3Dカメラによる歩行中の牛の個体識別

実験背景・目的

牛の個体識別によって個体の成長、健康管理、行動パターンなどを個別に追跡・管理できます。また、異常な行動や疾病の早期検出が可能となります。しかし、通常のカメラでは毛色や模様が一様な牛の識別が困難です。そこで、距離情報を取得できる3Dカメラを用いることで、牛の個体識別を行うことを目的としています。

従来のRGBカメラを用いた個体識別では、照明条件の変化や牛の体表の汚れなどによって識別精度が低下するという課題がありました。3Dカメラを用いることで、これらの環境要因に影響されにくい、より安定した個体識別システムの構築を目指しています。

実験環境

農工連携のもと、宮崎大学住吉フィールドから収集したデータを使用して実験を行いました。上の図に示すように、牛舎の上部に3Dカメラを設置し、上方から牛を撮影しています。これにより、牛の背中の形状や高さなどの3次元的特徴を捉えることが可能となりました。

3Dカメラから取得した深度情報は、CSVファイルとして保存され、後続の処理で活用されます。この方法により、照明条件や牛の毛色に左右されない安定したデータ収集が実現しています。

研究手法

個体識別のフローチャートを示しています。距離情報が入ったCSVファイルから牛領域の検出を行い、得られた牛領域から特徴量を抽出し、機械学習を用いて個体識別を行います。

具体的な処理フローは以下の通りです：

3Dカメラから取得した深度情報の前処理（ノイズ除去、正規化）
背景と牛領域の分離（閾値処理、領域分割）
牛の3次元形状に関する特徴量の抽出（背中のライン、肩の高さ、腰の形状など）
機械学習アルゴリズムによる個体識別モデルの構築
リアルタイム識別システムの実装

実験結果

4つの機械学習分類器（A〜D）を用いた個体識別の精度を比較した結果です。分類器Dでは正答率が95.0%となり、高い精度で個体識別が可能であることが確認されました。

特に、照明条件の変化や牛の体表の汚れなどの環境要因に影響されにくく、安定した識別性能を示しました。また、歩行中の牛に対しても高い精度で識別が可能であり、実用性の高いシステムであることが確認されました。

今後の展望

本研究の成果を基に、より多様な環境や牛種に対応できるよう、データセットの拡充とモデルの改良を進めていきます。また、個体識別だけでなく、歩行パターンの分析による跛行検知や、体型変化の追跡によるBCS評価など、他の健康指標との統合も視野に入れ、総合的な牛の健康管理システムの開発を目指しています。

さらに、エッジコンピューティング技術を活用したリアルタイム処理システムの構築や、クラウドシステムとの連携による大規模牧場向けの統合管理システムの開発も検討しています。これにより、日本の酪農業の生産性向上と持続可能な発展に貢献することを目指しています。本研究は、SDGsの目標2（飢餓をゼロに）、目標8（働きがいも経済成長も）、目標9（産業と技術革新の基盤をつくろう）に貢献することを目指しています。