特許 7387170 発情検知装置、発情検知方法、発情検知プログラム、及び記録媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-11-17

(45)【発行日】2023-11-28

(54)【発明の名称】発情検知装置、発情検知方法、発情検知プログラム、及び記録媒体

(51)【国際特許分類】

   A01K 29/00 20060101AFI20231120BHJP

【ＦＩ】

A01K29/00 A

【請求項の数】 9

(21)【出願番号】P 2020126539

(22)【出願日】2020-07-27

(65)【公開番号】P2022023539

(43)【公開日】2022-02-08

【審査請求日】2022-08-30

(73)【特許権者】

【識別番号】501203344

【氏名又は名称】国立研究開発法人農業・食品産業技術総合研究機構

(74)【代理人】

【識別番号】110000338

【氏名又は名称】弁理士法人 ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ

(72)【発明者】

【氏名】檜垣 彰吾

(72)【発明者】

【氏名】吉岡 耕治

(72)【発明者】

【氏名】細江 実佐

【審査官】坂田 誠

(56)【参考文献】

【文献】国際公開第２０１８／１５５８５６（ＷＯ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ０１Ｋ ２９／００

Ａ６１Ｄ １／０８

(57)【特許請求の範囲】

【請求項1】

カメラを用いて撮像した家畜の画像を取得する取得部と、
前記取得部が取得した画像を、所定時間毎に時系列に結合した結合画像データを作成し、当該結合画像データにおける対象画像と当該対象画像の１フレーム前の画像を含む比較画像との差分を算出し、当該差分を参照して前記家畜の活動量を算出する算出部と、
前記活動量を発情期の家畜の活動量と比較して、前記家畜の発情を判定する判定部と
を備え、
前記算出部は、前記結合画像データに含まれる各画像間の差分の合計を前記活動量として算出する、発情検知装置。

【請求項2】

前記算出部は、算出した前記差分を表す領域の面積を前記活動量として算出し、当該活動量と、所定時間前の画像における前記差分を表す領域の面積との比を活動量比として算出する、請求項１に記載の発情検知装置。

【請求項3】

前記算出部は、前記結合画像データに含まれる各画像間の差分を表す領域の面積の合計を前記活動量として算出し、当該活動量と、当該結合画像データよりも前に作成された前記結合画像データに含まれる各画像間の差分を表す領域の面積の合計との比を活動量比として算出する、請求項１又は２に記載の発情検知装置。

【請求項4】

前記算出部は、前記結合画像データに含まれる各画像間のフレーム間隔が一定になるように前記結合画像データを補正する、請求項３に記載の発情検知装置。

【請求項5】

前記判定部は、前記活動量比が所定の閾値を超えた場合に、前記家畜が発情していると判定する、請求項２から４のいずれか１項に記載の発情検知装置。

【請求項6】

前記家畜は、つなぎ飼育されている家畜である、請求項１から５のいずれか１項に記載の発情検知装置。

【請求項7】

カメラを用いて撮像した家畜の画像を取得する取得ステップと、
前記取得ステップにおいて取得した画像を、所定時間毎に時系列に結合した結合画像データを作成し、当該結合画像データにおける対象画像と当該対象画像の１フレーム前の画像を含む比較画像との差分を算出し、当該差分を参照して前記家畜の活動量を算出する算出ステップと、
前記活動量を発情期の家畜の活動量と比較して、前記家畜の発情を判定する判定ステップと
を含み、
前記算出ステップにおいて、前記結合画像データに含まれる各画像間の差分の合計を前記活動量として算出する、発情検知方法。

【請求項8】

請求項７に記載の発情検知方法をコンピュータに実行させるための発情検知プログラムであって、
カメラを用いて撮像した家畜の画像を取得する取得ステップと、
前記取得ステップにおいて取得した画像を、所定時間毎に時系列に結合した結合画像データを作成し、当該結合画像データにおける対象画像と当該対象画像の１フレーム前の画像を含む比較画像との差分を算出し、当該差分を参照して前記家畜の活動量を算出する算出ステップと、
前記活動量を発情期の家畜の活動量と比較して、前記家畜の発情を判定する判定ステップと
を含み、
前記算出ステップにおいて、前記結合画像データに含まれる各画像間の差分の合計を前記活動量として算出する、発情検知プログラム。

【請求項9】

請求項８に記載の発情検知プログラムを記録したコンピュータ読み取り可能な記録媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、発情検知装置、発情検知方法、発情検知プログラム、及び記録媒体に関する。

【背景技術】

【0002】

家畜の発情状態を管理することは、畜産経営を良好に行なう上で非常に重要である。近年、畜産従事者の減少と高齢化が進む一方、一戸当たりの家畜飼養頭数は増加傾向にあり、各個体に対して発情状態管理のための行動観察時間を十分に割くことが困難となりつつある。

【0003】

家畜の行動観察するための技術として、家畜に装着して行動を観察するためのウェアラブルセンサが広く用いられている。また、画像解析により家畜の行動観察する技術も知られている（特許文献１及び２）。

【先行技術文献】

【特許文献】

【0004】

【文献】国際公開ＷＯ２０１７／１５８６９８

【文献】特開２０２０－１４４２１号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

行動観察のためのウェアラブルセンサの多くは、家畜の大きな動きや移動を検知するものであるため、放飼の牛を対象としており、つなぎ飼いの牛を対象としたものは非常に限られている。一方、国内の乳用牛農家の約７０％、肉用繁殖牛農家の約３５％では、牛のつなぎ飼育を採用しており、つなぎ飼育下においても行動観察可能な技術の開発が望まれている。また、最近ではアニマルウェルフェアへの関心も高まってきており、ウェアラブルセンサよりも侵襲性が低い行動観察技術が望まれている。

【0006】

特許文献１及び２に記載された技術は、画像解析により家畜の行動を観察するが、行動観察を分娩予測に利用することに特化した技術であり、発情検知に利用するものではない。そのため、発情状態を検知する技術の開発が求められている。

【0007】

本発明の一態様は、非侵襲的に家畜の発情状態を検知する技術を実現することを目的とする。

【課題を解決するための手段】

【0008】

上記の課題を解決するために、本発明の一態様に係る発情検知装置は、カメラを用いて撮像した家畜の画像を取得する取得部と、前記画像と当該画像の前に撮像した比較画像との差分を算出し、当該差分を参照して前記家畜の活動量を算出する算出部と、前記活動量を参照して、前記家畜の発情を判定する判定部とを備える。

【0009】

上記の課題を解決するために、本発明の一態様に係る発情検知方法は、カメラを用いて撮像した家畜の画像を取得する取得ステップと、前記画像と当該画像の前に撮像した比較画像との差分を算出し、当該差分を参照して前記家畜の活動量を算出する算出ステップと、前記活動量を参照して、前記家畜の発情を判定する判定ステップとを含んでいる。

【0010】

本発明の各態様に係る発情検知装置は、コンピュータによって実現してもよく、この場合には、コンピュータを前記発情検知装置が備える各部（ソフトウェア要素）として動作させることにより前記発情検知装置をコンピュータにて実現させる発情検知装置の発情検知制御プログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。

【発明の効果】

【0011】

本発明の一態様によれば、非侵襲的に家畜の発情状態を検知することができる。

【図面の簡単な説明】

【0012】

【図1】本発明の一実施形態に係る発情検知システムの要部構成を示すブロック図である。

【図2】本発明の一実施形態に係る発情検知システムによる発情検知の対象となる家畜の飼育形態の例を説明する図である。

【図3】本発明の一実施形態に係る発情検知システムが備えるカメラを用いて、家畜を前方、上方、及び後方から撮像した画像を示す図である。

【図4】本発明の一実施形態に係る発情検知システムにおける画像処理の概要を示した図である。

【図5】本発明の一実施形態に係る発情検知システムによる発情検知処理を示すフローチャートである。

【図6】家畜の排卵からの時間に対する、ピクセル数比を示すグラフである。

【図7】各方向におけるピクセル数間の相関を示すグラフである。

【図8】従来の加速度センサを用いた活動量と、本発明の一実施形態に係る発情検知システムを用いたピクセル数との相関を示すグラフである。

【発明を実施するための形態】

【0013】

〔発情検知システム〕
以下、本発明の一実施形態について、詳細に説明する。本発明の一実施形態に係る発情検知システムは、家畜の画像と当該画像の前に撮像した比較画像との差分を算出し、当該差分を参照して活動量を算出し、家畜の発情を検知するシステムである。ここで発情とは、動物が生殖活動に伴う興奮状態にあることを意味しており、人工授精が成功する可能性の高い状態であり得る。

【0014】

図１を参照して本発明の一実施形態に係る発情検知システムについて説明する。図１は、本発明の一実施形態に係る発情検知システムの要部構成を示すブロック図である。図１に示すように、発情検知システム１００は、カメラ１０、発情検知装置２０、及び利用者端末３０を備えている。カメラ１０と、発情検知装置２０と、利用者端末３０とは、ネットワークを介して相互に接続される。発情検知装置２０は、取得部２１、算出部２２、判定部２３、記憶部２４、及び表示部２５を備えている。

【0015】

（検知対象）
発情検知システム１００による検知の対象となる動物は家畜である。家畜から乳製品、皮、肉等を得る畜産において、家畜の繁殖を制御することは極めて重要である。家畜の人工授精時期を推定し、繁殖を制御するために、家畜の発情状態を個体毎に正確に管理することが望ましい。発情検知システム１００は、家畜の発情状態を検知することができる。発情検知システムによる検知の対象となる家畜の例として、ウシ、ブタ、ヒツジ、ヤギ、ウマ等が挙げられ、特にウシである。

【0016】

図２を参照して、発情検知システム１００による検知の対象となる家畜の飼育形態について説明する。図２は、発情検知システム１００による発情検知の対象となる家畜の飼育形態の例を説明する図である。

【0017】

発情検知システム１００は、図２に示すような、つなぎ飼育されている家畜の発情を検知することができる。つなぎ飼育されている家畜とは、具体的には、屋内の区切られた領域に鎖等でつながれた状態で飼育されているつなぎ飼いの家畜である。

【0018】

（カメラ）
図３を参照して、発情検知システム１００が備えるカメラ１０について説明する。図３は、カメラ１０を用いて、家畜を前方、上方、及び後方から撮像した画像を示す図である。図３の左列は、昼間に可視光カメラによって撮像された可視光画像である。図３の右列は、夜間に赤外線カメラによって撮像された赤外線カメラによって撮像された赤外線画像である。

【0019】

発情検知システム１００が備えるカメラ１０は、発情の検知の対象となる家畜を撮像する。カメラ１０が撮像した画像は、取得部２１に送られる。カメラ１０は、所定期間継続して撮像するように制御されてもよいし、ユーザからの入力に基づき撮像するように制御されてもよい。カメラ１０において、撮像、及び、レンズの向き、画角、ピントやズームの調整等の制御は、発情検知装置２０の制御部（図示せず）により制御される。

【0020】

発情検知システム１００は、複数のカメラ１０を備えていることが好ましい。これにより、様々な方向から撮像した複数の画像が得られるので、これらの画像に基づき、発情の検知をより精度よく行うことができる。カメラ１０の数は特に限定されない。カメラ１０の設置位置は特に限定されないが、家畜の行動を妨げない位置であって、撮像可能範囲が広くなるような位置に設置することが好ましい。

【0021】

図２に示すつなぎ飼育されている家畜を撮像する場合、図２における点線丸印に示すように、例えば、家畜を前方、上方、及び後方のうち少なくとも１方向から、より好ましくは２方向から、さらに好ましくは３方向から撮像可能な位置にカメラ１０を設置すればよい。

【0022】

カメラ１０は、可視光カメラ及び赤外線カメラの少なくとも一方である。カメラ１０は、少なくとも１台の可視光カメラと、少なくとも１台の赤外線カメラとを含むことが好ましい。これにより、例えば、図３の左列に示すように、昼間は可視光カメラにより撮像し、図３の右列に示すように、夜間は赤外線カメラにより撮像することで、昼夜問わず家畜の撮像が可能である。

【0023】

可視光カメラは、レンズ等の光学系や光検出素子等を含み、被写体から光を検出して可視光画像データを生成する。赤外線カメラは、レンズ等の光学系や赤外線検出素子等を含み、被写体から発せられる赤外線を感知して赤外線画像データを生成する。

【0024】

（取得部）
取得部２１は、カメラ１０を用いて撮像した家畜の画像を取得する。画像は、可視光画像及び赤外線画像の少なくとも一方である。取得部２１は、動画像として、可視光画像及び赤外線画像の少なくとも一方を取得する。取得部２１は、複数のカメラ１０を用いて撮像した複数の画像を取得する。取得部２１は、無線又は有線による通信インタフェースとして実装されている。取得部２１は、取得した画像データを算出部２２に送る。また、取得部２１は、取得した画像データを記憶部２４に送ってもよい。

【0025】

（算出部）
算出部２２は、取得部２１が取得した画像と当該画像の前に撮像した比較画像との差分を算出し、当該差分を参照して家畜の活動量を算出する。算出部２２は、取得部２１が取得した複数の画像のそれぞれから、家畜の活動量を算出する。算出部２２は、取得部２１が取得した画像と、当該画像の前に撮像し、記憶部２４に記憶された比較画像との差分を算出して、当該差分を参照して家畜の活動量を算出する。

【0026】

図４を参照して、発情検知システム１００が備える算出部２２について具体的に説明する。図４は、発情検知システム１００における画像処理の概要を示した図である。

【0027】

算出部２２は、取得部２１が取得した画像を、所定時間毎に時系列に結合した結合画像データを作成する。算出部２２は、例えば、取得部２１が取得した動画像を、１時間毎に時系列に２４時間分結合した結合画像データを作成する。結合画像データの作成には、例えば、Ａｖｉｕｔｌ等のソフトウェアを用いることができる。

【0028】

算出部２２は、結合画像データをグレースケール化する。昼間に撮像されたカラー画像である可視光画像と、夜間に撮像されたグレースケールである赤外線画像とが含まれる結合画像データをグレースケールに統一することにより、昼夜間の影響を低減することができる。

【0029】

取得部２１が取得した各画像間のフレーム間隔が一定でない場合、算出部２２は、結合画像データに含まれる各画像間のフレーム間隔が一定になるように結合画像データを補正する。例えば、取得部２１が取得した画像が～２５ｆｐｓの可変フレームレートの動画像である場合、算出部２２は、可変フレームレートの動画像を５ｆｐｓの固定フレームレートの動画像に補正する。グレースケール化及び固定フレームレート化には、例えば、ＨａｎｄＢｒａｋｅ等のソフトウェアを用いることができる。

【0030】

算出部２２は、結合画像データにおいて、背景差分法又はフレーム間差分法を用いて、画像間の差分を取得し得る。すなわち、算出部２２は、固定フレームレート化した結合画像データに含まれる、取得部２１が取得した画像（図４の１００１）に対応する画像（家畜の発情を判定する時点の対象画像（図４の１００２））と当該画像の前に撮像した比較画像（背景モデル画像（図４の１００３））との差分を算出する。差分の算出に使用する背景モデルの作成には、例えば、ｋ近傍法（k-nearest neighbor；ＫＮＮ）、ＭＯＧ（Mixture of Gaussian Distribution）等のプログラムを用いてもよい。例えば、背景モデル画像は、動画像の最初の任意の数（例えば、１～５００フレーム程度）を用いて背景モデルの初期化（Background Initialization）を行なう。すなわち、初期背景モデルを作成する。その後、適宜、背景モデルの動的更新（Background Update）を行なう。例えば、１フレーム毎、画像の輝度の振幅が初期背景モデルを作成したときよりも大きくなった場合等に、背景モデルを更新する。背景モデルを更新することにより、入力画像の背景の少なくとも一部が刻々と変化した場合であっても追跡する対象領域を絞ることができる。初期背景モデルの作成、背景モデルの動的更新、及び背景差分処理の一連の処理は、例えば、ＯｐｅｎＣＶ（Open Computer Vision）ライブラリ等を用いて行なえばよい。そして、作成した背景モデル画像は記憶部２４に記憶され、算出部２２は、記憶部２４から背景モデル画像を取得する。算出部２２は、差分として背景差分画像を得る。

【0031】

算出部２２は、算出した差分である背景差分画像を二値化する。差分の算出及び二値化は、ＯｐｅｎＣＶライブラリ等を用いてまとめて行なってもよい。算出部２２は、差分として、二値化した背景差分画像（図４の１００４）を得る。図４の１００４に示す二値化した背景差分画像における白色の領域は、算出した差分を表す領域である。当該領域の面積は、家畜の活動量に相当する。白色の領域の面積をピクセル数としてカウントする。活動量は、１時間の平均値として算出する。

【0032】

算出部２２は、算出した差分を表す領域の面積を活動量として算出し、当該活動量と、所定時間前の画像における差分を表す領域の面積との比を活動量比として算出する。具体的には、算出部２２は、結合画像データに含まれる各画像間の差分を表す領域の面積の合計を活動量として算出し、当該活動量と、当該結合画像データよりも前に作成された結合画像データに含まれる各画像間の差分を表す領域の面積の合計との比を活動量比として算出する。例えば、算出部２２は、過去２４時間の差分ピクセル数の合計値を活動量比として算出し、当該活動量と、過去２４～４８時間の差分ピクセル数の合計値との比を活動量比として算出する。

【0033】

算出部２２は、算出した活動量比を判定部２３に送る。また、算出部２２は、作成した結合画像データ、補正した結合画像データ、算出した活動量、及び算出した活動量比を記憶部２４に送ってもよい。

【0034】

（判定部）
判定部２３は、算出部２２が算出した活動量比を参照して、家畜の発情を判定する。家畜は発情期（例えば、排卵の２４時間前～排卵までの期間）に活動量が増加するため、判定部２３は、活動量比が所定の閾値（第１の所定の閾値）を超えた場合に、家畜が発情していると判定する。

【0035】

例えば、判定部２３は、活動量比が好ましくは１．２、より好ましくは１．３を超えた場合に、家畜が発情していると判定してもよい。また、判定部２３は、活動量比の指数移動平均値が所定の閾値を超えた場合に、家畜が発情していると判定することが好ましい。例えば、判定部２３は、高感度（例えば、８３．３％以上）で発情を検知することが可能である観点から、活動量比の指数移動平均値が１．１を超えた場合に、家畜が発情していると判定することが好ましい。所定の閾値は、各撮像方向（例えば、前方、上方、及び後方）のデータ毎にそれぞれ別の閾値を設定してもよい。

【0036】

判定部２３は、発情周期を考慮して、家畜の発情を判定してもよい。家畜は、発情期ではなくても、他の要因による興奮状態にある場合等にも日常行動とは異なる活動を取る場合がある。判定部２３が発情周期を考慮して判定することにより、発情期の活動と他の非日常の活動とを区別することができる。例えば、ウシの発情周期は約２１日であるため、判定部２３は、所定の期間、例えば発情周期である２１日間における活動量比が所定の閾値を超えた場合には家畜が発情していると判定する。

【0037】

また、家畜は、排卵日の４８時間前～２４時間前の間に活動量が一旦低下する傾向がある。そのため、判定部２３は、活動量が第１の所定の閾値を超えたと判定した後、判定した対象時点よりも所定の期間前から当該対象時点までの期間における活動量が、第２の所定の閾値未満であるか否かを判定してもよい。例えば、対象時点よりも４８時間前から当該対象時点までの期間における活動量が、第２の所定の閾値未満として０．９５であるか否かを判定してもよい。判定部２３は、対象時点よりも所定の期間前から当該対象時点までの期間における活動量が第２の所定の閾値未満であると判定した場合に、対象時点において家畜が発情していると判定する。このように、２段階の閾値を設定することにより、家畜の発情検知の精度を高めることができる。

【0038】

判定部２３は、家畜が発情していると判定した場合、判定結果を表示部２５に送る。判定部２３は、判定結果を記憶部２４に送ってもよい。

【0039】

（記憶部）
記憶部２４は、発情検知装置２０の機能を実現するためのプログラムを記憶する。また、記憶部２４は、取得部２１が取得した画像データ、算出部２２が作成した結合画像データ、算出部２２が補正した結合画像データ、算出部２２が算出した活動量、及び判定部２３が判定した判定結果等を記憶する。

【0040】

（表示部）
判定部２３が、家畜が発情していると判定した場合、表示部２５は、利用者端末３０を介してユーザにその旨を通知する。利用者端末３０は、例えば、スマートフォン、タブレット端末、携帯電話等である。

【0041】

（発情検知処理）
発情検知システム１００を用いた発情検知処理について、図５を参照して説明する。図５は、発情検知システム１００による発情検知処理を示すフローチャートである。以下の発情検知処理は、発情検知装置２０の制御部（図示せず）が制御する処理である。

【0042】

図５に示すように、まず、カメラ１０を用いて撮像した画像を取得する（ステップＳ１）。ステップＳ１においては、取得部２１が、カメラ１０から画像を取得する。取得部２１は、取得した画像を算出部２２に送る。

【0043】

次に、ステップＳ１において取得した画像を、所定時間毎に時系列に結合した結合画像データを作成する（ステップＳ２）。ステップＳ２においては、算出部２２が、画像を、所定時間毎に時系列に結合した結合画像データを作成する。

【0044】

そして、ステップＳ２において作成した結合画像データをグレースケール化する（ステップＳ３）。ステップＳ３においては、算出部２２が、結合画像データをグレースケール化する。

【0045】

そして、ステップＳ３においてグレースケール化した結合画像データに含まれる各画像間のフレーム間隔が一定になるようにグレースケール化した結合画像データを補正する（ステップＳ４）。つまり、グレースケール化した結合画像データを固定フレームレート化する。ステップＳ４においては、算出部２２が、グレースケール化した結合画像データを固定フレームレート化する。

【0046】

そして、ステップＳ４において固定フレームレート化した結合画像データに含まれる対象画像と背景モデル画像との差分を算出する（ステップＳ５）。ステップＳ５においては、算出部２２が、固定フレームレート化した結合画像データに含まれる対象画像と背景モデル画像との差分を算出する。

【0047】

そして、ステップＳ５において算出した差分を二値化する（ステップＳ６）。ステップＳ６においては、算出部２２が、算出した差分を二値化する。算出部２２は、二値化した背景差分画像における、家畜の活動量を表す領域の面積をピクセル数としてカウントする。

【0048】

そして、ステップＳ６においてカウントした、結合画像データに含まれる各画像間の差分を表す領域の面積の合計を活動量として算出し、当該活動量と、当該結合データよりも前に作成された結合データに含まれる各画像間の差分を表す領域の面積の合計との比を活動量比として算出する（ステップＳ７）。ステップＳ７においては、算出部２２が、結合画像データに含まれる各画像間の差分を表す領域の面積の合計を活動量として算出し、当該活動量と、当該結合データよりも前に作成された結合データに含まれる各画像間の差分を表す領域の面積の合計との比を活動量比として算出する。算出部２２は、算出した活動量比を判定部２３に送る。このように、ステップＳ２～Ｓ７において、算出部２２が、取得部２１が取得した画像と当該画像の前に撮像した比較画像との差分を算出し、当該差分を参照して家畜の活動量を算出する。

【0049】

そして、ステップＳ７において算出した活動量を参照して、家畜の発情を判定する（ステップＳ８）。ステップＳ８において、判定部２３が、活動量を参照して、家畜の発情を判定する。判定部２３は、活動量比が所定の閾値を超えていると判定した場合（ステップＳ８のＹｅｓ）、ステップＳ９の処理に進む。ステップＳ９においては、判定部２３が、発情していると判定し、表示部２５が、利用者端末３０を介してユーザに通知する。判定部２３が、活動量比が所定の閾値以下であると判定した場合（ステップＳ８のＮｏ）、処理を終了する。また、判定部２３は、判定結果を記憶部２４に送ってもよい。

【0050】

また、以上の方法によれば、カメラ１０を用いて撮像した画像を取得する取得ステップ（ステップＳ１）と、画像と当該画像の前に撮像した比較画像との差分を算出し、当該差分を参照して家畜の活動量を算出する算出ステップ（ステップＳ２～７）と、活動量を参照して、家畜の発情を判定する判定ステップとを含む、発情検知方法が実現される。

【0051】

発情検知システムは、家畜を撮像した画像に基づき家畜の発情を判定するため、家畜の行動を常時目視で確認したり、家畜から体液を採取したりすることなく、容易に発情検知することができる。また、発情検知システムは、家畜にセンサを装着する必要がないため、非侵襲的であり、家畜への負担が少ない。

【0052】

〔ソフトウェアによる実現例〕
発情検知システム１００が備える発情検知装置２０の制御ブロック（取得部２１、算出部２２、及び判定部２３）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ソフトウェアによって実現してもよい。

【0053】

後者の場合、発情検知装置２０は、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータを備えている。このコンピュータは、例えば１つ以上のプロセッサを備えていると共に、上記プログラムを記憶したコンピュータ読み取り可能な記録媒体を備えている。そして、上記コンピュータにおいて、上記プロセッサが上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記プロセッサとしては、例えばＣＰＵ（Central Processing Unit）を用いることができる。上記記録媒体としては、「一時的でない有形の媒体」、例えば、ＲＯＭ（Read Only Memory）等の他、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムを展開するＲＡＭ（Random Access Memory）などをさらに備えていてもよい。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

【0054】

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

【0055】

〔実施例〕
本発明の一実施例について以下に説明する。

【0056】

６頭の各ウシの前方、上方、及び後方に可視光カメラ及び赤外線カメラを備えたカメラ（１００万画素、可変フレームレート）を設置した。昼間は可視光カメラにより可視光画像を取得し、夜間は赤外線カメラにより赤外線画像を取得した。Ａｖｉｕｔｌを用いて、取得した画像を１時間毎に時系列に２４時間分結合した結合画像データを作成した。動画の最初の１フレームを初期背景モデルとし、その後、１フレーム毎に対象フレームの直前の５００フレームを基準として背景モデルを更新した。そして、差分として、二値化した背景差分画像を得た。初期背景モデルの作成、背景モデルの動的更新、及び背景差分処理の一連の処理は、ＯｐｅｎＣＶライブラリを用いた。算出した差分を表す領域のピクセル数を１時間の平均値として算出した。そして、過去２４時間の差分ピクセル数の合計値と、過去２４～４８時間の差分ピクセル数の合計値との比を活動量として算出した。活動量は６頭のウシの平均値として算出した。結果図６に示す。

【0057】

結果を図６に示す。図６は、家畜の排卵からの時間に対する、ピクセル数比を示すグラフである。ピクセル数比は、過去４８時間前～２４時間前の合計に対する、過去２４時間前～０時間前の差分ピクセルの合計である。なお、実際の排卵時点を０時間とした。超音波画像診断装置を用いて２時間間隔で卵巣を描出し、大卵胞の消失を確認した時刻から１時間前を実際の排卵時点とした。

【0058】

図７は、各方向におけるピクセル数間の相関を示すグラフである。図７に示すように、前方、上方、及び後方のいずれの方向から撮像した画像であっても相関が高く、カメラの撮像方向に依存しないことが分かった。

【0059】

図８は、従来の加速度センサを用いた活動量と、本実施例におけるピクセル数との相関を示すグラフである。従来の加速度センサを用いた活動量は、上述の画像処理により発情を判定した６頭のウシの尾部に加速度センサを装着して検知された、上述の画像処理と同一時期の活動量の平均値である。図８に示すように、本発明により算出した活動量は、加速度センサを用いた活動量と同様の結果が得られた。

【産業上の利用可能性】

【0060】

本発明は、畜産分野に利用することができる。

【符号の説明】

【0061】

１０ カメラ
２０ 発情検知装置
２１ 取得部
２２ 算出部
２３ 判定部
２４ 記憶部
２５ 表示部
３０ 利用者端末
１００ 発情検知システム

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】