| 研究課題/領域番号 |
20H03108
|
|---|
| 研究機関 | 宮崎大学 |
|---|
研究代表者 |
川末 紀功仁 宮崎大学, 工学部, 教授 (20214645)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 豚 / 体重 / AI / カメラ |
|---|
| 研究実績の概要 |
サーモグラフィを活用した豚の体温測定では、豚の体毛が存在する部位では測定値の精度に問題が生じる。このため、試作したソーティングシステムでは、豚が装置を通過する出口位置にカメラを設置し、豚を正面から撮影することにした。AI技術を用いて豚の体毛のない部位、特に目の部分を自動的に認識し、その温度を取得することにした。このため、物体検出アルゴリズムであるYOLO v5を採用し、リアルタイムでの目の検出が実現された。
体重推定においては、Random Forestという強力な機械学習手法を採用した。この手法は、多数の決定木を構築し、その結果を平均化することで、個々のモデルの過学習を防ぎながらも精度の高い予測を実現できる。体重の推定には、豚の体高が特に重要な指標であり、その正確な計測が必須である。体高の測定には、地面の位置を正確に知ることが必要であるが、豚舎では土などで、凹凸が多いため、これを平面として近似した。これを実現するために、最小自乗法を利用し、地面の高度データから一定の平面を推定した。さらに豚が頭を上下することで体高の測定にばらつきが生じるので、AI技術を使用して豚の頭部を検出し、頭部のデータを除外後に体高を正確に算出した。
さらに、このシステムでは、試作装置の底部にロードセルを配置し、カメラでの画像撮影と同時に豚の体重を測定することを行った。ロードセルは豚が歩行する際の圧力変化を感知し、そのデータから体重を算出する。しかし、豚が歩く際には体重測定値にばらつきが生じやすいため、豚が装置内に滞在している間の体重データの平均を取ることで、測定の精度を向上させた。
体重判別後、大、中、小の３方向にわける出口機構を試作した。出口機構は上げ下げ
式の扉とし、出口扉の直後にスダレ式逆進入防止機を備えた。入口扉の制御から出口扉の制御までの一連の流れを実際の豚を用いて確認した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
コロナ禍によって、県外にある養豚場への訪問が難しい状況であったが、遠隔制御の機能を追加することで、遠隔での開発ができるようなった
|
| 今後の研究の推進方策 |
カメラで豚の体重を推定する際の精度目標として、豚の格付け基準が参考となる。出荷時のぶたの体重が重すぎても軽すぎても格付けが下がり、“上”の格付けに入るには枝肉重量が75±10%の範囲に入る必要がある。そのため、計測精度としても誤差の平均が5%程度を目標とする。計測結果のばらつきの要因として、豚の姿勢の変化や画像内での豚の違いがあげられる。そのためにどのような角度で撮影されても同じデータになるように豚の姿勢を正規化することを試みる。一般的なAIでは対象の色情報が利用される。しかしながら、豚の模様や敷料が豚の表面に付着することにより、切り出しが旨くできない場合がある。そのため３Dカメラから得られる距離画像を豚の切り出しに利用することを試みる。また、処理速度の向上により豚の画像を複数回撮影し平均を求め、平均値を利用することでばらつきを少なくすることが可能になる。そのために処理速度の向上を試みる。
|
