管理・環境

[IV-19-03] 画像情報を用いた黒毛和牛種の乗駕行動の検知に関する検討

*川野 百合子¹、河田 宗士¹、　沖本 祐典¹、中野 鐵兵^1,2、赤羽 誠^1,2、近藤 育海³、山崎 稜汰³、日下 裕美³、坂口 実³、小川 哲司¹ (1. 早大理工、2. 知能フレームワーク研、3. 北里大獣)

【目的】発情している牛に見られる典型的な行動である乗駕行動（スタンディングおよびマウンティング）を画像から検知する方法について検討を行った．本報告では，複数の機械学習手法で乗駕行動検知モデルを構築し，その性能を比較した．【方法】少量の学習データでも頑健に高い検知性能を達成するため，特徴抽出器と識別器を独立に構築する．特徴抽出器は大規模画像データを用いて構築した畳み込みニューラルネットワーク（CNN）を少量の牛画像データを用いてfine-tuneして得た．この時，牛2頭が接近している領域を切り出して特徴抽出器の入力とし，その中間層出力を特徴量として後段の識別器に入力する．平常時と乗駕行動の識別器として，多層パーセプトロン（MLP），サポートベクタマシン（SVM），k近傍法（kNN）を構築し，識別性能を比較した．12頭分の発情計17回分の映像から，平常画像200枚，乗駕画像200枚を学習に，それとは異なる平常画像50枚，乗駕画像50枚を用いて評価した．また, 画像が暗く識別が難しいことが予想されるため, 特徴抽出器に入れる前に色調補正を施した.【結果】学習に用いることができる画像の量が少量の場合，自由度の高いMLPは有効でない一方，SVMやkNNは良好な性能を達成した．2頭の牛が接近している領域の切り出しが正確であれば，陽性判定率0.92，感度0.98と高い検知性能が得られることがわかった．