| Project/Area Number |
23K21775
|
|---|
| Project/Area Number (Other) |
21H03653 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 64040:Social-ecological systems-related
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
飯島 勇人 国立研究開発法人森林研究・整備機構, 森林総合研究所, 主任研究員 等 (30526702)
上野 将敬 近畿大学, 総合社会学部, 准教授 (30737432)
相澤 宏旭 広島大学, 先進理工系科学研究科(工), 助教 (30910301)
東出 大志 石川県立大学, 生物資源環境学部, 講師 (60634871)
安藤 正規 岐阜大学, 応用生物科学部, 准教授 (80526880)
寺田 和憲 岐阜大学, 工学部, 教授 (30345798)
加藤 邦人 岐阜大学, 工学部, 教授 (70283281)
|
|---|
| Project Period (FY) |
2024-04-01 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥15,470,000 (Direct Cost: ¥11,900,000、Indirect Cost: ¥3,570,000)
Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2022: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2021: ¥9,880,000 (Direct Cost: ¥7,600,000、Indirect Cost: ¥2,280,000)
|
|---|
| Keywords | 自動撮影カメラ / 個体識別 / 空間明示型捕獲再捕獲法 / 深層学習 / メトリックラーニング / 密度・個体数推定 / 野生動物 / 個体判別 / 密度推定 / 野生動物管理 / 個体数推定 |
|---|
| Outline of Research at the Start |
本研究の目的を達成するために，サル，カモシカ，ツキノワグマ，シカに関して，①十分な質・量の学習データの取得と個体識別モデルの開発，②自動 識別に適した画像を取得するためのフィールド技法の確立，③種の特性に応じた統計モデルの構築を行う．深層学習による個体識別は，ディープ・メトリックラーニングを応用する．動物園で飼育されている個体の撮影と，野外での自動撮影カメラによる既知の個体の撮影を行い，学習データを取得する．また，この過程で個体識別に適した撮影手法を確立する．さらに，個体識別の不確実性を組み込んだ空間明示型捕獲再捕獲法を構築する．
|
| Outline of Final Research Achievements |
This study aimed to establish an efficient and highly accurate population density monitoring methodology for four species of medium to large mammals: sika deer, Japanese serow, Asiatic black bear, and Japanese macaque. Specifically, we integrated deep learning-based automatic individual identification technology for animal individuals captured by camera traps with statistical hierarchical models that appropriately incorporated uncertainty. For the construction of deep learning models, we conducted systematic photography of captive individuals to enhance the training dataset. Particularly for Asiatic black bears, where data were limited, we successfully completed photography of all individuals housed in bear parks and developed an individual identification model with accuracy equivalent to visual assessment. Furthermore, we established the fundamental framework of statistical hierarchical models for density estimation.
|
| Academic Significance and Societal Importance of the Research Achievements |
近年、中大型哺乳類の個体数が増加し、人間社会との深刻な軋轢を引き起こしている。この解決のためには、効率的で信頼度の高い個体数密度のモニタリングを実施し、状況に応じた適正な管理を実施する必要がある。本研究では、その基礎となる個体数密度推定手法を開発した。具体的には、自動撮影カメラで撮影された個体を自動的に識別する深層学習モデルと、その識別の不確実性を明示的に取り込んだ密度推定モデルを構築した。これらによって、効率的で信頼度の高い個体数密度推定の道を開くことができた。本研究は、深刻化する野生動物と人との軋轢を解消するための基盤となる技術の開発に貢献するものである。
|
