2022 Fiscal Year Annual Research Report
Behavioral classification of brown bear by machine learning using data of 3 axis accelerometer and video collar
| Project/Area Number |
20K15558
|
|---|
| Research Institution | Tokyo University of Agriculture |
|---|
Principal Investigator |
根本 唯 東京農業大学, 地域環境科学部, 助教 (50792876)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | ヒグマ / バイオロギング / 行動分類モデル / 機械学習 / 3軸加速度センサー / 行動生態 / 北海道 / 知床 |
|---|
| Outline of Annual Research Achievements |
本研究は、カメラおよび3軸加速度センサー付のGPS首輪を用いて3軸加速度センサーによる行動分類モデルの開発を目的として行なった。行動分類モデル作成に必要なヒグマの行動データ(行動分類データ、3軸加速度データ、GPSデータ)を取得するため、北海道・知床半島においてヒグマ8頭を捕獲し、カメラおよび3軸加速度センサー付のGPS首輪を装着した。GPS首輪はLite track(Lotek社製)とVertexPlus (Vectronics aerospace社製)の2種類を使用した。行動データについて、Lite trackでは日中の15分毎に30 秒間ずつ装着個体の行動を撮影した動画データ、1Hzの頻度で測定した3軸加速度データ、および15分間隔で測位したGPSデータを取得した。VertexPlusでは、日中の15分毎に15秒間ずつ装着個体の行動を撮影した動画データ、32Hzの頻度で測定した3軸加速度データ、および15分間隔で測位したGPSデータを取得した。
8個体のヒグマより取得した行動データを用いて、機械学習の一つであるランダムフォレストモデルにより、行動分類モデルを作成した。作成したモデルでは、同一の個体であれば95％以上の正確度で11種類の行動（休憩・木登り・樹上採食・樹上待機・地上採食・移動・魚探餌・地上探餌・泳ぐ・待機・その他）を分類できた。また、この様なモデルを作成するためには、今回と同様の撮影スケージュールで最低1ヶ月間の動画データが必要であることが明らかになった。さらに、作成したモデルでは他の個体の3軸加速度データからでも休憩・地上での行動・樹上での行動の３種類については95％の正確度で分類することができた。
研究成果は、国際学会(The 7th International Bio-Logging Science Symposium、2021年10月)で発表した。
|
Research Products
(3 results)
