2022 Fiscal Year Annual Research Report
Understanding and controlling cow dung distribution patterns to improve pasture productivity and reduce environmental impact
| Project/Area Number |
22H02470
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Obihiro University of Agriculture and Veterinary Medicine |
|---|
Principal Investigator |
川村 健介 帯広畜産大学, 畜産学部, 准教授 (90523746)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
安田 泰輔 山梨県富士山科学研究所, その他部局等, 研究員 (40372106)
北川 美弥 国立研究開発法人農業・食品産業技術総合研究機構, 畜産研究部門, 上級研究員 (90506362)
八代田 真人 岐阜大学, 応用生物科学部, 教授 (30324289)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 放牧管理 / ドローン / 深層学習 / 家畜行動 / 温室効果ガス / 牛糞 / 空間パターン / GIS |
|---|
| Outline of Annual Research Achievements |
放牧牛による草地への排糞は，土壌への栄養供給源であると同時にGHG排出源でもある。世界的な畜産物需要の増加に向けた生産拡大と環境負荷低減が求められており，そのためには牛糞の分布制御による局所管理に基づく精密な草地管理が必要である。本研究では、ドローンによってこれまで困難であった圃場内の牛糞空間分布を把握する技術を開発する。また、放牧牛の行動と滞在位置から糞の分布パターンに及ぼす環境要因との関係を解明し、その要因を制御することで糞の分布をコントロールすることが可能かを検証する。以上より、『草地生産性の向上』と『温室効果ガス（GHG）低減』を両立する新しい放牧管理法の開発を目指す。
初年度は，異なる放牧地のドローン画像から，牛糞を検出するDung Detector（DD）モデルを開発した。これにより，ドローン画像から高い精度（>90%）で放牧地の牛糞検出が可能となったが，草高の高い傾斜地の放牧地では，未検出の糞が多く認められたため，この課題解決に向けて，2年目（2023年度）も引き続きデータの収集を続ける。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
初年度の重点目標としていた『課題1：ドローンによる牛糞検出手法の開発』において，予定していた3圃場に加えて，北海道立総合研究機構畜産試験場の協力を得て1圃場を追加した合計4圃場でデータを収集することができた。このデータセットから，深層学習手法のYOLO（You Only Look Once）を用いた牛糞の検出モデル（名称：Dung Detector [DD]）を開発することができた。また，オブジェクト指向型画像解析（OBIA）によるドローン画像の植生タイプの分類についても高い判別精度が得られた。『課題2：放牧牛の行動・滞在場所と糞分布の関係解明』に向けて，御代田の傾斜放牧地で予備試験を実施し，2年目の本試験に向けた準備も予定通り進めることができた。以上の成果について，2023年3月に北海道大学で開催された日本草地学会大会において，4課題（口頭1件，ポスター3件）を発表した。また，2報（Grassland Science, 日本草地学会誌）の論文投稿を行った。
|
| Strategy for Future Research Activity |
初年度に引き続き、以下の3課題において，帯広畜産大学畜産フィールド科学センター（以下、帯広）と農研機構御代田山地放牧研究拠点（以下，御代田），岐阜大学岐阜フィールド科学教育研究センター（以下，岐阜）の放牧地で試験を実施する。特に2年目は，課題2の放牧牛の空間分布の変動について重点を置いた試験を実施する予定である。
【課題1：ドローンによる牛糞検出手法の開発】 初年度に引き続き，各調査地で汎用小型ドローンを使用した空撮を年2～3回実施する。初年度に検証した飛行方法に従い，同様の方法でドローンと牛糞のデータセットを集積する。 地上部検証用のデータも初年度と同様に圃場内に10 m×10 mの区画を2～3箇所設置し，放牧後に区画内の糞位置とサイズを調査する。以上のデータセットを用いて，初年度に開発した深層学習手法のYOLO（You Only Look Once）によるモデルをアップデートする。また圃場内10ヶ所の地上部刈取りと化学分析から，草量と栄養価の推定も行い，課題2の放牧行動に影響する要因として使用する。
【課題2：放牧牛の行動・滞在場所と糞分布の関係解明】 課題1と同時期に岐阜と御代田，帯広の放牧地で，地上調査とGPS首輪・加速度計を取り付けた牛の観測データから，放牧期間における行動と空間分布データを取得する。これに課題1で得た草量・栄養価の分布，地形，その他（フェンスや水飲み場等）の空間データを重ねることで、放牧行動に影響する要因について分析する。
【課題3：牛の行動操作による牛糞の分布制御の可能性を検証】 御代田と帯広の放牧地において，実証試験を実施する。具体的には，水飲み場とフェンスの位置・配置を移動したときに，放牧牛と糞の空間分布がどのように変化するのかを明らかにする。さらにこれらの変化を可視化するためのツールの開発に向けた準備を進める。
|
