20200812_Oracle Big Data Jam Session登壇資料(実事例付_“機械学習”で1次産業に支援を！)

日本オラクル株式会社
クラウド事業戦略統括
デジタルトランスフォーメーション推進室データアナリスト
2020年8月12日
横山慎一郎
実録！画像処理と機械学習で豚の出産時刻を予測？！
Oracle Big Data Jam Session
[事例] “機械学習”で1次産業に支援を！

2 Copyright © 2020, Oracle and/or its affiliates. All rights reserved.
きっかけはサクラマスの陸上養殖プロジェクト
- 地域の新産業創り稚内市 -
冷たい海水と、遊休資産を活用した高級魚の
陸上養殖をトライアル実施。画像解析により
安価な市販カメラ１つで水槽の魚や水位、温
度、注水量を自動監視。既存業務を継続しつ
つ、新事業へのチャレンジを可能に。

本実証研究では、分娩ストールに入った豚の分娩誘発剤の投与前後の運動量を測定し、測定データに基
づき出産時刻を予測することが目標である。
出産時刻を予測する仕組み
• 分娩豚の背後にカメラを設置し、その映像データより運動量への変換を行う。
• 運動量のデータより入力（特徴量）を作成し、出産時刻までの時間を出力（教師データ）とする。
• 得られたデータセットによりモデルを構築し、実際の出産時刻と比較を行う。
概要

養豚業界の課題
• 飼育者の判断や経験値への依存度が高い一方で、大規模化による1人当たりの飼育担当の増加、慢性
的な人手不足による技術低下や不安定化が存在する
• 様々な業務がある中で、特に重要業務であり、飼育者の時間拘束が高いものが「分娩」である
• 養豚場によっては1日20頭の分娩があるが、全ての分娩豚を注視することは困難である。
• 分娩時のケア以外にも、分娩兆候の見回りに労力がかかると言われている。
• 分娩前の豚には、落ち着きがなくなる、ぐったりするなどの運動量に関係がありそう
本研究の施策
• IoT技術(カメラ)により非接触で豚の行動をデータとして収集し、母豚の運動量を検出する。
• 酪農学園様の知見やノウハウに基づいた判断と照らし合せることでデータとして蓄積し、AIの技術を
活用することで運動量の推移から出産時刻予測するモデルを構築する。
• 構築したモデルにより今後の実用性に向けて考察していく。
実証研究の背景
参考文献:
志村仁「サーモグラフィを利用した豚の発情期および分娩期予測の検討」日本畜産振興会, 養豚の友 (531), pp.50-53, 2013-06

データ取得に必要な機材等
• Raspberry Pi
• カメラモジュール
• インターネット環境
• クラウド環境
• 画像解析プログラム
データの取得方法の概要
• Raspberry Piに接続したカメラを分娩豚の背後に設置
• カメラの映像はストリーミングによりインターネット経由で配信
• ストリーミング動画を基に、弊社クラウド環境上にて画像解析プログラムを実行
• 解析により豚の運動量を数値データとして取得
概要図は次頁に示す
分娩豚における運動量データの取得および解析方法

養豚場
学園内外
クラウド環境
分娩豚の映像を撮影
ストリーミング配信
スマホ
PC
運動量
データベース
画像解析
サーバ
出産の予測時刻を通知
（本研究の対象外）
動画保存用
ストレージ
Raspberry Pi
カメラモジュール
解析用
サーバ
モデルの適用
Object Storage
OpenCV on OCI
compute VM
Database Cloud
Service
OCI DataScience

• 自動的にRaspiのNGROKのURLを取得する
• NodeJSのアプリからNGROKを起動して、割り当てられたURLをAPEXに登録することで、画像解析プ
ログラムからNGROKのURLを取得できるようにした
Raspiのセットアップ
Raspiカメラ
ngrok.js
ngrok
Oracle APEX
RESTful API
画像解析PG
[<ngrokのドメイン>/カメラのパス] でアクセス
起動時にNodeJSのアプリを起動
生成されたngrok のドメイ
ンURL をAPEXに登録
[API]
URL登録用
URL取得用
アクセスしたいRasPI の
ngrok のドメインURL
をAPEXから取得
9 Confidential © 2019 Oracle Internal/Restricted/Highly Restricted
PC
Raspberry Pi
Object Storage
OpenCV on OCI
compute VM
Database Cloud
Service
OCI DataScience

分娩豚の運動量の測定にあたり、カメラ位置を検討した。
上部（左図）と後部（右図）の両方の撮影動画において解析をしてみた結果、上部と比較し後部の方が
立ち上がりなどの運動量を顕著に測定できた。
このため、今回は後部にカメラを設置して実験していく。
（正面についても後部と同じであるが、分娩房の形状や通路にカメラを設置しなければならない理由から背後に設置した）
カメラの位置

測定対象の分娩豚
• LWxx: 2020年3月22日分娩のランドレース種と大ヨークシャー種の交配豚
• LW33: 2020年3月27日分娩のランドレース種と大ヨークシャー種の交配豚
• L22: 2020年3月27日分娩のランドレース種の豚
• LW31: 2020年4月14日分娩のランドレース種と大ヨークシャー種の交配豚
• L35: 2020年5月9日分娩のランドレース種の豚
誘起剤投与時刻・分娩開始時刻（時刻は人が記録）
• LWxx: 投与: 3月21日9時6分、分娩: 3月22日0時59分
• LW33: 投与: 3月26日8時31分、分娩: 3月27日13時26分
• L22: 投与: 3月26日8時31分、分娩: 3月27日2時35分
• LW31: 投与: 4月13日9時2分、分娩: 4月13日15時30分
• L35: 投与: 5月8日8時35分、分娩: 5月9日7時2分
測定対象

運動量の定義
• 動画中における移動距離を運動量と定義した。
運動量の測定方法
• 運動量を測定するにあたり、解析技術である探索
窓を作成した。
• 探索窓は豚の色を追う仕組みになっており、豚の
動きに連動して動くように開発した
• 探索窓の重心座標の移動距離を運動量として算出
するように開発した
右図は移動距離のイメージを示すために、ある2点の時刻の画像を重ね合わせた

プログラムと取得データ
取得データ
データ取得のプログラム
PC
Raspberry Pi
Object Storage
OpenCV on OCI
compute VM
Database Cloud
Service
OCI DataScience

• 誘起剤投与後から分娩開始まで
予測対象の範囲
誘起剤投与分娩開始
誘起剤投与前誘起剤投与
x時間後
t

機械学習用データセットの作成
統計特徴量の作成
• 前頁で取得した運動量を各種統計値を使用した特徴量へ加工する。
• 時間あたりの平均運動量が同じでも、定期的/不定期的に運動するのか、また急激/緩やかな運動する
かによって、運動の特徴が異なるためである。
• 特徴量に利用する基礎統計量は平均値、標準偏差、最大値/最小値、四分位数。
• また以下のように時系列性を考慮してデータセットを作成した
日時運動量
2020/03/20 2:00:00 5.1
2020/03/20 2:01:00 0.0
2020/03/20 2:02:00 4.6
… …
2020/03/20 3:00:00 0.0
2020/03/20 3:01:00 5.1
2020/03/20 3:02:00 0.0
日時時間
2020/03/20 3:00:00 100
2020/03/20 3:01:00 99
2020/03/20 3:02:00 98
2020/03/20 3:03:00 97
2020/03/20 3:04:00 96
2020/03/20 3:05:00 95
2020/03/20 3:06:00 94
1つめの時系列の解
60分
1つめの時系列
2つめの時系列
3つめの時系列
入力値出力値

評価方法
• 今回LWxx, LW33, L22の3頭分のサンプルが取得できたので、2頭を予測モデル構築に使用し、残り1
頭をテストデータとしてモデル適用し、実際の分娩開始までの時間と比較した。
• それを以下3パターンで実施し、3サンプル分全てにおいて評価を実施した。
- 訓練データ：LWxx & LW33、テストデータ：L22
- 訓練データ：LWxx & L22、テストデータ：LW33
- 訓練データ：LW33 & L22、テストデータ：LWxx
分娩開始時刻の予測モデルの構築と評価方法
LWxx LW33
LWxx L22
LW33 L22 LWxx
LW33
L22
Pattern 1
Pattern 2
Pattern 3
訓練データテストデータ
モデル適用
予測した時間と実
際の時間を比較し、
考察する
PC
Raspberry Pi
Object Storage
OpenCV on OCI
compute VM
Database Cloud
Service
OCI DataScience
分析はNotebookで実行

• LW31とLW33の誘起剤投与から分娩開始ま
で24時間以上かかった分娩豚に対して
は、分娩までの時間を推移する傾向にあ
る
• LWxxやLW35の誘起剤投与から分娩開始
まで24時間以内であった分娩豚に対して
は、分娩までの時間を推移できていな
い。特に時間が経つにつれて推移できて
いない
回帰モデルの結果（誘起剤投与後〜分娩開始）
分娩開始時刻の予測結果

• L22のトレンド線の計算結果を以下に示す
• このグラフだとy=0になるのは0時付近となっている。L22の出産時刻は3/27 午前2時35分なので、約2
時間半のずれとなる。
• 先に示したLWと結果を比較すると、実際の分娩開始時刻時点の予測時刻領域が小さくなっていた。
• 現時点の結果より、LWとLの特性も考慮していく必要がありそうである。
早産した分娩豚におけるLSTM適用の結果
分娩開始時刻の予測結果
データが取得できた3/26 17:00~20:00をLSTMで予測。
予測結果もとにトレンド線を計算

課題
今回の実証研究では分娩豚の運動量に基づき、分娩開始時刻を予測を試みた。
実証結果から今すぐ実用化は難しいが、把握できた傾向や今後の改善点について以下まとめた。
サンプル数が少ないため、あくまで現時点の見解である。
結論
• 誘起剤投与後の運動量に関係していそうである
• 誘起剤投与から分娩開始まで24時間以上かかった分娩豚に対しては、分娩までの時間を推移する傾向にあるが、
24時間以内の分娩豚に対しては、分娩までの時間を予測が難しい
• 特に早産する分娩豚における追求が必要である
今後について
• 今後サンプル頭数を増やして、汎化性能を上げていく
• カメラの固定位置については工夫が必要である（人が写りにくく、運動量を検出できる位置検討）
• 必要に応じて、アルゴリズムや特徴量作成の見直し（分娩豚の個別の情報を特徴量に追加するetc.）

20200812_Oracle Big Data Jam Session登壇資料(実事例付_“機械学習”で1次産業に支援を！)

20200812_Oracle Big Data Jam Session登壇資料(実事例付_“機械学習”で1次産業に支援を！)

Recommended

Recommended

More Related Content

Similar to 20200812_Oracle Big Data Jam Session登壇資料(実事例付_“機械学習”で1次産業に支援を！)

Similar to 20200812_Oracle Big Data Jam Session登壇資料(実事例付_“機械学習”で1次産業に支援を！) (20)

More from オラクルエンジニア通信

More from オラクルエンジニア通信 (20)

20200812_Oracle Big Data Jam Session登壇資料(実事例付_“機械学習”で1次産業に支援を！)