2017 Fiscal Year Research-status Report
Development of estrus detection and calving monitoring system for cattle using image processing technology and noncontact sensor
| Project/Area Number |
17K08066
|
|---|
| Research Institution | University of Miyazaki |
|---|
Principal Investigator |
ThiThi Zin 宮崎大学, 工学部, 教授 (30536959)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小林 郁雄 宮崎大学, 農学部, 准教授 (20576293)
椎屋 和久 宮崎大学, 工学部, 助教 (00347048)
Pyke Tin 宮崎大学, 国際連携センター, 客員教授 (70536961)
濱 裕光 大阪市立大学, 大学院工学研究科, 名誉教授 (20047377)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 農学 / 動物生産科学 / 情報通信技術 / 画像処理 / 発情検知 / 繁殖 |
|---|
| Outline of Annual Research Achievements |
本研究開発では、国内で最も飼養頭数の多い黒毛和種とホルスタイン種の非接触・非侵襲での個体識別・追跡と乗駕行動検知に注力した。個体識別に関しては、次の２つの手法を試みた。ホルスタイン種に対しては体表面の白黒の模様が利用できるので、ディープラーニングを用いる手法、黒毛和種に対しては体表面のペイントマーカーを用いる手法、を試みた。宮崎大学農学部付属住吉牧場と大規模牧場で実際に行った実験から提案手法の有効性を確認した。当初は、ホルスタイン種は２年目に扱う予定であったが、黒毛和種の個体識別が比較的早く進展したので、前倒しで実施した。
追跡に関しては、マーカーが写っていないフレーム内の牛の個体識別および運動量の数値化を目的として追跡アルゴリズムの開発を行った。重心の移動距離が閾値よりも大きければ別の個体，小さければ同一個体と判別して追跡した結果、提案手法によって、マーカーの形が変形していても正しく識別でき、また、複数の牛にも対応でき、マーカーが写っていないフレーム内の牛でも正確に追跡によって識別することが可能となった。
次に、代表的な発情行動である乗駕行動に着目し、その検知手法の開発を行った。従来の背景差分に替えて、フレーム間差分とMHI（Motion History Image）を組み合わせて牛の領域抽出を行うことで大きく改善できた。これは、通常の牛の歩行は動きが少ないため、普段は差分にあまり現れないが、発情行動時には前フレームと比較すると大きく動くためであると考えられる。また、乗駕行動検知に加えて、スタンディングとマウンティングの識別も可能とした。さらに、消失線と牛の背中の高さとを組み合わせて乗駕行動を検知する新しいアルゴリズムを提案した。両手法の有効性は実験を通して確認された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
現在は目視や家畜に侵襲的なウェラブルセンサで行っている個体識別・追跡及び乗駕行動検知を、非接触・非侵襲で可能とする技術の開発を目指した。ディープラーニングを用いる手法と体表面のペイントマークを用いる手法、の２つの手法を試みた結果、個体識別精度は、どちらの手法もわずかではあるが、90%を上回る結果を得た。
追跡に関しては、マーカーの形が変形していても正しく識別でき、また、複数の牛にも対応できる柔軟性を確認した。
次に、発情行動の中でも代表的な乗駕行動検知技術の開発を行った。ビデオカメラと測域センサからのデータを用いたアルゴリズム開発を行い、その有効性の検証実験は、宮崎大学農学部付属住吉牧場と大規模牧場で行った。照明条件や環境条件の変動、例えば夕暮れや夜間、小雨、土埃の多い場所等の、悪い条件下でも測域センサは頑健に動作する。実際に、夜間においても乗駕行動検知に成功した。牛の動きはゆっくりとしており、背景差分ではうまく前景抽出ができない場合が多いので、ここではビデオカメラ及び測域センサーのデータからフレーム間差分を用いる方法を採用し、数回の検証実験において約90～100%の検知率を達成した。また、新しく提案した消失線を用いる方法に関しては、実際の写真と牛の模型を作成して用い、実験室内でマニュアル操作により原理確認を行い、100%の検知率を得ており、その有効性を確認した。
|
| Strategy for Future Research Activity |
既開発技術の改良に加えて、分娩監視技術と異常事態検知技術の新規開発が主な課題となる。
個体識別については、90%以上の識別率を達成したが、実用化にはさらなる精度向上が必要である。実験結果から、黒毛和種の個体識別の誤りには、「誤識別」はなく、すべて「識別不可」であったので、追跡を取り入れることで、ある時点で「識別不可」と判断された個体でも、違った時点で個体識別でき、大幅な精度向上が望まれると考える。
乗駕行動の検知ミスの原因については、ビデオカメラや測域センサ（今後、両方合わせてセンサと呼ぶ）が傾いていることが原因で、これはセンサを水平に設置することで誤検知は防げるようになった。一般に牧場の地面はフラットでなく凹凸があり、検知ミスの原因となるが、学習により地面の凹凸の推定が可能になれば、さらに精度を上げられると思われる。その他には、木の葉が強風によってあおられ、センサ面に何回も触れることで発生したと考えられるミスもあった。これは、木の枝を切ることで解決したが、実用化の際には予想しない状況に遭遇することも多々あり、いかなる状況にも対応できるシステムを構築することは、今後の課題として挙げられる。また、複数の発情徴候に着目し、予兆を発見できれば、事前に準備することが可能になる。
分娩監視に関しては、抽出する特徴行動としては、牛の尻尾が上がっているか、牛が立っているか、座っているか、子牛を出産したか、親牛が子牛を舐めているか等について、それぞれのフェーズで自動的に異常を見つけ、通報を行うアルゴリズムの開発を目指していきたい。最終的には、実用化に向けて、具体的事例を蓄積しながら知識ベースを充実させ、分娩の各段階の監視と共に介助が必要な事態になれば、異常事態を検知ならびに通報が可能な技術を開発し、各年度で得られた要素技術を統合して、実用的なモニタリングシステム構築に取り組んでいきたい。
|
| Causes of Carryover |
（理由）実験に不可欠なソフトウェアのライセンス更新と研究打合せを密に行い研究成果を多く発表するために次年度にできるだけ多くの予算を確保した。
（使用計画）ソフトウェアのライセンス更新、研究成果発表と研究打合せ
|
Research Products
(7 results)
