| *商品について |
|
表紙はついていません（本文のみ中綴じ製本です）。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。
|
 |
| ・会員価格 ¥550 |
| ・一般価格 ¥770 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
|
| ■ページ数 |
8ページ |
■発行日
|
2024/09/01 |
| ■タイトル |
深層学習を用いた乳牛の分娩時「いきみ」検知技術の開発 |
| ■タイトル(英語) |
Development of a Technology for Detecting Straining in Cows During Labor Using Deep Learning |
| ■著者名 |
井出 達樹（静岡県工業技術研究所富士工業技術支援センター／日本工業大学），小熊 亜津子（静岡県西部家畜保健衛生所），荒川 俊也（日本工業大学） |
| ■著者名(英語) |
Tatsuki Ide (Industrial Research Institute of Shizuoka Prefecture Fuji Technical Support Center/Nippon Institute of Technology), Atsuko Oguma (Seibu Livestock Disease Diagnostic Center of Shizuoka Prefecture), Toshiya Arakawa (Nippon Institute of Technology) |
| ■価格 |
会員 ¥550 一般 ¥770 |
| ■書籍種類 |
論文誌(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 |
| ■本誌 |
電気学会論文誌C（電子・情報・システム部門誌） Vol.144 No.9 （2024） 特集：知能メカトロニクス分野と連携する知覚情報技術
|
| ■本誌掲載ページ |
918-925ページ |
| ■原稿種別 |
論文／日本語 |
| ■電子版へのリンク |
https://www.jstage.jst.go.jp/article/ieejeiss/144/9/144_918/_article/-char/ja/
|
| ■キーワード |
乳牛，いきみ，無拘束，検知，畳み込みニューラルネットワーク（CNN） cows，straining，non-restraint，detection，convolutional neural network (CNN) |
| ■要約(日本語) |
|
| ■要約(英語) |
In the dairy farming sector, the need for efficient individual cow management via ICT has intensified owing to a declining workforce in the industry and a simultaneous increase in livestock numbers. To address challenges such as reducing night-time cow-monitoring hours for workers and preventing calving accidents, we developed a system capable of automatically detecting straining during labor (a key indicator of impending cow calving). Our approach involved collecting waveform data on cow movements from an unrestrained cow positioned on a sensor sheet. The collected data were subsequently analyzed using deep learning techniques. Employing a sample of 40 cows, veterinarians correlated data collected using the sensor sheet with those collected using a video camera, classifying the data into straining and other movements unrelated to calving. This curated dataset was then used to train a staining detection model using a convolutional neural network, the accuracy of which was verified. Consequently, we successfully used the staining detection model to predict cow calving with a high accuracy rate of > 95%. |
| ■版 型 |
A4 |
|
|
|
