豚の体重推定のための画像セグメンテーションと推論に基づくハイブリッドモデルの評価
Evaluation of hybrid models based on image segmentation and inference for pig weight estimation
本研究では、ペルーのサン・マルティンにある農場環境下で、豚の体重を非侵襲的に推定するコンピュータビジョンベースのアプローチを提案する。3,800枚の豚の横向き画像と実際の体重のデータセットを使用し、YOLOv8n-segによるインスタンスセグメンテーションとEfficientNet-B0による特徴抽出を含む計算パイプラインを実装した。抽出された特徴量をSVR、XGBoost、CatBoostの回帰モデルに入力し、交差検証と独立したテストセットで評価した。その結果、SVRモデルがRMSE 2.68 kg、MAE 1.81 kg、R2 0.85という最も高い予測性能を示し、他のモデルと比較して統計的に有意な差が見られた。この手法は、低コストで非侵襲的なソリューションを提供し、精密畜産技術の進歩を支援するものである。
- ペルーのサン・マルティンにある農場環境で、豚の横向き画像3,800枚と実測体重のデータセットを用いた非侵襲的体重推定の計算パイプラインを実装・評価した。
- インスタンスセグメンテーションにYOLOv8n-seg、特徴抽出にEfficientNet-B0を用い、その特徴量をSVR・XGBoost・CatBoostの回帰モデルへ入力する構成を採用した。
- 交差検証と独立テストセットでの評価の結果、SVRがRMSE 2.68kg・MAE 1.81kg・R2 0.85と最高性能を示し、他モデルとの差は統計的に有意だった。
豚の体重推定という畜産用途に、YOLOv8n-segによるセグメンテーションとEfficientNet-B0の特徴抽出、さらにSVR/XGBoost/CatBoostの回帰を組み合わせた事例。R2 0.85・RMSE 2.68kgという精度は、AIによる精密畜産(非侵襲センシング)の実用域到達を示す一例であり、カメラ1台で計量器を代替できる低コスト性は畜産現場の省人化・DX投資の経済性を左右する。投資家としては、汎用ビジョンモデル+古典的回帰の組み合わせが専用ハード不要で立ち上がる点、およびペルー等の新興国農場での適用実証が得られた点を、畜産テック・スマート農業領域の導入コスト低減シグナルとして注目する。ただし単一農場・単一データセットでの検証であり、商用スケールの再現性とデータ取得コストの検証が次の焦点。