抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
家畜の快適性,衛生的な飼料摂取環境の維持および管理作業の負担軽減を考慮した,信頼できて効率的な家畜生産が可能な管理技術が求められている。ブロイラの生産システムは,ブロイラー当りの利益が低いため,個体管理のための省力化技術を有しない。したがって,ブロイラー管理のための省力化技術を開発する必要がある。また,ブロイラーの健康をチェックする必要がある。これらの背景から筆者らはいくつかの実験を行い,次の結果を得た。ブロイラ行動画像を用いた人工知能学習において,Chainer v1.23.0は画像を分類することができるが,画像中の多重ブロイラーから各個体を検出することができないため,グループ内の行動パターンの概要を把握するのに用いた。Darknet-YOLO v3を使用した場合,画像中の各個体の検出が可能で,摂食,飲水および休息の個々の行動が識別できることが示された。RFIDはブロイラの個体識別と行動分析に有効であり,タグの取り付け方や低コストの小さなタグをいかに付けるかを考える必要がある。体重測定および行動監視のためのプロトタイプシステムには改善すべき点があるが,リアルタイムでブロイラーの体重および行動などの成長関連データを取得することが可能である。深層学習に基づくモニタリング機能を確立することによって,このシステムはブロイラ養鶏におけるモニタリング労働の低減と給餌条件の最適化を実現できる。同じ個体の試験画像を用いた人工知能によって,ブロイラーの体重を70~100%の範囲で正確な体重クラスへと測定した。薬剤散布補助ロボットの走行台車は,制御システムによって作業者に対して追走することができ,散布用ホースを牽引しながら安定して作業できることを確認した。(翻訳著者抄録)