, low-cost accelerometers in the wild boar

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220331

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230509

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20230707

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230908

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231121

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231221

R150 Certificate of patent or registration of utility model

Ref document number: 7410200

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150