PickAMoo: スマートフォン撮影による酪農牛の精密体重推定のためのLiDAR強化Mask R-CNNセグメンテーション

触らずに牛を量る理由

酪農家にとって、各牛の体重を知ることは飼料配合の設定、健康管理、繁殖の判断に不可欠です。しかし牛を体重計に乗せるには時間や器具が必要で、しばしば押したり誘導したりするなどのストレスを伴います。本研究は、一般的なスマートフォンが深度センサーと最新の画像解析を活用して、牛舎で撮った写真から牛の体重を推定できるかを検証し、日常的な作業を迅速で非接触なスナップショットに変えられるかを探ります。

巻尺や大型機器の問題点

多くの農場では、作業員が目測で判断したり、胸囲を巻尺で測ったり、固定式の体重計に誘導したりする方法が依然として用いられています。これらの方法は機能しますが、技術、時間、そして大型動物を近くで扱うことを要します。また、体形が品種や大型個体で異なるため、誤差が生じやすい場合があります。最近の研究は、カメラとコンピュータビジョンが画像から体の大きさや形状を読み取れることを示していますが、既存の多くのシステムは固定式の3Dカメラや制御された通路に依存しており、一般的な牛舎に導入するには高価で設置が困難です。

スマートフォンを牛舎側のツールに変える

研究者らは、多くの酪農家が既に所有している携帯型スマートフォンを中心にワークフローを設計しました。彼らは深度センサー（LiDAR）を内蔵するiPhoneモデルに着目し、これが牛までの距離を判断するのに役立ちます。PickAMooというカスタムアプリが、全身が画角に入るように適切な距離と角度に立つようユーザーを案内します。スウェーデンの2つの研究農場での実地試験では、500頭以上の牛から約3,000枚の画像と、自動秤による真の体重、比較用の従来の巻尺測定を収集しました。

電話に牛の形を見せることを教える

次の課題は、にぎやかな牛舎の場面から各牛の輪郭をコンピュータに識別させることでした。チームは500枚以上の写真で牛の正確な境界を手動で描き、これを例としてMask R-CNNとして知られる最新の画像セグメンテーションモデルを訓練しました。いくつか検討したバージョンの中で、ResNet-101をバックボーンとするものが最良の性能を示し、ほとんどの場合で背景から牛を正確に分離しました。これらの輪郭から、身長、体長、投影体積面積などの単純な形状特徴を計算し、深度読み取りを用いて撮影距離がわずかに異なる牛でも公平に比較できるよう補正しました。

輪郭から体重帯へ

研究者らはキログラム単位で正確な体重を予測する代わりに、農家が実用的に考えるような九つの体重帯に牛を分類しました。彼らは、秤で補正した形状特徴とこれらの体重帯を結びつける機械学習モデルを訓練し、テストデータから学習過程に情報が漏れるような手抜きを慎重に避けました。モデル構築に使われなかった別の牛群で検証したところ、スマートフォンベースのシステムは約90～96％の確率で動物を正しい体重帯に分類しました。誤分類の多くは隣接する1帯のずれにとどまり、完璧でない場合でも推定は真の体重に近いものでした。従来の巻尺ベースの式と比較すると、この新しい方法はスウェーデンレッドなどの重めの品種で見られる品種特有の誤差を避けることができました。

日常の農業にとっての意義

本研究は、現実的な牛舎環境下で、作業員の手にあるスマートフォンが深度センサー、賢い画像セグメンテーション、および専用の学習アルゴリズムを組み合わせることで、酪農牛の有用な非接触体重推定を提供できることを示しています。精密な体重が必要な場面では較正済みの秤の代わりにはなりませんが、飼料調整、体重変化の追跡、注意が必要な個体の早期発見を助ける頻繁で手間の少ないチェックを支援する可能性があります。より多くの品種や農場タイプでの追加検証と、ソフトウェアを端末上で完全に動作するように簡素化することで、こうしたツールは牛や人の負担を減らしつつ、よりアクセスしやすい正確な牛の体重推定を実現し得ます。

引用: Guzhva, O., Ternman, E., Lindberg, M. et al. PickAMoo: LIDAR-enhanced mask R-CNN segmentation for precision weight estimation in dairy cattle using smartphone imaging. Sci Rep 16, 16020 (2026). https://doi.org/10.1038/s41598-026-54742-3

キーワード: 酪農牛, スマートフォン撮像, LiDAR, コンピュータビジョン, 体重推定