WO2021014906A1 - 体重推定システム、体重推定方法、及び、プログラム - Google Patents

体重推定システム、体重推定方法、及び、プログラム Download PDF

Info

Publication number
WO2021014906A1
WO2021014906A1 PCT/JP2020/025762 JP2020025762W WO2021014906A1 WO 2021014906 A1 WO2021014906 A1 WO 2021014906A1 JP 2020025762 W JP2020025762 W JP 2020025762W WO 2021014906 A1 WO2021014906 A1 WO 2021014906A1
Authority
WO
WIPO (PCT)
Prior art keywords
weight
poultry house
image
unit
chickens
Prior art date
Application number
PCT/JP2020/025762
Other languages
English (en)
French (fr)
Inventor
真吾 長友
雄一 稲葉
保 尾崎
Original Assignee
パナソニックＩｐマネジメント株式会社
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 パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to US17/618,912 priority Critical patent/US20220394956A1/en
Priority to CN202080042018.1A priority patent/CN114008686A/zh
Priority to JP2021533895A priority patent/JPWO2021014906A1/ja
Publication of WO2021014906A1 publication Critical patent/WO2021014906A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K45/00—Other aviculture appliances, e.g. devices for determining whether a bird is about to lay
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K31/00—Housing birds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G17/00—Apparatus for or methods of weighing material of special form or property
    • G01G17/08—Apparatus for or methods of weighing material of special form or property for weighing livestock
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G9/00—Methods of, or apparatus for, the determination of weight, not provided for in groups G01G1/00 - G01G7/00
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning

Definitions

  • the present invention relates to a weight estimation system that estimates the weight of chickens in a poultry house.
  • Patent Document 1 discloses a system capable of easily estimating various characteristic values of cattle.
  • the present invention provides a weight estimation system, a weight estimation method, and a program capable of estimating the weight of chickens in a poultry house.
  • the weight estimation system calculates a group behavior feature amount of chickens in the poultry house by image processing the image capturing unit that captures an image in the poultry house and the image captured by the imaging unit. It is provided with a calculation unit for estimating the weight of chickens in the poultry house based on the calculated group behavior feature amount.
  • an image in the poultry house is imaged, and the captured image is image-processed to calculate the group behavior feature amount of the chicken in the poultry house, and the calculated group The weight of the chicken in the poultry house is estimated based on the behavioral feature amount.
  • the program according to one aspect of the present invention is a program for causing a computer to execute the weight estimation method.
  • the weight estimation system, weight estimation method, and program of the present invention can estimate the weight of chickens in the poultry house.
  • FIG. 1 is a diagram showing an outline of a weight estimation system according to an embodiment.
  • FIG. 2 is a block diagram showing a functional configuration of the weight estimation system according to the embodiment.
  • FIG. 3 is a flowchart of the density deviation calculation operation.
  • FIG. 4 is a diagram showing an example of an image in the poultry house captured by the imaging unit.
  • FIG. 5 is a diagram showing another example of an image in the poultry house captured by the imaging unit.
  • FIG. 6 is a flowchart of the activity amount calculation operation.
  • FIG. 7 is a diagram showing the relationship between the amount of swarm behavior of chickens in the poultry house and the feeding state of the chickens in the poultry house.
  • FIG. 8 is a diagram schematically showing a learning model used for estimating the weight of chickens.
  • FIG. 8 is a diagram schematically showing a learning model used for estimating the weight of chickens.
  • FIG. 9 is a diagram showing a display example of an estimated value of the weight gain of chickens.
  • FIG. 10 is a graph showing the transition of the estimated value of the weight gain of the chicken.
  • FIG. 11 is a diagram showing a display example of an estimated value of chicken body weight.
  • FIG. 12 is a diagram showing a display example of an estimated value of chicken body weight.
  • FIG. 13 is a diagram showing an outline of the weight estimation system according to the second modification.
  • FIG. 14 is a diagram showing an example of an image in the poultry house captured by an imaging device functioning as a fisheye camera.
  • FIG. 15 is a diagram showing an example of a corrected image of the inside of the poultry house captured by an imaging device functioning as a fisheye camera.
  • FIG. 1 is a diagram showing an outline of a weight estimation system according to an embodiment.
  • FIG. 2 is a block diagram showing a functional configuration of the weight estimation system according to the embodiment.
  • the weight estimation system 10 is installed in, for example, the poultry house 100.
  • the breed of chickens raised in the poultry house 100 is, for example, a broiler (more specifically, chunky, cobb, or arbor aca, etc.), but may be other breeds, such as so-called local chickens.
  • a feeder 50, a water dispenser (not shown) and the like are arranged in the poultry house 100.
  • the weight estimation system 10 calculates the group behavior feature amount of the chickens in the poultry house 100 by image processing the image in the poultry house 100 captured by the imaging device 20, and based on the calculated group behavior feature amount, the inside of the poultry house 100. Estimate the weight of the chicken.
  • the group behavior feature amount is a feature amount indicating the behavior when a plurality of chickens are regarded as one group. In this way, if the body weight is estimated based on the group behavior feature amount, it is not necessary to introduce a weight scale or the like, so that it is possible to suppress capital investment and grasp the breeding state of chickens. In addition, the work of measuring the weight of chickens (such as the work of placing chickens on a scale) is simplified.
  • the weight estimation system 10 includes an image pickup device 20, an information terminal 30, and a display device 40.
  • an image pickup device 20 As shown in FIGS. 1 and 2, specifically, the weight estimation system 10 includes an image pickup device 20, an information terminal 30, and a display device 40.
  • an information terminal 30 As shown in FIGS. 1 and 2, specifically, the weight estimation system 10 includes an image pickup device 20, an information terminal 30, and a display device 40.
  • a display device 40 As shown in FIGS. 1 and 2, specifically, the weight estimation system 10 includes an image pickup device 20, an information terminal 30, and a display device 40.
  • each device will be described in detail.
  • the image pickup device 20 captures an image inside the poultry house 100.
  • the imaging device 20 is attached to, for example, the ceiling or the wall surface of the poultry house 100, and the imaging unit 21 captures an image of the inside of the poultry house 100 from a bird's-eye view.
  • the image here means a still image, and the image pickup apparatus 20 constantly captures, for example, a moving image composed of a plurality of images (in other words, frames).
  • the image pickup device 20 includes an image pickup unit 21.
  • the image pickup unit 21 is an image pickup module including an image sensor and an optical system (lens or the like) that guides light to the image sensor.
  • the image sensor is a CMOS (Complementary Metal Oxide Semiconductor) sensor, a CCD (Charge Coupled Device) sensor, or the like.
  • the image captured by the imaging unit 21 is image-processed by the information terminal 30 in order to monitor the feeding state of the chickens in the poultry house 100.
  • the information terminal 30 is an information terminal used by the manager or the like of the poultry house 100.
  • the information terminal 30 monitors the feeding state of chicken food in the poultry house 100 by performing image processing on the image in the poultry house 100 captured by the imaging device 20.
  • the information terminal 30 is, for example, a personal computer, but may be a smartphone or a tablet terminal. Further, the information terminal 30 may be a dedicated device used in the weight estimation system 10.
  • the information terminal 30 includes a communication unit 31, an information processing unit 32, a storage unit 33, and an input unit 34.
  • the communication unit 31 is an example of an acquisition unit, and acquires an image captured by the image pickup unit 21 included in the image pickup device 20. Further, the communication unit 31 transmits image information for displaying an image indicating that the feeding state has deteriorated to the display device 40 based on the control of the calculation unit 32a.
  • the communication unit 31 is a communication module that performs wired communication or wireless communication.
  • the communication module is, in other words, a communication circuit.
  • the communication method of the communication unit 31 is not particularly limited.
  • the communication unit 31 may include two types of communication modules for communicating with each of the image pickup device 20 and the display device 40. Further, a relay device such as a router may be interposed between the communication unit 31 and the image pickup device 20 and the display device 40.
  • the information processing unit 32 performs information processing for monitoring the feeding state of chickens in the poultry house 100.
  • the information processing unit 32 is specifically realized by a microcomputer, but may be realized by a processor or a dedicated circuit.
  • the information processing unit 32 may be realized by a combination of two or more of a microcomputer, a processor, and a dedicated circuit.
  • the information processing unit 32 has a calculation unit 32a and an estimation unit 32b.
  • the calculation unit 32a calculates the group behavior feature amount of chickens in the poultry house 100 obtained by image processing the image acquired by the communication unit 31.
  • the group behavioral features are, for example, density deviation and activity. The details of the swarm behavior features will be described later.
  • the estimation unit 32b estimates the weight of the chicken in the poultry house 100 based on the group behavior feature amount calculated by the calculation unit 32a. The details of the chicken weight estimation method performed by the estimation unit 32b will be described later.
  • the storage unit 33 stores the control program executed by the information processing unit 32.
  • the storage unit 33 is realized by, for example, a semiconductor memory.
  • the input unit 34 is a user interface device that receives input from the administrator of the poultry house 100.
  • the input unit 34 is realized by, for example, a mouse and a keyboard.
  • the input unit 34 may be realized by a touch panel or the like.
  • the display device 40 notifies the manager of the poultry house 100 and the like of the feeding state of the chickens in the poultry house 100 by displaying an image.
  • the display device 40 has a display unit 41.
  • the display unit 41 displays an image based on the image information transmitted from the communication unit 31.
  • the display unit 41 is an example of the notification unit, and displays an image to notify that the feeding state has deteriorated.
  • the display device 40 is, for example, a monitor for a personal computer, but may be a smartphone or a tablet terminal.
  • the information terminal 30 may include a display unit 41 instead of the display device 40.
  • the display unit 41 is realized by a liquid crystal panel, an organic EL panel, or the like.
  • FIG. 3 is a flowchart of the density deviation calculation operation.
  • FIG. 4 is a diagram showing an example of an image in the poultry house 100 captured by the imaging unit 21.
  • the calculation unit 32a of the information terminal 30 acquires an image in the poultry house 100 imaged by the imaging unit 21 and converts the acquired image into a black-and-white image (S12).
  • the calculation unit 32a converts the acquired color image into a gray scale image, and each of the pixel values and thresholds of the plurality of pixels included in the gray scale image.
  • the image is binarized by comparison with. That is, the calculation unit 32a converts the grayscale image into a black and white image.
  • a black-and-white image is an image in which each of a plurality of pixels is either white or black.
  • the black-and-white image is, in other words, an image captured by the imaging unit 21 and binarized.
  • the white part in the black-and-white image is the part where the chicken is presumed to be reflected. Since the purpose of the first monitoring operation is to determine the dense state of chickens around the feeder 50, the accuracy of determining the dense state can be improved by distinguishing the part where the chickens are reflected from the other parts. .. Therefore, the threshold value used for binarization is appropriately set so that the portion where the chicken is reflected is selectively white.
  • the p-tile method, the mode method, the discriminant analysis method, and the like are known as methods for calculating the threshold value used for binarizing a general image, and the threshold value is determined by using such a method. May be done.
  • the feeder 50 and the like arranged in the poultry house 100 are preferably colored so as to be as black as possible in binarization. That is, the feeder 50 may have a color scheme different from that of chickens.
  • the calculation unit 32a determines a specific area which is at least a part of the black-and-white image (S13). Specifically, the specific area is a part of the black-and-white image and includes a part in which the feeder 50 is reflected.
  • FIG. 4 illustrates a specific region A that is long along the horizontal direction of the image around the feeder 50. In FIG. 4, the area around the feeder 50 is selectively designated as the specific area A. The specific area may be divided into a plurality of areas.
  • FIG. 5 is a diagram showing an example of an image in the poultry house 100 captured by the imaging unit 21 when the specific region is divided into a plurality of areas. In FIG. 5, a specific region A2 is shown in addition to the specific region A1. Which part of the image is to be a specific area is determined empirically or experimentally by the installer or the like when the image pickup apparatus 20 is installed. When the imaging range by the imaging unit 21 is narrow, the specific region may be the entire image.
  • the calculation unit 32a divides the specific area into a plurality of unit areas (S14).
  • FIG. 4 (or FIG. 5) illustrates a rectangular unit region a obtained by dividing a specific region into a grid pattern.
  • the method of dividing a specific area is determined empirically or experimentally by, for example, an installer or the like.
  • the calculation unit 32a calculates the ratio of the portion of the plurality of unit regions in which the chicken is estimated to be reflected (S15). Specifically, the calculation unit 32a calculates the ratio of the area of the white portion to the total area of the unit region as the ratio of the portion of the unit region where the chicken is estimated to be reflected. More specifically, the calculation unit 32a calculates the ratio of the area of the white portion by dividing the total number of white pixels included in the unit region by the total number of pixels included in the unit region.
  • the calculation unit 32a calculates the variation in the proportion of the portion in which the chicken is estimated to be reflected, which is calculated for each of the plurality of unit areas (S16). In other words, the calculation unit 32a obtains the spatial variation in the density of chickens existing in the specific region.
  • the variation here is specifically a standard deviation, but may be a variance.
  • the variation in the proportion of the portion estimated to show the chicken calculated for each of the plurality of unit regions is also described as the density deviation.
  • a state where the density deviation is relatively small means that the feeding state is good. According to the experiments of the inventors, the chicken can be effectively increased by continuing the state where the density deviation is relatively small.
  • the body weight estimation system 10 calculates the amount of chicken activity around the feeder 50 as a group behavior feature amount different from the density deviation. Specifically, the calculation unit 32a calculates the amount of chicken activity in a specific region by image processing using the image captured by the image pickup unit 21. The details of such a second monitoring operation will be described below.
  • FIG. 6 is a flowchart of the activity amount calculation operation.
  • the imaging unit 21 of the imaging device 20 images the image inside the poultry house 100 (S21).
  • the calculation unit 32a of the information terminal 30 converts the image in the poultry house 100 imaged by the imaging unit 21 into a black-and-white image (S22), and determines at least a part of the black-and-white image as a specific area (S23).
  • These steps S21 to S23 are the same as in steps S11 to S13 of FIG.
  • the specific area determined in step S23 is the same as the specific area specified in step S13.
  • the calculation unit 32a calculates the amount of activity based on the number of pixels whose color has changed from the image one frame before, which is included in the specific area of the black-and-white image to be processed (S24). Specifically, the calculation unit 32a compares the black-and-white image to be processed with the black-and-white image one frame before the black-and-white image, and the pixel whose color has changed from the black-and-white image one frame before included in the specific area. Count the number.
  • the color-changed pixel here includes both a black-to-white-changed pixel and a white-to-black-changed pixel.
  • the calculation unit 32a calculates the number of counted pixels as the activity amount.
  • the calculation unit 32a may calculate the ratio of the number of counted pixels to the total number of pixels included in the specific area as the activity amount.
  • FIG. 7 is a diagram showing the relationship between the amount of swarm behavior characteristics of chickens in the poultry house 100 and the feeding state of the chickens in the poultry house 100.
  • the feeding state is not good. In such a case, the density deviation becomes large and the amount of activity becomes small.
  • the density deviation and the amount of activity indicate the feeding state of the chickens in the poultry house 100, and it is considered that the feeding state is closely related to the weight gain of the chickens.
  • the estimation unit 32b uses the chicken's age, the density deviation at that age, and the amount of activity at that age as input data, and uses the measured value of the increase in chicken weight at that age as the teacher data.
  • the weight of chickens can be estimated using a learning model built on the basis of machine learning.
  • FIG. 8 is a diagram schematically showing a learning model used for estimating the weight of chickens.
  • such a learning model uses the age of the chicken, the density deviation at the age, and the amount of activity at the age as input data to obtain an estimated value of the weight gain of the chicken. Can be output.
  • the input data includes seasonal information (date information) and environmental information (temperature information, humidity information) in the chicken house 100. Etc.) may be included.
  • the learning model used in a certain poultry house 100 is constructed by machine learning based on the data acquired in the poultry house 100. That is, the learning model is customized for each poultry house 100. However, a learning model constructed by machine learning based on data acquired in one poultry house 100 may be used in another poultry house 100. In this case, it is preferable that the output data output from the learning model is adjusted.
  • FIG. 9 is a flowchart of the chicken weight estimation operation.
  • the calculation unit 32a calculates the density deviation (S31). The method of calculating the density deviation is as described with reference to FIG.
  • the calculation unit 32a calculates the amount of activity (S32). The method of calculating the amount of activity is as described with reference to FIG.
  • the estimation unit 32b acquires the age of the chickens in the poultry house 100 when the images used for calculating the density deviation and the amount of activity are captured (S33).
  • the age of the chicken is input to the input unit 34 by, for example, the manager of the poultry house 100.
  • the age of the chicken may be measured (counted) by the estimation unit 32b.
  • the estimation unit 32b estimates the amount of weight gain of the chicken (S34).
  • the estimation unit 32b inputs the density deviation calculated in step S31, the amount of activity calculated in step S32, and the age of the chicken acquired in step S33 into the learning model in FIG. , An estimate of the weight gain of chickens at that age can be obtained.
  • the estimated value of the weight gain of chickens here is, for example, an estimated value of the weight gain of one chicken (in other words, the average weight gain).
  • the estimation unit 32b generates image information based on the estimated value of the chicken weight gain
  • the display unit 41 is an image showing the estimated value of the chicken weight gain based on this image information. Is displayed (S35).
  • FIG. 10 is a diagram showing a display example of an estimated value of the weight gain of chickens.
  • a standard weight is set for chickens raised in the poultry house 100.
  • the reference weight is, for example, an ideal body weight (target weight) for each day provided by a chick donor, and the weight information indicating such a reference weight for each day is stored in advance as weight information. It is stored in 33.
  • the reference body weight may be the average body weight of the chickens bred in the poultry house 100 for each age (measured average of the chickens bred in the poultry house 100).
  • the display unit 41 displays a reference value (target value) of the amount of weight gain as a comparison target in addition to the estimated value of the amount of weight gain based on such weight information.
  • a reference value target value
  • the display unit 41 displays a reference value (target value) of the amount of weight gain as a comparison target in addition to the estimated value of the amount of weight gain based on such weight information.
  • the estimation unit 32b can also estimate the current chicken weight by integrating the estimated values of the daily weight gain.
  • FIG. 11 is a graph (line graph) showing changes in the estimated value of chicken body weight.
  • an estimated value (bar graph) of the weight gain of chickens is also shown.
  • the estimated value of the chicken body weight here is, for example, an estimated value of the body weight of one chicken (in other words, the average body weight per chicken).
  • the estimation unit 32b estimates (predicts) the future weight of the chicken by obtaining an approximate curve (dotted line in FIG. 11) from the transition of the estimated value of the weight (in other words, the estimated value of a plurality of weights). You can also.
  • the estimation unit 32b can estimate the body weight of the chicken in the poultry house 100 at the time of shipment (for example, on the 49th day).
  • the display unit 41 may display such an estimated value of body weight.
  • the display unit 41 may display a reference value (target value) of the body weight as a comparison target in addition to the estimated value of the body weight based on the body weight information.
  • FIG. 12 is a diagram showing a display example of an estimated value of chicken body weight.
  • the calculation unit 32a may further calculate parameters indicating productivity in the poultry house 100, such as feed conversion ratio (FCR), based on the estimated weight gain.
  • the calculation unit 32a uses the input feed intake as the weight gain estimated by the estimation unit 32b. By dividing, the feed intake can be calculated.
  • the calculation unit 32a may further calculate a production index (PS: Production Score) based on the estimated weight at the time of shipment.
  • PSD Production Score
  • the calculation unit 32a will add the input information to the time of shipment estimated by the estimation unit 32b.
  • the production index can be calculated by using the body weight of the chicken coop and the feed conversion ratio calculated by the calculation unit 32a.
  • the weight estimation system 10 can calculate a parameter indicating productivity based on the estimated weight.
  • the calculated productivity parameters may be displayed by the display unit 41.
  • the imaging device installed in the poultry house 100 may be a fisheye camera.
  • FIG. 13 is a diagram showing an outline of the weight estimation system according to such a modification 2.
  • the image pickup device 20a included in the weight estimation system 10a shown in FIG. 13 is a fisheye camera. Such an imaging device 20a is realized, for example, by providing an imaging unit (not shown) included in the imaging device 20a with a fisheye lens. The image pickup device 20a is attached to the ceiling of the poultry house 100 and images the inside of the poultry house 100 from directly above.
  • FIG. 14 is a diagram showing an example of a moving image in the poultry house 100 captured by the imaging device 20a.
  • the moving image captured by the fisheye camera as shown in FIG. 14 is subjected to image processing (more specifically, a projective conversion process for converting an image of equal distance projection into an image of central projection). It is easy to correct the entire inside of the chicken house 100 as shown in FIG. 14 to an image taken from directly above. That is, the imaging device 20a can easily image the entire inside of the poultry house 100.
  • FIG. 15 is a diagram showing an example of a corrected (that is, projective-transformed) image of the inside of the poultry house 100 captured by the imaging device 20a. As described above, it can be said that the image pickup apparatus 20a is suitable for generating a monitoring image and calculating parameters using the monitoring image.
  • the conversion process to a black-and-white image may be performed after the projection conversion process is performed, or the projection is performed after the conversion process to a black-and-white image is performed.
  • the conversion process may be performed.
  • the weight estimation system 10 uses an image pickup unit 21 for capturing an image in the poultry house 100 and an image processing of the image captured by the image pickup unit 21 to obtain a group behavior feature amount of chickens in the poultry house 100. It includes a calculation unit 32a for calculation and an estimation unit 32b for estimating the weight of chickens in the poultry house 100 based on the calculated group behavior feature amount.
  • Such a weight estimation system 10 can easily estimate the weight of a chicken in the chicken house 100 by image processing.
  • the calculation unit 32a calculates the group behavior feature amount by performing image processing on the image of the feeder 50 arranged in the poultry house 100, which is captured by the imaging unit 21.
  • Such a weight estimation system 10 can estimate the weight of chickens in the poultry house 100 with high accuracy by image processing for an image more closely related to the feeding state.
  • the calculation unit 32a estimates that (a) chickens occupying the unit area are reflected in each of the plurality of unit areas obtained by dividing a specific area which is at least a part of the area in the image.
  • the amount of activity of chickens in the poultry house 100 is grouped by calculating the ratio of the portion to be performed, calculating the variation of the calculated ratio as the group behavior feature amount, and (b) performing image processing on a specific area. Calculated as behavioral features.
  • the estimation unit 32b estimates the weight of the chicken in the poultry house 100 based on the variation in the above ratio and the amount of activity.
  • Such a body weight estimation system 10 can estimate the body weight of chickens in the poultry house 100 with high accuracy by using the density deviation and the activity amount, which are group behavioral feature amounts indicating the feeding state.
  • the estimation unit 32b may estimate the body weight of the chicken in the poultry house 100 by using at least one of the density deviation and the activity amount, or the group behavior feature amount other than the density deviation and the activity amount in the poultry house 100. You may estimate the weight of the chicken.
  • the estimation unit 32b estimates the amount of weight gain of the chickens in the poultry house 100 for each day based on the group behavioral features.
  • Such a weight estimation system 10 can estimate the amount of weight gain of chickens in the poultry house 100 for each day.
  • the calculation unit 32a further calculates at least one of the feed conversion ratio and the production index based on the estimated body weight.
  • Such a weight estimation system 10 can calculate at least one of the feed conversion ratio and the production index.
  • the estimation unit 32b estimates the weight of the chickens in the poultry house 100 at the time of shipment based on the group behavior features calculated from the images captured before the chickens in the poultry house 100 are shipped. ..
  • Such a weight estimation system 10 can estimate the weight of chickens in the poultry house 100 at the time of shipment. If the weight of the chicken at the time of shipment is estimated before the shipment, the amount of work at the time of shipment can be grasped in advance, and it becomes easy to secure the personnel for the shipment work.
  • the body weight estimation system 10 further includes a display unit 41 that compares and displays the estimated body weight with a predetermined reference weight.
  • Such a weight estimation system 10 can compare and display the estimated weight and a predetermined reference weight. In this way, if a predetermined reference weight is displayed as a comparison target in addition to the estimated weight, it becomes easy to grasp the ups and downs of breeding from the degree of deviation between the estimated weight and the reference weight.
  • the weight estimation method calculates the group behavior feature amount of the chickens in the poultry house 100 by capturing an image in the poultry house 100 and processing the captured image, and based on the calculated group behavior feature amount. Estimate the weight of chickens in the poultry house 100.
  • the weight of chickens in the poultry house 100 can be easily estimated by image processing.
  • the present invention may be realized as a system for diurnal poultry.
  • diurnal poultry includes, for example, ducks, turkeys, or guinea fowl.
  • the weight estimation system is realized as a system including a plurality of devices, but it may be realized as a single device or as a client-server system.
  • the distribution of the components of the weight estimation system to multiple devices is an example.
  • the components of one device may be included in another device.
  • the information terminal may include a display unit instead of the display device, and the display device may be omitted.
  • a comprehensive or specific embodiment of the present invention may be realized in a recording medium such as a device, a system, a method, an integrated circuit, a computer program or a computer-readable CD-ROM, and the device, system, method, etc. It may be realized by any combination of integrated circuits, computer programs and recording media.
  • the present invention may be realized as a weight estimation method, or as a program for causing a computer to execute the weight estimation method, or a computer-readable non-temporary program in which the program is recorded. It may be realized as a recording medium.
  • another processing unit may execute the processing executed by the specific processing unit.
  • the sequence of a plurality of processes in the operation of the weight estimation system described in the above embodiment is an example. The order of the plurality of processes may be changed, and the plurality of processes may be executed in parallel.
  • a component such as an information processing unit may be realized by executing a software program suitable for the component.
  • the components may be realized by a program execution unit such as a CPU or a processor reading and executing a software program recorded on a recording medium such as a hard disk or a semiconductor memory.
  • components such as the information processing unit may be realized by hardware.
  • the components may be specifically implemented by circuits or integrated circuits. These circuits may form one circuit as a whole, or may be separate circuits from each other. Further, each of these circuits may be a general-purpose circuit or a dedicated circuit.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Birds (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Psychiatry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Zoology (AREA)
  • Housing For Livestock And Birds (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

体重推定システム（１０）は、鶏舎内の画像を撮像する撮像部（２１）と、撮像部（２１）によって撮像された画像を画像処理することにより鶏舎内の鶏の群行動特徴量を算出する算出部（３２ａ）と、算出された群行動特徴量に基づいて鶏舎内の鶏の体重を推定する推定部（３２ｂ）とを備える。

Description

体重推定システム、体重推定方法、及び、プログラム
　本発明は、鶏舎内の鶏の体重を推定する体重推定システムに関する。
　畜産は、日本を含めた世界各国において盛んに行われている。畜産に関連する技術として、特許文献１には、簡便に牛体のさまざまな特性値を推定することができるシステムが開示されている。
特開２０１６－０５９３００号公報
　ところで、養鶏では多数の鶏が同時に飼育されるため、一羽あたりの体重の計測方法については検討の余地がある。
　本発明は、鶏舎内の鶏の体重を推定することができる体重推定システム、体重推定方法、及び、プログラムを提供する。
　本発明の一態様に係る体重推定システムは、鶏舎内の画像を撮像する撮像部と、前記撮像部によって撮像された前記画像を画像処理することにより前記鶏舎内の鶏の群行動特徴量を算出する算出部と、算出された前記群行動特徴量に基づいて前記鶏舎内の鶏の体重を推定する推定部とを備える。
　本発明の一態様に係る体重推定方法は、鶏舎内の画像を撮像し、撮像された前記画像を画像処理することにより前記鶏舎内の鶏の群行動特徴量を算出し、算出された前記群行動特徴量に基づいて前記鶏舎内の鶏の体重を推定する。
　本発明の一態様に係るプログラムは、前記体重推定方法をコンピュータに実行させるためのプログラムである。
　本発明の体重推定システム、体重推定方法、及び、プログラムは、鶏舎内の鶏の体重を推定することができる。
図１は、実施の形態に係る体重推定システムの概要を示す図である。 図２は、実施の形態に係る体重推定システムの機能構成を示すブロック図である。 図３は、密度偏差の算出動作のフローチャートである。 図４は、撮像部によって撮像される鶏舎内の画像の一例を示す図である。 図５は、撮像部によって撮像される鶏舎内の画像の別の一例を示す図である。 図６は、活動量の算出動作のフローチャートである。 図７は、鶏舎内の鶏の群行動特徴量と鶏舎内の鶏の摂食状態との関係を示す図である。 図８は、鶏の体重の推定に用いられる学習モデルを模式的に示す図である。 図９は、鶏の体重の増加量の推定値の表示例を示す図である。 図１０は、鶏の体重の増加量の推定値の推移を示すグラフである。 図１１は、鶏の体重の推定値の表示例を示す図である。 図１２は、鶏の体重の推定値の表示例を示す図である。 図１３は、変形例２に係る体重推定システムの概要を示す図である。 図１４は、魚眼カメラとして機能する撮像装置によって撮像された鶏舎内の画像の一例を示す図である。 図１５は、魚眼カメラとして機能する撮像装置によって撮像された鶏舎内の画像を補正した画像の一例を示す図である。
　以下、実施の形態について、図面を参照しながら説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　なお、各図は模式図であり、必ずしも厳密に図示されたものではない。また、各図において、実質的に同一の構成に対しては同一の符号を付しており、重複する説明は省略または簡略化される場合がある。
　（実施の形態）
　［構成］
　まず、実施の形態に係る体重推定システムの構成について説明する。図１は、実施の形態に係る体重推定システムの概要を示す図である。図２は、実施の形態に係る体重推定システムの機能構成を示すブロック図である。
　図１に示されるように、実施の形態に係る体重推定システム１０は、例えば、鶏舎１００に設置される。鶏舎１００で飼育される鶏の品種は、例えば、ブロイラー（より具体的には、チャンキー、コッブ、または、アーバーエーカなど）であるが、いわゆる地鶏など、他の品種であってもよい。鶏舎１００内には給餌器５０及び給水器（図示せず）などが配置される。
　体重推定システム１０は、撮像装置２０によって撮像される鶏舎１００内の画像を画像処理することにより鶏舎１００内の鶏の群行動特徴量を算出し、算出した群行動特徴量に基づいて鶏舎１００内の鶏の体重を推定する。群行動特徴量は、複数の鶏を１つの群としてとらえたときの行動を示す特徴量である。このように、群行動特徴量に基づいて体重が推定されれば、体重計等の導入が不要となるため、設備投資を抑制して鶏の育成状態を把握することができる。また、鶏の体重を計測する作業（体重計に鶏を載せる作業など）が簡略化される。
　図１及び図２に示されるように、体重推定システム１０は、具体的には、撮像装置２０と、情報端末３０と、表示装置４０とを備える。以下、各装置について詳細に説明する。
　［撮像装置］
　撮像装置２０は、鶏舎１００内の画像を撮像する。撮像装置２０は、例えば、鶏舎１００の天井または壁面などに取り付けられ、撮像部２１は、鶏舎１００内を俯瞰した画像を撮像する。ここでの画像は、静止画を意味し、撮像装置２０は、例えば、複数の画像（言い換えれば、フレーム）によって構成される動画像を常時撮影する。撮像装置２０は、撮像部２１を備える。
　撮像部２１は、イメージセンサと、イメージセンサに光を導く光学系（レンズ等）とからなる撮像モジュールである。イメージセンサは、具体的には、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ　Ｏｘｉｄｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）センサまたはＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅ）センサなどである。撮像部２１によって撮像された画像は、鶏舎１００内の鶏の摂食状態を監視するために情報端末３０によって画像処理される。
　［情報端末］
　情報端末３０は、鶏舎１００の管理者等によって使用される情報端末である。情報端末３０は、撮像装置２０によって撮像される鶏舎１００内の画像を画像処理することにより、鶏舎１００内の鶏の餌の摂食状態を監視する。情報端末３０は、例えば、パーソナルコンピュータであるが、スマートフォン、または、タブレット端末であってもよい。また、情報端末３０は、体重推定システム１０に用いられる専用装置であってもよい。情報端末３０は、具体的には、通信部３１と、情報処理部３２と、記憶部３３と、入力部３４とを備える。
　通信部３１は、取得部の一例であって、撮像装置２０が有する撮像部２１が撮像した画像を取得する。また、通信部３１は、算出部３２ａの制御に基づいて、摂食状態が悪化したことを示す画像を表示するための画像情報を表示装置４０に送信する。
　通信部３１は、具体的には、有線通信または無線通信を行う通信モジュールである。通信モジュールは、言い換えれば、通信回路である。通信部３１の通信方式は、特に限定されない。通信部３１には、撮像装置２０及び表示装置４０のそれぞれと通信を行うための２種類の通信モジュールが含まれてもよい。また、通信部３１と、撮像装置２０及び表示装置４０との間には、ルータなどの中継装置が介在してもよい。
　情報処理部３２は、鶏舎１００内の鶏の摂食状態を監視するための情報処理を行う。情報処理部３２は、具体的には、マイクロコンピュータによって実現されるが、プロセッサまたは専用回路によって実現されてもよい。情報処理部３２は、マイクロコンピュータ、プロセッサ、及び、専用回路のうち２つ以上の組み合わせによって実現されてもよい。情報処理部３２は、具体的には、算出部３２ａと、推定部３２ｂとを有する。
　算出部３２ａは、通信部３１によって取得された画像を画像処理することによって得られる鶏舎１００内の鶏の群行動特徴量を算出する。群行動特徴量は、例えば、密度偏差、及び、活動量である。群行動特徴量の詳細については後述される。
　推定部３２ｂは、算出部３２ａによって算出される群行動特徴量に基づいて鶏舎１００内の鶏の体重を推定する。なお、推定部３２ｂによって行われる鶏の体重の推定方法の詳細については後述する。
　記憶部３３は、情報処理部３２によって実行される制御プログラムが記憶される。記憶部３３は、例えば、半導体メモリによって実現される。
　入力部３４は、鶏舎１００の管理者などの入力を受け付けるユーザインターフェース装置である。入力部３４は、例えば、マウス及びキーボードなどによって実現される。入力部３４は、タッチパネルなどによって実現されてもよい。
　［表示装置］
　表示装置４０は、画像の表示によって、鶏舎１００内の鶏の摂食状態を鶏舎１００の管理者等に報知する。表示装置４０は、表示部４１を有する。表示部４１は、通信部３１から送信される画像情報に基づいて画像を表示する。表示部４１は、報知部の一例であり、画像の表示により、摂食状態が悪化したことを報知する。
　表示装置４０は、具体的には、例えば、パーソナルコンピュータ用のモニタであるが、スマートフォン、または、タブレット端末であってもよい。情報端末３０がスマートフォン等である場合、表示装置４０に代わって情報端末３０が表示部４１を備えてもよい。表示部４１は、具体的には、液晶パネル、または、有機ＥＬパネルなどによって実現される。
　［密度偏差の算出動作］
　鶏舎１００内において、給餌器５０の周辺に鶏が集まっている状態は、摂食状態が良いと考えられる。そこで、体重推定システム１０は、給餌器５０の周辺における鶏の密集状態を示す群行動特徴量として、密度偏差を算出する。以下、このような密度偏差の算出動作の詳細について説明する。図３は、密度偏差の算出動作のフローチャートである。
　まず、撮像装置２０の撮像部２１は、鶏舎１００内の画像を撮像する（Ｓ１１）。図４は、撮像部２１によって撮像される鶏舎１００内の画像の一例を示す図である。
　次に、情報端末３０の算出部３２ａは、撮像部２１によって撮像された鶏舎１００内の画像を取得し、取得した画像を白黒画像に変換する（Ｓ１２）。撮像部２１によって撮像される画像がカラー画像である場合、算出部３２ａは、取得したカラー画像をグレースケールの画像に変換し、グレースケールの画像に含まれる複数の画素の画素値のそれぞれと閾値との比較により、画像を二値化する。つまり、算出部３２ａは、グレースケールの画像を白黒画像に変換する。白黒画像は、複数の画素のそれぞれが白色及び黒色のいずれかとなる画像である。白黒画像は、言い換えれば、撮像部２１によって撮像され、かつ、二値化された画像である。
　鶏の体は、白色であるため、白黒画像において白色の部分は、鶏が映っていると推定される部分となる。第一監視動作では、給餌器５０の周辺における鶏の密集状態の判定が目的であるため、鶏が映っている部分とそれ以外の部分とが区別されることで密集状態の判定精度が高められる。したがって、二値化に用いられる閾値は、鶏が映っている部分が選択的に白色となるように適宜定められる。なお、一般的な画像の二値化に用いられる閾値を算出する方法として、ｐ－タイル法、モード法、及び、判別分析法などが知られており、閾値はこのような方法を用いて定められてもよい。また、鶏舎１００内に配置される給餌器５０などは、二値化においてなるべく黒色になるような配色のものであるとよい。つまり、給餌器５０は、鶏とは異なる配色がなされているとよい。
　次に、算出部３２ａは、白黒画像の少なくとも一部の領域である特定領域を決定する（Ｓ１３）。特定領域は、具体的には、白黒画像の一部の領域であり、かつ、給餌器５０が映っている部分を含む領域である。図４では、給餌器５０の周辺の、画像の水平方向に沿って長い特定領域Ａが例示されている。図４では、給餌器５０の周辺の領域が選択的に特定領域Ａとされている。なお、特定領域は、複数に分かれていてもよい。図５は、特定領域が複数に分かれる場合の、撮像部２１によって撮像される鶏舎１００内の画像の一例を示す図である。図５では、特定領域Ａ１に加えて特定領域Ａ２が示されている。画像内のどの部分を特定領域とするかは、例えば、撮像装置２０の設置時に設置者等によって経験的または実験的に定められる。撮像部２１による撮像範囲が狭いような場合には、特定領域は画像の全部であってもよい。
　次に、算出部３２ａは、特定領域を複数の単位領域に分割する（Ｓ１４）。図４（または図５）では、特定領域を格子状に分割することによって得られる矩形の単位領域ａが例示されている。特定領域の分割方法（単位領域の大きさ、及び、分割数など）は、例えば、設置者等によって経験的または実験的に定められる。
　次に、算出部３２ａは、複数の単位領域のそれぞれについて当該単位領域に占める鶏が映っていると推定される部分の割合を算出する（Ｓ１５）。算出部３２ａは、具体的には、単位領域の全面積に占める白色の部分の面積の割合を、単位領域に占める鶏が映っていると推定される部分の割合として算出する。算出部３２ａは、より具体的には、単位領域に含まれる白色の画素の総数を単位領域に含まれる総画素数によって除算することで白色の部分の面積の割合を算出する。
　次に、算出部３２ａは、複数の単位領域のそれぞれについて算出された鶏が映っていると推定される部分の割合のばらつきを算出する（Ｓ１６）。言い換えれば、算出部３２ａは、特定領域に存在する鶏の密度の空間的なばらつきを求める。ここでのばらつきは、具体的には、標準偏差であるが、分散であってもよい。複数の単位領域のそれぞれについて算出された鶏が映っていると推定される部分の割合のばらつきは、密度偏差とも記載される。
　密度偏差が比較的小さい状態は、摂食状態が良好であることを意味する。発明者らの実験によれば、密度偏差が比較的小さい状態が継続されることで、鶏を効果的に増体できる。
　［活動量の算出動作］
　また、給餌器５０の周辺で活動している鶏は、単に給餌器５０の周辺に滞在しているのではなく餌を摂取していると推定される。したがって、給餌器５０の周辺における鶏の活動量が多いほど、摂食状態が良いと考えられる。そこで、体重推定システム１０は、密度偏差とは別の群行動特徴量として、給餌器５０の周辺における鶏の活動量を算出する。具体的には、算出部３２ａは、撮像部２１によって撮像された画像を用いた画像処理により、特定領域における鶏の活動量を算出する。以下、このような第二監視動作の詳細について説明する。図６は、活動量の算出動作のフローチャートである。
　まず、撮像装置２０の撮像部２１は、鶏舎１００内の画像を撮像する（Ｓ２１）。情報端末３０の算出部３２ａは、撮像部２１によって撮像された鶏舎１００内の画像を白黒画像に変換し（Ｓ２２）、白黒画像の少なくとも一部の領域を特定領域として決定する（Ｓ２３）。これらのステップＳ２１～ステップＳ２３については、図３のステップＳ１１～ステップＳ１３と同様である。ステップＳ２３で決定される特定領域は、ステップＳ１３で特定される特定領域と同一である。
　次に、算出部３２ａは、処理対象の白黒画像の特定領域に含まれる、１フレーム前の画像から色が変化した画素の数に基づいて活動量を算出する（Ｓ２４）。算出部３２ａは、具体的には、処理対象の白黒画像と当該白黒画像の１フレーム前の白黒画像とを比較し、特定領域に含まれる、１フレーム前の白黒画像から色が変化した画素の数をカウントする。ここでの色が変化した画素には、黒色から白色に変化した画素、及び、白色から黒色に変化した画素の両方が含まれる。そして、算出部３２ａは、カウントされた画素の数を活動量として算出する。なお、算出部３２ａは、特定領域に含まれる総画素数に対するカウントされた画素の数の割合を活動量として算出してもよい。
　［群行動特徴量と摂食状態との関係］
　密度偏差及び活動量は、鶏舎１００内の鶏の摂食状態を示す群行動特徴量であるといえる。図７は、鶏舎１００内の鶏の群行動特徴量と鶏舎１００内の鶏の摂食状態との関係を示す図である。
　図７の（ａ）に示されるように、給餌器５０の周辺に鶏が均等に分布し、かつ、活動している場合には、摂食状態は良好である。このような場合には、密度偏差は小さくなり、かつ、活動量は大きくなる。
　また、図７の（ｂ）に示されるように、給餌器５０の周辺において鶏がバラバラに動きまわっている場合には、摂食状態はあまりよくない。このような場合には、密度偏差は大きくなり、かつ、活動量は大きくなる。
　また、図７の（ｃ）に示されるように、給餌器５０の周辺にある程度鶏が集まっているが、寝ている鶏が多いような場合には、摂食状態はあまりよくない。このような場合には、密度偏差は小さくなり、かつ、活動量は小さくなる。
　また、図７の（ｄ）に示されるように、給餌器５０の周辺に鶏が集まっておらず、鶏が鶏舎１００内で分散して寝ているような場合、摂食状態はよくない。このような場合には、密度偏差は大きくなり、かつ、活動量は小さくなる。
　このように、密度偏差及び活動量は、鶏舎１００内の鶏の摂食状態を示し、摂食状態は鶏の体重の増加量と密接な関係を有すると考えられる。推定部３２ｂは、鶏の日齢、当該日齢における密度偏差、及び、当該日齢における活動量を入力データとして用い、かつ、当該日齢における鶏の体重の増加量の実測値を教師データとする機械学習に基づいて構築された学習モデルを用いて、鶏の体重を推定することができる。図８は、鶏の体重の推定に用いられる学習モデルを模式的に示す図である。
　図８に示されるように、このような学習モデルは、鶏の日齢、当該日齢における密度偏差、及び、当該日齢における活動量を入力データとして、鶏の体重の増加量の推定値を出力することができる。なお、入力データは、日齢、当該日齢における密度偏差、及び、当該日齢における活動量以外に、季節情報（年月日情報）、及び、鶏舎１００内の環境情報（温度情報、湿度情報など）などを含んでもよい。
　なお、ある鶏舎１００で使用される学習モデルは、当該鶏舎１００で取得されたデータに基づく機械学習によって構築される。つまり、学習モデルは、鶏舎１００ごとにカスタマイズされる。しかしながら、ある鶏舎１００で取得されたデータに基づく機械学習によって構築された学習モデルが別の鶏舎１００で使用されてもよい。この場合、学習モデルから出力される出力データの調整などが行われるとよい。
　［体重の推定動作］
　このような学習モデルを用いた鶏の体重の推定動作について説明する。図９は、鶏の体重の推定動作のフローチャートである。まず、算出部３２ａは、密度偏差を算出する（Ｓ３１）。密度偏差の算出方法は、図３を用いて説明した通りである。次に、算出部３２ａは、活動量を算出する（Ｓ３２）。活動量の算出方法は、図６を用いて説明した通りである。
　次に、推定部３２ｂは、密度偏差及び活動量の算出に用いられた画像が撮像されたときの鶏舎１００内の鶏の日齢を取得する（Ｓ３３）。鶏の日齢は、例えば、鶏舎１００の管理者等によって入力部３４に入力される。鶏の日齢は、推定部３２ｂによって計測（カウント）されてもよい。
　次に、推定部３２ｂは、鶏の体重の増加量を推定する（Ｓ３４）。推定部３２ｂは、図８の学習モデルに、ステップＳ３１で算出された密度偏差、ステップＳ３２で算出された活動量、及び、ステップＳ３３で取得された鶏の日齢を学習モデルに入力することにより、当該日齢における鶏の体重の増加量の推定値を得ることができる。なお、ここでの鶏の体重の増加量の推定値は、例えば、一羽の鶏の体重の増加量（言い換えれば、平均増加量）の推定値である。
　次に、推定部３２ｂは、鶏の体重の増加量の推定値に基づいて画像情報を生成し、表示部４１は、この画像情報に基づいて、鶏の体重の増加量の推定値を示す画像を表示する（Ｓ３５）。図１０は、鶏の体重の増加量の推定値の表示例を示す図である。
　ところで、鶏舎１００内で育成される鶏には、基準体重が定められている。基準体重は、例えば、雛鳥の提供者から提供される日齢ごとの理想的な体重（目標体重）であり、このような日齢ごとの基準体重を示す体重情報は、あらかじめ体重情報として記憶部３３に記憶されている。なお、基準体重は、鶏舎１００において過去に飼育した鶏の日齢ごとの平均体重（鶏舎１００において飼育された鶏の実測平均）などであってもよい。
　図１０の例では、表示部４１は、このような体重情報に基づいて、体重の増加量の推定値に加えて、体重の増加量の基準値（目標値）を比較対象として表示する。このように、体重の増加量の推定値に加えて体重の増加量の基準値が比較対象として表示されれば、推定値と基準値との乖離度から育成の好不調を把握することが容易となる。
　また、推定部３２ｂは、日々の体重の増加量の推定値を積算することで現在の鶏の体重を推定することもできる。図１１は、鶏の体重の推定値の推移を示すグラフ（線グラフ）である。図１１では、鶏の体重の増加量の推定値（棒グラフ）も合わせて示されている。なお、ここでの鶏の体重の推定値は、例えば、一羽の鶏の体重（言い換えれば、一羽あたりの平均体重）の推定値である。
　また、推定部３２ｂは、体重の推定値の推移（言い換えれば、複数の体重の推定値）から近似曲線（図１１の点線）を求めることにより、将来の鶏の体重を推定（予測）することもできる。例えば、推定部３２ｂは、鶏舎１００内の鶏の出荷時（例えば、４９日目）における体重を推定することができる。
　このように、鶏の出荷時の体重が出荷よりも前の時点で推定されれば、出荷時の作業量を事前に把握することができ、人員確保などが容易になる。
　なお、表示部４１は、このような体重の推定値を表示してもよい。この場合も、表示部４１は、体重情報に基づいて、体重の推定値に加えて、体重の基準値（目標値）を比較対象として表示してもよい。図１２は、鶏の体重の推定値の表示例を示す図である。
　［飼料要求率及び生産指数の算出］
　算出部３２ａは、さらに、推定された体重の増加量に基づいて、飼料要求率（ＦＣＲ：Ｆｅｅｄ　Ｃｏｎｖｅｒｓｉｏｎ　Ｒａｔｅ）などの鶏舎１００における生産性を示すパラメータを算出してもよい。飼料要求率は、１ｋｇの体重の増加量を得るのに何ｋｇの飼料が必要かを示す指標であり、飼料要求率＝飼料摂取量（ｋｇ）／体重の増加量（ｋｇ）の式に基づいて算出される。
　この場合、例えば、飼料摂取量が鶏舎１００の管理者等によって入力部３４に入力されれば、算出部３２ａは、入力された飼料摂取量を、推定部３２ｂによって推定される体重の増加量で割算することにより、飼料摂取量を算出することができる。
　また、算出部３２ａは、さらに、推定された出荷時の体重に基づいて、生産指数（ＰＳ：Ｐｒｏｄｕｃｔｉｏｎ　Ｓｃｏｒｅ）を算出してもよい。生産指数は、物的生産量レベルを図るための指標であり、生産指数＝（出荷時の体重×育成率／出荷日齢／飼料要求率）×１００の式に基づいて算出される。なお、育成率は、言い換えれば、鶏の生存率であり、育成率＝出荷時の鶏の数／育成開始時の鶏の数の計算式によって求められる。
　この場合、例えば、出荷日齢及び育成率が鶏舎１００の管理者等によって入力部３４に入力されれば、算出部３２ａは、入力された情報に加えて、推定部３２ｂによって推定される出荷時の体重、及び、算出部３２ａが算出する飼料要求率を用いて、生産指数を算出することができる。
　このように体重推定システム１０は、推定された体重に基づいて、生産性を示すパラメータを算出することができる。なお、算出された生産性を示すパラメータ（飼料要求率及び生産指数）は、表示部４１によって表示されてもよい。
　［変形例］
　鶏舎１００内に設置される撮像装置は、魚眼カメラであってもよい。図１３は、このような変形例２に係る体重推定システムの概要を示す図である。
　図１３に示される体重推定システム１０ａが備える撮像装置２０ａは、魚眼カメラである。このような撮像装置２０ａは、例えば、当該撮像装置２０ａが備える撮像部（図示せず）が魚眼レンズを備えることによって実現される。撮像装置２０ａは、鶏舎１００の天井に取り付けられ、鶏舎１００内を真上から撮像する。図１４は、撮像装置２０ａによって撮像された鶏舎１００内の動画像の一例を示す図である。
　体重推定システム１０のように鶏舎１００内を斜め上方から撮像すると、画像内の撮像装置２０から遠い位置においては鶏が密集しているように映る。そうすると、上述のように滞在率などのパラメータを算出する際にこのような領域を除外するなどの工夫が必要となる場合がある。
　これに対し、図１４に示されるような魚眼カメラによって撮像された動画像は、画像処理（より具体的には、等距離射影の画像を中心射影の画像に変換する射影変換処理）により、図１４に示されるような鶏舎１００内の全体を真上から撮像した画像に補正することが容易である。つまり、撮像装置２０ａは、鶏舎１００内の全体を容易に撮像することができる。図１５は、撮像装置２０ａによって撮像された鶏舎１００内の画像を補正した（つまり、射影変換した）画像の一例を示す図である。このように撮像装置２０ａは、監視用画像の生成、及び、監視用画像を用いたパラメータの算出に適しているといえる。
　なお、撮像装置２０ａを用いて監視用画像を生成する場合、射影変換処理が行われた後に白黒画像への変換処理が行われてもよいし、白黒画像への変換処理が行われた後に射影変換処理が行われてもよい。
　［効果等］
　以上説明したように、体重推定システム１０は、鶏舎１００内の画像を撮像する撮像部２１と、撮像部２１によって撮像された画像を画像処理することにより鶏舎１００内の鶏の群行動特徴量を算出する算出部３２ａと、算出された群行動特徴量に基づいて鶏舎１００内の鶏の体重を推定する推定部３２ｂとを備える。
　このような体重推定システム１０は、画像処理により鶏舎１００内の鶏の体重を容易に推定することができる。
　また、例えば、算出部３２ａは、撮像部２１によって撮像された、鶏舎１００内に配置された給餌器５０が映っている画像を画像処理することにより群行動特徴量を算出する。
　このような体重推定システム１０は、より摂食状態に関連が深い画像に対する画像処理により鶏舎１００内の鶏の体重を高精度に推定することができる。
　また、例えば、算出部３２ａは、（ａ）画像内の少なくとも一部の領域である特定領域を分割することで得られる複数の単位領域のそれぞれについて当該単位領域に占める鶏が映っていると推定される部分の割合を算出し、算出された割合のばらつきを群行動特徴量として算出し、かつ、（ｂ）特定領域に対して画像処理を行うことにより鶏舎１００内の鶏の活動量を群行動特徴量として算出する。推定部３２ｂは、上記割合のばらつき、及び、活動量に基づいて鶏舎１００内の鶏の体重を推定する。
　このような体重推定システム１０は、摂食状態を示す群行動特徴量である密度偏差及び活動量を用いることで、鶏舎１００内の鶏の体重を高精度に推定することができる。なお、推定部３２ｂは、密度偏差及び活動量の少なくとも一方を用いて鶏舎１００内の鶏の体重を推定してもよいし、密度偏差及び活動量以外の群行動特徴量を用いて鶏舎１００内の鶏の体重を推定してもよい。
　また、例えば、推定部３２ｂは、群行動特徴量に基づいて、鶏舎１００内の鶏の日齢ごとの体重の増加量を推定する。
　このような体重推定システム１０は、鶏舎１００内の鶏の日齢ごとの体重の増加量を推定することができる。
　また、例えば、算出部３２ａは、さらに、推定された体重に基づいて、飼料要求率、及び、生産指数の少なくとも一方を算出する。
　このような体重推定システム１０は、飼料要求率、及び、生産指数の少なくとも一方を算出することができる。
　また、例えば、推定部３２ｂは、鶏舎１００内の鶏の出荷時よりも前に撮像された画像から算出される群行動特徴量に基づいて、鶏舎１００内の鶏の出荷時における体重を推定する。
　このような体重推定システム１０は、鶏舎１００内の鶏の出荷時の体重を推定することができる。鶏の出荷時の体重が出荷よりも前の時点で推定されれば、出荷時の作業量を事前に把握することができ、出荷作業を行う人員確保などが容易になる。
　また、例えば、体重推定システム１０は、さらに、推定された体重と所定の基準体重とを比較して表示する表示部４１を備える。
　このような体重推定システム１０は、推定された体重と所定の基準体重とを比較して表示することができる。このように、推定された体重に加えて所定の基準体重が比較対象として表示されれば、推定された体重と基準体重との乖離度から育成の好不調を把握することが容易となる。
　また、体重推定方法は、鶏舎１００内の画像を撮像し、撮像された画像を画像処理することにより鶏舎１００内の鶏の群行動特徴量を算出し、算出された群行動特徴量に基づいて鶏舎１００内の鶏の体重を推定する。
　このような体重推定方法は、画像処理により鶏舎１００内の鶏の体重を容易に推定することができる。
　（その他の実施の形態）
　以上、実施の形態に係る体重推定システムについて説明したが、本発明は、上記実施の形態に限定されない。
　例えば、本発明は、昼行性家禽類を対象としたシステムとして実現されてもよい。昼行性家禽類には、鶏の他に、例えば、アヒル、七面鳥、またはホロホロチョウなどが含まれる。
　また、上記実施の形態では、体重推定システムは、複数の装置を含むシステムとして実現されたが、単一の装置として実現されてもよいし、クライアントサーバシステムとして実現されてもよい。
　また、体重推定システムが備える構成要素の複数の装置への振り分けは、一例である。例えば、一の装置が備える構成要素を他の装置が備えてもよい。例えば、表示装置に代えて情報端末が表示部を備え、表示装置が省略されてもよい。
　また、本発明の包括的または具体的な態様は、装置、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、装置、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。例えば、本発明は、体重推定方法として実現されてもよいし、体重推定方法をコンピュータに実行させるためのプログラムとして実現されてもよいし、当該プログラムが記録されたコンピュータ読み取り可能な非一時的な記録媒体として実現されてもよい。
　また、上記実施の形態において、特定の処理部が実行する処理を別の処理部が実行してもよい。また、上記実施の形態において説明された体重推定システムの動作における複数の処理の順序は一例である。複数の処理の順序は、変更されてもよいし、複数の処理は、並行して実行されてもよい。
　また、上記実施の形態において、情報処理部などの構成要素は、当該構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。
　また、情報処理部などの構成要素は、ハードウェアによって実現されてもよい。構成要素は、具体的には、回路または集積回路によって実現されてもよい。これらの回路は、全体として１つの回路を構成してもよいし、それぞれ別々の回路でもよい。また、これらの回路は、それぞれ、汎用的な回路でもよいし、専用の回路でもよい。
　その他、各実施の形態に対して当業者が思いつく各種変形を施して得られる形態、または、本発明の趣旨を逸脱しない範囲で各実施の形態における構成要素及び機能を任意に組み合わせることで実現される形態も本発明に含まれる。
　１０、１０ａ　体重推定システム
　２１　撮像部
　３２ａ　算出部
　３２ｂ　推定部
　４１　表示部
　５０　給餌器
　１００　鶏舎
　ａ　単位領域
　Ａ、Ａ１、Ａ２　特定領域

Claims (9)

  1. 　鶏舎内の画像を撮像する撮像部と、
    　前記撮像部によって撮像された前記画像を画像処理することにより前記鶏舎内の鶏の群行動特徴量を算出する算出部と、
    　算出された前記群行動特徴量に基づいて前記鶏舎内の鶏の体重を推定する推定部とを備える
    　体重推定システム。
  2. 　前記算出部は、前記撮像部によって撮像された、前記鶏舎内に配置された給餌器が映っている前記画像を画像処理することにより前記群行動特徴量を算出する
    　請求項１に記載の体重推定システム。
  3. 　前記算出部は、（ａ）前記画像内の少なくとも一部の領域である特定領域を分割することで得られる複数の単位領域のそれぞれについて当該単位領域に占める鶏が映っていると推定される部分の割合を算出し、算出された前記割合のばらつきを前記群行動特徴量として算出し、かつ、（ｂ）前記特定領域に対して前記画像処理を行うことにより前記鶏舎内の鶏の活動量を前記群行動特徴量として算出し、
    　前記推定部は、前記割合のばらつき、及び、前記活動量に基づいて前記鶏舎内の鶏の体重を推定する
    　請求項１または２に記載の体重推定システム。
  4. 　前記推定部は、前記群行動特徴量に基づいて、前記鶏舎内の鶏の日齢ごとの体重の増加量を推定する
    　請求項１～３のいずれか１項に記載の体重推定システム。
  5. 　前記算出部は、さらに、推定された体重に基づいて、飼料要求率、及び、生産指数の少なくとも一方を算出する
    　請求項１～４のいずれか１項に記載の体重推定システム。
  6. 　前記推定部は、前記鶏舎内の鶏の出荷時よりも前に撮像された前記画像から算出される前記群行動特徴量に基づいて、前記鶏舎内の鶏の出荷時における体重を推定する
    　請求項１～５のいずれか１項に記載の体重推定システム。
  7. 　さらに、推定された体重と所定の基準体重とを比較して表示する表示部を備える
    　請求項１～６のいずれか１項に記載の体重推定システム。
  8. 　鶏舎内の画像を撮像し、
    　撮像された前記画像を画像処理することにより前記鶏舎内の鶏の群行動特徴量を算出し、
    　算出された前記群行動特徴量に基づいて前記鶏舎内の鶏の体重を推定する
    　体重推定方法。
  9. 　請求項８に記載の体重推定方法をコンピュータに実行させるためのプログラム。
PCT/JP2020/025762 2019-07-25 2020-07-01 体重推定システム、体重推定方法、及び、プログラム WO2021014906A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US17/618,912 US20220394956A1 (en) 2019-07-25 2020-07-01 Weight estimation system, weight estimation method, and recording medium
CN202080042018.1A CN114008686A (zh) 2019-07-25 2020-07-01 体重估计系统、体重估计方法以及程序
JP2021533895A JPWO2021014906A1 (ja) 2019-07-25 2020-07-01

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019136685 2019-07-25
JP2019-136685 2019-07-25

Publications (1)

Publication Number Publication Date
WO2021014906A1 true WO2021014906A1 (ja) 2021-01-28

Family

ID=74193791

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/025762 WO2021014906A1 (ja) 2019-07-25 2020-07-01 体重推定システム、体重推定方法、及び、プログラム

Country Status (4)

Country Link
US (1) US20220394956A1 (ja)
JP (1) JPWO2021014906A1 (ja)
CN (1) CN114008686A (ja)
WO (1) WO2021014906A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114067364A (zh) * 2021-11-23 2022-02-18 江苏省家禽科学研究所 一种基于图像采集的鸡只自动称重装置
JP7083201B1 (ja) 2021-08-25 2022-06-10 株式会社コーンテック 情報処理システム、情報処理方法及びプログラム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220044063A1 (en) * 2018-11-29 2022-02-10 Panasonic Intellectual Property Management Co., Ltd. Poultry raising system, poultry raising method, and recording medium
CN113240574A (zh) * 2021-04-22 2021-08-10 深圳喜为智慧科技有限公司 确定动物体重的方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6070023A (ja) * 1983-09-26 1985-04-20 株式会社中嶋製作所 鶏の飼育管理方法
JP2007175050A (ja) * 2005-11-29 2007-07-12 Yoshimoto Pole Co Ltd 飼育動物個体群の管理システム
JP2017192316A (ja) * 2016-04-18 2017-10-26 パナソニックＩｐマネジメント株式会社 異常判定システム、異常判定装置、及び、異常判定方法
JP2018201350A (ja) * 2017-05-31 2018-12-27 パナソニックＩｐマネジメント株式会社 動物管理システムおよび植物管理システム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6151866A (en) * 1999-01-06 2000-11-28 Jfc Inc. Method for packaging chicken parts
AU2001278132A1 (en) * 2000-08-02 2002-02-13 Sicel Technologies, Inc. Evaluation of irradiated foods and other items with telemetric dosimeters and associated methods
US20030008043A1 (en) * 2001-07-03 2003-01-09 Bill Crider Method for processing mature chickens
US7255889B2 (en) * 2003-03-21 2007-08-14 Council Of Scientific And Industrial Research Chicken soup mix composition and a process for preparing the same
DK3081315T3 (da) * 2007-02-07 2019-06-11 Marel As Fremgangsmåde og system til sortering af fødevarer
US9004039B2 (en) * 2012-10-23 2015-04-14 GM Global Technology Operations LLC Cylinder lubrication system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6070023A (ja) * 1983-09-26 1985-04-20 株式会社中嶋製作所 鶏の飼育管理方法
JP2007175050A (ja) * 2005-11-29 2007-07-12 Yoshimoto Pole Co Ltd 飼育動物個体群の管理システム
JP2017192316A (ja) * 2016-04-18 2017-10-26 パナソニックＩｐマネジメント株式会社 異常判定システム、異常判定装置、及び、異常判定方法
JP2018201350A (ja) * 2017-05-31 2018-12-27 パナソニックＩｐマネジメント株式会社 動物管理システムおよび植物管理システム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7083201B1 (ja) 2021-08-25 2022-06-10 株式会社コーンテック 情報処理システム、情報処理方法及びプログラム
WO2023026504A1 (ja) * 2021-08-25 2023-03-02 株式会社コーンテック 情報処理システム、情報処理方法及びプログラム
JP2023031517A (ja) * 2021-08-25 2023-03-09 株式会社コーンテック 情報処理システム、情報処理方法及びプログラム
CN114067364A (zh) * 2021-11-23 2022-02-18 江苏省家禽科学研究所 一种基于图像采集的鸡只自动称重装置
CN114067364B (zh) * 2021-11-23 2023-10-03 江苏省家禽科学研究所 一种基于图像采集的鸡只自动称重装置

Also Published As

Publication number Publication date
JPWO2021014906A1 (ja) 2021-01-28
US20220394956A1 (en) 2022-12-15
CN114008686A (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
WO2021014906A1 (ja) 体重推定システム、体重推定方法、及び、プログラム
Mortensen et al. Weight prediction of broiler chickens using 3D computer vision
WO2020158307A1 (ja) 畜舎監視方法、及び、畜舎監視システム
JP7108886B2 (ja) 養鶏システム、養鶏方法、及び、プログラム
US10475211B2 (en) Method, information processing apparatus and non-transitory computer-readable storage medium
JP2017192316A (ja) 異常判定システム、異常判定装置、及び、異常判定方法
Li et al. A UHF RFID system for studying individual feeding and nesting behaviors of group-housed laying hens
US10796141B1 (en) Systems and methods for capturing and processing images of animals for species identification
JP2023015316A (ja) 家畜の出荷判定表示装置、出荷判定表示方法、プログラム、および記録媒体
JP2019205425A (ja) 死亡鶏検知システム、鶏生死判定プログラム、および鶏生死判定装置
JP2019024482A (ja) 情報処理システム、情報処理装置、およびプログラム
WO2021172574A1 (ja) 畜産情報管理システム、畜産情報管理サーバ、畜産情報管理方法、及び畜産情報管理プログラム
US20210216758A1 (en) Animal information management system and animal information management method
JP2002286421A (ja) 動物の体重測定装置
WO2020110616A1 (ja) 養鶏システム、養鶏方法、及び、プログラム
Doornweerd et al. Passive radio frequency identification and video tracking for the determination of location and movement of broilers
González et al. Real-time monitoring of poultry activity in breeding farms
JP2020080791A (ja) 養鶏システム、養鶏方法、プログラム、及び、畜産システム
JP7327039B2 (ja) 活動量管理プログラム、活動量管理システム、及び活動量管理方法
JP4482398B2 (ja) サーモグラフによる死亡率自動判定方法および死亡率自動判定装置
WO2023041904A1 (en) Systems and methods for the automated monitoring of animal physiological conditions and for the prediction of animal phenotypes and health outcomes
JP2023033103A (ja) 情報処理システム、情報処理方法及びプログラム
WO2022181132A1 (ja) 体重推定システム、及び、体重推定方法
WO2022181131A1 (ja) 体重推定システム、及び、体重推定方法
WO2021241085A1 (ja) 家畜管理システム、及び、家畜管理方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20843795

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021533895

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20843795

Country of ref document: EP

Kind code of ref document: A1