2023 Fiscal Year Annual Research Report
Study on Construction and Operation Method of Sustainable Condition Monitoring System for Decision Support
| Project/Area Number |
22H03636
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
小川 哲司 早稲田大学, 理工学術院, 教授 (70386598)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
日野 英逸 統計数理研究所, モデリング研究系, 教授 (10580079)
坂口 実 北里大学, 獣医学部, 教授 (80355453)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 意思決定支援 / 映像監視 / クラウドソーシング / 深層ニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
【研究の具体的な内容】
本研究では，映像による繁殖牛の分娩監視を題材として，（WP-1）意思決定支援のための説明可能な状態監視モデリング，（WP-2）パターン認識システムの構築・運用において人を介在可能にする技術の開発，（WP-3）人の介在を活かした状態監視システムの早期運用と持続的な改善，について検討を行う．
2023年度は，主に（WP-2）について検討を行った．具体的には，アノテーション結果の信頼性が担保されないクラウドソーシングを高品質・低コスト化するために，アノテーション結果の信頼性が担保されるまで動的に発注を行う技術（動的タスク発注）の開発・評価を行った．提案方式では，回答がワーカ間で割れるサンプル，低能力のワーカが回答したサンプル，高難度のサンプルに対して追加発注し，回答状況に応じて追加発注の優先度が変化するようモデル化されている．さらに，追加発注後にサンプルの難易度，ワーカの能力，ラベル等（環境）を再推定し，その結果に基づき選択サンプルに対する回答の平均情報量（報酬）を再計算する最適化アルゴリズムを導入した．牛の分娩監視映像を用いたアノテーション実験を通じ，提案の動的タスク発注により，高い精度を維持したままコストを著しく低減できることを実証した．
また，状態監視システムの早期運用（WP-3a）のために，牛の分娩監視の拠り所を正確に捉える汎用モデルを構築した．併せて，汎用モデル構築のための大規模映像データセットの構築を行い，また，そのためのシンプルかつ信頼性の高い牛追跡技術を開発した．
【研究の意義・重要性】
精密畜産業のように，人工知能技術の研究・開発のために利用可能な大規模データが存在しない分野においては，動的タスク発注のようなアノテーションを効率化する技術や，汎用の事前学習済みモデルおよびその構築方法に関する知見は，研究・開発を加速するために貢献すると期待される．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2023年度は当初の計画通り，パターン認識システムの構築・運用において人を介在可能にする技術の開発（WP-2）を主として研究・開発を実施した．ここでは，追加発注機能を直感的な形でモデル化し，洗練された強化学習のアルゴリズムに基づき最適化可能であることを実証した．実際に，繁殖牛の分娩監視アノテーションを題材とした評価において，提案技術である動的タスク発注は，精度重視の単純多数決と比較して発注数を三分の一に抑えながら同等の高い精度を達成した．この成果は，査読付き学術論文誌に投稿予定である．したがって，本項目における研究・開発は当初の計画通り順調に進展していると言える．
さらに，システムの早期運用のための技術開発（WP-3）の準備として，繁殖牛映像監視のための汎用モデルおよびそのための牛監視映像データセットを構築した．構築した汎用モデルは，Vision Transformerに基づく洗練された構造を有しながら，予測根拠をユーザ（農家）にとって直感的な形で提供可能なように設計されている．このモデル設計法は，応用分野に依らず意思決定支援システム構築のための有益な知見を与えると考えられる．実際，提案の汎用モデル設計・構築法を重症児看護のための映像監視へ転用し，重症児の感情状態推定における有効性を確認した．また，牛監視映像データセット構築に際しては，繁殖牛の監視において妥当な制約は課すものの，シンプルな枠組みで信頼性高く牛を追跡可能とする技術を確立し，ほとんど人手を掛けずに映像データセットを構築可能にした．その成果の一部は査読付き国際会議などに採択されている．このような成果は研究開始当初は想定になかったものであり，現在の研究・開発成果の汎用性，および持続可能な形で実装・運用できる可能性を見出せたという意味では，研究・開発は当初の計画以上に進展しているとも言える．
|
| Strategy for Future Research Activity |
研究最終年度である2024年度は，状態監視モデルの早期運用と持続的な改善を実現する（WP-3）ことを目指し，2023年度に構築した繁殖牛分娩監視に適した汎用モデルの拡張，分娩検知結果の信頼性評価技術の開発，および2022年度に開発した映像監視インタフェースの改良を行う．さらに，本研究を通じて開発した技術を統合して，複数の畜産農場の監視映像を対象としたリアルタイム分娩監視のデモシステムを開発し，システムの早期運用およびシステムの持続可能な運用の実現性という観点で有効性を調査する．具体的には，分娩検知性能に関する客観評価，およびユーザインタフェースの使い勝手に関する主観評価を実施する．汎用モデルは，監視映像から分娩兆候に関連しかつ専門知識不要で判定可能な属性（例えば，尾の挙上，頭部・臀部の位置，等）を推定するよう設計されており，クラウドソーシングを用いた高効率アノテーションによる持続可能なモデル構築，農家への検知結果の根拠の提示，監視システムの早期運用などを可能にすることを期待する．また，分娩検知結果の信頼性評価技術は，クラウドソーシングへの依存度低減に繋がることを期待する．
本年度は，新型コロナウイルス感染拡大防止のため休止していた鹿児島県内の繁殖畜産農家との連携を再開・強化して，繁殖牛監視映像の拡充を行うとともに，データの取得に応じて，継続的に汎用モデルを拡張していく予定である．
|
