ミニブタの実験研究における飲水行動分析のための機械学習モデルの開発と性能評価

科学分野:

• 動物行動学
• 機械学習
• コンピュータビジョン

背景:

• 実験動物のモニタリングは、倫理的、科学的、経済的な理由から不可欠です。
• 動物行動の従来の観察方法は、主観的で時間がかかります。
• 機械学習を用いた自動監視システムは、有望な代替手段を提供します。

研究 の 目的:

• ミニブタの飲水行動を分析するための機械学習モデルの検証と評価。
• オンサイトでのビデオ分析を可能にする、新しいビジョンベースの監視システムの開発とテスト。
• 飲水イベント検出のためのコンピュータビジョンシステムの性能評価。

主な方法:

• 5297枚の画像からなるデータセットを使用して、YOLOv11n物体検出モデルをトレーニングしました。
• このモデルは、ブタの頭と水道の蛇口を識別して飲水イベントを検出しました。
• 低コストのRaspberry Piシステムにより、リアルタイムのビデオ分析とオンサイト処理が可能になりました。

主要な成果:

• 物体検出モデルは97%以上の精度を達成しました。
• 手動検証により、全体的な精度（99.7%）、適合率（99.7%）、再現率（99.2%）、F1スコア（99.5%）が高いことが確認されました。
• 飲水パターンの分析により、二峰性の行動と個体間のばらつきが明らかになりました。

結論:

• 低コストのコンピュータビジョンシステムは、個別に飼育された実験用ブタの飲水行動を効果的に監視できます。
• この技術は、動物の病気の早期検出をサポートします。
• このシステムは、自動化された客観的な動物福祉モニタリングの実現可能性を示しています。