熱画像と音情報を用いる機械学習アプローチによる豚のためのヘルスケア実現

点击翻译按钮获取中文摘要

感染指標であるくしゃみについて，前年度までに実施してきたF値92.8%での自動検出を可能とする研究成果を雑誌論文にまとめ，出版した。くしゃみ検出における音響特徴量に関しては，専門的な特徴量設計だけでなく，転移学習に基づく方法についても複数比較し，一定の性能が得られることを確認した。また，構築したくしゃみ自動検出器を用いて，コントロール群と感染群に対し，感染実験の期間中である2週間，24時間体制でくしゃみを世界で初めて自動検出した。感染実験においては，豚の鼻腔から粘膜を定期的に採取する感染確認作業を行うことで，感染状態を測る指標であるウイルス排泄量の計測も行った。また，感染実験実施に伴う刺激である感染確認作業・給餌・照明の時間を同時に記録し，ブタインフルエンザ感染状態や感染実験実施委に伴う刺激と，くしゃみ回数の関係を可視化した。これにより，くしゃみはブタインフルエンザだけでなく，感染実験実施に伴う作業などの刺激時にも発生していることが明らかとなった。このため，これら刺激の少ない夜間においてくしゃみ回数を集計した。これにより，感染群はブタインフルエンザ感染後3－4日においてくしゃみ回数がコントロール群に対し有意に増加していることを明らかにした。これにより，くしゃみ回数を集計することで最短3日程度でのブタインフルエンザ感染の早期判別ができる可能性を示し，豚のためのヘルスケア実現に貢献した。なお本成果については，報告時点で雑誌論文にまとめ，投稿中である。また，実験に際して，一部の個体についてはサーモグラフィを用いて体表面温度を熱画像から計測し，感染症状が深刻であり生命の危機に瀕している場合においては，大きな温度変化をとらえることができた。