|
多様な植物で構成される半自然草地において，放牧家畜がいつ，なにを，どれだけ採食したかを経時的にモニタリングする方法を開発することを目的に，動物の頭部に多軸の加速度センサを装着し，その動きの違いを機械学習により分析することで，採食植物の種類の識別を試みた。
形態（生育型）の異なる4種の植物種（叢生型：イタリアンライグラス，匍匐型：シロクローバー，ロゼット型：（ロゼット状の）ヒメジョオン，直立型：ヨモギ）を6頭のヤギに採食させ，このときの動物の頭部の動きを，頭部に固定した6軸センサ（加速度3軸，角速度3軸）を用いて記録した。この6軸センサの各軸の波長データと動物の体重を説明変数として，採食している草種を識別するために機械学習による分析を行った。
まず，多項ロジットモデルにより説明変数の影響を検討したところ，いずれの植物種に対しても加速度と体重は有意な影響が認められたが，角速度はほとんどの場合において有意な影響はなかった。摂食植物の判別を，決定木，ランダムフォレスト，サポートベクターマシーンおよびニューラルネットワークで比較したところ，ランダムフォレストによる判別精度が最も高かった。そこでランダムフォレストを用いて，グリッドサーチにより変数調整を行った結果，決定木数は4となり，説明変数に動物の体重を含めることで判別精度は95％以上であった（体重なしでは91％）。説明変数の重要度では，左右（x）および上下（z）方向の加速度が最も高く，次いで動物の体重の重要度が高かった。以上のことから，左右（x）および上下（z）方向の加速度と動物の体重を説明変数とすることで，形態の異なる植物種に対する採食行動を高い精度で判別可能なことが示された。
|
