JP7083201B1 - Information processing system, information processing method and program - Google Patents
Information processing system, information processing method and program Download PDFInfo
- Publication number
- JP7083201B1 JP7083201B1 JP2021137046A JP2021137046A JP7083201B1 JP 7083201 B1 JP7083201 B1 JP 7083201B1 JP 2021137046 A JP2021137046 A JP 2021137046A JP 2021137046 A JP2021137046 A JP 2021137046A JP 7083201 B1 JP7083201 B1 JP 7083201B1
- Authority
- JP
- Japan
- Prior art keywords
- unit
- information
- livestock
- analysis
- pigs
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 47
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 120
- 238000000034 method Methods 0.000 claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 78
- 244000144972 livestock Species 0.000 claims abstract description 74
- 230000008569 process Effects 0.000 claims abstract description 72
- 230000007613 environmental effect Effects 0.000 claims abstract description 38
- 210000003205 muscle Anatomy 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 9
- 230000017525 heat dissipation Effects 0.000 claims description 7
- 238000009472 formulation Methods 0.000 claims description 4
- 241000282887 Suidae Species 0.000 abstract description 132
- 238000010191 image analysis Methods 0.000 abstract description 29
- 238000005259 measurement Methods 0.000 abstract description 25
- 230000001488 breeding effect Effects 0.000 abstract description 20
- 238000009395 breeding Methods 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000037396 body weight Effects 0.000 description 33
- 235000019786 weight gain Nutrition 0.000 description 27
- 238000002156 mixing Methods 0.000 description 18
- 235000013372 meat Nutrition 0.000 description 17
- 230000000694 effects Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 230000004584 weight gain Effects 0.000 description 14
- 238000013329 compounding Methods 0.000 description 13
- 241001465754 Metazoa Species 0.000 description 12
- 230000006399 behavior Effects 0.000 description 12
- 238000007726 management method Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 11
- 108090000623 proteins and genes Proteins 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 235000013305 food Nutrition 0.000 description 6
- 235000020991 processed meat Nutrition 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 4
- 230000036760 body temperature Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 239000001569 carbon dioxide Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 235000021050 feed intake Nutrition 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 210000004243 sweat Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 208000015580 Increased body weight Diseases 0.000 description 1
- BVHLGVCQOALMSV-JEDNCBNOSA-N L-lysine hydrochloride Chemical compound Cl.NCCCC[C@H](N)C(O)=O BVHLGVCQOALMSV-JEDNCBNOSA-N 0.000 description 1
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 description 1
- 239000004472 Lysine Substances 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 235000019764 Soybean Meal Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 235000013330 chicken meat Nutrition 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 235000021051 daily weight gain Nutrition 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000004590 drinking behavior Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 230000004634 feeding behavior Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000002631 hypothermal effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 229960003646 lysine Drugs 0.000 description 1
- 229960005337 lysine hydrochloride Drugs 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- -1 processed feeds Substances 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004455 soybean meal Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/05—Agriculture
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Environmental Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Marketing (AREA)
- Biodiversity & Conservation Biology (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
【課題】人の経験や勘に頼ることなく家畜の飼育から販売に至る一連のビジネスを実現できるように支援する。【解決手段】サーバ１は、画像解析ＡＩ_Ｑと、種類解析部１０３と、処理実行部１０４とを有する。画像解析ＡＩ_Ｑは、豚舎Ｂの画像を解析することで、当該豚舎Ｂの画像に含まれるＮの豚のオブジェクトＯＰ１乃至ＯＰｎを認識する。種類解析部１０３は、当該豚のオブジェクトＯＰ１乃至ＯＰｎの夫々に関する所定種類の情報（体重、筋肉量、死亡・病気の有無…）を、Ｎの豚のオブジェクトＯＰ１乃至ＯＰｎ毎に生成する。処理実行部１０４は、豚舎Ｂの５０頭の豚の夫々の体重を、豚５０頭の平均体重等に換算して、その平均体重と複数種類の環境情報（温度や湿度の計測データ）とを入力パラメータとして用いる所定処理（飼料の配合率の演算処理等）を実行する。【選択図】図７PROBLEM TO BE SOLVED: To support the realization of a series of businesses from livestock breeding to sales without relying on human experience and intuition. A server 1 has an image analysis AI_Q, a type analysis unit 103, and a processing execution unit 104. Image analysis AI_Q recognizes N pig objects OP1 to OPn included in the image of the piggery B by analyzing the image of the piggery B. The type analysis unit 103 generates information of a predetermined type (weight, muscle mass, presence / absence of death / illness, etc.) regarding each of the objects OP1 to OPn of the pig for each of the objects OP1 to OPn of N pigs. The processing execution unit 104 converts the weight of each of the 50 pigs in the piggery B into the average weight of 50 pigs, etc., and converts the average weight and a plurality of types of environmental information (temperature and humidity measurement data). Executes a predetermined process (calculation process of feed content, etc.) used as an input parameter. [Selection diagram] FIG. 7
Description
本発明は、情報処理システム、情報処理方法及びプログラムに関する。 The present invention relates to an information processing system, an information processing method and a program.
畜産業は、人手不足の課題を常に抱えていると共に、そこで働く人の経験や勘に基づく作業が多く、再現性の低い業界に位置しており、経験者の不足を補う技術の開発が急務になっている。
従来の技術として、例えばウェブサイトにおいて、時系列に沿って、畜産動物に関して実施した活動及びコメントを端末に入力することで、畜産動物の頭数等の推移を管理する畜産動物管理システムがある（例えば特許文献１等）。
従来の技術の場合、飼育管理者及び係員等のスタッフが、畜産動物に関して実施した活動及びコメント等を端末から一々入力する必要があり、通常の飼育活動以外に事務的な作業の負担が重いと言える。
また、大規模な畜産農場は、一つの市や町ぐらいの数の家畜を飼育しており、家畜の体調や餌の配合、病気の早期発見等、少ない人手で把握し管理するには限界がある。
The livestock industry is always facing the problem of labor shortage, and there is a lot of work based on the experience and intuition of the workers there, and it is located in an industry with low reproducibility, so there is an urgent need to develop technology to make up for the shortage of experienced people. It has become.
As a conventional technique, for example, on a website, there is a livestock animal management system that manages changes in the number of livestock animals by inputting activities and comments carried out on livestock animals into a terminal in chronological order (for example,).
In the case of the conventional technique, it is necessary for the breeding manager and staff such as staff to input the activities and comments carried out on livestock animals one by one from the terminal, and the burden of clerical work other than normal breeding activities is heavy. I can say.
In addition, large-scale livestock farms raise as many livestock as one city or town, and there is a limit to how few people can grasp and manage the physical condition of livestock, food composition, early detection of illness, etc. be.
このように従来の技術のみの場合、飼育管理者及びスタッフが、畜産動物に関して実施した活動及びコメント等を端末から一々入力する必要があり、ただでさえ人手が少ない畜産業界での家畜の管理手法としては有効とは言えない。 In this way, in the case of only the conventional technique, it is necessary for the breeding manager and staff to input the activities and comments carried out on the livestock animals one by one from the terminal, and the livestock management method in the livestock industry where the labor is already small. It cannot be said that it is effective.
本願発明はこのような状況に鑑みてなされたものであり、人の経験や勘に頼ることなく家畜の飼育から販売に至る一連のビジネスを実現できるように支援することを目的とする。 The invention of the present application has been made in view of such a situation, and an object of the present invention is to support the realization of a series of businesses from livestock breeding to sales without relying on human experience and intuition.
上記目的を達成するため、本発明の一態様の情報処理システムは、
所定の場で管理されるＮ（Ｎは１以上の整数値）の家畜を第１単位として、当該第１単位に対する所定処理を実行する情報処理システムにおいて、
前記場の様子を撮像し、その結果得られる撮像画像を場画像として出力する撮像装置と、
前記場の環境に関する１以上の物理量を検出し、その検出結果を含む情報を場環境情報として出力する出力装置と、
前記場画像と前記場環境情報とのうち少なくとも一部に基づいて前記所定処理を実行する情報処理装置と、
を含み、
前記情報処理装置は、
前記場画像を解析することで、当該場画像に含まれる前記Ｎの家畜の夫々を示すＮのオブジェクトを、Ｎの家畜オブジェクトとして認識し、当該家畜オブジェクトを第２単位として、前記第２単位に関する所定種類の情報を第２単位解析情報として、前記Ｎの家畜オブジェクト毎に生成して出力する画像解析手段と、
Ｎの前記第２単位解析情報に基づいて生成される前記第１単位の前記所定種類の情報を第１単位解析情報として、複数種類の第１単位情報及び複数種類の環境情報のうち１以上を入力パラメータとして、当該入力パラメータを用いる前記所定処理を実行する所定処理実行手段と、
を備える。
このように、撮像装置により撮像された場画像に含まれるＮの家畜の夫々を示すＮの家畜オブジェクトを認識し、家畜オブジェクトを解析して第２単位に換算して所定種類の情報を第２単位解析情報としてＮの家畜オブジェクト毎に生成し、Ｎの第２単位解析情報に基づいて生成される第１単位の所定種類の情報を第１単位解析情報として、複数種類の第１単位情報及び複数種類の環境情報のうち１以上を入力パラメータとして所定処理を実行するので、場の中で飼育される家畜を管理する側の負担なく家畜の飼育状況を管理することができる。
この結果、人の経験や勘に頼ることなく家畜の飼育から販売に至る一連のビジネスを実現できるように支援することができる。
In order to achieve the above object, the information processing system of one aspect of the present invention is
In an information processing system that executes predetermined processing for the first unit, with N (N is an integer value of 1 or more) livestock managed in a predetermined place as the first unit.
An image pickup device that captures the state of the field and outputs the captured image obtained as a result as a field image.
An output device that detects one or more physical quantities related to the field environment and outputs information including the detection results as field environment information.
An information processing device that executes the predetermined process based on at least a part of the field image and the field environment information.
Including
The information processing device is
By analyzing the field image, an N object indicating each of the N livestock included in the field image is recognized as an N livestock object, and the livestock object is used as a second unit with respect to the second unit. An image analysis means that generates and outputs a predetermined type of information as the second unit analysis information for each of the N livestock objects, and an image analysis means.
The predetermined type of information of the first unit generated based on the second unit analysis information of N is used as the first unit analysis information, and one or more of a plurality of types of the first unit information and a plurality of types of environmental information are used. As input parameters, a predetermined process execution means for executing the predetermined process using the input parameter, and
To prepare for.
In this way, the N livestock object indicating each of the N livestock included in the field image captured by the image pickup device is recognized, the livestock object is analyzed, converted into a second unit, and a predetermined type of information is obtained in the second unit. A plurality of types of first unit information and a plurality of types of first unit information and a predetermined type of information of the first unit generated based on N second unit analysis information generated for each N livestock object as unit analysis information as the first unit analysis information. Since one or more of a plurality of types of environmental information is used as an input parameter to execute a predetermined process, it is possible to manage the breeding status of livestock without burdening the side that manages the livestock raised in the field.
As a result, it is possible to support the realization of a series of businesses from livestock breeding to sales without relying on human experience and intuition.
本発明の一態様の上記情報処理装置に対応する情報処理方法及びプログラムも、本発明の一態様の情報処理方法及びプログラムとして提供される。 The information processing method and program corresponding to the information processing apparatus of one aspect of the present invention are also provided as the information processing method and program of one aspect of the present invention.
本発明によれば、人の経験や勘に頼ることなく家畜の飼育から販売に至る一連のビジネスを実現できるように支援することができる。 According to the present invention, it is possible to support the realization of a series of businesses from livestock breeding to sales without relying on human experience and intuition.
以下、本発明の実施形態について、図面を用いて説明する。
図１は、本発明の情報処理システムが適用される家畜の管理方法の一例を示す図である。
Hereinafter, embodiments of the present invention will be described with reference to the drawings.
FIG. 1 is a diagram showing an example of a livestock management method to which the information processing system of the present invention is applied.
図１に示すように、実施形態において、管理対象の家畜は、例えば豚Ｐ１乃至Ｐｎであり、これらの豚Ｐ１乃至Ｐｎは、豚舎Ｂ等の場を単位として管理されている。豚舎Ｂには、餌場Ｅが設けられており、毎日所定の時刻に飼料が与えられ、飼育されている。 As shown in FIG. 1, in the embodiment, the livestock to be managed are, for example, pigs P1 to Pn, and these pigs P1 to Pn are managed in units of a place such as a piggery B. The piggery B is provided with a feeding area E, and feed is fed and bred at a predetermined time every day.
豚舎Ｂには、豚Ｐ１乃至Ｐｎの状況を撮像するためのカメラＣＡが例えば天井や壁面、柱等のうちの何れかに例えば１台設置されている。カメラＣＡは、豚舎Ｂ内の全ての豚Ｐ１乃至Ｐｎが撮像されるように、つまり死角がないように設置されている。カメラＣＡにより撮像される豚舎Ｂの画像は、動画Ｄとして配信される。即ち、カメラＣＡは、豚舎Ｂの様子を撮像し、その結果得られる撮像画像を豚舎の動画Ｄとして出力する。
動画Ｄは、複数の単位画像群が時系列の順に配置されたものをいう。単位画像には、例えばフィールドやフレームが含まれる。即ち、画像は、動画及び静止画を含む広い概念を言い、本実施形態ではカメラＣの撮像画像は、動画Ｄとして配信されるが、必要に応じて所定間隔毎に撮像される静止画像として出力されてもよい。
なお、本実施形態ではカメラＣＡは１台とされているが、豚舎Ｂの規模（広さ）によっては複数台のカメラＣＡが配置されてもよい。豚舎Ｂが複数の柵で区画されている場合、カメラＣＡは、柵単位に設けられる。
In the piggery B, for example, one camera CA for capturing the situation of the pigs P1 to Pn is installed on any one of the ceiling, the wall surface, the pillar, and the like. The camera CA is installed so that all the pigs P1 to Pn in the piggery B are imaged, that is, there is no blind spot. The image of the piggery B captured by the camera CA is delivered as a moving image D. That is, the camera CA captures the state of the piggery B and outputs the captured image obtained as a result as the moving image D of the piggery.
The moving image D refers to a group of a plurality of unit images arranged in chronological order. The unit image includes, for example, a field or a frame. That is, the image refers to a broad concept including a moving image and a still image, and in the present embodiment, the captured image of the camera C is distributed as a moving image D, but is output as a still image captured at predetermined intervals as needed. May be done.
Although the number of camera CAs is one in this embodiment, a plurality of camera CAs may be arranged depending on the scale (size) of the piggery B. When the piggery B is partitioned by a plurality of fences, the camera CA is provided for each fence.
豚舎Ｂには、豚舎Ｂの内部又は外部の飼育環境に関する情報（以下、これを「環境情報」と呼ぶ）を検出するための各種のセンサＳＥ（出力装置）が設けられている。
センサＳＥは、豚舎Ｂの環境情報として、例えば豚舎Ｂにおける豚の放熱に関する外部環境パラメータの値を出力する。
具体的には例えば、センサＳＥは、例えば温度センサや湿度センサ等であり、センサＳＥからは温度や湿度等の計測データが外部環境パラメータの値として出力される。ここで示す環境情報は一例であり、例えば天気、天気予報、気圧、二酸化炭素濃度等、他の情報であってもよく、豚舎Ｂの内部の飼育環境に関する情報であればよく、外部環境パラメータの値として採用できるものであれば好適である。
The piggery B is provided with various sensor SEs (output devices) for detecting information on the breeding environment inside or outside the piggery B (hereinafter, this is referred to as "environmental information").
The sensor SE outputs, for example, the value of the external environmental parameter relating to the heat dissipation of the pig in the piggery B as the environmental information of the piggery B.
Specifically, for example, the sensor SE is, for example, a temperature sensor, a humidity sensor, or the like, and measurement data such as temperature and humidity are output from the sensor SE as values of external environmental parameters. The environmental information shown here is an example, and may be other information such as weather, weather forecast, atmospheric pressure, carbon dioxide concentration, etc., as long as it is information on the breeding environment inside the piggery B, and is an external environmental parameter. Anything that can be adopted as a value is suitable.
ここで、豚を飼育する上での、外部環境パラメータの値として採用可能な環境情報（温度／湿度）の必要性について説明する。
まず温度の必要性について説明する。
豚は体温を保つために飼料の摂取量を増やす。温度管理の効果は、豚の反応を見ると一目瞭然である。寒い環境下では、豚は体を暖かく保つために飼料の摂取量を増やす。
しかし、いくら飼料を増やして体を暖めても、それに熱の損失が追いつかなくなる限界温度がある。この限界温度を超えると体温が低下し、豚は低体温になってしまい、最終的に死に至ることもある。
Here, the necessity of environmental information (temperature / humidity) that can be adopted as the value of the external environmental parameter for raising pigs will be described.
First, the need for temperature will be explained.
Pigs increase their feed intake to maintain body temperature. The effect of temperature control is obvious when looking at the reaction of pigs. In cold environments, pigs increase their feed intake to keep their bodies warm.
However, no matter how much feed is added to warm the body, there is a limit temperature at which the heat loss cannot keep up. If this limit temperature is exceeded, the body temperature will drop, and the pig will become hypothermic, which may eventually lead to death.
一方、暑くなりすぎると、熱生産量が増え、体温が上昇する。すると、豚は食べる量を減らすことで対応するがこれにも限界があり、高体温になるとやはり最終的に死に至る。
これらの両極端な温度の中間に、豚の生産において生産性が最大となる「最適生産性域」といわれる温度帯が存在する。この温度帯の上限は「上方臨界温度」、下限は「下方臨界温度」と呼ばれる。豚をこれら温度の中立域（適生産性域）に保つことが豚舎管理の目標となる。
下方臨界温度は例えば１６°Ｃ等であり、この１６°Ｃを豚舎Ｂの温度が下回ってくると、放熱がどんどん増えていく。放熱の分、カロリーを消費してしまうため、ベースのカロリーが少ないと、肉になるはずのたんぱく質が燃えてしまう。このため豚舎Ｂの温度が例えば１°Ｃ低下すると、その低下温度に応じた量だけ餌を増やす必要がある。
On the other hand, when it gets too hot, heat production increases and body temperature rises. Then, the pig responds by reducing the amount of food it eats, but there is a limit to this, and when the body temperature becomes high, it will eventually die.
Between these two extreme temperatures, there is a temperature zone called the "optimal productivity range" where the productivity of pigs is maximized. The upper limit of this temperature range is called the "upper critical temperature" and the lower limit is called the "lower critical temperature". Keeping pigs in the neutral range (appropriate productivity range) at these temperatures is the goal of piggery management.
The lower critical temperature is, for example, 16 ° C. When the temperature of the piggery B falls below this 16 ° C, heat dissipation increases steadily. Since calories are consumed by the amount of heat released, if the base calories are low, the protein that should be meat will burn. Therefore, when the temperature of the piggery B drops by, for example, 1 ° C, it is necessary to increase the amount of food according to the lowered temperature.
続いて湿度の必要性について説明する。
豚は、汗をかくため、その放熱が湿度によって影響する。
例えば真夏で豚舎Ｂの温度が４０°Ｃ近くある日に雨が降ると、湿度が１００％近くになることがあるが、こうなると、豚は、汗をかかないため、死んでしまう。また、豚は体に熱がこもってしまうと、餌を食べる行動が弱まり、太り方も悪くなる。
このように気温と湿度が、豚の太り方（体重）に影響を及ぼすため、豚舎Ｂの環境を適生産性域にした中で、そのときの気温と湿度に応じて飼料の配合を変える必要がある。
Next, the necessity of humidity will be described.
Pigs sweat, so their heat dissipation is affected by humidity.
For example, if it rains on a day when the temperature of the piggery B is close to 40 ° C in midsummer, the humidity may be close to 100%, but in this case, the pig does not sweat and therefore dies. In addition, when the body of a pig becomes full of heat, the behavior of eating food is weakened and the way of gaining weight becomes worse.
In this way, the temperature and humidity affect the fatness (weight) of the pig, so it is necessary to change the feed composition according to the temperature and humidity at that time while setting the environment of the piggery B to the appropriate productivity range. There is.
続いて、このような飼育環境のもとでの家畜の管理方法について説明する。
ステップＳＴ１において、カメラＣＡにより撮像された動画Ｄが出力される。
また、ステップＳＴ２において、センサＳＥにより計測された温度や湿度等の計測データが出力される。
Next, a method of managing livestock in such a breeding environment will be described.
In step ST1, the moving image D captured by the camera CA is output.
Further, in step ST2, measurement data such as temperature and humidity measured by the sensor SE are output.
ステップＳＴ３において、カメラＣＡにより撮像された動画Ｄが画像解析ＡＩ_Ｑに入力される。すると、画像解析ＡＩ_Ｑは、豚舎Ｂの動画Ｄを解析することで、当該豚舎Ｂの動画Ｄに含まれるＮ頭の豚Ｐ１乃至Ｐｎを示すオブジェクトＯＰ１乃至ＯＰｎを認識し出力する。なおｎは自然数である。 In step ST3, the moving image D captured by the camera CA is input to the image analysis AI_Q. Then, the image analysis AI_Q recognizes and outputs the objects OP1 to OPn indicating the N pigs P1 to Pn included in the moving image D of the piggery B by analyzing the moving image D of the piggery B. Note that n is a natural number.
ここで、画像解析ＡＩ_Ｑは、学習部と、学習の結果得られるモデルと、認識部（推論部）とを有する。予め用意した豚の個体毎の動画について学習部によりＡＩによる機械学習が行われた結果としてモデルが生成又は更新される。このモデルは、新たな動画Ｄを入力すると、当該動画に含まれるＮ頭の豚Ｐ１乃至Ｐｎを示すオブジェクトＯＰ１乃至ＯＰｎをラベリングして出力することができる。即ち、認識部は、新たな動画Ｄをモデルに入力し、当該モデルから出力される、ラベリング付きの豚の個体のオブジェクトを、認識結果として外部に出力する。
なお、上述のＡＩのモデルは一例に過ぎず、出力形態が異なるモデル（例えば、下記のステップＳＴ４の解析処理を行いその解析処理の結果を出力するモデル）が存在してもよい。
Here, the image analysis AI_Q has a learning unit, a model obtained as a result of learning, and a recognition unit (inference unit). A model is generated or updated as a result of machine learning by AI performed by the learning unit on the video of each individual pig prepared in advance. When a new moving image D is input, this model can label and output objects OP1 to OPn indicating N pigs P1 to Pn included in the moving image. That is, the recognition unit inputs a new moving image D to the model, and outputs the object of the individual pig with labeling output from the model to the outside as a recognition result.
The AI model described above is only an example, and a model having a different output form (for example, a model that performs the analysis process of step ST4 below and outputs the result of the analysis process) may exist.
具体的には、例えば図２に示すように、豚舎Ｂの夫々の豚Ｐ１乃至Ｐｎが活動する様子を撮影して得られた動画Ｄが画像解析ＡＩ_Ｑ（ＡＩのモデル）に入力されると、画像解析ＡＩ_Ｑは、動画Ｄに含まれる１以上の豚Ｐ１乃至Ｐｎの夫々の豚Ｐｋ（ｋ＝１～ｎ）単位の外郭（体の輪郭）を認識し、夫々の外郭を示すオブジェクトＯＰ１乃至ＯＰｎと、夫々の個体識別子である個体ラベルとを対応させて出力する。
なお、各オブジェクトＯＰ１乃至ＯＰｎにおいて、実線（緑色の輪郭線）は活動しているものを示し、破線（赤色の輪郭線）は、停止しているものを示す。
つまりこの実施形態における画像解析ＡＩ_Ｑを用いることで、豚舎Ｂの動画から、豚Ｐ夫々の個体を識別し、その識別されたＮ個のオブジェクトＯＰ１乃至ＯＰｎとその個体ラベルを出力することができる。
Specifically, for example, as shown in FIG. 2, when the moving image D obtained by photographing the activities of the pigs P1 to Pn in the piggery B is input to the image analysis AI_Q (AI model), The image analysis AI_Q recognizes the outer shell (body contour) of each pig Pk (k = 1 to n) of one or more pigs P1 to Pn included in the moving image D, and the objects OP1 to OPn indicating each outer shell. And the individual label, which is the individual identifier of each, are output in correspondence with each other.
In each object OP1 to OPn, a solid line (green outline) indicates an active object, and a broken line (red outline) indicates a stopped object.
That is, by using the image analysis AI_Q in this embodiment, it is possible to identify each individual pig P from the moving image of the piggery B, and output the identified N objects OP1 to OPn and their individual labels.
ステップＳＴ４において、画像解析ＡＩ_Ｑから出力されるＮ個のオブジェクトＯＰ１乃至ＯＰｎに対して、１以上の種類の解析処理が実行される。
解析処理は、例えば豚Ｐ１乃至Ｐｎの数を計数する処理（数）、豚Ｐ１乃至Ｐｎの夫々の増体判定処理（体重）、（筋肉量）、（体長）、豚Ｐ１乃至Ｐｎの夫々の行動パターン予測処理（行動パターン）、豚Ｐ１乃至Ｐｎの夫々の生体状況の判定処理（死亡／病気）、豚以外のものの侵入検知処理（人検知）等である。かっこ内は図１の処理に対応する。
１以上の種類の解析処理の結果は、豚舎Ｂの単位で出力される。具体的には、増体判定処理（体重）の結果等は、豚Ｐ１乃至Ｐｎの夫々の体重を平均した平均体重等が出力される。
In step ST4, one or more types of analysis processing are executed for N objects OP1 to OPn output from the image analysis AI_Q.
The analysis process is, for example, a process of counting the number of pigs P1 to Pn (number), a process of determining the weight gain of each of the pigs P1 to Pn (weight), (muscle mass), (body length), and each of the pigs P1 to Pn. Behavior pattern prediction processing (behavior pattern), determination processing of biological conditions of pigs P1 to Pn (death / illness), invasion detection processing of substances other than pigs (human detection), and the like. The numbers in parentheses correspond to the processing shown in FIG.
The results of one or more types of analysis processing are output in units of piggery B. Specifically, as the result of the body weight gain determination process (body weight), the average body weight or the like obtained by averaging the weights of the pigs P1 to Pn is output.
ステップＳＴ５において、１以上の種類の解析処理の結果と、センサＳＥから入力される環境データ（温度、湿度等の計測データ）又は将来予測の場合には天気予報等の予測データとに基づいて、所定の処理が実行される。
具体的には、リコメンドＡＩ_Ｒでは、解析処理結果として豚舎Ｂ単位の増体データ（平均体重、中央値体、変動係数等）と、センサＳＥから入力される温度、湿度の計測データとに基づいて、例えば飼料１００Ｋｇあたりの各種飼料の配合率が演算されて、その演算結果がリコメンド情報、つまり推薦情報として出力される。
具体的には、図３に示すように、例えばとうもろこし７３％、大豆粕１６％、プレミックス０．２％、第２リンカル１．４１％、タンカル０．９％、ビートバルブ５．４１％、コーンコブ２．５８％、塩０．５％、塩酸リジン０．００％等がリコメンド情報として管理者Ｕが管理する管理者端末２へ出力される。
In step ST5, based on the results of one or more types of analysis processing and the environmental data (measurement data such as temperature and humidity) input from the sensor SE or the forecast data such as the weather forecast in the case of future forecast. Predetermined processing is executed.
Specifically, in the recommendation AI_R, the analysis processing result is based on the weight gain data (average weight, median, coefficient of variation, etc.) of the piggery B unit and the temperature and humidity measurement data input from the sensor SE. For example, the compounding ratio of various feeds per 100 kg of feed is calculated, and the calculation result is output as recommendation information, that is, recommendation information.
Specifically, as shown in FIG. 3, for example,
リコメンドＡＩ_Ｒに入力されるデータと、演算結果の各種飼料の配合率は、月日毎に、図４に示すような表にまとめて記憶され、管理される。
このように豚に与える飼料のデータを自動的に表に入力し管理することで、餌の配合率や餌の量と増体との相関関係の解析及び学習が可能になる。
The data input to the recommendation AI_R and the mixing ratio of various feeds as the calculation result are collectively stored and managed in a table as shown in FIG. 4 for each month and day.
By automatically inputting and managing the feed data to be fed to pigs in this way, it is possible to analyze and learn the ratio of feed and the correlation between the amount of feed and weight gain.
リコメンドＡＩ_Ｒは、本実施形態では、学習部と、学習の結果得られるモデルと、推薦部（推論部）とを有する。
予め用意した、図４に示す表の過去の多数のデータを学習データとして用いてＡＩによる機械学習が行われた結果としてモデルが生成又は更新される。このモデルは、図４に示す表のうち「増体」と「室温／湿度」の各データを入力すると、図４に示す表のうち右方に示す各種資料の配合率を出力することができる。即ち、推薦部は、豚舎Ｂ単位の増体データ（平均体重、中央値体、変動係数等）と、センサＳＥから入力される温度、湿度の計測データ（或いは将来予測の場合には天気予報等から得られる温度、湿度の予測データ）をモデルに入力する。そして、推薦部は、当該モデルから出力される各種飼料の配合率を、推薦情報として外部に出力する。
In the present embodiment, the recommendation AI_R has a learning unit, a model obtained as a result of learning, and a recommendation unit (inference unit).
A model is generated or updated as a result of machine learning by AI using a large number of past data in the table shown in FIG. 4 prepared in advance as training data. This model can output the compounding ratios of various materials shown on the right side of the table shown in FIG. 4 by inputting the data of "weight gain" and "room temperature / humidity" in the table shown in FIG. .. That is, the recommendation unit is the weight gain data (average weight, median, fluctuation coefficient, etc.) of the piggery B unit, temperature and humidity measurement data input from the sensor SE (or weather forecast, etc. in the case of future prediction). (Temperature and humidity forecast data obtained from) is input to the model. Then, the recommendation unit outputs the mixing ratio of various feeds output from the model to the outside as recommendation information.
次に、図５に示す情報処理システムのシステム構成について説明する。
図５は、本発明の情報処理システムの一つの実施形態を示すブロック図である。
図５に示す情報処理システムは、１以上の豚（図１の例では豚Ｐ１乃至Ｐｎ）が収容された豚舎Ｂを上方から撮像するように設置（配置）されたカメラＣＡ等の撮像装置と、豚舎Ｂの環境情報を検出するように設置（配置）されたセンサＳＥ等の出力装置と、管理者や係員等の操作者Ｕに操作される管理者端末２と、サーバ１と、がネットワークＮを介して接続され、これら複数の装置がネットワークＮを通じて通信するように構成される。
ネットワークＮには、インターネットの他、有線ネットワークや無線ネットワーク等も含まれる。
豚舎Ｂは、一定の行動範囲の中で豚Ｐ１乃至Ｐｎを活動させるための収容手段であり、柵等のブロックで区切られる場合もある。この場合、豚舎Ｂの豚Ｐ１乃至Ｐｎは、ブロック単位で管理される。
Next, the system configuration of the information processing system shown in FIG. 5 will be described.
FIG. 5 is a block diagram showing an embodiment of the information processing system of the present invention.
The information processing system shown in FIG. 5 includes an image pickup device such as a camera CA installed (arranged) so as to image a piggery B in which one or more pigs (pigs P1 to Pn in the example of FIG. 1) are housed from above. , An output device such as a sensor SE installed (arranged) to detect the environmental information of the piggery B, an
The network N includes not only the Internet but also a wired network, a wireless network, and the like.
The piggery B is a storage means for activating pigs P1 to Pn within a certain range of activity, and may be separated by a block such as a fence. In this case, the pigs P1 to Pn in the piggery B are managed in block units.
カメラＣＡは、例えば動画を撮像するデジタルカメラやネットワークカメラ等であり、豚舎Ｂ内を上方から撮像した動画Ｄをサーバ１に出力する。
The camera CA is, for example, a digital camera or a network camera that captures a moving image, and outputs a moving image D that captures the inside of the piggery B from above to the
センサＳＥは、豚舎Ｂの例えば温度や湿度等を計測する温度計や湿度計等であり、豚舎Ｂ内の温度や湿度等を計測した計測データをサーバ１に出力する。
The sensor SE is, for example, a thermometer or a hygrometer that measures the temperature, humidity, etc. of the piggery B, and outputs measurement data that measures the temperature, humidity, etc. in the piggery B to the
サーバ１では、画像解析ＡＩ_Ｑが、カメラＣＡから取得した動画Ｄに基づいて、動画Ｄに被写体として含まれるオブジェクトＯＰ１乃至ＯＰｎの夫々を特定することで、当該オブジェクトＯＰ１乃至ＯＰｎの夫々に対応する豚Ｐ１乃至Ｐｎの個体を認識する。
オブジェクトＯＰ１乃至ＯＰｎは、豚の個体の外郭を示す輪郭線等により表されるフレーム画像内の領域である。
サーバ１は、さらに、動画Ｄ内の複数の豚Ｐ１乃至Ｐｎを示すオブジェクトＯＰ１乃至ＯＰｎに基づいて、個体として夫々識別された豚Ｐ１乃至Ｐｎの行動パターン（癖等）を解析し、死亡や病気等、夫々の豚Ｐ１乃至Ｐｎの健康状態を判定する。
この他、サーバ１は、豚Ｐ１乃至Ｐｎの社会性、同じ行動範囲に存在する豚Ｐ１乃至Ｐｎどうしの相互作用、豚Ｐ１乃至Ｐｎどうしの関係性等といった行動の基になる要素（原因）等を検出する。
なお、サーバ１の機能的構成や処理の詳細については、図７を参照して後述する。
In the
The objects OP1 to OPn are regions in the frame image represented by contour lines or the like indicating the outer shell of an individual pig.
The
In addition, the
The details of the functional configuration and processing of the
図６は、図５の情報処理システムのうちサーバのハードウェア構成の一例を示すブロック図である。 FIG. 6 is a block diagram showing an example of the hardware configuration of the server in the information processing system of FIG.
サーバ１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３と、バス１４と、入出力インターフェース１５と、出力部１６と、入力部１７と、記憶部１８と、通信部１９と、ドライブ２０とを備えている。
The
ＣＰＵ１１は、ＲＯＭ１２に記録されているプログラム、又は、記憶部１８からＲＡＭ１３にロードされたプログラムに従って各種の処理を実行する。
ＲＡＭ１３には、ＣＰＵ１１が各種の処理を実行する上において必要なデータ等も適宜記憶される。
The
Data and the like necessary for the
ＣＰＵ１１、ＲＯＭ１２及びＲＡＭ１３は、バス１４を介して相互に接続されている。このバス１４にはまた、入出力インターフェース１５も接続されている。入出力インターフェース１５には、出力部１６、入力部１７、記憶部１８、通信部１９、及びドライブ２０が接続されている。
出力部１６は、ディスプレイやスピーカ等で構成され、画像や音声を出力する。
入力部１７は、キーボードや豚等で構成され、ユーザの指示操作に応じて各種情報を入力する。
記憶部１８は、ハードディスク等で構成され、各種情報のデータを記憶する。
The
The
The
The
通信部１９は、ネットワークＮを介して他の通信対象（例えば図１のカメラＣＡ）との間で行う通信を制御する。
ドライブ２０には、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリ等よりなる、リムーバブルメディア３１が適宜装着される。ドライブ２０によってリムーバブルメディア３１から読み出されたプログラムは、必要に応じて記憶部１８にインストールされる。また、リムーバブルメディア３１は、記憶部１８に記憶されている各種データも、記憶部１８と同様に記憶することができる。
The
A
管理者端末２も、基本的に図５のハードウェア構成を有している。したがって、管理者端末２のハードウェア構成の説明については省略する。なお、管理者端末２がスマートフォンやタブレット端末で構成される場合、入力部１７及び出力部１６の表示部は、タッチパネルにより構成される。
The
図７は、図５の情報処理システムのサーバの機能的構成の一例を示す機能ブロック図である。 FIG. 7 is a functional block diagram showing an example of the functional configuration of the server of the information processing system of FIG.
図６に示したサーバ１の記憶部１８には、画像解析ＡＩ_Ｑと、リコメンドＡＩ_Ｒと、が記憶されている。
Image analysis AI_Q and recommended AI_R are stored in the
画像解析ＡＩ_Ｑは、上述したように、学習部、モデル、及び認識部を有する。本実施形態のモデルは、新たな動画Ｄを入力すると、当該動画に含まれるＮ頭の豚Ｐ１乃至Ｐｎを示すオブジェクトＯＰ１乃至ＯＰｎをラベリングして出力するモデルである。
ただし、このモデルは例示に過ぎず、後述する所定処理の少なくとも一部を実行してその実行結果を出力するモデルを採用してもよい。また、モデルの種類数は、ここでは説明の便宜上１種類とされているが、複数種類のモデルが画像ＡＩ_Ｑに設けられていてもよい。
Image analysis AI_Q has a learning unit, a model, and a recognition unit as described above. The model of the present embodiment is a model in which when a new moving image D is input, objects OP1 to OPn indicating N pigs P1 to Pn included in the moving image are labeled and output.
However, this model is merely an example, and a model that executes at least a part of a predetermined process described later and outputs the execution result may be adopted. Further, although the number of types of models is set to one here for convenience of explanation, a plurality of types of models may be provided in the image AI_Q.
具体的には、画像解析ＡＩ_Ｑは、入力される動画Ｄを単位画像（フレーム画像）毎にモデルに入力し、当該動画に含まれるＮ頭の豚Ｐ１乃至Ｐｎを示すオブジェクトＯＰ１乃至ＯＰｎをラベリングして出力する。
出力形態は、特に限定されず、動画Ｄとは別の情報として出力する形態であってもよいし、動画Ｄを構成する各単位画像（フレーム画像）に対して、オブジェクトＯＰ１乃至ＯＰｎを示す枠線やラベリングを重畳したものを出力する形態であってもよい。
Specifically, the image analysis AI_Q inputs the input moving image D into the model for each unit image (frame image), and labels the objects OP1 to OPn indicating the N pigs P1 to Pn included in the moving image. And output.
The output form is not particularly limited, and may be a form of outputting as information different from the moving image D, or a frame showing the objects OP1 to OPn for each unit image (frame image) constituting the moving image D. It may be in the form of outputting a superposed line or labeling.
リコメンドＡＩ_Ｒは、上述したように、画像解析ＡＩ_Ｑと同様に、学習部、モデル、及び認識部を有する。モデルは、豚舎Ｂの豚Ｐ１乃至Ｐｎの体重の平均値等の豚舎Ｂを単位（後述の豚舎単位）とする増体に関する情報と、豚舎Ｂの温度や湿度に関する環境情報とを入力すると、各飼料の配合率を出力するものである。 As described above, the recommended AI_R has a learning unit, a model, and a recognition unit, similarly to the image analysis AI_Q. The model is obtained by inputting information on weight gain in piggery B as a unit (the piggery unit described later) such as the average value of the weights of pigs P1 to Pn in piggery B, and environmental information on temperature and humidity of piggery B. It outputs the mixing ratio of feed.
図７に示すように、サーバ１では、ＣＰＵ１１が処理を実行する際に、動画取得部１０１、環境情報取得部１０２、種類解析部１０３、処理実行部１０４、表示制御部１０５等が機能する。
As shown in FIG. 7, in the
動画取得部１０１は、豚舎Ｂの中で１以上の豚Ｐ１乃至Ｐｎ等の動物が活動する様子が撮像された結果得られる動画Ｄ（映像）を取得し画像解析ＡＩ_Ｑに入力する。
動画Ｄ（映像）が入力された結果得られる画像解析ＡＩ_Ｑ（モデル）の出力、例えばここでは豚のオブジェクトＯＰ１乃至ＯＰｎの夫々を示す情報は、種類解析部１０３に提供される。
The moving
The output of the image analysis AI_Q (model) obtained as a result of inputting the moving image D (video), for example, here, information indicating each of the pig objects OP1 to OPn is provided to the
環境情報取得部１０２は、センサＳＥから出力された計測データ（後述する所定の処理が将来予測をする処理の場合には天気予報等の予測情報）を、環境情報として取得して、処理実行部１０４に提供する。
The environmental
種類解析部１０３は、当該豚のオブジェクトＯＰ１乃至ＯＰｎの夫々を１単位として、１単位毎に複数種類の解析を実行する。なお、以下、このような1単位を「１豚単位」と呼ぶ。
複数種類の解析については、特に限定されないが、例えば本実施形態では、オブジェクトＯＰｋ（ｋは１乃至ｎのうち任意整数値）に対応する豚Ｐｋについての、体重、筋肉量、死亡・病気の有無等の解析が採用されている。
種類解析部１０３による１豚単位の所定種類の解析結果（例えば豚Ｐｋの体重等）を、以下、「豚単位解析情報」と呼ぶ。
本実施形態では、所定種類毎に、ｎ頭の豚Ｐ１乃至Ｐｎの夫々についての豚単位解析情報、即ち総計ｎ個の豚単位解析情報が得られる。例えば所定種類が体重であれば、ｎ頭の豚Ｐ１乃至Ｐｎの夫々についての体重データ、即ち総計ｎ個の体重データが得られる。
The
The analysis of a plurality of types is not particularly limited, but in the present embodiment, for example, the body weight, muscle mass, and the presence / absence of death / illness of the pig Pk corresponding to the object OPk (k is an arbitrary integer value from 1 to n). Etc. are adopted.
The analysis result of a predetermined type of one pig unit (for example, the weight of pig Pk) by the
In the present embodiment, pig unit analysis information for each of n pigs P1 to Pn, that is, a total of n pig unit analysis information can be obtained for each predetermined type. For example, if the predetermined type is body weight, body weight data for each of n pigs P1 to Pn, that is, a total of n body weight data can be obtained.
例えば所定種類が増体の解析である場合、種類解析部１０３は、オブジェクトＯＰ１乃至ＯＰｎの夫々に対応する豚Ｐ１乃至Ｐｎの夫々についての、体重、体長、筋肉量等のうち一つ以上の増体に関する情報を解析する。
具体的には、種類解析部１０１は、オブジェクトＯＰ１乃至ＯＰｎの夫々の輪郭の面積と予め設定された単位面積毎の、体重、体長、筋肉量から、豚Ｐ１乃至Ｐｎの夫々の体重、体長、筋肉量等を推定する。即ち、豚Ｐ１乃至Ｐｎの夫々の推定結果、即ち、総計ｎ個の推定結果が、豚単位解析情報の一例である。
なお、ここでは、種類解析部１０３が解析する増体に関する情報として、例えば体重、体長、筋肉量等について説明したが、この他、骨格、姿勢、動向、色味等についても解析及び計測することができる。
For example, when the predetermined type is an analysis of body weight gain, the
Specifically, the
Here, for example, weight, body length, muscle mass, etc. have been described as information on weight gain analyzed by the
この他、種類解析部１０３は、豚の飼育数の解析、行動パターン解析、死亡／病気解析等を実行する。
例えば所定種類が豚の飼育数の解析である場合、種類解析部１０３は、オブジェクトＯＰ１乃至ＯＰｎに基づいて、対象範囲（豚舎単位、柵単位等）の豚の飼育数（個体数）を計数する。
In addition, the
For example, when the predetermined type is analysis of the number of pigs raised, the
例えば所定種類が行動パターンの解析である場合、種類解析部１０３は、オブジェクトＯＰ１乃至ＯＰｎの位置の推移が予め設定された１以上の条件のうち何れかの条件を満たした場合、満たした条件に応じた豚の行動パターンを判定する。
具体的には、種類解析部１０３は、オブジェクトＯＰ１乃至ＯＰｎ毎に、中心座標の推移が予め設定された行動条件に合致するか否かを判定し、合致した行動条件に対応する動物の行動ラベル（***行動ならば“０１”、睡眠中ならば“０２”、餌食べ行動ならば“０３”、水飲み行動ならば“０４”等）を、当該オブジェクトＯＰ１乃至ＯＰｎ、又はその元となる画像フレームの時刻情報（タイムスタンプ）又はデータフレームに付与する。
For example, when the predetermined type is the analysis of the behavior pattern, the
Specifically, the
これにより、例えば豚舎Ｂ内に５０頭の豚Ｐ１乃至Ｐｎが収容されて活動している環境で、豚夫々の行動として、いつ***したか、いつ睡眠をしたか、いつ餌を食べたか、いつ水を飲んだか等の詳細な行動を把握することができる。 As a result, for example, in an environment where 50 pigs P1 to Pn are housed and active in the piggery B, the behavior of each pig is when it was excreted, when it slept, when it ate food, and when. It is possible to grasp detailed behavior such as whether or not you drank water.
例えば所定種類が死亡／病気の解析である場合、種類解析部１０３種類解析部１０３はは、オブジェクトＯＰ１乃至ＯＰｎに基づいて、豚が死亡しているか病気かを解析する。具体的には、種類解析部１０３は、一定時間の中でオブジェクトの位置が全く動かないものを豚が死亡しているものと判定する。
また、種類解析部１０３は、オブジェクトの移動が正常時のものとは異なる動きのパターンをしていた場合は病気行動と判定する。
For example, when the predetermined type is death / disease analysis, the
Further, when the movement of the object has a movement pattern different from that in the normal state, the
例えば所定種類が人の検知である場合、種類解析部１０３は、オブジェクトＯＰ１乃至ＯＰｎに基づいて、豚以外のもの（例えば人や他の動物等）の有無を解析し、豚以外のものが検知された場合、アラートを出力する。
このように豚のオブジェクトＯＰ１乃至ＯＰｎとそれ以外のものとを分けて検知し、豚のオブジェクト以外のものが検知された場合、人等がいるものと検知しアラートを出力する。この際、例えば夜の時間帯（例えば２１時～翌朝の７時等）を検知条件に設定しておくことで、夜に訪れる豚泥棒や餌泥棒等をリアルタイムに発見することができる。
なお、ここに示した検知条件は一例であり、他の条件であってもよい。また、カメラＣＡにより豚舎監視中等といった掲示を豚舎の場外に積極的に行うことで、豚の盗難事件に対しての防犯対策になる。
For example, when the predetermined type is human detection, the
In this way, the pig objects OP1 to OPn and other objects are detected separately, and when an object other than the pig object is detected, it is detected that there is a person or the like and an alert is output. At this time, for example, by setting the night time zone (for example, from 21:00 to 7:00 the next morning) as the detection condition, it is possible to detect pig thieves, bait thieves, etc. visiting at night in real time.
The detection conditions shown here are examples, and may be other conditions. In addition, by actively posting a notice such as monitoring the piggery outside the piggery by the camera CA, it becomes a crime prevention measure against the theft of pigs.
処理実行部１０４は、種類解析部１０３から出力された複数種類の総計ｎ個の豚単位解析情報の夫々と、環境情報取得部１０２から出力された環境情報とのうち少なくとも一部を入力パラメータとして、当該入力パラメータを用いる前記所定処理を実行する。
所定処理は特に限定されないが、図７の例では、所定処理として飼料配合リコメンド処理、自動帳票化処理、増体／肉質予測処理、遺伝子／ゲノム解析処理、販売支援処理、及び、アラート／リポート処理が採用されている。
処理実行部１０４において、資料配合リコメンド処理が実行される場合には、飼料配合リコメンド部１１０が機能する。自動帳票化処理が実行される場合には自動帳票化部１１１が機能する。増体／肉質予測処理が実行される場合には、増体／肉質部１１２が機能する。遺伝子／ゲノム解析処理が実行される場合には、遺伝子／ゲノム解析部１１３が機能する。販売支援処理が実行される場合には、販売支援部１１４が機能する。アラート／リポート処理が実行される場合には、アラート／リポート部１１５が機能する。
The
The predetermined processing is not particularly limited, but in the example of FIG. 7, as the predetermined processing, feed compound recommendation processing, automatic form formation processing, body weight gain / meat quality prediction processing, gene / genome analysis processing, sales support processing, and alert / report processing are performed. Has been adopted.
When the material compounding recommendation process is executed in the
前記資料配合リコメンド部１１０は、資料配合リコメンド処理として次のような処理を実行する。
即ち、資料配合リコメンド部１１０は、種類解析部１０３から出力された増体に関する総計ｎ個の豚単位解析情報、例えば豚Ｐ１乃至Ｐｎの夫々の体重に基づいて、豚舎Ｂの単位（第１単位）の増体情報（以下、「豚舎単位解析情報」）を生成する。例えば本実施形態では、総計ｎ個の豚単位解析情報が豚Ｐ１乃至Ｐｎの夫々の体重である場合には、豚Ｐ１乃至Ｐの平均体重等が豚舎単位解析情報として生成される。
なお、豚単位解析情報の生成（演算）手法は、特に限定されず、即ちｎ頭の豚の体重の平均値を求める手法は提示に過ぎず、その他、例えばｎ頭のうち所定条件を満たすｍ（ｍはｎ以下の整数値）頭の豚の体重の平均値を求める手法や、平均値以外に中央値を求めたりする手法等、任意の手法を採用することができる。
また、資料配合リコメンド部１１０は、豚舎Ｂの温度や湿度を示す環境情報（センサＥの計測データでもよいし、天気用法等から得られる予測データでもよい）を取得する。
そして、資料配合リコメンド部１１０は、豚舎単位解析情報（ｎ頭の豚Ｐ１乃至Ｐｎの平均体重等）と、豚舎Ｂの温度や湿度を示す環境情報とを入力パラメータとして、リコメンドＡＩ_Ｒ（モデル）に入力させる。
資料配合リコメンド部１１０は、リコメンドＡＩ_Ｒ（モデル）から出力される飼料１００Ｋｇあたり各種飼料の配合率や豚舎Ｂ単位の飼料の量をリコメンド情報として表示制御部１０５へ出力する。
The material
That is, the data compounding
The method for generating (calculating) pig unit analysis information is not particularly limited, that is, the method for obtaining the average value of the weights of n pigs is merely a presentation, and other, for example, m that satisfies a predetermined condition among n pigs. (M is an integer value of n or less) Any method can be adopted, such as a method of obtaining the average value of the weight of the head pig and a method of obtaining the median value in addition to the average value.
In addition, the data compounding
Then, the material-blended
The document
自動帳票化部１１１は、自動帳票化処理として次のような処理を実行する。
即ち、自動帳票化部１１１は、種類解析部１０３により計数された対象範囲（豚舎単位、柵単位等）の豚の頭数（個体数）や増体状況を予め設定された管理帳票に入力し、入力管理を自動化する。これにより、紙帳票への記入作業やタブレットでの手入力の作業をなくすことができる。
The automatic form conversion unit 111 executes the following processing as the automatic form conversion process.
That is, the automatic form conversion unit 111 inputs the number of pigs (individual number) and the increase status of the pigs in the target range (pig house unit, fence unit, etc.) counted by the
増体／肉質部１１２は、増体／肉質予測処理として次のような処理を実行する。
即ち、増体／肉質部１１２は、種類解析部１０３により生成された増体情報（現在の体重・体長等）に基づいて、成長途中の状態（現状）で出荷時に体重・体長がどの程度になるかを予測する。増体／肉質部１１２は、増体情報にさらに豚の品種や飼育環境、飼料の与え方等の情報を加え、これらの情報に基づいて、出荷時の肉質も同時に予測することで、出荷時の売上予測が可能になる。
The body weight gain /
That is, based on the body weight gain information (current weight / body length, etc.) generated by the
遺伝子／ゲノム解析部１１３は、遺伝子／ゲノム解析として次のような処理を実行する。
即ち、遺伝子／ゲノム解析部１１３は、カメラＣＡの動画から識別した個体とその個体の予測体重と母豚や父豚等の血縁関係とを遺伝子レベルでデータベース化し、データベースに基づいて、体形や太り方の良い豚、病気になり難い豚どうしを交配させてゆき、品質の良い豚を作ってゆくことができる。
The gene /
That is, the gene /
販売支援部１１４は、販売支援処理として次のような処理を実行する。
即ち、販売支援部１１４は、カメラＣＡの動画から識別した個体とその個体の予測体重に基づいて、出荷可能な体重になるまであと何日かかるかといった出荷予測を行う。そして、販売支援部１１４は、出荷予測の時期と、日毎の市場価格に基づいて出荷予測価格を決定する。
これにより、豚を出荷する際の値段とその時の市場価格とから、例えば１０日間早く出荷した方が良いとか、あと１０日餌を与えてでも出荷を伸ばして主査化した方が良い等の計画を立てる上での販売支援を行うことができる。
The
That is, the
As a result, based on the price at the time of shipping pigs and the market price at that time, for example, it is better to ship 10 days earlier, or even if you feed for another 10 days, it is better to extend the shipment and make it the chief investigator. It is possible to provide sales support for establishing a market.
アラート／リポート部１１５は、アラート／リポート処理として次のように処理を実行する。
即ち、アラート／リポート部１１５は、上記各部により解析又は計測された結果に基づいてアラート又はリポートを管理者端末２の画面８０（図８参照）に提示し、管理者又は係員に通知する。
以下、具体的なアラートの例を列記する。
豚舎全体又はブロック単位（柵単位）の頭数を定期通知する。
増体を定期通知する。各種体重係数を定期通知する。日に１回全体の平均・中央・最大・最小体重を通知する。
差が一定値以上乖離したタイミングで、中央値と最小の乖離を通知する。
成長スピードが遅い豚と早い豚との差が一定値以上乖離したタイミングで、成長スピードが遅い豚又は早い豚のいずれかを検知し通知する。また中央値と最大の乖離を通知する。
予め設定された出荷に適した体重に近づいたタイミングで、その体重に達した豚を察知し通知する。予め設定された体重に達した豚を検知し通知する。
予め設定された出荷に適した体重に近づいたタイミングで、枝肉がどれくらい取れるかを推定し、その枝肉の量を通知する。
同様に出荷に適した体重に近づいたタイミングで、脂肪がどれくらい付いているかを推定し脂肪の割合をパーセント（％）で表記して通知する。
同様に出荷に適した体重に近づいたタイミングで、極上、上、中、並、それ以外の５段階でランク付けし、各ランクの豚が何頭いるかを推定して通知する。
同様に出荷に適した体重に近づいたタイミングで、上記ランク毎の相場価格に沿って想定売上を表示する。想定売上は、想定の各ランク毎の頭数×相場価格で事前に把握することができる。
ブロック単位の頭数や環境に最適な飼料の量を定期通知する。
頭数、成長度合い、気温・湿度等の環境情報を基に算出された最適な飼料の量を通知する。
ブロック単位の頭数や環境に最適な原材料の配合割合を定期通知する。
頭数、成長度合い、気温・湿度等の環境情報を基に算出された最適な配合プランを通知する。
予め決められた時間（朝・昼・夜の３回）に現状の豚舎内の気温・湿度を計測して通知する。
予め決められた時間（朝・昼・夜の３回）に季節毎に適切な豚舎内の気温・湿度を通知する。
ブロックにおいて一定の気温範囲を超えることが予測できた場合に、その日の気温の異常値を通知する。
ブロックにおいて一定の湿度範囲を超えることが予測できた場合に、その日の湿度の異常値を通知する。
一定の密度範囲を超えることが予測できた場合に豚が密集し過ぎている旨をブロック毎に通知する。
最低気温と最高気温の差異（気温差）について前日の状況を当日の朝に通知する。
最低気温と最高気温の予測（予測気温差）を翌日の予測気温差を当日に通知する。
外気と室内の気温との差異（気温差）について前日の状況を当日の朝に通知する。
外気と室内の気温の予測（予測気温差）を翌日の予測気温差を当日に通知する。
予め決められた時間（朝・昼・夜の３回）に、計測された二酸化炭素濃度を通知する。
画像解析により計測された柵の密度（の度合い）が予め設定された許容密度（閾値）以上に高い状態になったタイミングで、「密度が高く、豚を分散させた方がよい状況になった」旨のアラートメッセージを出力することで通知する。
予め決められた時間（朝・昼・夜の３回）に、センサＳＥにより計測されたアンモニア濃度を通知する。
センサＳＥにより計測されたアンモニア濃度の度合いが予め設定された閾値に達したタイミングで、例えば「密度が高く、豚を分散させた方がよい状況になりました。」等のアラートメッセージで通知する。
画像解析の結果、死亡可能性フラグが立った場合、「死亡している可能性が高い豚を検知しました。」等のアラートメッセージで通知する。
弱っている豚がいる可能性が高い条件に適合した場合（豚が死にそうな時）、豚の死亡リスクが高まっている旨のアラートメッセージを出力することで通知する。
増体が明らかに鈍ってきたタイミングで、増体の状況を解析し、病気の予兆として「増体が鈍くなると餌を十分に摂取していないので食欲の低下に紐付いて病気の可能性がある」旨のメッセージを通知する。
カメラＣＡで撮像された動画を解析した結果、各種病気の予兆が察知された場合に各種病気の予兆を通知する。
映像が取得できていない場合、カメラＣＡの動作状況の調査を依頼する旨の通知を行う。
環境情報が取得できていない場合、センサＳＥの動作状況の調査を依頼する旨の通知を行う。
通信が断絶した場合、ネットワークＮの状態の調査を依頼する旨の通知を行う。
カメラＣＡやセンサＳＥ等のデバイスにリモートでアクセスできない場合、デバイス自体の電源が入っているかどうかの調査を依頼する旨の通知を行う。
カメラＣＡの映像から付着物があると判定した場合、カメラＣＡのレンズに汚れがあり正常に撮影できない旨のアラートメッセージを管理者端末２に提示して、管理者や係員に伝達する。この他、カメラＣＡやセンサＳＥ等のデバイスが設置又はメンテナンスしてから何日経過したかを示すメッセージを通知する。
The alert /
That is, the alert /
The following is a list of specific alert examples.
Periodically notify the number of pigs in the entire piggery or in block units (fence units).
Regularly notify you of the increase in body weight. Regularly notify you of various weight factors. Notify the average, center, maximum, and minimum weight of the whole once a day.
When the difference is more than a certain value, the median and the minimum deviation are notified.
When the difference between the slow-growing pig and the fast-growing pig deviates by a certain value or more, either the slow-growing pig or the fast-growing pig is detected and notified. It also notifies the maximum deviation from the median.
When the weight approaches the preset shipping weight, the pig that has reached that weight is detected and notified. Detects and notifies pigs that have reached a preset weight.
Estimate how much carcass can be taken and notify the amount of carcass when the weight approaches the preset shipping weight.
Similarly, when you approach the weight suitable for shipping, estimate how much fat you have and notify you by expressing the percentage of fat in percentage.
Similarly, when the weight approaches the appropriate weight for shipping, the pigs are ranked in 5 levels of best, top, medium, average, and others, and the number of pigs of each rank is estimated and notified.
Similarly, when the weight approaches the weight suitable for shipping, the estimated sales are displayed according to the market price for each rank. Estimated sales can be grasped in advance by multiplying the number of heads for each assumed rank by the market price.
Periodically notify the number of animals per block and the amount of feed that is optimal for the environment.
Notify the optimum amount of feed calculated based on environmental information such as the number of heads, degree of growth, temperature and humidity.
Periodically notify the number of heads per block and the ratio of raw materials that are optimal for the environment.
We will notify you of the optimal formulation plan calculated based on environmental information such as the number of animals, the degree of growth, temperature and humidity.
The current temperature and humidity inside the piggery are measured and notified at a predetermined time (three times in the morning, noon, and night).
Notify the appropriate temperature and humidity in the piggery for each season at a predetermined time (three times in the morning, noon, and night).
If it is predicted that the block will exceed a certain temperature range, an outlier of the temperature of the day will be notified.
If it is predicted that the block will exceed a certain humidity range, the outlier of the humidity of the day will be notified.
When it is predicted that the density range will be exceeded, the fact that the pigs are too crowded will be notified for each block.
Notify the situation of the previous day about the difference between the minimum temperature and the maximum temperature (temperature difference) in the morning of the day.
The forecast of the minimum temperature and the maximum temperature (estimated temperature difference) is notified on the day of the forecast temperature difference of the next day.
Notify the situation of the previous day about the difference (temperature difference) between the outside air and the indoor temperature on the morning of the day.
The predicted temperature difference between the outside air and the room (predicted temperature difference) is notified on the next day.
Notify the measured carbon dioxide concentration at a predetermined time (three times in the morning, noon, and night).
At the timing when the density (degree) of the fence measured by image analysis became higher than the preset allowable density (threshold value), "the density was high and it was better to disperse the pigs. Notify by outputting an alert message to that effect.
The ammonia concentration measured by the sensor SE is notified at a predetermined time (three times in the morning, noon, and night).
When the degree of ammonia concentration measured by the sensor SE reaches a preset threshold value, an alert message such as "The density is high and it is better to disperse the pigs" is notified. ..
If the possibility of death flag is set as a result of image analysis, an alert message such as "A pig with a high possibility of dying has been detected" will be notified.
If the conditions that are likely to be weak pigs are met (when the pigs are about to die), an alert message will be output to the effect that the pigs are at increased risk of death.
When the weight gain is clearly slowed down, the situation of the weight gain is analyzed, and as a sign of illness, "If the weight gain slows down, you are not eating enough food, so there is a possibility of illness linked to a decrease in appetite. Notify the message to that effect.
As a result of analyzing the moving image captured by the camera CA, when a sign of various diseases is detected, the sign of various diseases is notified.
If the image cannot be acquired, a notification is given to request an investigation of the operating status of the camera CA.
If the environmental information has not been acquired, a notification is given to request an investigation of the operating status of the sensor SE.
If the communication is interrupted, a notification is given to request the investigation of the state of the network N.
If the device such as the camera CA or the sensor SE cannot be accessed remotely, a notification is given to request an investigation as to whether or not the device itself is turned on.
When it is determined from the image of the camera CA that there is an deposit, an alert message indicating that the lens of the camera CA is dirty and normal shooting cannot be performed is presented to the
表示制御部１０５は、処理実行部１０４から出力される各種処理の結果を管理者端末２に提示するための表示制御を実行する。
具体的には、表示制御部１０５は、処理実行部１０４の飼料配合リコメンド部１１０から出力される飼料１００Ｋｇあたり各種飼料の配合率や豚舎Ｂ単位の飼料の量を管理者端末２に提示するための表示制御を実行する。
The
Specifically, the
以上のように実施形態の情報処理システムにおけるサーバ１の機能構成によれば、画像解析ＡＩ_Ｑが、豚舎Ｂの動画Ｄを解析することで、Ｎの豚Ｐ１乃至Ｐｎを示すオブジェクトＯＰ１乃至ＯＰｎを認識し、その当該家畜オブジェクトを種類解析部１０３が、１豚単位に解析し、豚５０頭の夫々の体重をＮの豚オブジェクトＯＰ１乃至ＯＰｎ毎に生成する。そして、処理実行部１０４が、豚舎Ｂの単位の豚の平均体重と、温度や湿度等の計測データとを入力パラメータとして例えば１００Ｋｇあたりの飼料の配合率の演算処理を実行して管理者端末２へ提示するので、管理者端末２の画面で飼料の配合率を閲覧した管理者や係員は、豚舎Ｂへ見回ることなく、その時に必要な飼料の配合率で飼料を配合して豚舎の餌場に持ち込めばよくなり、人の経験や勘に頼ることなく豚を飼育することができる。
As described above, according to the functional configuration of the
ここで、図８を参照して、管理者端末に表示される画面について説明する。
図８は、図１の管理者端末の画面の一例を示す図である。
図８に示すように、管理者端末２の画面８０は、サーバ１により開示され、管理者端末２からアクセスすることで閲覧可能となるＷｅｂページ又は管理者端末２にインストールされるアプリケーションプログラム（以下「アプリ」と称す）で提供される。
画面８０には、豚舎Ｂが複数の柵で区分されている場合、その中のある柵（例えばＡブロック－１等）の動画Ｄが表示されるエリア８１と、Ａブロック－１において飼育されている豚の体重の範囲とその範囲に属する豚の頭数が表示されるエリア８２と、最新の体重の計測結果と、１週間前の統計体重とが表示されるエリア８３と、天気、室温、湿度が表示されるエリア８４と、センサＳＥにより計測された環境情報に応じて予め設定された注意コメントが表示されるエリア８５とが配置されている。
Here, a screen displayed on the administrator terminal will be described with reference to FIG.
FIG. 8 is a diagram showing an example of the screen of the administrator terminal of FIG.
As shown in FIG. 8, the
When the piggery B is divided by a plurality of fences on the
この画面８０では、上述した各エリア８１乃至８５に表示される情報を管理者や係員が閲覧することで、豚舎Ｂに見に行くことなく、豚舎Ｂの豚Ｐ１乃至Ｐｎの飼育環境や発育状況、健康状況等を把握及び管理することができる。
例えば管理者や係員が、エリア８１を閲覧することで、Ａブロック－１において飼育されている豚の状況をリアルタイムで閲覧することができる。
また、エリア８１において管理者や係員が他のブロックの動画Ｄを閲覧したいときに、切替ボタン又はプルダウンメニュー（図示せず）を操作することで、他のブロックを閲覧することができる。
On this
For example, by browsing the
Further, when the administrator or the person in charge wants to browse the moving image D of another block in the
エリア８２では、豚の体重の範囲が例えば５Ｋｇ単位で区分されており、管理者や係員は、どの範囲に何頭の豚が入っているかを一目で確認することができ、そのブロックの豚の増体バランスが一目でわかる。
In
エリア８３では、最新の計測結果として、ブロックの豚の例えば平均体重、最低体重、最大体重が表示される。また、１週間前の統計体重として、ブロックの豚の例えば平均体重、最低体重、最大体重が表示される。これにより、管理者や係員は、１週間前と今でどの程度、豚が増体したかを判断することができる。
In the
エリア８４では、天気のマーク（晴れ、雨、曇り等）と、気温（外気の温度）と、室温（豚舎内の気温）と、湿度（豚舎内の湿度）とが表示されるので、管理者や係員は、豚の飼育環境が現在どのような状況かを一目で判断できる。
In
エリア８５では、環境情報が予め設定された注意喚起条件を満たした場合、管理者や係員に注意喚起を促すメッセージが表示されるので、メッセージを閲覧するだけで、豚舎に見回りに行ったり、人の経験に頼ることなく、飼育環境が悪化する前に豚舎Ｂの環境を改善することができる。
In
このようにサーバ１の豚舎監視機能と、監視結果を表示する管理者端末２の画面８０とによれば、以下のような効果が得られる。
同じ柵の中で同時に計測された複数の豚の体重・体長がリアルタイムに確認することができる。
本実施形態では、カメラＣＡで同時に最大５０頭、豚の体重・体長等の推定計測を実行することができる。また、カメラＣＡにより撮像された動画から、豚の体重・体長等を常時、計測するので、日々の増体変化等をグラフで確認することができる。
これまでは、１頭１頭の豚について人手の作業で行っていたため、体重・体長測定に時間が掛かる、増体を均一に管理することが難しい、出荷時の体重がバラつく等の問題があったが、本実施形態では、体重・体長測定を自動計測するので、日々の増体計測で細かく管理することができる。また豚を体重別に柵に入れて、体重に応じた飼料で飼育することで出荷時の豚の体重を均一化が図れる。
この結果、豚の体重・体長の計測にかかる時間と労力を圧倒的に削減することができる。また増体の個体差を限りなくなくすことにより、理想の体重で出荷することができる。
As described above, according to the piggery monitoring function of the
The weight and length of multiple pigs measured at the same time in the same fence can be confirmed in real time.
In the present embodiment, the camera CA can simultaneously perform estimation measurement of the weight, body length, etc. of up to 50 pigs. In addition, since the weight, body length, etc. of the pig are constantly measured from the moving image captured by the camera CA, daily changes in body weight gain can be confirmed in a graph.
Until now, since each pig was manually measured, there were problems such as taking time to measure body weight and length, difficulty in managing weight gain uniformly, and weight variation at the time of shipment. However, in this embodiment, since the body weight / body length measurement is automatically measured, it can be finely managed by the daily weight gain measurement. In addition, the weight of pigs at the time of shipment can be made uniform by putting pigs in a fence according to their body weight and raising them with feed according to their body weight.
As a result, the time and labor required to measure the weight and body length of the pig can be overwhelmingly reduced. In addition, by eliminating individual differences in body weight gain, it is possible to ship at an ideal weight.
本実施形態では、カメラＣＡによる動画の撮像により動態の計測ができると共に、センサＳＥにより豚舎の温度や湿度等を計測することで、豚舎環境と動態への影響を分析することができる。
豚舎内部の温湿度を２４時間測定し、管理者端末２の画面８０に提示することで、それを閲覧した管理者や係員が、豚舎内部の環境の変化に迅速に対応することで、豚舎内を常に適温、敵湿に保つことができる。また環境の変化による豚への影響を、豚が動く生態（動態）として分析することで、豚の体調が悪化する前に異常を把握することができる。
これまでは、豚舎での人手の計測のため湿温度の確認に手間が掛かる、湿温度の豚への影響を把握しづらい、対応が遅れると豚の体に影響する等の問題があったが、本実施形態では、カメラＣＡによる監視に加えてセンサＳＥにより豚舎の温度や湿度を常時計測して自動的に集計することができる。また豚舎の中が豚に適した温度又は湿度でない場合、アラートを発報することで、管理者や係員がその状況をいち早く把握することができる。また、豚の動態から豚の異常を検知することができる。
この結果、豚の体調管理に不可欠な豚舎内の湿温度管理をセンサＳＥとサーバ１で管理することで、豚の動態に異常が生じた場合、異常の対処をいち早く行うことができる。
In the present embodiment, the dynamics can be measured by capturing a moving image with the camera CA, and the influence on the piggery environment and dynamics can be analyzed by measuring the temperature, humidity, etc. of the piggery with the sensor SE.
By measuring the temperature and humidity inside the piggery for 24 hours and presenting it on the
Until now, there were problems such as it took time to check the humidity temperature due to manual measurement in the piggery, it was difficult to grasp the effect of the humidity temperature on the pig, and if the response was delayed, it would affect the pig's body. In this embodiment, in addition to monitoring by the camera CA, the temperature and humidity of the piggery can be constantly measured by the sensor SE and automatically totaled. If the temperature or humidity inside the piggery is not suitable for pigs, an alert can be issued so that the manager or staff can quickly grasp the situation. In addition, abnormalities in pigs can be detected from the dynamics of pigs.
As a result, by managing the humidity temperature control in the piggery, which is indispensable for managing the physical condition of the pig, with the sensor SE and the
本実施形態では、豚舎のブロック毎に豚の死亡をアラートする。
死亡してしまった豚をブロック単位で捕捉・通知することで、豚舎の衛生・防疫へのためにトリアージュをする対策が可能になる。
これまでは、豚が寝てるか死亡してるかわからない、死体を早く処理したいが遅れることがある、周りの豚へ悪い影響が出てしまう等の問題があったが、本実施形態では、死亡している豚を自動判別し検知しアラートを出力することで、周囲に悪い影響が出る前に対処することができる。
この結果、豚の死亡を人の目視ではなくカメラＣＡとセンサＳＥで監視及び補足するので、豚舎内の他の豚に影響が出る前に対処することができ、このことが豚の死亡率の低下に繋がる。
In this embodiment, the death of a pig is alerted for each block of the piggery.
By capturing and notifying dead pigs in block units, it is possible to take measures to triage for the hygiene and epidemic prevention of piggery.
Until now, there have been problems such as not knowing whether the pig is sleeping or dead, wanting to process the carcass quickly but delaying it, and having a bad effect on the surrounding pigs, but in this embodiment, it died. By automatically identifying and detecting the pigs that are slaughtered and outputting an alert, it is possible to deal with the situation before it adversely affects the surroundings.
As a result, pig mortality is monitored and supplemented by camera CA and sensor SE rather than by human visual inspection, so that other pigs in the piggery can be dealt with before they are affected, which is the pig mortality rate. It leads to a decline.
次に、図９を参照して、サーバ１により実行される処理を説明する。図９は、図７の機能的構成を有するサーバ１により実行される処理の流れの一例を説明するフローチャートである。
実施形態の情報処理システムでは、カメラＣＡにより撮像された豚舎Ｂの動画ＤとセンサＳＥにより計測された豚舎Ｂの温度や湿度などの計測データとがサーバ１に入力されることで、サーバ１は、１以上の豚Ｐ１乃至Ｐｎの夫々の個体を識別し、夫々の豚Ｐ１乃至Ｐｎを示すオブジェクトＯＰ１乃至ＯＰｎについて種類を解析し、種類に応じた所定処理を以下のように実行する。
Next, the process executed by the
In the information processing system of the embodiment, the video D of the piggery B captured by the camera CA and the measurement data such as the temperature and humidity of the piggery B measured by the sensor SE are input to the
ステップＳ１０１において、動画取得部１０１は、豚舎の中で１以上の豚が活動する様子が撮像された結果得られる、時間方向に複数の単位画像が配置されて構成される動画を取得する。
In step S101, the moving
ステップＳ１０２において、画像解析ＡＩ_Ｑは、豚舎Ｂの動画Ｄを解析することで、当該豚舎Ｂの動画Ｄに含まれるＮの豚Ｐ１乃至Ｐｎを示すオブジェクトＯＰ１乃至ＯＰｎを認識する。 In step S102, the image analysis AI_Q recognizes the objects OP1 to OPn indicating the pigs P1 to Pn of N included in the moving image D of the piggery B by analyzing the moving image D of the piggery B.
ステップＳ１０３において、種類解析部１０３は、当該家畜オブジェクトを１豚単位に解析し、１豚単位に関する所定種類の情報（例えば豚５０頭の夫々の体重、筋肉量、死亡・病気の有無等）を第２単位解析情報として、Ｎの豚オブジェクトＯＰ１乃至ＯＰｎ毎に生成して出力する。
In step S103, the
ステップＳ１０４において、処理実行部１０４は、種類解析部１０３により生成されたＮの第２単位解析情報(豚５０頭の夫々の解析結果)に基づいて生成される第１単位（豚舎Ｂの単位）の所定種類の情報（豚５０頭の平均体重等）と、第１単位解析情報として、複数種類の第１単位情報、及び複数種類の環境情報（温度や湿度の計測データ）のうち１以上とを入力パラメータとして当該入力パラメータを用いる所定処理（飼料配合率のリコメンド処理、自動帳票化処理、遺伝子／ゲノム解析処理、販売支援処理、アラート／リポート処理等）を実行する。
一例としては、処理実行部１０４の例えば飼料配合リコメンド部１１０は、種類解析部１０３により生成された豚５０頭の夫々の解析結果に基づいて生成される豚５０頭の平均体重と、そのときの豚舎Ｂの温度や湿度の計測データとを入力パラメータとしてリコメンドＡＩ_Ｒに入力し、リコメンドＡＩ_Ｒに対して、当該入力パラメータを用いて飼料１００Ｋｇあたりの配合率の演算処理を実行させ、リコメンドＡＩ_Ｒから出力される飼料１００Ｋｇあたりの配合率を表示制御部１０５へ出力する。
In step S104, the
As an example, for example, the feed
ステップＳ１０５において、表示制御部１０５は、処理実行部１０４から出力される処理結果の情報（豚５０頭分を想定した飼料配合に関する情報（飼料１００Ｋｇあたりの複数種の飼料の配合率）を管理者端末２の画面に出力する。
In step S105, the
このようにサーバ１の動作によれば、管理者や係員は、豚１頭毎の体重の変化や体調等を一々記録することなく、その日に豚舎Ｂの豚Ｐ１乃至Ｐｎに与える飼料の配合率が分かるので、その配合率で豚舎Ｂ全体の飼料を作り豚Ｐ１乃至Ｐｎに与えることができる。この結果、作業効率を向上することができる。
In this way, according to the operation of the
ここで、図１０を参照して本実施形態の情報処理システムの動画解析の技術を食肉加工に転用する例について説明する。
図１０は、加工前と加工後の豚の動画の取得の様子を示す図である。
図１に示した豚舎Ｂに設置されるカメラＣＡの他に、食肉加工工場にカメラを設置し、２つのカメラにより撮像される２つの動画をサーバ１で解析することにより解析結果の新たな活用方法が考えられる。
Here, an example in which the moving image analysis technique of the information processing system of the present embodiment is diverted to meat processing will be described with reference to FIG.
FIG. 10 is a diagram showing a state of acquisition of moving images of pigs before and after processing.
In addition to the camera CA installed in the piggery B shown in FIG. 1, a camera is installed in the meat processing factory and the analysis results are newly utilized by analyzing the two videos captured by the two cameras on the
図１０に示すように、豚舎Ｂから出荷する際の豚（加工前の豚）の動画Ｄ１と、食肉加工工場で加工した後の豚（加工後の豚）の動画Ｄ２と画像解析ＡＩ_Ｑにより解析し、加工前後の豚の情報どうしを対応させる。
例えば加工前に撮像された豚の個体と加工後に撮像された加工肉の個体とを対応させて管理する。この際に夫々の個体の部位の特徴情報を対応付ける。
As shown in FIG. 10, it is analyzed by the video D1 of the pig (pig before processing) shipped from the piggery B, the video D2 of the pig (pig after processing) processed at the meat processing factory, and the image analysis AI_Q. Then, the information of the pig before and after processing is made to correspond to each other.
For example, an individual pig imaged before processing and an individual processed meat imaged after processing are managed in correspondence with each other. At this time, the characteristic information of each individual part is associated.
例えば加工前の豚の背中の状態と、加工肉の脂肪厚とを対応付ける。また、加工前の豚の外殻の特徴と加工肉の枝肉の状態とを対応付ける。さらには、加工前の豚に付いていた異物（突起した部分）と、加工肉の同じ異物の部位の内容（例えば脂肪等）とを対応付ける。
これら加工前後の豚の情報を画像解析ＡＩ_Ｑにて解析することで、加工前の豚の外観画像から加工肉の脂肪厚等を推定できる。また推定した脂肪と肉の状態とを推定できる。さらに加工前の豚に付いていた異物がどのようなものであるかを加工前に判定することができる。
For example, the condition of the back of the pig before processing is associated with the fat thickness of the processed meat. In addition, the characteristics of the outer shell of the pig before processing and the state of the carcass of the processed meat are associated with each other. Furthermore, the foreign matter (protruding part) attached to the pig before processing is associated with the content of the same foreign matter part (for example, fat) of the processed meat.
By analyzing the information of the pig before and after processing by image analysis AI_Q, the fat thickness of the processed meat can be estimated from the appearance image of the pig before processing. In addition, the estimated fat and meat condition can be estimated. Furthermore, it is possible to determine what kind of foreign matter is attached to the pig before processing before processing.
ＡＩ解析の結果を食肉加工工場に提供することで、各種の推定計測と実計測とを比較して互いのデータが一致するか否かの検証をすることができる。
また、現場での異物判定をすることができる。さらにオペレーションに合わせた最適な利用内容を検討することができる。加工前の豚の情報に基づいて、加工肉に格付けをすることができる。
By providing the result of AI analysis to the meat processing factory, it is possible to compare various estimated measurements with actual measurements and verify whether or not the data match each other.
In addition, foreign matter can be determined on-site. Furthermore, it is possible to consider the optimal usage content according to the operation. Processed meat can be rated based on information on unprocessed pigs.
上述した実施形態によれば、人の経験や勘に頼ることなく豚の飼育から販売に至る一連のビジネスを支援することができる。 According to the above-described embodiment, it is possible to support a series of businesses from pig breeding to sales without relying on human experience and intuition.
上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
換言すると、図７の機能構成は例示に過ぎず、特に限定されない。
即ち、上述した一連の処理を全体として実行できる機能が情報処理システムに備えられていれば足り、この機能を実現するためにどのような機能ブロック及びデータベースを用いるのかは特に図７の例に限定されない。
また、機能ブロック及びデータベースの存在場所も、図７に特に限定されず、任意でよい。例えばサーバ１の機能ブロック及びデータベースを、管理者端末２、カメラＣＡやセンサＳＥ等に移譲させてもよい。更に言えば、カメラＣＡやセンサＳＥは、同じハードウェアであってもよい。
The series of processes described above can be executed by hardware or software.
In other words, the functional configuration of FIG. 7 is merely an example and is not particularly limited.
That is, it suffices if the information processing system is equipped with a function capable of executing the above-mentioned series of processes as a whole, and what kind of functional block and database is used to realize this function is particularly limited to the example of FIG. Not done.
Further, the location of the functional block and the database is not particularly limited to FIG. 7, and may be arbitrary. For example, the functional block and database of the
また例えば、一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えばサーバの他汎用のスマートフォンやパーソナルコンピュータであってもよい。
Further, for example, when a series of processes are executed by software, a program constituting the software is installed in a computer or the like from a network or a recording medium.
The computer may be a computer embedded in dedicated hardware. Further, the computer may be a computer capable of executing various functions by installing various programs, for example, a general-purpose smartphone or a personal computer in addition to a server.
また、例えば、このようなプログラムを含む記録媒体は、ユーザにプログラムを提供するために装置本体とは別に配布される図示せぬリムーバブルメディアにより構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに提供される記録媒体等で構成される。 Further, for example, the recording medium including such a program is not only composed of a removable medium (not shown) distributed separately from the device main body in order to provide the program to the user, but is also preliminarily incorporated in the device main body. It is composed of a recording medium or the like provided to the user in the state.
なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的或いは個別に実行される処理をも含むものである。
また、本明細書において、システムの用語は、複数の装置や複数の手段等より構成される全体的な装置を意味するものとする。
In the present specification, the steps for describing a program recorded on a recording medium are not only processed in chronological order but also in parallel or individually, even if they are not necessarily processed in chronological order. It also includes the processing to be executed.
Further, in the present specification, the term of the system means an overall device composed of a plurality of devices, a plurality of means, and the like.
上記実施形態では、所定の場として豚舎Ｂとし個体識別の対象を豚Ｐとして説明したが、画像解析ＡＩ_ＱやリコメンドＡＩ_Ｒのデータを拡充することで、例えば牛、羊、鶏等の家畜も解析対象にできる。さらには犬、猫、猿、人間等のさまざまな動物を対象とすることができる。即ち所定の場で管理されるＮ（Ｎは１以上の整数値）の家畜を第１単位として、当該第１単位に対する所定処理を実行すすればよい。
上記実施形態では、場の環境に関する１以上の物理量を、温度や湿度のデータとし、センサＳＥが検出するものとしたが、これ以外のデータ、例えば二酸化炭素濃度等のデータであってもよく、検出装置は、場の環境に関する１以上の物理量を検出し、その検出結果を含む情報を場環境情報として出力するものであれば足りる。
上記実施形態では、複数種類の情報の解析を１つの種類解析部１０３が行う例を説明したが、種類毎に解析部を設けておくことで、さらに種類を増やすことが容易になる。
上記実施形態では、Ｎの質量に基づいて生成される第１単位の質量の一例として５０頭の豚Ｐ１乃至Ｐｎの平均体重を示したが、この他、例えば総重量でもよいし、偏差に基づく統計値等であってもよい。
In the above embodiment, the piggery B is used as a predetermined place and the target of individual identification is the pig P. However, by expanding the data of the image analysis AI_Q and the recommended AI_R, livestock such as cows, sheep, and chickens are also analyzed. Can be done. Furthermore, various animals such as dogs, cats, monkeys, and humans can be targeted. That is, the livestock of N (N is an integer value of 1 or more) managed in a predetermined place may be used as the first unit, and the predetermined processing may be executed for the first unit.
In the above embodiment, one or more physical quantities related to the environment of the field are used as temperature and humidity data and detected by the sensor SE, but other data such as carbon dioxide concentration may be used. It suffices if the detection device detects one or more physical quantities related to the field environment and outputs information including the detection result as field environment information.
In the above embodiment, an example in which one
In the above embodiment, the average body weight of 50 pigs P1 to Pn is shown as an example of the mass of the first unit generated based on the mass of N, but in addition to this, for example, the total weight may be used, or based on the deviation. It may be a statistical value or the like.
上記実施形態では、豚舎Ｂ内の全ての豚Ｐｋが撮像されるように、豚舎ＢにカメラＣＡを１台設置することにしたが、豚Ｐｋの位置によっては死角ができることがある。
そこで、図１１に示すように、豚舎Ｂの柱９１にワイヤー９２を張り、そのワイヤー９２上を所定方向（例えば水平方向Ｗ等）に移動自在なカメラ９３を設置してもよい。
カメラ９３は、ライダーセンサ（ＬｉＤＡＲセンサ）を備え、撮像対象までに距離を測定することができるものとする。この例ではワイヤー９２としたがレール等であってもよい。
サーバ１は、カメラ９３により異なる位置から取得された複数の画像から、画像解析ＡＩ_Ｑにより３Ｄモデルを生成し、豚の体長と幅を測定し、測定した体長と幅から体重を推定する。
この例によれば、豚舎Ｂの柱９１に張ったワイヤー９２上を移動するカメラ９３を設置して、カメラ９３により異なる位置から撮像された複数の画像から、死角なく、豚舎Ｂ内の全ての豚Ｐｋの夫々の体重を推測することができる。
In the above embodiment, one camera CA is installed in the piggery B so that all the pigs Pk in the piggery B are imaged, but a blind spot may be formed depending on the position of the pig Pk.
Therefore, as shown in FIG. 11, a
The
The
According to this example, a
また、上記の例では、豚舎ＢにカメラＣＡやカメラ９３を設置したが、この他、例えば管理者端末２が例えばライダーカメラ（被写体までの距離計測機能）を搭載したスマートフォンであれば、専用のアプリケーションプログラム（以下「アプリ」と称す）をインストールすることで、管理者や係員がスマートフォンにより豚舎Ｂ内の夫々の豚Ｐｋを撮像して夫々の豚Ｐｋの体重をスマートフォンのアプリの画面に表示するようにしてもよい。
Further, in the above example, the camera CA and the
図１２に、その実施形態を示す。
この場合、図１２に示すように、スマートフォンのアプリのトップ画面Ｇ１に表示されたカメラアイコン９４を例えば係員がタップすると、アプリの画面は、撮像画面Ｇ２に遷移する。
FIG. 12 shows the embodiment.
In this case, as shown in FIG. 12, when, for example, a staff member taps the
撮像画面Ｇ２には、撮像エリアを示す枠９５と、「地面の位置をタップしてください」等といったメッセージが表示される。
係員が地面の位置（二重丸の位置）をタップすると、地面を含む豚までの距離が計測される。
そして、アプリは、計測された地面を含む豚までの距離データと、豚を撮影した際の角度データ及び画像データを含むデータをサーバ１へ送信する。なお、他にデータ（撮像時刻や温度、湿度等のデータ）があればそのデータも一緒に送信される。
On the image pickup screen G2, a
When the clerk taps the position of the ground (the position of the double circle), the distance to the pig including the ground is measured.
Then, the application transmits the measured distance data to the pig including the ground, and the data including the angle data and the image data when the pig is photographed to the
サーバ１では、受信されたデータを体重解析ＡＩ等により解析し、解析結果の推定体重データをスマートフォンへ返信する。
The
スマートフォンでは、アプリの画面Ｇ３の豚の撮像画像に重ねて表示される体重表示枠９６に、サーバ１から受信された推定体重データを表示する。また、画面Ｇ３にはテキストアイコン９７が表示される。
On the smartphone, the estimated weight data received from the
係員が、テキストアイコン９７をタップ操作することで、アプリの画面が次の画面Ｇ４へ遷移する。
画面Ｇ４には、テキスト入力枠９８が表示されるので、係員はそのとき観察したり気付いた情報（豚の名前や個体番号、豚の状態等）をテキスト入力し、保存ボタン９９をタップ操作することで、アプリにより、豚の画像データと体重データとテキストデータとそのときの時刻データとがサーバ１へ送信される。
サーバ１では、スマートフォンから受信された夫々のデータが豚の個体番号や名前等の識別子と共に対応して、管理ログや飼育記録等として記憶部１８に記憶される。
When the staff taps the
Since the
In the
この例によれば、スマートフォンに予め備えられている距離計測機能とアプリをインストールすることで、豚舎Ｂにカメラ設備を設けることなく、スマートフォンで豚を撮像するという簡易な操作で、豚１頭１頭の体重を測定し管理することができる。この結果、豚の飼育に関する管理機能を低コストに実現することができる。 According to this example, by installing the distance measurement function and application that are provided in advance on the smartphone, one pig can be photographed with a smartphone without installing a camera facility in the piggery B. Can measure and manage head weight. As a result, the management function related to pig breeding can be realized at low cost.
上記実施形態では、処理実行部１１０の所定処理として、飼料配合リコメンド処理、自動帳票化処理、増体／肉質予測処理、遺伝子／ゲノム解析処理、販売支援処理、及び、アラート／リポート処理を採用したが、この他、以下のような処理を採用することで、各種サービスを提供することができる。
例えば豚の状態に合わせたサプリメント、加工飼料、薬品等をリコメンドすることで、販売取次サービスを提供することができる。
ＡＩ等により豚の成長を予測し、予測した豚の成長の予測データに基づいて、豚自体を動産としたファイナンスサービスを提供することができる。
飼育情報を保険請求の際のエビデンスとすることで、保険紹介サービスを提供することができる。
肉質予測から売上を予測したり、飼料コストを予測することで、養豚農家の経営管理を支援するサービスを提供することができる。
養豚農家の経営状態を把握した上で事業を売却する際の価値算定を行うことで、Ｍ＆Ａ仲介サービスを提供することができる。
また、養豚農家の経営状態を把握した上で事業に必要な機材等のリース提供やファイナンスサービスを提供することができる。
養豚農家で飼育される豚の情報を、豚を仕入れる食肉メーカーに提供するサービスを実現することができる。
In the above embodiment, as the predetermined processing of the
For example, by recommending supplements, processed feeds, chemicals, etc. according to the condition of pigs, it is possible to provide a sales agency service.
It is possible to predict the growth of pigs by AI or the like, and provide a finance service using the pigs themselves as animals based on the predicted data of the predicted pig growth.
By using the breeding information as evidence when making an insurance claim, it is possible to provide an insurance referral service.
By forecasting sales from meat quality forecasts and forecasting feed costs, it is possible to provide services that support the business management of pig farms.
It is possible to provide an M & A intermediary service by calculating the value when selling a business after grasping the business condition of a pig farmer.
In addition, it is possible to provide leasing and financing services for equipment necessary for the business after grasping the business condition of the pig farmer.
It is possible to realize a service that provides information on pigs raised by pig farms to meat manufacturers that purchase pigs.
以上を換言すると、本発明が適用される情報処理装置は、次のような構成を有する各種各様の実施形態をとることができる。
即ち、本発明の情報処理システム（例えば、図５の情報処理システム等）は、
所定の場（例えば図１の豚舎Ｂ等）で管理されるＮ（Ｎは１以上の整数値）の家畜（例えば図１の豚Ｐ１乃至Ｐｎ等）を第１単位（例えば上述の明細書でいう豚舎単位）として、当該第１単位に対する所定処理を実行する情報処理システムにおいて、
前記場（例えば図１の豚舎Ｂ等）の様子を撮像し、その結果得られる撮像画像を場画像（例えば図１の動画Ｄ等）として出力する撮像装置（例えば図４のカメラＣＡ等）と、
前記場（例えば図１の豚舎Ｂ等）の環境に関する１以上の物理量（例えば温度や湿度等）を含む情報を場環境情報として出力する出力装置（例えば図１のセンサＳＥ、又は将来予測の場合には天気予報等の予測情報を取得して出力する装置等）と、
前記場画像（例えば図１の豚舎Ｂの豚Ｐ１乃至Ｐｎの画像等）と前記場環境情報（例えば温度や湿度等の計測値等）とのうち少なくとも一部に基づいて前記所定処理を実行する情報処理装置（例えば図７のサーバ１等）と、
を含み、
前記情報処理装置（例えば図７のサーバ１等）は、
前記場画像を解析することで、当該場画像に含まれる前記Ｎの家畜（例えば豚Ｐ１乃至Ｐｎ等）の夫々を示すＮのオブジェクトを、Ｎの家畜オブジェクト（例えば図１の豚オブジェクトＯＰ１乃至ＯＰｎ等）として認識する認識手段（例えば図７の画像解析ＡＩ_Ｑ等）と、
当該家畜オブジェクトを第２単位（例えば上述の明細書でいう１豚単位）として、前記第２単位に関する所定種類の情報（体重、身長、筋肉量、死亡・病気の有無等）を第２単位解析情報（例えば上述の明細書でいう豚単位解析情報）として、前記Ｎの家畜オブジェクト（例えば図１の豚オブジェクトＯＰ１乃至ＯＰｎ等）毎に生成して出力する解析手段（例えば図７の種類解析部１０３等）と、
Ｎの前記第２単位解析情報に基づいて生成される前記第１単位（例えば上述の明細書でいう豚舎単位）の前記所定種類の情報（例えば第２単位解析情報が体重であれば、ｎ頭の豚の平均体重）を第１単位解析情報として、複数種類の第１単位情報及び複数種類の環境情報のうち１以上を入力パラメータ（例えばｎ頭の豚Ｐ１乃至Ｐｎの平均体重と、豚舎Ｂの温度及び湿度）として、当該入力パラメータを用いる前記所定処理（当該入力パラメータをリコメンドＡＩ_Ｒ（モデル）に入力した結果、当該リコメンドＡＩ_Ｒ（モデル）から出力される飼料１００Ｋｇあたり各種飼料の配合率や豚舎Ｂ単位の飼料の量をリコメンド情報として出力する処理）を実行する所定処理実行手段（例えば図７の処理実行部１０４等）と、
を備える。
このように、場画像を解析することで、Ｎの家畜（豚舎Ｂの豚Ｐ１乃至Ｐｎ等）の夫々を示すＮのオブジェクトを、Ｎの家畜オブジェクト（例えば図１の豚オブジェクトＯＰ１乃至ＯＰｎ等）として認識し、その家畜オブジェクトを第２単位（１豚単位）として、第２単位に関する所定種類の情報（体重、身長、筋肉量、死亡・病気の有無等）を第２単位解析情報として、Ｎの家畜オブジェクト（例えば図１の豚オブジェクトＯＰ１乃至ＯＰｎ等）毎に生成し、そのＮの第２単位解析情報（豚Ｐ１乃至Ｐｎの夫々解析結果）に基づいて生成される第１単位（例えば上述の明細書でいう豚舎単位）の所定種類の情報（例えば第２単位解析情報が体重であれば、ｎ頭の豚の平均体重）を第１単位解析情報として、複数種類の第１単位情報及び複数種類の環境情報（例えば豚舎Ｂの温度や湿度等のデータ）のうち１以上を入力パラメータ（例えばｎ頭の豚Ｐ１乃至Ｐｎの平均体重と、豚舎Ｂの温度及び湿度）として、当該入力パラメータを用いる所定処理（当該入力パラメータをリコメンドＡＩ_Ｒ（モデル）に入力した結果、当該リコメンドＡＩ_Ｒ（モデル）から出力される飼料１００Ｋｇあたり各種飼料の配合率や豚舎Ｂ単位の飼料の量をリコメンド情報として出力する処理）を実行することで、豚舎等の場にいる多数の家畜の夫々についての情報を係員が管理せずに済むようになり、人の経験や勘に頼ることなく家畜の飼育から販売に至る一連のビジネスのうち、少なくとも家畜の飼育を支援することができる。
In other words, the information processing apparatus to which the present invention is applied can take various embodiments having the following configurations.
That is, the information processing system of the present invention (for example, the information processing system of FIG. 5) is
Livestock of N (N is an integer value of 1 or more) managed in a predetermined place (for example, piggery B in FIG. 1) (for example, pigs P1 to Pn in FIG. 1) are used as the first unit (for example, in the above specification). In an information processing system that executes predetermined processing for the first unit, as a piggery unit)
With an image pickup device (for example, camera CA in FIG. 4) that captures the state of the field (for example, piggery B in FIG. 1) and outputs the captured image obtained as a result as a field image (for example, moving image D in FIG. 1). ,
In the case of an output device (for example, the sensor SE in FIG. 1 or future forecast) that outputs information including one or more physical quantities (for example, temperature, humidity, etc.) related to the environment of the field (for example, piggery B in FIG. 1) as field environment information. Is a device that acquires and outputs forecast information such as weather forecasts) and
The predetermined process is executed based on at least a part of the field image (for example, images of pigs P1 to Pn in the piggery B in FIG. 1) and the field environment information (for example, measured values such as temperature and humidity). An information processing device (for example,
Including
The information processing device (for example, the
By analyzing the field image, N objects showing each of the N livestock (for example, pigs P1 to Pn, etc.) included in the field image can be converted into N livestock objects (for example, pig objects OP1 to OPn in FIG. 1). Etc.) and recognition means (for example, image analysis AI_Q in FIG. 7) and
Using the livestock object as the second unit (for example, one pig unit in the above specification), the second unit analysis of predetermined types of information (weight, height, muscle mass, presence / absence of death / illness, etc.) regarding the second unit. As information (for example, pig unit analysis information in the above specification), an analysis means (for example, the type analysis unit of FIG. 7) is generated and output for each of the N livestock objects (for example, pig objects OP1 to OPn in FIG. 1). 103 etc.) and
If the predetermined type of information (for example, if the second unit analysis information is body weight) of the first unit (for example, the piggery unit referred to in the above specification) generated based on the second unit analysis information of N, n heads. (Average weight of pigs) is used as the first unit analysis information, and one or more of a plurality of types of first unit information and a plurality of types of environmental information are input parameters (for example, the average weight of n pigs P1 to Pn and the piggery B). (Temperature and humidity), the predetermined process using the input parameter (as a result of inputting the input parameter into the recommended AI_R (model), the mixing ratio of various feeds per 100 kg of feed output from the recommended AI_R (model) and the piggery Predetermined processing execution means (for example,
To prepare for.
In this way, by analyzing the field image, N objects showing each of N livestock (pigs P1 to Pn, etc. in the piggery B) can be converted into N livestock objects (for example, pig objects OP1 to OPn, etc. in FIG. 1). The livestock object is used as the second unit (1 pig unit), and the predetermined type of information (weight, height, muscle mass, presence / absence of death / illness, etc.) regarding the second unit is used as the second unit analysis information. 1st unit (for example, described above) generated for each livestock object (for example, pig objects OP1 to OPn in FIG. 1) and based on the second unit analysis information of N (analysis results of pigs P1 to Pn respectively). The first unit analysis information is a predetermined type of information (for example, if the second unit analysis information is the weight, the average weight of n pigs) of the piggery unit referred to in the specification of the above, and a plurality of types of first unit information and One or more of multiple types of environmental information (for example, data such as temperature and humidity of piggery B) are used as input parameters (for example, average weight of n pigs P1 to Pn and temperature and humidity of piggery B). (As a result of inputting the input parameter to the recommended AI_R (model), the mixing ratio of various feeds per 100 kg of feed output from the recommended AI_R (model) and the amount of feed in the piggery B unit are output as recommended information. By executing the processing), the staff does not have to manage the information about each of the many livestock in the piggery, etc., and the livestock can be raised and sold without relying on human experience or intuition. Of the entire series of businesses, at least we can support the breeding of livestock.
前記出力装置（例えば図１のセンサＳＥ等）は、前記場（例えば豚舎Ｂ等）における前記家畜（豚舎Ｂの豚Ｐ１乃至Ｐｎ等）の放熱に関する外部環境パラメータ（例えば温度及び湿度の計測データ等）を出力し、
前記解析手段（例えば図７の種類解析部１０３等）は、前記第２単位解析情報として、前記家畜の筋肉に基づく質量（例えば体重や筋肉量等）を、前記Ｎの家畜オブジェクト（例えば図１の豚オブジェクトＯＰ１乃至ＯＰｎ等）毎に生成して出力し、
前記所定処理実行手段（例えば図７の飼料配合リコメンド部１１０及びリコメンドＡＩ_Ｒ等）は、
Ｎの前記質量に基づいて生成される前記第１単位の前記質量（本例では５０頭の豚Ｐ１乃至Ｐｎの平均体重等）と、前記外部環境パラメータ（例えば温度及び湿度の計測データ等）とを前記入力パラメータとして入力して、前記第１単位（例えば上述の明細書でいう豚舎単位）の飼料配合に関する情報（飼料１００Ｋｇにおける複数種の飼料の配合率等）を出力する処理（飼料リコメンド等）を、前記所定処理として実行する。
これにより、管理者や係員等のスタッフは、豚１頭毎の体重の変化や体調等を一々記録することなく、その日に豚舎Ｂの豚Ｐ１乃至Ｐｎに与える飼料の配合率が分かるので、その配合率で豚舎Ｂ全体の飼料を作り、豚Ｐ１乃至Ｐｎに与えることができるので、人の経験や勘に頼ることなく毎日豚Ｐ１乃至Ｐｎに与える飼料の配合を適切にした上で、作業効率を向上することができる。
The output device (for example, the sensor SE in FIG. 1) has external environmental parameters (for example, temperature and humidity measurement data, etc.) relating to heat dissipation of the livestock (pigs P1 to Pn, etc. in the piggery B) in the field (for example, piggery B, etc.). ),
The analysis means (for example, the
The predetermined treatment executing means (for example, the feed
With the mass of the first unit generated based on the mass of N (in this example, the average weight of 50 pigs P1 to Pn, etc.) and the external environmental parameters (eg, temperature and humidity measurement data, etc.). Is input as the input parameter, and information regarding the feed composition of the first unit (for example, the piggery unit referred to in the above specification) (mixing ratio of a plurality of types of feed in 100 kg of feed, etc.) is output (feed recommendation, etc.). ) Is executed as the predetermined process.
As a result, the staff such as the manager and the staff can know the mixing ratio of the feed to be given to the pigs P1 to Pn in the piggery B on that day without recording the change in weight and physical condition of each pig one by one. Since the feed for the entire piggery B can be prepared at the mixing ratio and given to pigs P1 to Pn, the work efficiency can be adjusted after adjusting the feed to be given to pigs P1 to Pn every day without relying on human experience or intuition. Can be improved.
ＣＡ・・・カメラ、ＳＥ・・・センサ、Ｑ・・・画像解析ＡＩ、Ｒ・・・リコメンドＡＩ、Ｕ・・・管理者、１・・・サーバ、２・・・管理者端末、１１・・・ＣＰＵ、１８・・・記憶部、１９・・・通信部、１０１・・・動画取得部、１０２・・・環境情報取得部、１０３・・・種類解析部、１０４・・・処理実行部、１０５・・・表示制御部、１１１・・・自動帳票化部、１１２・・・増体／肉質予測部、１１３・・・遺伝子／ゲノム解析部、１１４・・・販売支援部、１１５・・・アラート／リポート部 CA ... Camera, SE ... Sensor, Q ... Image analysis AI, R ... Recommended AI, U ... Administrator, 1 ... Server, 2 ... Administrator terminal, 11. -CPU, 18 ... storage unit, 19 ... communication unit, 101 ... video acquisition unit, 102 ... environment information acquisition unit, 103 ... type analysis unit, 104 ... processing execution unit , 105 ... Display control unit, 111 ... Automatic form conversion unit, 112 ... Weight gain / meat quality prediction unit, 113 ... Gene / genome analysis department, 114 ... Sales support department, 115 ...・ Alert / report section
Claims (4)
前記場の様子を撮像し、その結果得られる撮像画像を場画像として出力する撮像装置と、
前記場の環境に関する１以上の物理量を検出し、その検出結果を含む情報を場環境情報として出力する出力装置と、
前記場画像と前記場環境情報とのうち少なくとも一部に基づいて前記所定処理を実行する情報処理装置と、
を含み、
前記情報処理装置は、
前記場画像を解析することで、当該場画像に含まれる前記Ｎの家畜の夫々を示すＮのオブジェクトを、Ｎの家畜オブジェクトとして認識する認識手段と、
当該家畜オブジェクトを第２単位として、前記第２単位に関する所定種類の情報を第２単位解析情報として、前記Ｎの家畜オブジェクト毎に生成して出力する解析手段と、
Ｎの前記第２単位解析情報に基づいて生成される前記第１単位の前記所定種類の情報を第１単位解析情報として、複数種類の前記第１単位解析情報及び複数種類の前記場環境情報のうち１以上を入力パラメータとして、当該入力パラメータを用いる前記所定処理を実行する所定処理実行手段と、
を備え、
前記出力装置は、前記場環境情報として、前記場における前記家畜の放熱に関する外部環境パラメータを出力し、
前記解析手段は、前記第２単位解析情報として、前記家畜の筋肉に基づく質量を、前記Ｎの家畜オブジェクト毎に生成して出力し、
前記所定処理実行手段は、
前記第１単位解析情報を、Ｎの前記質量に基づいて生成される前記第１単位の前記質量として、当該質量及び前記外部環境パラメータを前記入力パラメータとして入力して、前記第１単位の飼料配合に関する情報を出力する処理を、前記所定処理として実行する、
情報処理システム。 In an information processing system that executes predetermined processing for the first unit, with N (N is an integer value of 1 or more) livestock managed in a predetermined place as the first unit.
An image pickup device that captures the state of the field and outputs the captured image obtained as a result as a field image.
An output device that detects one or more physical quantities related to the field environment and outputs information including the detection results as field environment information.
An information processing device that executes the predetermined process based on at least a part of the field image and the field environment information.
Including
The information processing device is
By analyzing the field image, a recognition means for recognizing an N object including each of the N livestock contained in the field image as an N livestock object,
An analysis means for generating and outputting each of the N livestock objects, with the livestock object as the second unit and predetermined type of information about the second unit as the second unit analysis information.
The predetermined type of information of the first unit generated based on the second unit analysis information of N is used as the first unit analysis information, and a plurality of types of the first unit analysis information and a plurality of types of the field environment information are used. A predetermined process execution means for executing the predetermined process using the input parameter with one or more of them as an input parameter, and a predetermined process execution means.
Equipped with
The output device outputs external environmental parameters related to heat dissipation of the livestock in the field as the field environment information.
The analysis means generates and outputs a mass based on the muscle of the livestock for each of the N livestock objects as the second unit analysis information, and outputs the mass.
The predetermined processing execution means is
The first unit analysis information is input as the mass of the first unit generated based on the mass of N, and the mass and the external environmental parameter are input as the input parameters, and the feed formulation of the first unit is performed. The process of outputting information about the above is executed as the predetermined process.
Information processing system.
請求項１に記載の情報処理システム。 The external environmental parameters include at least one of temperature and humidity.
The information processing system according to claim 1.
前記場の様子を撮像し、その結果得られる撮像画像を場画像として出力する撮像装置と、
前記場の環境に関する１以上の物理量を検出し、その検出結果を含む情報を場環境情報として出力する出力装置と、
前記場画像と前記場環境情報とのうち少なくとも一部に基づいて前記所定処理を実行する情報処理装置と、
を含む情報処理システムの前記情報処理装置が実行する情報処理方法において、
前記場画像を解析することで、当該場画像に含まれる前記Ｎの家畜の夫々を示すＮのオブジェクトを、Ｎの家畜オブジェクトとして認識する認識ステップと、
当該家畜オブジェクトを第２単位として、前記第２単位に関する所定種類の情報を第２単位解析情報として、前記Ｎの家畜オブジェクト毎に生成して出力する解析ステップと、
Ｎの前記第２単位解析情報に基づいて生成される前記第１単位の前記所定種類の情報を第１単位解析情報として、複数種類の前記第１単位解析情報及び複数種類の前記場環境情報のうち１以上を入力パラメータとして、当該入力パラメータを用いる前記所定処理を実行する所定処理実行ステップと、
を含み、
前記出力装置において、前記場環境情報として、前記場における前記家畜の放熱に関する外部環境パラメータが出力された際には前記情報処理装置は、
前記解析手段ステップにおいて、
前記第２単位解析情報として、前記家畜の筋肉に基づく質量を、前記Ｎの家畜オブジェクト毎に生成して出力し、
前記所定処理実行ステップにおいて、
前記第１単位解析情報を、Ｎの前記質量に基づいて生成される前記第１単位の前記質量として、当該質量及び前記外部環境パラメータを前記入力パラメータとして入力して、前記第１単位の飼料配合に関する情報を出力する処理を、前記所定処理として実行する、
情報処理方法。 An information processing system that executes predetermined processing for the first unit, with N (N is an integer value of 1 or more) livestock managed in a predetermined place as the first unit.
An image pickup device that captures the state of the field and outputs the captured image obtained as a result as a field image.
An output device that detects one or more physical quantities related to the field environment and outputs information including the detection results as field environment information.
An information processing device that executes the predetermined process based on at least a part of the field image and the field environment information.
In the information processing method executed by the information processing apparatus of the information processing system including
A recognition step of recognizing an N object including each of the N livestock included in the field image as an N livestock object by analyzing the field image.
An analysis step of generating and outputting each of the N livestock objects with the livestock object as the second unit and predetermined type of information about the second unit as the second unit analysis information.
The predetermined type of information of the first unit generated based on the second unit analysis information of N is used as the first unit analysis information, and a plurality of types of the first unit analysis information and a plurality of types of the field environment information are used. A predetermined process execution step for executing the predetermined process using the input parameter with one or more of them as input parameters, and a predetermined process execution step.
Including
When the external environmental parameters related to the heat dissipation of the livestock in the field are output as the field environment information in the output device, the information processing device receives the information processing device.
In the analysis means step
As the second unit analysis information, the mass based on the muscle of the livestock is generated and output for each of the N livestock objects.
In the predetermined process execution step
The first unit analysis information is input as the mass of the first unit generated based on the mass of N, and the mass and the external environmental parameter are input as the input parameters, and the feed formulation of the first unit is performed. The process of outputting information about the above is executed as the predetermined process.
Information processing method.
前記場の様子を撮像し、その結果得られる撮像画像を場画像として出力する撮像装置と、
前記場の環境に関する１以上の物理量を検出し、その検出結果を含む情報を場環境情報として出力する出力装置と、
前記場画像と前記場環境情報とのうち少なくとも一部に基づいて前記所定処理を実行する情報処理装置と、
を含む情報処理システムの前記情報処理装置を制御するコンピュータに、
前記場画像を解析することで、当該場画像に含まれる前記Ｎの家畜の夫々を示すＮのオブジェクトを、Ｎの家畜オブジェクトとして認識する認識ステップと、
当該家畜オブジェクトを第２単位として、前記第２単位に関する所定種類の情報を第２単位解析情報として、前記Ｎの家畜オブジェクト毎に生成して出力する解析ステップと、
Ｎの前記第２単位解析情報に基づいて生成される前記第１単位の前記所定種類の情報を第１単位解析情報として、複数種類の前記第１単位解析情報及び複数種類の前記場環境情報のうち１以上を入力パラメータとして、当該入力パラメータを用いる前記所定処理を実行する所定処理実行ステップと、
を含む制御処理を実行させ、
前記出力装置において、前記場環境情報として、前記場における前記家畜の放熱に関する外部環境パラメータが出力された場合には前記コンピュータに、
前記解析ステップにおいて、
前記第２単位解析情報として、前記家畜の筋肉に基づく質量を、前記Ｎの家畜オブジェクト毎に生成して出力させる処理を実行させ、
前記所定処理実行ステップにおいて、
前記第１単位解析情報を、Ｎの前記質量に基づいて生成される前記第１単位の前記質量として、当該質量及び前記外部環境パラメータを前記入力パラメータとして入力させて、前記第１単位の飼料配合に関する情報を出力させる処理を、前記所定処理として実行させる、
プログラム。 An information processing system that executes predetermined processing for the first unit, with N (N is an integer value of 1 or more) livestock managed in a predetermined place as the first unit.
An image pickup device that captures the state of the field and outputs the captured image obtained as a result as a field image.
An output device that detects one or more physical quantities related to the field environment and outputs information including the detection results as field environment information.
An information processing device that executes the predetermined process based on at least a part of the field image and the field environment information.
To the computer that controls the information processing device of the information processing system including
A recognition step of recognizing an N object including each of the N livestock included in the field image as an N livestock object by analyzing the field image.
An analysis step of generating and outputting each of the N livestock objects with the livestock object as the second unit and predetermined type of information about the second unit as the second unit analysis information.
The predetermined type of information of the first unit generated based on the second unit analysis information of N is used as the first unit analysis information, and a plurality of types of the first unit analysis information and a plurality of types of the field environment information are used. A predetermined process execution step for executing the predetermined process using the input parameter with one or more of them as input parameters, and a predetermined process execution step.
To execute control processing including
When the output device outputs an external environmental parameter related to heat dissipation of the livestock in the field as the field environment information, the computer is notified.
In the analysis step
As the second unit analysis information, a process of generating and outputting a mass based on the muscle of the livestock for each of the N livestock objects is executed.
In the predetermined process execution step
The first unit analysis information is input as the mass of the first unit generated based on the mass of N, and the mass and the external environmental parameter are input as the input parameters, and the feed formulation of the first unit is performed. The process of outputting information about the above is executed as the predetermined process.
program.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021137046A JP7083201B1 (en) | 2021-08-25 | 2021-08-25 | Information processing system, information processing method and program |
| PCT/JP2021/039404 WO2023026504A1 (en) | 2021-08-25 | 2021-10-26 | Information processing system, information processing method, and program |
| JP2022084783A JP2023033103A (en) | 2021-08-25 | 2022-05-24 | Information processing system, information processing method and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021137046A JP7083201B1 (en) | 2021-08-25 | 2021-08-25 | Information processing system, information processing method and program |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022084783A Division JP2023033103A (en) | 2021-08-25 | 2022-05-24 | Information processing system, information processing method and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7083201B1 true JP7083201B1 (en) | 2022-06-10 |
| JP2023031517A JP2023031517A (en) | 2023-03-09 |
Family
ID=81972134
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021137046A Active JP7083201B1 (en) | 2021-08-25 | 2021-08-25 | Information processing system, information processing method and program |
| JP2022084783A Pending JP2023033103A (en) | 2021-08-25 | 2022-05-24 | Information processing system, information processing method and program |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022084783A Pending JP2023033103A (en) | 2021-08-25 | 2022-05-24 | Information processing system, information processing method and program |
Country Status (2)
| Country | Link |
|---|---|
| JP (2) | JP7083201B1 (en) |
| WO (1) | WO2023026504A1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7402580B1 (en) | 2023-08-31 | 2023-12-21 | 株式会社Eco‐Pork | Management system, method for calculating emissions reductions using the management system, and livestock counting device |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007175050A (en) | 2005-11-29 | 2007-07-12 | Yoshimoto Pole Co Ltd | Control system for rearing animal population |
| JP2019045304A (en) | 2017-09-01 | 2019-03-22 | Ｎｔｔテクノクロス株式会社 | Body weight outputting device, body weight output method and program |
| WO2019058752A1 (en) | 2017-09-22 | 2019-03-28 | パナソニックＩｐマネジメント株式会社 | Livestock information management system, livestock barn, livestock information management program, and livestock information management method |
| WO2021014906A1 (en) | 2019-07-25 | 2021-01-28 | パナソニックＩｐマネジメント株式会社 | Weight estimation system, weight estimation method, and program |
-
2021
- 2021-08-25 JP JP2021137046A patent/JP7083201B1/en active Active
- 2021-10-26 WO PCT/JP2021/039404 patent/WO2023026504A1/en unknown
-
2022
- 2022-05-24 JP JP2022084783A patent/JP2023033103A/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007175050A (en) | 2005-11-29 | 2007-07-12 | Yoshimoto Pole Co Ltd | Control system for rearing animal population |
| JP2019045304A (en) | 2017-09-01 | 2019-03-22 | Ｎｔｔテクノクロス株式会社 | Body weight outputting device, body weight output method and program |
| WO2019058752A1 (en) | 2017-09-22 | 2019-03-28 | パナソニックＩｐマネジメント株式会社 | Livestock information management system, livestock barn, livestock information management program, and livestock information management method |
| WO2021014906A1 (en) | 2019-07-25 | 2021-01-28 | パナソニックＩｐマネジメント株式会社 | Weight estimation system, weight estimation method, and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023033103A (en) | 2023-03-09 |
| WO2023026504A1 (en) | 2023-03-02 |
| JP2023031517A (en) | 2023-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gómez et al. | A systematic review on validated precision livestock farming technologies for pig production and its potential to assess animal welfare | |
| US20240013097A1 (en) | Livestock and feedlot data collection and processing using uhf-band interrogation of radio frequency identification tags for feedlot arrival and risk assessment | |
| Wathes et al. | Is precision livestock farming an engineer’s daydream or nightmare, an animal’s friend or foe, and a farmer’s panacea or pitfall? | |
| Dawkins et al. | Early warning of footpad dermatitis and hockburn in broiler chicken flocks using optical flow, bodyweight and water consumption | |
| Leonard et al. | Development and application of an image acquisition system for characterizing sow behaviors in farrowing stalls | |
| JP7002066B2 (en) | Information processing systems, information processing equipment, and programs | |
| JP7181005B2 (en) | Livestock shipping determination display device, shipping determination display method, program, and recording medium | |
| JP7083201B1 (en) | Information processing system, information processing method and program | |
| Visser et al. | Phenomics for sustainable production in the South African dairy and beef cattle industry | |
| CN111797831A (en) | BIM and artificial intelligence based parallel abnormality detection method for poultry feeding | |
| US20240099265A1 (en) | Device and method for the automated identification of a pig that is ready for onward transfer | |
| US20110308627A1 (en) | Method of and computer program for managing one or more agricultural devices | |
| Hogan et al. | Longitudinal measures of labour time-use on pasture-based dairy farms, incorporating the impact of specific facilities and technologies | |
| Alexy et al. | Tracing the local breeds in an outdoor system–A Hungarian example with Mangalica pig breed | |
| Bewley et al. | 1.1. Precision dairy monitoring: what have we learned? | |
| Bewley et al. | Precision dairy monitoring opportunities, limitations, and considerations | |
| JP6791494B2 (en) | Livestock cattle management server, livestock cattle management program, livestock cattle management method and livestock cattle management system | |
| Ruhnke et al. | Free-range laying hens: using technology to show the dynamics and impact of hen movement | |
| Weimer et al. | Article Comparison of nursery pig behavior assessed using human observation and digital-image evaluation methodologies | |
| Siegford | Precision livestock farming and technology in pig husbandry | |
| KR20100128446A (en) | Providing image system method of agricultural, marine and livestock products using using on-line and method thereof | |
| Molfino | Investigations into system and cow performance efficiency in pasture-based automatic milking systems | |
| Hamadani et al. | Artificial intelligence in animal farms for management and breeding | |
| Frandsen | Benchmarking in dairy production:“how to transform data to valuable decision support” | |
| JP2021128689A (en) | Animal breeding method proposal program and system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210914 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210914 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211207 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220131 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220329 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220411 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220426 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220524 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7083201 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |