2017 Fiscal Year Research-status Report
| Project/Area Number |
17K12715
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
大倉 史生 大阪大学, 産業科学研究所, 助教 (60754223)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 酪農 / 乳牛 / 跛行 / 歩容解析 |
|---|
| Outline of Annual Research Achievements |
研究協力者で獣医師の酪農学園大学 中田健教授の協力の下、酪農学園大学の牛舎において牛の三次元歩行映像の撮影・蓄積を行った。これらのデータには個体識別番号が付与されるとともに、中田教授らにより定期的に各個体の健康状態を表すスコア群が登録されている。特に、様々な歩行位置に対応するための統一的な撮影視点として、センサを真上に設置することに着目し、距離画像センサを用いて真上からの撮影し、データを蓄積している。
また、長期時系列歩容特徴の利用に対する基礎検討として、様々な歩容特徴表現を用い、乳牛の蹄の疾病である跛行を早期に発見するための検出手法を構築し推定精度の比較を行った。本研究で撮影したデータ群には、蹄の状態を5段階で表すロコモーションスコアをはじめとした健康管理のためのスコアが定期的に付与されている。これまで、画像処理に基づく跛行検出手法には背形状の特徴が用いられ、跛行の有無、すなわち比較的健康な跛行スコア2 以下と明確に異常があると判断できるスコア3 以上との分類を重視してきた。しかし、一般的に、牛舎内にスコア2 の乳牛が増加した場合、専門家は対策を講じる必要がある。そのため、スコア2 の乳牛の発見、つまり跛行の早期発見が重要である。そこで、今年度は、早期跛行検出をロコモーションスコア1（健康）および2（軽度の跛行）以上を分離する問題と捉え、歩容特徴を用いた機械学習に基づく推定システムを開発した。この際、複数の歩容特徴の比較、次元削減と機械学習を用いた特徴次元ごとの重みや距離の最適化により、軽度跛行の検出に最適な学習器を設計・実装した。
歩容解析による個体識別については、国際論文誌において査読中であるとともに、上記跛行検出手法についても国際論文誌への投稿にむけて準備中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度は、当初の研究実施計画で想定していた3つのトピックである、(1)データベースの構築、(2)個体識別、(3)跛行検出の全てにおいて進捗があった。
具体的には、真上視点からの映像撮影によるデータベースの構築のほか、従来の乳牛画像解析でなし得なかった挑戦的な課題である、機械学習による早期跛行の検出を実現した。また、個体識別手法については国際論文誌において査読中である。
本研究のメイントピックの一つは長期時系列歩容解析であり、その点においては、計画とやや異なる点に着目したアプローチを実現した。今年度開発した機械学習による早期跛行検出手法は、国内外で報道され、実用化にむけた企業との協議が行われており、社会的に非常に大きなインパクトを与える成果であったといえる。また、機械学習による乳牛の歩容解析についてのフレームワークを整備し、様々な歩容特徴の比較検討を行うためのプラットフォームを構築した点において、次年度以降の研究開発内容に合致した進捗であったと言える。一方、長期時系列歩容特徴の実装・応用については次年度以降の課題であり、初年度に構築したプラットフォームを活用し、研究を推進していく必要がある。
当初の研究計画とはやや異なるアプローチではあるものの、想定された研究トピックにおいて成果が出ている点において、おおむね順調に研究が進展しているといえる。一方で、長期時系列歩容解析の実装・応用について検討していく必要がある。
|
| Strategy for Future Research Activity |
次年度以降は、長期時系列歩容特徴（LTGF）の設計および、LTGFに適した撮影システムの構築を目指し、酪農現場での継続的な撮影を行うとともに、単純な歩容特徴・時系列表現を用いたLTGFの実装を行う。具体的には、各観測の歩容特徴（歩行一周期の平均シルエット、平均深度、時間周波数など）を時間方向に積層したボリュームを生成し、蹄状態推定の高精度化を目指す。また、LTGF内に見られる時系列の歩容変化を解析し、蹄状態変化の早期検出を目指す。また、本研究で開発される乳牛モニタリングシステムの実用化を目指し、乳牛の撮影システムの改良を行う。具体的には、センサの改良、撮影タイミングの改良等により、現時点で一部に手作業が入る歩行解析の自動化を目指す。
また、人の健康管理を目的にした、LTGFの人の歩容解析への転用は、乳牛の画像解析と同様に社会的意義が非常に大きい分野であると考えられる。本研究では、LTGFの人画像解析への応用も視野に入れ、研究代表者が収集・所有する他のデータセットの解析を通じて検討を行う予定である。特に、高齢者等を対象として、認知課題を行いながら歩行（デュアルタスク）を行うシーケンスを継続的に撮影している。本データセットについては、本研究の乳牛撮影システムの知見を転用して収集されたものであり、LTGFを用いた当該データの時系列解析により、高齢者の健康管理への応用が期待される。
|
| Causes of Carryover |
本研究では当初、複数牛舎での撮影を予定していた。しかし、未だ設置のための調整が続いているため、撮影システムの設置は次年度以降となる。そのため、撮影システムに係る物品費および、設置・メンテンナンスに係る旅費については次年度に使用することを予定している。
|
