JPH07102057B2 - 家畜飼養管理システム - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はニューラルネットワーク
を用いた畜産業の支援システムに関する。

【０００２】

【従来の技術】畜産業における家畜の成長は、摂取した
飼料に含まれるタンパク質やエネルギー水準といった栄
養要因のみで決定されるものではなく、性別の違いや動
物自身の遺伝的要因、温度、湿度、風速等の環境要因、
飼育される畜舎構造、飼育密度、疾病の有無など、種々
の要因が複雑にかかわっている。

【０００３】上記の要因を変動させ、家畜の成長反応を
予測することは、最小コストで最大の利益を得るため
に、畜産営業では重要なことである。そのため、各所で
畜産の成長予測研究が進められている。

【０００４】従来、家畜の成長を予測する場合、個々の
要因と家畜の成長との関係を回帰式で示し、最終的にそ
れらのモデルを要因法によって組み合わせてシミュレー
ションする方法が取られていた。

【０００５】あるいはまた、いくつかの要因を説明変数
とした重回帰モデルを利用して予測する方法も検討され
ていた。しかし、家畜の成長には数多くの要因があり、
個体差による成長のばらつきが大きく、かつ相互に影響
しあっているために、これらの方法では予測精度が低く
なり、実用性の高いシステムを構築することができな
い。

【０００６】肉質の管理や出荷調整等を行うには、より
精密な予測解析法を用いることが重要である。しかし、
それだけでは十分とはいえない。どんなに精密な解析法
を見い出しても、そのもととなるデータが正確でなかっ
たり、データ量が足りない場合には、やはり予測そのも
のが不正確なものとなってしまう。さらに、予測結果が
正確でも、迅速に現状に合わせて家畜の飼養に反映して
いくことができなければ、精密な解析結果も絵に描いた
餅となってしまう。

【０００７】ところが現在、データ収集、解析、予測、
フィードバック等の処理を一貫して行える総合飼養管理
支援システムというものがない。このため、家畜の畜産
業界では近代的な手法による畜産経営ができないのが現
状である。

【０００８】

【発明が解決しようとする課題】家畜の飼養管理システ
ムでは様々なシミュレーション方法が用いられている
が、従来のシステムは上記のように実用性という点では
難点がある。因果関係が複雑でモデルが作りにくい場合
のシミュレーション方法としてはニューラルネットワー
ク法は大きな効果を上げることがある。

【０００９】しかし、このニューラルネットワークを用
いる方法は、どのような特徴量を選 べば学習効果が上が
るかは一般的には不明であり、適切な特徴量の選択は困
難な作業となる。したがって、単にニューラルネットワ
ークを使えば様々な問題が解決できるということはな
く、対象となる問題に適切な特徴量のセットが見つかっ
た場合のみ解決できるのである。

【００１０】本発明は、従来のように自然に任せた飼養
法ではなく、肉質や出荷時期の調整などが総合的に行え
る飼養管理支援システムを構築することを目的とする。
さらに詳細には、家畜飼養の予測に用いられるニューラ
ルネットワークシミュレーションシステムを有効に動か
すことのできる特徴量である成長予測因子を見いだすこ
とを目的とする。

【００１１】

【課題を解決するための手段】本発明の家畜飼養システ
ムは、飼養過程の特定の計測時の段階で成長予測を行う
場合、当該特定の計測時の週齢までの家畜の生育データ
および畜舎の環境データを集録・解析し、成長予測因子
として、系統、性別、生時体重、計測時週齢体重、満３
週齢から前記計測時週齢までの体重増分、満３週齢から
前記計測時週齢までに摂取した飼料の可消化エネルギ
ー、満３週齢から前記計測時週齢までに摂取した蛋白
量、満３週齢から前記計測時週齢までに摂取したリジン
量、満３週齢から前記計測時週齢までの飼育密度、満４
週齢から計測時週齢までを過ごした畜舎の舎内平均気
温、満４週齢から計測時週齢までを過ごした畜舎の舎内
平均湿度、および満４週齢から計測時週齢までを過ごし
た畜舎の舎内平均風速を含むデータをニューラルネット
ワークシミュレーションシステムに入力し、家畜の成長
や出荷時の肉質の予測を行って飼養するものである。

【００１２】図１は、本発明のニューラルネットワーク
による家畜飼養管理支援システムの一例の構成図であ
る。ニューラルネットワーク飼養管理支援システムの概
要は以下の通りである。家畜の飼育舎１には、舎内の気
温、湿度および換気にともなう風速などを制御する飼養
環境フィードバック装置２が設備されている。飼養環境
フィードバック装置２はニューラルネットワークによっ
て解析された結果をもとに、温度、湿度、風速などの飼
育舎の環境を調整する。

【００１３】飼育舎内にはセンサー３が備えられ、飼育
舎内の温度、湿度、風速等の環境データを自動的に計測
する。この際、偏った箇所のデータを収集しないよう
に、何箇所かに設置する。センサー３はまた、飼育舎の
環境が一様になっていることを確認するとともに、ニュ
ーラルネットワーク解析のための環境データの集録も行
う。

【００１４】センサー３を通じて得られた環境データは
データロガー４で集録されるとともに、必要に応じてプ
リンタに出力される。また、ＩＣカード５に集録データ
を格納する。ＩＣカードのデータはＩＣカードリーダー
９により読みとられ、データ集録用コンピュータ１０に
送られる。

【００１５】飼育舎には環境データを測定するセンサー
３のほかに、家畜の体重計測用ロードセル６が設置され
ている。ロードセル６は家畜の成長を知るうえで欠かせ
ない装置である。

【００１６】ロードセルからの信号はアンプ７により増
幅され、アナログ信号をデジタル信号に変換するＡＤ変
換器８を通してデータ集録用コンピュータ１０に送られ
る。データ集録用コンピュータ１０には時系列の環境デ
ータ並びに生育データが入力され、集録、統合する。

【００１７】このようにして集録、統合されたデータは
フロッピイディスクを介して、あるいは通信回線を介し
て直接データをデータ解析用コンピュータ１１に送る。
データ解析用コンピュータ１０にはニューラルネットワ
ークプログラムが内蔵されている。ニューラルネットワ
ークシミュレーションシステムで解析された結果をもと
に、各装置を通して温度、湿度、風速などの飼育舎の環
境を調整する。図１に示す例では、飼育環境データのみ
のフィードバックしか記述されていないが、飼料の配合
なども自動的にフィードバックさせることが可能であ
る。ニューラルネットワークによって解析された結果を
もとに、なお、解析結果は必要に応じてプリンタバッフ
ァ１２を経由してプリンタ１３から出力される。

【００１８】以上が、本発明のニューラルネットワーク
による家畜飼養管理支援システムの一例の構成である
が、この例では点線で囲まれた部分１４は中央のコンピ
ュータセンターであり、各農場のコンピュータとはオン
ラインで結ばれている。また、図では一つの畜舎しか描
いてないが、実際には複数の畜舎が中央のコンピュータ
で管理できる。

【００１９】本発明では、データ解析にニューラルネッ
トワークを使用している。その理由は、従来の重回帰分
析に比べて予測精度がよいこと、および同時に複数の予
測データを並列で扱えるためである。

【００２０】なお、ニューラルネットワーク飼養管理支
援システムの、データを中心にした処理の流れを図２に
載せておく。処理はエンドエレス、すなわち２４時間３
６５日稼働である。図２では家畜の出荷は記してある
が、適時飼育舎への家畜の搬入もある。この点は図２の
流れ図では省略されている。

【００２１】本発明では、予測を精密なものとするため
にニューラルネットワーク手法の一つであるバックプロ
パゲーション学習法による成長予測を立てる。図３はニ
ューラルネットワークモデルの概念図である。丸印がユ
ニットを表し、人間の脳細胞に例えるとユニットは人間
の脳細胞であり、ユニットとユニットを結ぶ線はニュー
ロン（神経細胞）に相当する。

【００２２】生体には微弱な生体電流が流れている。脳
も例外ではなく、刺激があると、その刺激の大きささに
比例した電流が流れる。ただし、脳細胞から脳細胞に電
流が伝わるためには、ある大きさ以上の電流でなければ
ならない。これをしきい値という。

【００２３】電流をＩ、しきい値をθとすると、Ｉ≧θ
なら電流は脳細胞から脳細胞に伝わるが、Ｉ＜θなら電
流は伝わらない。このような電流の伝わり方が回路を作
り、記憶として残る。何度も同じ刺激を受けると、その
回路のしきい値は小さくなる。すなわち、以前は反応し
なかったような弱い刺激に対しても、回路が反応するこ
とができようになる。これが、学習である。

【００２４】バックプロパゲーションにおける学習は、
脳の学習とはすこし意味が違うが、繰り返し操作によっ
て正しい回路（正確には重み係数の確立）を形成してい
く。ユニットの一連の並びを層といい、元データの入力
となる最初の層を入力層といい、最終的な結果を出力と
する層を出力層という。入力層と出力層の間の層を中間
層という。

【００２５】バックプロパゲーション学習法は何層でも
扱えるが、本発明のニューラルネットワークシステムで
のテストでは３層のときに一番よい結果が得られた。こ
のネットワークの組み方は、扱うアプリケーションによ
っても異なる。その意味では、かなり自由度のあるネッ
トワーク化が可能である。

【００２６】図３に示すように、Ｓ層のｉ番目のユニッ
トに対する入力データをｙ_i ^(S)、（Ｓ−１）層のｊユニ
ットからＳ層のｉユニットに伝わるデータの重み係数を
ｗ_ij ^(S)としよう。Ｓ層のｉユニットに流れ込むデータ
の総和ｘ_i ^(S)は ｘ_i ^(S)＝Σｗ_ij ^(S)ｙ_j ^(S-1)−θ_i ^(S) と表せる。ここでΣはｊ＝１〜Ｎ^(S-1)の総和、θ_i ^(S)
はＳ層ｉユニットのしきい値である（Ｎ^(S-1)は（Ｓ−
１）層のユニット数）。上式は、数学的には ｘ_i ^(S)＝Σ（ｗ_ij ^(S)ｙ_j ^(S-1)） と書ける。

【００２７】ただし、総和はｊ＝０〜Ｎ^(S-1)で行い、
ｗ_i0 ^(S)＝−θ_i ^(S)かつｙ₀ ^(S-1)＝１とする。このｘ_i
^(S)が即Ｓ層ｉユニットに伝えられるデータの大きさで
はなく、生体脳細胞に模して、出力データの大きさｙ_i
^(S)は非線形関数ｆによって、 ｙ_i＝ｆ（ｘ_i ^(S)） と関連付けられる。

【００２８】バックプロパゲーション学習法では、この
関数にシグモイド関数、 ｆ（ｚ）＝１／（１＋ｅ^-z） を用いる。層の数をＳ_maxとすると、Ｓ₀は入力層、Ｓ
_maxは出力層である。図４に示すようなバックプロパゲ
ーション学習法では、まず実測データをもとに重み係数
ｗ_ij ^(S)を決定する。それには、実測データｙ_i ⁽⁰⁾と教
師信号（期待出力）ｄⁱを与える。まず、入力層から出
力層に向かって、前向きに ｙ_i ^(S)＝ｆ（ｘ_i ^(S)）＝ｆ（Σｗ_ij ^(S)ｙ_j ^(S-1)） と求める（Ｓ＝１→Ｓ_max）。

【００２９】ただし総和Σは、ｊ＝０〜Ｎ^(S+1)で行
う。重み係数ｗ_ij ^(S)の初期値は適当な値を設定する。
この例では乱数で−１〜１の範囲で与えた。

【００３０】教師信号（期待出力）をｄ_iとすると、本
来ならｙ_i ^(Smax)＝ｄ_iになるはずである。しかし重み係
数が適当な値であるから、出力データｙ_i ^(Smax)は必ず
しも求める値にはならない。そこで、教師信号ｄ_iとの
自乗誤差の総和Ｅを、 Ｅ＝（Σ（ｙ_i ^(Smax)−ｄ_i）²）／２ と定義し、Ｅを評価関数として、それを暫時小さくする
ように重み係数ｗ_ij ^(Smax)および中間層のｗ_ij ^(S)を修
正していく。すなわち、 ｗ_ij ^(S)（ｔ＋１）＝ｗ_ij ^(S)（ｔ）−η・（δＥ／δｗ
_ij ^(S)） …（１） として、順次、重み係数を更新していく。

【００３１】ここで、ｔは学習サイクル、ηは収束速度
を高める重み変更係数、δは偏微分記号とする。上式を
もとに、出力層から入力層に向かって重み係数を補正し
ていく（Ｓ＝Ｓ_max→１）。

【００３２】以上の処理を繰り返すこと（これを学習」
とよぶ）により、自乗誤差の総和Ｅをゼロ（プログラム
上ではある値以下）にする。その結果、求められた重み
係数を使って、入力層のデータを変えることによって予
測を行う。

【００３３】

【実施例】本発明の実施例として、豚の飼育とその成長
予測を行うニューラルネットワークについて説明する。
とくに本発明では、ニューラルネットワークの一つの手
法であるバックプロパゲーション学習法を採用してデー
タ解析を行い、それをもとに飼料配合や飼育環境の調整
などをフィードバックし、飼養管理を行う。

【００３４】まず、本発明で採用したバックプロパゲー
ション学習法を説明する。豚は、飼育管理下では生後３
週ないしは４週で分娩豚舎より肥育舎に移す。図５は従
来の飼育環境下での体重面で見た豚の成長線の一例であ
る。豚が１００Ｋｇに達した時点で出荷するが、それは
生後約１８週齢から２４週齢である。豚は、春と秋に食
欲が旺盛で、夏や冬は食欲が落ちる。このために、従来
の管理方法では出荷時期が調整しにくく、また豚舎に移
した時点では、将来の予測、出荷調整が難しかった。

【００３５】本発明のニューラルネットワーク管理支援
システムでは、プログラム上は、層数、各層のユニット
数は自由に変えられるようにしてある。入力層の入力デ
ータおよび教師信号（期待出力）は、すべて０〜１の間
で正規化して与える。

【００３６】本発明のシステムを稼働するに当たり、ニ
ューラルネットワーク解析のために過去の約１０００頭
の飼育データを使って重み係数を求め、それを成長予測
に利用した。入力層の入力データ項目としては、図６に
示してあるように、系統、性別、生時体重、満３週齢以
降出荷までの期間の内、計測時週齢体重、満３週齢から
計測時週齢までの体重増分、計測時週齢までに摂取した
飼料の可消化エネルギー、摂取蛋白量、摂取リジン量、
飼育密度および満４週齢から計測時週齢までを過ごした
豚舎の舎内平均気温、平均湿度、平均風速などの値を入
力し、予測仕上がり日数を出力する。

【００３７】図７には成長予測シミュレーションの一例
として、満８週齢の時点で成長予測を行った場合の結果
を示す。７．５〜１７．５日の予測精度において、ニュ
ーラルネットワークの学習サイクル数が増加するにとも
ない、図中の各横線で示した従来の予測技術である線形
重回帰モデルによる予測結果に対し、３〜１０％程度高
い予測正答率を得ることができた。

【００３８】図６の例では出力層のユニットとして日数
のみにしてあるが、プログラム上は肉質など、他のユニ
ットも付け加えられる。したがって、これらのユニット
を加えて新たに重み係数を求め直せば、同時に複数の予
測が行える。

【００３９】以上のニューラルネットワークの推論・判
断機能による肥育豚の成長予測結果は、ニューラルネッ
トワークシミュレーションシステムのプリンタより出力
されるとともに、飼養管理計画と比較検討され、肥育豚
の成長速度に影響を与える飼育舎内の温度、湿度および
風速、さらに給与飼料の栄養成分、エネルギーおよび給
餌方法などの飼養条件がフィードバックし、コントロー
ルされる。これにより、家畜の成長速度の維持・制御が
可能となり、市場の需給の動きを見極めた適正出荷を図
ることができる。また、消費者の好みに合わせた肉質の
調整も可能である。

【００４０】本発明のニューラルネットワーク飼養管理
支援システムは、図８に示すように分析センターを中央
に置き、オンラインで各農家と結ぶことによって、全国
ネットで総合管理することができる。これにより、各畜
産農家ごとの飼養環境に合わせた解析・予測と、農家間
の需給コントロールを効果的に行うことができる。セン
ターにはデータベースを配置して各農家の情報を蓄えて
おき、個々の環境に合わせたデータ解析と予測を行う。
またこのような全国ネットを利用すれば、個々の農家で
は行えない情報がニューラルネットワーク予測の項目に
付加することもできる。

【００４１】

【発明の効果】本発明のニューラルネットワークによる
飼養管理支援システムを利用すると、種々の生育要因の
もと、家畜の成長および畜産物の品質を高精度に予測す
ることができ、以下のような効果が得られる。

【００４２】（１）飼料の栄養水準、給与方法、飼料価
格、発育への効果、畜産物の品質への影響、畜産物の販
売価格、市場の状況など、さまざまな要因を考慮にいれ
て、最大の利益を上げる飼料設計、飼育管理法を選択で
きる。

【００４３】（２）家畜の発育改善を考えた際、飼料や
飼養管理で解決できる部分と、畜舎改善で解決できる部
分があるが、どちらを選択するかは費用対コストの面か
ら非常に難しいものとなっている。その点、本発明を用
いることによって、両者の投資コストと、それから得ら
れる効果の関係をシミュレーションし、数ある対策のな
かで最小のコストで最大の効果が得られる改善方法が容
易に選択できる。

【００４４】（３）季節によって家畜の採食行動や栄養
に対する生体反応が変化することはすでに知られてい
る。本発明では家畜の成長に及ぼす季節の影響を予測す
ることができるから、それを加味した最適な飼料内容や
給与方法が設定できる。

【００４５】（４）遺伝・育種情報をシミュレーション
することにより、新たな系統の素畜を導入する際、それ
にともなう自農場における発育成績、経営成績、畜産物
品質の変化を予測し、家畜導入計画を作成することがで
きる。

【００４６】（５）体重や飼料摂取量など畜産の生体情
報、畜舎に設置した環境測定センサー、畜舎の環境制御
装置、農場の技術成績、経営成績等の情報を入手する各
農場の端末と、中央に設置したコンピュータとをオンラ
インで結ぶことで、リアルタイムに逐次成長予測を行
い、それをもとに畜舎の環境調整や最適飼料設定が行
え、より精密な飼養管理が可能となる。さらに、農場ご
とのデータを入力することにより、個別に各農場の条件
に合致したシミュレーションができ、より高い精度で予
測、管理が行える。

【図面の簡単な説明】

【図１】ニューラルネットワークによる家畜飼養管理シ
ステムの一例の構成図である。

【図２】ニューラルネットワーク飼養管理支援システム
の、情報を中心とした処理の流れの説明図である。

【図３】ニューラルネットワークモデルの概念図であ
る。

【図４】階層型ニューラルネットワークモデルの一例の
計算処理の説明図である。

【図５】本発明の飼養管理支援システムで利用したニュ
ーラルネットワークネットワークの一例の説明図であ
る。

【図６】豚の成長線の一例を示す図表である。

【図７】本発明のニューラルネットワーク分析と従来の
重回帰分析との計算結果の比較を示す図表である。

【図８】オンラインで各畜産農家とセンターを結んで全
国ネットワークした場合の概要図である。

【符号の説明】

１ 飼育舎 ２ 飼養環境フィードバック装置 ３ センサー ４ データロガー ５ ＩＣカード ６ 家畜の体重計測用ロードセル ７ アンプ ８ ＡＤ変換器 ９ ＩＣカードリーダー １０ データ集録用コンピュータ １１ データ解析用コンピュータ １２ プリンタバッファ １３ プリンタ １４ 中央コンピュータセンター

Claims (1)

【特許請求の範囲】
1. 【請求項１】 家畜飼育場からのデータにもとづいて飼
   育過程の特定計測時段階で成長予測を行うニューラルネ
   ットワークを用いる家畜の飼養管理システムにおいて、
   系統、性別、生時体重、計測時週齢体重、満３週齢から
   前記計測時週齢までの体重増分、満３週齢から前記計測
   時週齢までに摂取した飼料の可消化エネルギー、満３週
   齢から前記計測時週齢までに摂取した蛋白量、満３週齢
   から前記計測時週齢までに摂取したリジン量、満３週齢
   から前記計測時週齢までの飼育密度、満４週齢から計測
   時週齢までを過ごした畜舎の舎内平均気温、満４週齢か
   ら計測時週齢までを過ごした畜舎の舎内平均湿度、およ
   び満４週齢から計測時週齢までを過ごした畜舎の舎内平
   均風速を含むデータを成長予測因子としてニューラルネ
   ットワークシミュレーション解析をおこなうデータ解析
   手段、前記データ解析手段による結果を前記飼育場へフ
   ィードバックして家畜の飼養管理を行う飼養管理手段を
   備えたことを特徴とする家畜飼養管理システム。