Development of a Human-AI Cooperative Management System for Highly Accurate Estrus and Falling Down Flat Detection in Beef Cattle
Project/Area Number |
22K05915
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 41040:Agricultural environmental engineering and agricultural information engineering-related
|
Research Institution | Daiichi Institute of Technology |
Principal Investigator |
渋沢 良太 第一工科大学, 工学部, 講師 (10704588)
|
Project Period (FY) |
2022-04-01 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2025: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
Keywords | 骨格推定モデル / 肉牛の発情検知 / 説明可能性 / X-Reality / Data-driven agriculture / Explainable AI / Human-AI Integration / Human-Nature Interaction |
Outline of Research at the Start |
本研究では,カメラやマイクロフォンアレイ等の非接触センサを用いて牛舎内の牛の行動を記録する.その際,画像認識,音声認識を行って個体識別し,個体ごとに情報を集計,分析する.そして各個体の姿勢情報,音声情報に基づき発情,転倒を自動認識する.また,発情,転倒を認識した根拠となる動画像,音声を抽出して記録し,畜主に通知する.加えて動画像,音声でも分かりづらい根拠となる情報は,VRコンテンツとして表現する.本研究の成果は,肉用牛以外の様々な家畜,動物の健康状態を把握するシステムへの発展が期待できる.又,人に分かりやすく重要な情報を抽出して記録できるため,畜産業を目指す者の学習支援への活用も期待できる.
|
Outline of Annual Research Achievements |
人間によって理解が可能な根拠を提示する,肉牛の発情検知を実現するために,動画像処理による牛の骨格推定を行った.また,動画像による牛の骨格推定を行うシステムのアーキテクチャについて調査した. [(1)動画像処理による牛の骨格推定] まず,ネットワークカメラを複数の牛舎に複数台設置して常時稼働させ,肉牛の発情兆候を示す乗駕の様子を様々なアングルから撮影した動画データを収集した.日中の動画はカラー動画として,夜間の動画は赤外線モード撮影によるモノクロ動画として収集し,2022年3月末までに259件の動画を収集できた.動画から骨格推定するための方法として,一般物体認識モデルに基づく注視領域の抽出,骨格推定の転移学習による牛の骨格推定を行う方法を調査した.その結果,216件の乗駕シーンの動画に対して,約9割の真陽性率で同画像中の牛の領域を正しく推定できた.また,約6割の真陽性率で乗駕中の骨格推定を行えた. [(2)動画像発情検知システムのアーキテクチャ] 牛の動きは少なく,24時間中大きく動いている時間は僅かである.したがって,撮影した全動画に対して骨格推定処理を行うのは,計算量の観点からも無駄が多い.そのため,一定以上の動きが見られるシーンのみを少ない計算量で抽出し,抽出された動画のみに対して骨格推定を行う方法が良いと考えられる.一定以上の動きが見られるシーンのみを少ない計算量で抽出し,それを人間が目視して発情検知を行い,畜主より早く検知を行えるか調査を行い,この方法の有用性を検証した.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ほぼ当初の予定通りに進められている.
|
Strategy for Future Research Activity |
動画像処理に基づく骨格推定の精度を高めるため,データを継続して収集するとともに,カメラとは別の種類のセンサを使用し,そのセンサを用いた発情検知の結果と,動画像処理による発情検知の結果を比較して,骨格推定のモデルを改良する.
|
Report
(1 results)
Research Products
(1 results)