知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023142611
(43)【公開日】2023-10-05
(54)【発明の名称】動物の行動量推定システム、方法及びプログラム
(51)【国際特許分類】
G06Q 10/04 20230101AFI20230928BHJP
A01K 29/00 20060101ALI20230928BHJP
G06Q 50/02 20120101ALI20230928BHJP
G06Q 10/0639 20230101ALI20230928BHJP
【ＦＩ】
G06Q10/04
A01K29/00 A
G06Q50/02
G06Q10/06 332
【審査請求】未請求
【請求項の数】5
【出願形態】ＯＬ
(21)【出願番号】P 2022049590
(22)【出願日】2022-03-25
(71)【出願人】
【識別番号】309015019
【氏名又は名称】地方独立行政法人青森県産業技術センター
(74)【代理人】
【識別番号】100210778
【弁理士】
【氏名又は名称】角田 世治
(72)【発明者】
【氏名】宮田 和弥
(72)【発明者】
【氏名】奥田 雄人
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049AA04
5L049AA06
5L049CC01
(57)【要約】
【課題】 動物の採食量と飲水量を推定することができる動物の行動量推定システムを提供すること。
【解決手段】 動物１２に装着する測定部２０と、前記動物１２の行動量を推定する行動量推定部４０と、推定された行動量を出力する出力部６０と、を備えた動物の行動量推定システム１０である。測定部２０は、加速度センサ２２と、角度センサ２４と、気圧センサ２６とを備え、行動量推定部４０は、各センサで取得した測定データから動物１２の行動量を推定する推定処理部４４を備える。推定処理部４４は、機械学習により予め作成した学習済みモデルＭを用いて採食量と飲水量を含む行動量を推定する。
【選択図】 図１
【解決手段】 動物１２に装着する測定部２０と、前記動物１２の行動量を推定する行動量推定部４０と、推定された行動量を出力する出力部６０と、を備えた動物の行動量推定システム１０である。測定部２０は、加速度センサ２２と、角度センサ２４と、気圧センサ２６とを備え、行動量推定部４０は、各センサで取得した測定データから動物１２の行動量を推定する推定処理部４４を備える。推定処理部４４は、機械学習により予め作成した学習済みモデルＭを用いて採食量と飲水量を含む行動量を推定する。
【選択図】 図１
【特許請求の範囲】
【請求項1】
動物に装着する測定部と、前記動物の行動量を推定する行動量推定部と、推定された行動量を出力する出力部と、を備えた動物の行動量推定システムであって、
前記測定部は、加速度センサと、角度センサと、気圧センサと、を備え、
前記行動量推定部は、前記加速度センサ、前記角度センサ及び前記気圧センサで取得した測定データを記憶する記憶部と、前記測定データから前記動物の行動量を推定する推定処理部とを備えることを特徴とする動物の行動量推定システム。
前記測定部は、加速度センサと、角度センサと、気圧センサと、を備え、
前記行動量推定部は、前記加速度センサ、前記角度センサ及び前記気圧センサで取得した測定データを記憶する記憶部と、前記測定データから前記動物の行動量を推定する推定処理部とを備えることを特徴とする動物の行動量推定システム。
【請求項2】
前記推定処理部は、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする請求項１に記載の動物の行動量推定システム。
【請求項3】
前記動物は、家畜であることを特徴とする請求項１または２に記載の動物の行動量推定システム。
【請求項4】
動物に装着した加速度センサと、角度センサと、気圧センサとから測定データを経時的に取得し、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする動物の行動量推定方法。
【請求項5】
コンピュータを、請求項１ないし３のいずれかに記載の動物の行動量推定システムとして動作させるためのプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、動物の行動量を推定するシステム、方法及びプログラムに関するものである。
【背景技術】
【0002】
家畜や展示動物、愛玩動物などの動物の飼育において健康管理は重要である。動物の健康状態を推し量る指標のひとつに採食量がある。採食量は、食欲不振、代謝病、感染症など疾病の発見にもつながる重要な指標である。また、畜産においては生産性や繁殖性に大きく影響を与える指標でもある。そのため、飼育者は日々の個体ごとの採食量の把握に多大な労力を費やす。しかし、飼育規模が拡大し、飼育頭数が増えると採食量の把握が困難になる。この課題を解決するため、例えば特許文献１のような家畜の採食量を推定する技術が提供されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２００２－２６２７１２号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
特許文献１に記載の牛採食量測定装置は、計測対象の牛の頚部に装着し、該牛の採食によって生じる頭部全体の動きに応動して運動検知信号を発生する運動検知手段と、該運動検知手段からの運動検知信号に基づいて、当該牛の採食量を演算する演算手段と、予め設定された時間情報と前記演算手段によって演算された採食量を一定の時間単位で記録する記録手段と、該記録手段に記録された採食量データを外部に出力する手段とを備えたものである。これにより、牛の採食量を測定することができる。
【0005】
しかし、特許文献１に記載の技術は、動物の飲水量を推定することができなかった。飲水量は、糖尿病や腎臓病などの疾病発見の手掛かりとなるだけでなく、畜産においては泌乳量に影響を与えるなど生産性に大きく関わる。そのため、飲水量は採食量と並び動物の健康管理における重要な指標である。
【0006】
そこで本発明は、動物の採食量と飲水量を推定することができる動物の行動量推定システム、方法及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【0007】
上記課題を解決するため、本発明は以下の態様を含む。
［１］ 動物に装着する測定部と、前記動物の行動量を推定する行動量推定部と、推定された行動量を出力する出力部と、を備えた動物の行動量推定システムであって、
前記測定部は、加速度センサと、角度センサと、気圧センサと、を備え、
前記行動量推定部は、前記加速度センサ、前記角度センサ及び前記気圧センサで取得した測定データを記憶する記憶部と、前記測定データから前記動物の行動量を推定する推定処理部とを備えることを特徴とする動物の行動量推定システム。
［２］ 前記推定処理部は、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする［１］に記載の動物の行動量推定システム。
［３］ 前記動物は、家畜であることを特徴とする［１］または［２］に記載の動物の行動量推定システム。
［４］ 動物に装着した加速度センサと、角度センサと、気圧センサとから測定データを経時的に取得し、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする動物の行動量推定方法。
［５］ コンピュータを、［１］ないし［３］のいずれかに記載の動物の行動量推定システムとして動作させるためのプログラム。
［１］ 動物に装着する測定部と、前記動物の行動量を推定する行動量推定部と、推定された行動量を出力する出力部と、を備えた動物の行動量推定システムであって、
前記測定部は、加速度センサと、角度センサと、気圧センサと、を備え、
前記行動量推定部は、前記加速度センサ、前記角度センサ及び前記気圧センサで取得した測定データを記憶する記憶部と、前記測定データから前記動物の行動量を推定する推定処理部とを備えることを特徴とする動物の行動量推定システム。
［２］ 前記推定処理部は、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする［１］に記載の動物の行動量推定システム。
［３］ 前記動物は、家畜であることを特徴とする［１］または［２］に記載の動物の行動量推定システム。
［４］ 動物に装着した加速度センサと、角度センサと、気圧センサとから測定データを経時的に取得し、機械学習により予め作成された学習済みモデルを用いて、前記測定データから前記動物の行動量を推定することを特徴とする動物の行動量推定方法。
［５］ コンピュータを、［１］ないし［３］のいずれかに記載の動物の行動量推定システムとして動作させるためのプログラム。
【発明の効果】
【0008】
本発明によれば、動物の採食量及び飲水量を推定することができる動物の行動量推定システム、方法及びプログラムを提供することができる。
【図面の簡単な説明】
【0009】
【図1】本発明の動物の行動量推定システムの全体構成を示す図である。
【図2】測定部の機能構成を表わす図である。
【図3】行動量推定部の機能構成を表わす図である。
【図4】動物の行動量を推定する流れを示すフローチャートである。
【図5】行動量推定部の記憶部に記憶される測定データの例である。
【図6】推定結果データの出力例を示す図である。
【発明を実施するための形態】
【0010】
本発明は、動物の行動量を推定することができるものである。行動量とは所定の期間内（例えば1日など）における動物の行動に関する量や時間の総称であり、採食量、飲水量、横臥時間、反芻時間、歩行距離、歩行時間等が含まれる。本発明で推定する行動量には少なくとも採食量及び飲水量が含まれるが、横臥時間や歩行距離など他の量や時間を含めてもよい。
また、本発明において動物はヒト以外の動物であって、本発明の測定部（後述）を装着可能な動物であれば特に限定はない。動物としては、例えば、愛玩動物（例えば、犬、猫、ウサギ、フェレット、ハムスター、猿等のペット）、飼育動物（例えば、動物園等で飼育されているトラやライオン等）、家畜（例えば、馬、牛、豚、羊、ヤギ等）等の動物が挙げられる。
以下、本発明の実施形態について図面を参照しながら説明する。
また、本発明において動物はヒト以外の動物であって、本発明の測定部（後述）を装着可能な動物であれば特に限定はない。動物としては、例えば、愛玩動物（例えば、犬、猫、ウサギ、フェレット、ハムスター、猿等のペット）、飼育動物（例えば、動物園等で飼育されているトラやライオン等）、家畜（例えば、馬、牛、豚、羊、ヤギ等）等の動物が挙げられる。
以下、本発明の実施形態について図面を参照しながら説明する。
【0011】
＜動物の行動量推定システムの構成＞
本発明の動物の行動量推定システムの全体構成の例を図１に示す。本発明の動物の行動量推定システム１０は、動物１２に装着する測定部２０と、動物１２の行動量を推定する行動量推定部４０と、推定された行動量を出力する出力部６０とを備える。測定部２０、行動量推定部４０及び出力部６０は、ネットワークＮを介して互いに通信可能に接続されている。なお、図１において、動物１２は飼育区域１４内で飼育されているものとする。飼育区域１４とは、例えば動物舎、牛舎、柵で囲われた区域、ケージなど動物１２を飼育する区域をさす。
本発明の動物の行動量推定システムの全体構成の例を図１に示す。本発明の動物の行動量推定システム１０は、動物１２に装着する測定部２０と、動物１２の行動量を推定する行動量推定部４０と、推定された行動量を出力する出力部６０とを備える。測定部２０、行動量推定部４０及び出力部６０は、ネットワークＮを介して互いに通信可能に接続されている。なお、図１において、動物１２は飼育区域１４内で飼育されているものとする。飼育区域１４とは、例えば動物舎、牛舎、柵で囲われた区域、ケージなど動物１２を飼育する区域をさす。
【0012】
（測定部）
測定部２０は、行動量推定対象の動物１２に装着する機器である。一頭の動物１２に対して一つ装着し、行動量を推定する期間中は装着し続けるものである。対象とする動物１２の頭数については、本システムを構成するハードウェアの処理能力を超えない限り特に制限はない。測定部２０は採食や飲水行動中に大きく運動する部位である頸部や頭部に装着するのが好ましく、例えば首輪や頭絡などに測定部２０を固定して動物１２に装着する。図１は、牛（動物１２）の首輪２０ａに測定部２０を固定して装着している。
測定部２０は、行動量推定対象の動物１２に装着する機器である。一頭の動物１２に対して一つ装着し、行動量を推定する期間中は装着し続けるものである。対象とする動物１２の頭数については、本システムを構成するハードウェアの処理能力を超えない限り特に制限はない。測定部２０は採食や飲水行動中に大きく運動する部位である頸部や頭部に装着するのが好ましく、例えば首輪や頭絡などに測定部２０を固定して動物１２に装着する。図１は、牛（動物１２）の首輪２０ａに測定部２０を固定して装着している。
【0013】
図２に測定部２０の構成図を示す。測定部２０は、加速度センサ２２、角度センサ２４、気圧センサ２６を備える。測定部２０のハードウェア構成として、例えばＲａｓｐｂｅｒｒｙ Ｐｉ（登録商標）のような、ＣＰＵ（Central Processing Unit）（演算手段／制御手段）、ＲＡＭ（Random Access Memory）／ＲＯＭ（Read Only Memory）（記憶手段）、通信インターフェースを備えたシングルボードコンピュータなどの公知の電子機器を用いて構成することができる。また、各センサには公知のセンサを用いることができる。以降に述べる測定部２０の機能は、各センサ、インストールされたプログラム、および演算／制御手段、記憶手段等もしくはそれらの組み合わせによって実現できる。
【0014】
加速度センサ２２は、動物１２の運動による装着部位の加速度を測定する。角度センサ２４は、装着部位の角度を測定する。加速度センサ２２と角度センサ２４の軸の数に特に制限はないが、例えば３軸（Ｘ軸、Ｙ軸、Ｚ軸）のセンサを用いることができる。また、加速度センサ２２及び角度センサ２４として、慣性計測ユニット（Inertial Measurement Unit : IMU）を用いることもできる。ＩＭＵは加速度センサ及び角速度センサを備え、加速度センサにより検出された加速度及び角速度センサにより検出された角速度を用いて角度を演算できる。
【0015】
気圧センサ２６は、装着部位における気圧を測定するものである。動物１２の運動による装着部位の高度の変化を気圧の変化で読み取るためのものである。
【0016】
気圧センサ２６の測定値から天候による大気圧の変動の影響を除くことを目的に、飼育区域１４内の大気圧を測定する基準大気圧センサ３０を設けてもよい。基準大気圧センサ３０は飼育区域１４内の任意の場所に固定設置する。基準大気圧センサ３０は、通信手段を有し、ネットワークＮを介して測定部２０及び／または行動量推定部４０と測定値などを送受信可能である。気圧センサ２６の測定値から基準大気圧センサ３０の測定値を差し引いた相対気圧を気圧の測定値とすることで、大気圧の変動による測定値の変動を相殺でき、動物１２の上下動をより精度よく捉えることができる。
【0017】
測定部２０には、各センサの測定値を一時的に記憶するための記憶部２８を備えてもよい。記憶部２８は、ＲＡＭやＲＯＭのほか、ＨＤＤ（Hard Disc Drive）、ＳＳＤ（Solid State Drive）、ＳＤカード（Secure Digital card）、又はＵＳＢメモリ（Universal Serial Bus memory）等で構成してもよい。
【0018】
（行動量推定部）
行動量推定部４０は、測定部２０で得た測定データから動物１２の行動量を推定する。行動量推定部４０はハードウェア構成として、ＣＰＵなどの演算手段／制御手段、ＨＤＤ、ＲＡＭ、ＲＯＭなどの記憶手段、通信インターフェースなどの通信手段を備えた汎用のコンピュータで構成することができる。また、行動量推定部４０は、入出力手段（ディスプレイ、キーボード、マウス、タッチパネルなど）を備えていてもよい。以降に述べる行動量推定部４０の機能は、インストールされたプログラム、および演算手段、制御手段、記憶手段等もしくはそれらの組み合わせによって実現することができる。
行動量推定部４０は、測定部２０で得た測定データから動物１２の行動量を推定する。行動量推定部４０はハードウェア構成として、ＣＰＵなどの演算手段／制御手段、ＨＤＤ、ＲＡＭ、ＲＯＭなどの記憶手段、通信インターフェースなどの通信手段を備えた汎用のコンピュータで構成することができる。また、行動量推定部４０は、入出力手段（ディスプレイ、キーボード、マウス、タッチパネルなど）を備えていてもよい。以降に述べる行動量推定部４０の機能は、インストールされたプログラム、および演算手段、制御手段、記憶手段等もしくはそれらの組み合わせによって実現することができる。
【0019】
図３に行動量推定部４０の機能構成を示す。行動量推定部４０は記憶部４２と推定処理部４４とを備える。記憶部４２には、測定部２０から受信した測定データ５０、基準大気圧センサ３０から受信した大気圧データ５２、学習済みモデルＭ、推定結果データ５４が記憶される。学習済みモデルＭは、測定データ５０を入力すると行動量を出力するように機械学習により予め作成されたものである。また、行動量推定部４０に、教師データの作成や学習済みモデルＭの生成などを行う学習部４６を備えてもよい。学習済みモデルＭの生成は、学習部４６に備えた学習器４８により行われる。
【0020】
推定処理部４４は、記憶部４２から読みだした測定データ５０と学習済みモデルＭを用いて動物１２の行動量を推定し、推定結果データ５４を記憶部４２に記憶する。推定結果データ５４は、対象の動物１２毎に所定の期間内における採食量及び飲水量の推定値を含むデータで構成される。
【0021】
（出力部）
出力部６０は、推定結果データ５４を表示するものである。出力部６０は、汎用コンピュータ、スマートフォン、タブレット端末、ウェアラブル端末といった、ディスプレイやスピーカーなどの画面表示や音声による出力手段を備えた装置である。
出力部６０は、推定結果データ５４を表示するものである。出力部６０は、汎用コンピュータ、スマートフォン、タブレット端末、ウェアラブル端末といった、ディスプレイやスピーカーなどの画面表示や音声による出力手段を備えた装置である。
【0022】
（ネットワーク）
ネットワークＮは、インターネット等の公衆通信網でありＷＡＮ（Wide Area Network）やその他の通信網であり、ＬＴＥ（Long Term Evolution）などのセルラー網、無線ＬＡＮ（Local Area Network：Wi-Fi（登録商標）含む）等の無線網を含んでもよい。有線と無線のいずれも用いることができるが、測定部２０は装着する動物の行動を妨げにくい無線網を用いることが好ましい。無線接続方式としてはＢｌｕｅｔｏｏｔｈ（登録商標）やＺｉｇｂｅｅ（登録商標）といった種々の方式も用いることができる。また、本発明のシステム１０における測定部２０、行動量推定部４０、出力部６０及び基準大気圧センサ３０は、いずれもネットワークＮに対応した通信機能を備える。通信機能は公知の通信モジュールを用いて実現できる。
ネットワークＮは、インターネット等の公衆通信網でありＷＡＮ（Wide Area Network）やその他の通信網であり、ＬＴＥ（Long Term Evolution）などのセルラー網、無線ＬＡＮ（Local Area Network：Wi-Fi（登録商標）含む）等の無線網を含んでもよい。有線と無線のいずれも用いることができるが、測定部２０は装着する動物の行動を妨げにくい無線網を用いることが好ましい。無線接続方式としてはＢｌｕｅｔｏｏｔｈ（登録商標）やＺｉｇｂｅｅ（登録商標）といった種々の方式も用いることができる。また、本発明のシステム１０における測定部２０、行動量推定部４０、出力部６０及び基準大気圧センサ３０は、いずれもネットワークＮに対応した通信機能を備える。通信機能は公知の通信モジュールを用いて実現できる。
【0023】
（他の構成）
図１に示す動物の行動量推定システム１０の構成は一例であって他の構成でもよい。例えば、行動量推定部４０は、各構成機能を複数台のコンピュータ上に構成していてもよく、所謂クラウド上に構成してもよい。また、一つのシングルボードコンピュータ上に測定部２０と行動量推定部４０を構成し、一つの装置として動物１２に装着してもよい。出力部６０についても同様であり、出力部６０として単独のコンピュータ等を用いてもよいし、行動量推定部４０と出力部６０を一つのコンピュータ上に構成してもよい。
図１に示す動物の行動量推定システム１０の構成は一例であって他の構成でもよい。例えば、行動量推定部４０は、各構成機能を複数台のコンピュータ上に構成していてもよく、所謂クラウド上に構成してもよい。また、一つのシングルボードコンピュータ上に測定部２０と行動量推定部４０を構成し、一つの装置として動物１２に装着してもよい。出力部６０についても同様であり、出力部６０として単独のコンピュータ等を用いてもよいし、行動量推定部４０と出力部６０を一つのコンピュータ上に構成してもよい。
【0024】
【0025】
（測定データの取得）
まず、動物１２に装着した測定部２０の各センサから、所定の時間毎（例えば１秒毎）に、加速度、角度及び気圧の測定値を取得し、測定時刻及び動物ＩＤ（装着した動物を識別するための符号）を対応付けた測定データ５０を得る（ステップＳ１１）。得られた測定データ５０は、逐次、行動量推定部４０に送信する。測定部２０の記憶部２８に測定データ５０を蓄積し、所定の時間毎（例えば１日毎）または所定のタイミング（例えば通信が可能になったとき）にまとめて行動量推定部４０に送信するようにしてもよい。
上記と並行して、基準大気圧センサ３０は所定の時間毎（例えば１秒毎）に飼育区域１４の大気圧を測定し、測定値に測定時刻を対応付けた大気圧データ５２を得る（ステップＳ１２）。得られた大気圧データ５２は、逐次、行動量推定部４０に送信される。または、基準大気圧センサ３０に記憶部（図示せず）を備え、記憶部に大気圧データ５２を蓄積し、所定の時間毎もしくは所定のタイミングに行動量推定部４０にまとめて送信するようにしてもよい。
まず、動物１２に装着した測定部２０の各センサから、所定の時間毎（例えば１秒毎）に、加速度、角度及び気圧の測定値を取得し、測定時刻及び動物ＩＤ（装着した動物を識別するための符号）を対応付けた測定データ５０を得る（ステップＳ１１）。得られた測定データ５０は、逐次、行動量推定部４０に送信する。測定部２０の記憶部２８に測定データ５０を蓄積し、所定の時間毎（例えば１日毎）または所定のタイミング（例えば通信が可能になったとき）にまとめて行動量推定部４０に送信するようにしてもよい。
上記と並行して、基準大気圧センサ３０は所定の時間毎（例えば１秒毎）に飼育区域１４の大気圧を測定し、測定値に測定時刻を対応付けた大気圧データ５２を得る（ステップＳ１２）。得られた大気圧データ５２は、逐次、行動量推定部４０に送信される。または、基準大気圧センサ３０に記憶部（図示せず）を備え、記憶部に大気圧データ５２を蓄積し、所定の時間毎もしくは所定のタイミングに行動量推定部４０にまとめて送信するようにしてもよい。
【0026】
（測定データ・大気圧データの記憶）
次に、行動量推定部４０において受信した測定データ５０及び大気圧データ５２を記憶部４２に記憶（蓄積）する（ステップＳ２０）。
図５は、記憶された測定データ５０の例である。例えば、動物ＩＤ「ｉｄ１」の動物について、測定時刻「ｔ１」の加速度センサ（Ｘ軸、Ｙ軸、Ｚ軸の３軸）の測定値がＸ軸「ｘ１」、Ｙ軸「ｙ１」及びＺ軸「ｚ１」であり、角度センサ（１軸）の測定値が「ａ１」であり、気圧センサの測定値が「ｐ１」であったことを示す。測定時刻「ｔ２」以降についても同様に各センサの測定値が記憶されている。このように、測定データ５０は、所定の測定期間内における各センサの測定値と動物ＩＤ及び測定時刻とが関連付けられた経時的（時系列的）なデータとして記憶部４２に記憶される。大気圧データ５２も同様に測定時刻と関連付けられた経時的なデータとして記憶される。
次に、行動量推定部４０において受信した測定データ５０及び大気圧データ５２を記憶部４２に記憶（蓄積）する（ステップＳ２０）。
図５は、記憶された測定データ５０の例である。例えば、動物ＩＤ「ｉｄ１」の動物について、測定時刻「ｔ１」の加速度センサ（Ｘ軸、Ｙ軸、Ｚ軸の３軸）の測定値がＸ軸「ｘ１」、Ｙ軸「ｙ１」及びＺ軸「ｚ１」であり、角度センサ（１軸）の測定値が「ａ１」であり、気圧センサの測定値が「ｐ１」であったことを示す。測定時刻「ｔ２」以降についても同様に各センサの測定値が記憶されている。このように、測定データ５０は、所定の測定期間内における各センサの測定値と動物ＩＤ及び測定時刻とが関連付けられた経時的（時系列的）なデータとして記憶部４２に記憶される。大気圧データ５２も同様に測定時刻と関連付けられた経時的なデータとして記憶される。
【0027】
上記のデータの取得（ステップＳ１１、Ｓ１２）と記憶（ステップ２０）は、行動量を推定したい期間が経過するまで連続又は繰り返して行われ、得られた測定データ５０及び大気圧データ５２は記憶部４２に蓄積される。
【0028】
（行動量の推定処理）
次に、推定処理部４４において、記憶部４２に記憶された測定データ５０から動物の行動量を推定する推定処理を行う（ステップＳ３０）。推定処理は、以下に説明するように機械学習により予め作成された学習済みモデルＭを用いて行われる。
次に、推定処理部４４において、記憶部４２に記憶された測定データ５０から動物の行動量を推定する推定処理を行う（ステップＳ３０）。推定処理は、以下に説明するように機械学習により予め作成された学習済みモデルＭを用いて行われる。
【0029】
まず、推定処理部４４は、行動量を推定したい期間内（例えば1日）の測定データ５０を動物ＩＤ毎に記憶部４２から抽出する。ここで相対気圧を用いて推定する場合は、大気圧データ５２を読み出して相対気圧を算出し、測定データ５０中の気圧の測定値として相対気圧を用いて処理を進める。
なお、相対気圧は予め基準大気圧センサ３０において算出してもよい。この場合は、測定部２０における気圧の測定時（ステップＳ１１）に、基準大気圧センサ３０が測定部２０から測定値を受信し、基準大気圧センサ３０において相対気圧を算出する。算出された相対気圧は、測定データ５０中の気圧の測定値として行動量推定部４０に送信され、記憶部４２に記憶される。また、相対気圧は測定部２０において算出されてもよい。この場合は、測定部２０が基準大気圧センサ３０から測定値を受信して相対気圧を算出する。
なお、相対気圧は予め基準大気圧センサ３０において算出してもよい。この場合は、測定部２０における気圧の測定時（ステップＳ１１）に、基準大気圧センサ３０が測定部２０から測定値を受信し、基準大気圧センサ３０において相対気圧を算出する。算出された相対気圧は、測定データ５０中の気圧の測定値として行動量推定部４０に送信され、記憶部４２に記憶される。また、相対気圧は測定部２０において算出されてもよい。この場合は、測定部２０が基準大気圧センサ３０から測定値を受信して相対気圧を算出する。
【0030】
続いて、推定処理部４４は学習済みモデルＭを記憶部４２から読み出し、記憶部４２から抽出した測定データ５０を入力する。学習済みモデルＭは、所定の期間における加速度センサ、角度センサ及び気圧センサの測定値の経時変化（測定データ５０）を入力すると、動物１２の個体ごとに、その期間内の採食量及び飲水量を含む推定結果データ５４を出力する。
【0031】
（推定結果データの記憶）
推定結果データ５４は、行動量推定部４０の記憶部４２に記憶される（ステップＳ４０）。
推定結果データ５４は、行動量推定部４０の記憶部４２に記憶される（ステップＳ４０）。
【0032】
（推定結果データの出力）
記憶された推定結果データ５４は、例えば出力部６０から行動量推定部４０にアクセスがあった場合などの任意のタイミングで読み出され、出力部６０に送信されて出力される（ステップＳ５０）。
出力部６０は、推定結果データ５４を任意の方法で出力する。図６は出力部６０における出力例であり、牛の1日の行動量の推定結果データ５４を出力した画面である。画面には、推定された採食量６２、飲水量６４及び横臥時間６６が表示されている。また、画面右側のグラフ領域６８には、直近１週間における毎日の行動量の推定結果が折れ線グラフで表示されている。このように、出力部６０には推定結果データ５４に加えて上記グラフ領域６８のような健康状態の把握を助ける他の情報を表示してもよい。
記憶された推定結果データ５４は、例えば出力部６０から行動量推定部４０にアクセスがあった場合などの任意のタイミングで読み出され、出力部６０に送信されて出力される（ステップＳ５０）。
出力部６０は、推定結果データ５４を任意の方法で出力する。図６は出力部６０における出力例であり、牛の1日の行動量の推定結果データ５４を出力した画面である。画面には、推定された採食量６２、飲水量６４及び横臥時間６６が表示されている。また、画面右側のグラフ領域６８には、直近１週間における毎日の行動量の推定結果が折れ線グラフで表示されている。このように、出力部６０には推定結果データ５４に加えて上記グラフ領域６８のような健康状態の把握を助ける他の情報を表示してもよい。
【0033】
以上の行動量の推定手順は、１回のみ実行してもよいし、任意の時間間隔または回数で繰り返してもよい。また、測定部２０における測定データの取得間隔および測定期間、行動量の推定の際に記憶部４２から抽出する測定データ５０の期間などは、行動量推定部４０の使用者が任意に定めてよいし、出力部６０の使用者が任意に指定してもよい。
【0034】
＜学習済みモデル＞
本発明における学習済みモデルは、動物に装着した加速度センサ、角度センサ及び気圧センサの測定データと行動量との関係性を機械学習により学習したものである。以下に、本発明のシステムを用いた学習済みモデルの作成手順の一例を図１～３を用いながら説明する。
本発明における学習済みモデルは、動物に装着した加速度センサ、角度センサ及び気圧センサの測定データと行動量との関係性を機械学習により学習したものである。以下に、本発明のシステムを用いた学習済みモデルの作成手順の一例を図１～３を用いながら説明する。
【0035】
（教師データの作成）
まず、対象となる動物１２に測定部２０を装着し、加速度センサ２２、角度センサ２４及び気圧センサ２６の測定データ５０を経時的に取得する。相対気圧を用いる場合は、前述のとおり基準大気圧センサ３０により大気圧を測定して相対気圧を測定データ５０の気圧の測定値として用いる。
次に、測定データ５０に行動量をラベル付けする。実際に採食していた時間帯の測定データにその時間帯の採食量をラベル付けし、採食していない時間帯の測定データには採食量は０とラベル付けする。同様に、飲水していた時間帯の測定データにその時間帯の飲水量をラベル付けし、飲水していない時間帯には０をラベル付けする。この他の行動量を推定する場合も同様にする。例えば、横臥していた時間帯の測定データには横臥時間を、反芻していた時間帯の測定データには反芻時間をそれぞれラベル付けする。このようにして採食量や飲水量など複数のラベルを付けた測定データを教師データとする。ラベルは、動物の行動を実際に人間が観察した結果や、採食量、飲水量、横臥時間などの行動量を実測した結果に基づいて付する。
まず、対象となる動物１２に測定部２０を装着し、加速度センサ２２、角度センサ２４及び気圧センサ２６の測定データ５０を経時的に取得する。相対気圧を用いる場合は、前述のとおり基準大気圧センサ３０により大気圧を測定して相対気圧を測定データ５０の気圧の測定値として用いる。
次に、測定データ５０に行動量をラベル付けする。実際に採食していた時間帯の測定データにその時間帯の採食量をラベル付けし、採食していない時間帯の測定データには採食量は０とラベル付けする。同様に、飲水していた時間帯の測定データにその時間帯の飲水量をラベル付けし、飲水していない時間帯には０をラベル付けする。この他の行動量を推定する場合も同様にする。例えば、横臥していた時間帯の測定データには横臥時間を、反芻していた時間帯の測定データには反芻時間をそれぞれラベル付けする。このようにして採食量や飲水量など複数のラベルを付けた測定データを教師データとする。ラベルは、動物の行動を実際に人間が観察した結果や、採食量、飲水量、横臥時間などの行動量を実測した結果に基づいて付する。
【0036】
（学習済みモデルの作成）
次に、学習器４８によって教師あり学習を行う。学習器４８は、ニューラルネットワーク、サポートベクターマシンなどのアルゴリズムを用いることができる。学習器４８が上記の教師データを基に機械学習を行い、学習済みモデルＭが作成される。作成された学習済みモデルＭは記憶部４２に保存される。
次に、学習器４８によって教師あり学習を行う。学習器４８は、ニューラルネットワーク、サポートベクターマシンなどのアルゴリズムを用いることができる。学習器４８が上記の教師データを基に機械学習を行い、学習済みモデルＭが作成される。作成された学習済みモデルＭは記憶部４２に保存される。
【0037】
本発明に用いる学習済みモデルは、複数頭の教師データを用いて作成した動物種ごと（例えば、牛、豚、馬、鶏など）のモデルでもよいし、個体ごとの教師データを用いて作成した個体ごとのモデルであってもよい。本発明では機械学習の手法を用いるため、異なる動物種や個体に対しても容易に学習済みモデルを作成できる。個体ごとに作成した学習済みモデルは、例えば疾病の予見や早期発見、また治療中など慎重な健康管理が求められる場合や、肉用牛の肥育といった精密な飼養管理が求められる場合に特に有用である。
【0038】
また、学習済みモデルの生成には動物の運動に関する測定値を用いるため、飼育環境により運動が制限される動物に対しては推定精度の高いモデルを得ることができる。例えば、給餌器や給水器などの所定の形状の器具を用いて飼育される動物は、採食や飲水の動きが器具の影響を受けて制限されるため、運動に一定の傾向が生じやすい。このような動物の例に家畜が挙げられ、本発明のシステムを特に好ましく適用することができる。
【0039】
以上のように、本発明によれば、動物の採食量及び飲水量を推定することができる動物の行動量推定システム、方法及びプログラムを提供することができる。これにより、動物の健康管理の労力を低減することができ、疾病などの異常の発見が容易になる。また、大規模で飼育される家畜のような動物に対しても精度よく行動量を推定できるため、適正な飼養管理が容易になり、畜産品の生産性や品質の向上にも資することができる。
【符号の説明】
【0040】
１０ 動物の行動量推定システム
１２ 動物
２０ 測定部
２２ 加速度センサ
２４ 角度センサ
２６ 気圧センサ
４０ 行動量推定部
４２ 記憶部
４４ 推定処理部
５０ 測定データ
５４ 推定結果データ
６０ 出力部
Ｍ 学習済みモデル
１２ 動物
２０ 測定部
２２ 加速度センサ
２４ 角度センサ
２６ 気圧センサ
４０ 行動量推定部
４２ 記憶部
４４ 推定処理部
５０ 測定データ
５４ 推定結果データ
６０ 出力部
Ｍ 学習済みモデル
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
