JPH078128A - 家畜・家禽飼養管理システム - Google Patents

Abstract

(57)【要約】 【目的】 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を得
る。 【構成】 家畜・家禽の飼養管理システムにおいて、家
畜・家禽飼育場からのデータにもとづいてニューラルネ
ットワークシュミ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・家禽の飼養管理を行う飼養管理
手段を備えるシステム。家畜・家禽の生育データおよび
畜舎の環境データを集録・解析し、２次データをニュー
ラルネットワークシミュレーションシステムに入力し、
成長や出荷時の肉質の予測を行う。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は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・家禽の成長は、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ュミレー
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・家禽の飼養に反
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・家禽
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】本発明のシステムは、
従来のように自然に任せた飼養法ではなく、肉質や出荷
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
することを第一の目的とする。現在、家禽についいては
かなりの部分で飼養管理システムが進んでいるが、本発
明では家畜、家禽の両方に共通して扱える飼養管理支援
システムを目指す。

【０００９】さらに、家禽だけでなく、将来、家畜につ
いても工場化が可能な飼養管理支援システムとすること
も、本発明の課題の一つである。そのために、従来より
もより優れたデータ解析・予測方法の導入を図る。

【００１０】

【課題を解決するための手段】本発明の家畜・家禽シス
テムは、ニューラルネットワーク（以下「ＮＮ」と記
述）シミュレーション、データ解析用コンピュータおよ
びセンサーを多数継続したデータロガーなどから構成さ
れるとともに、家畜・家禽の生育データおよび畜舎の環
境データを集録・解析し、２次データをＮＮシミュレー
ションシステムに入力し、成長や出荷時の肉質の予測を
行うものである。

【００１１】図１は、本発明のＮＮによる家畜・家禽飼
養管理支援システムの一例の構成図である。ＮＮ飼養管
理支援システムの概要は以下の通りである。家畜や家禽
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ＮＮ
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。

【００１２】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、ＮＮ
解析のための環境データの集録も行う。

【００１３】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。

【００１４】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・家禽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・家禽の成長を知る
うえで欠かせない装置である。

【００１５】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。

【００１６】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ＮＮプログラムが内
蔵されている。ＮＮ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。ＮＮ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１
２を経由してプリンタ１３から出力される。

【００１７】以上が、本発明のＮＮによる家畜・家禽飼
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。

【００１８】本発明では、データ解析にニューラルネッ
トワーク（ＮＮ）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。具体的に
は、実施例で説明する。

【００１９】なお、ＮＮ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３６５日稼働である。
図２では家畜・家禽の出荷は記してあるが、適時飼育舎
への家畜・家禽の搬入もある（流れ図では省略）。

【００２０】本発明では、予測を精密なものとするため
にＮＮ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ＮＮ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。

【００２１】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。

【００２２】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。

【００２３】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。

【００２４】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ＮＮ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。

【００２５】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。

【００２６】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。

【００２７】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）。

【００２８】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。

【００２９】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。

【００３０】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）。

【００３１】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。

【００３２】

【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（ＮＮ）について説
明する。とくに本発明では、ＮＮ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。

【００３３】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ヶ月から２０ヶ月である。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。

【００３４】本発明のＮＮ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。

【００３５】本発明のシステムを稼働するに当たり、Ｎ
Ｎ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８週令体重、満３週令から満
８週令までの体重増分、満８週令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週令から満８週令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。

【００３６】図７には成長予測シュミレーションを行っ
た結果の一例を示す。７．５〜１７．５日の予測精度に
おいて、ＮＮ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。

【００３７】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。

【００３８】以上のＮＮの推論・判断機能による肥育豚
の成長予測結果は、ＮＮ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、肥養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・家禽の成
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。

【００３９】本発明のＮＮ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Ｎ
Ｎ予測の項目に付加することもできる。

【００４０】

【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、家畜や家禽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。

【００４１】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。

【００４２】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。

【００４３】季節によって家畜の菜食行動や栄養に対
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。

【００４４】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。

【００４５】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（ＮＮ）による家畜・
家禽飼養管理システムの一例の構成図である。

【図２】ＮＮ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】ＮＮモデルの概念図である。

【図４】階層型ＮＮ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ＮＮ
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ＮＮ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・家禽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・家禽の飼養管理システムにおい
   て、家畜・家禽飼育場からのデータにもとづいてニュー
   ラルネットワークシュミ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・家禽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・家禽飼養管
   理システム。