WEKO3
アイテム
北海道におけるニホンジカの自動個体識別と検出：農業保護のためのモジュール軽量化
http://hdl.handle.net/10258/0002000410
http://hdl.handle.net/10258/0002000410dfa745eb-9f9e-4711-b4b6-32e1d581748c
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
A558_Abstract.pdf (346 KB)
|
|
|
|
A558.pdf (61.9 MB)
|
|
| アイテムタイプ | 学位論文 / Thesis or Dissertation(1) | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2025-11-14 | |||||||||||
| タイトル | ||||||||||||
| タイトル | Automatic Individual Identification and Detection of Sika Deer in Hokkaido, Japan: A Lightweight Module for Agricultural Protection | |||||||||||
| 言語 | en | |||||||||||
| タイトル | ||||||||||||
| タイトル | 北海道におけるニホンジカの自動個体識別と検出：農業保護のためのモジュール軽量化 | |||||||||||
| 言語 | ja | |||||||||||
| 言語 | ||||||||||||
| 言語 | eng | |||||||||||
| 資源タイプ | ||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_db06 | |||||||||||
| 資源タイプ | doctoral thesis | |||||||||||
| アクセス権 | ||||||||||||
| アクセス権 | open access | |||||||||||
| アクセス権URI | http://purl.org/coar/access_right/c_abf2 | |||||||||||
| 著者 |
サンディヤ, シャルマ
× サンディヤ, シャルマ
|
|||||||||||
| 抄録 | ||||||||||||
| 内容記述タイプ | Abstract | |||||||||||
| 内容記述 | この研究では、ディープラーニングとカメラトラップ技術を用いて、北海道に生息するニホンジカに焦点を当て、野生生物のモニタリングと保護活動を強化する方法について取り組んだ。人の手による野生生物識別の課題に着目し、ディープラーニングモデルを用いて種を分類・識別する完全自動化システムを提案した。この研究では、まず、EfficientNetB0とVGG16という2つの畳み込みニューラルネットワーク（CNN）の複数種分類における性能を評価し、EfficientNetB0が精度、適合率、再現率においてVGG16を上回ることを発見した。このモデルは80%以上の精度を示し、トップ5の精度では90%以上を達成しており、野生生物モニタリング用途に非常に効果的であることを示した。 次なる研究として、野生生物モニタリングで多く利用される既製品の3つのカメラトラップの性能について評価し、ニホンジカの検出に最も効果的である製品がソーラーパワー4kトレイルカメラであることを明らかにした。この研究では、生態学研究におけるカメラトラップの性能を最適化するために、カメラのキャリブレーションと歪み補正が重要であることを強調しています。 さらに，本研究の重要なトピックとして、トリプレット損失関数を用いたサイアミーズネットワークアーキテクチャを用いた個々のエゾシカの識別にも焦点を当てました。複数のモデルを適用し比較した結果、ResNet152モデルは最も成功し、斑点パターンなどの特徴に基づいて個々のエゾシカを分類することで高い精度を達成しました。本研究ではまた、人間と野生生物の軋轢、特に北海道におけるエゾシカとクマによる農業被害についても調査した。これを緩和するために、Raspberry Piに展開されPIRセンサーを統合したYOLOv8-nanoモデルを使用して、エゾシカ検知システムを開発した。このシステムは、電子メールとLINEアプリを介して地域住民にリアルタイムの警告を提供し、音声通知も提供できる。ブザーによるシカの抑止効果はいま一つであったが、警告システムはシカの活動を監視することに成功し、保全戦略のための貴重な知見を提供した。将来の課題として、農業地域における野生生物管理の改善のために、ドローンなどの代替抑止策を探求するためのさらなる研究が推奨される。 |
|||||||||||
| 言語 | ja | |||||||||||
| 抄録 | ||||||||||||
| 内容記述タイプ | Abstract | |||||||||||
| 内容記述 | This study explores the use of deep learning and camera trap technologies to enhance wildlife monitoring and conservation efforts, with a focus on Sika deer in Hokkaido, Japan. It addresses the challenges of manual wildlife identification and proposes a fully automated system to classify and identify species using deep learning models. The study evaluates the performance of two Convolutional Neural Networks (CNNs), EfficientNetB0 and VGG16, for multi-species classification, finding that EfficientNetB0 outperformed VGG16 in terms of accuracy, precision, and recall. The model demonstrated over 80% accuracy and achieved a top-5 accuracy of over 90%, making it highly effective for wildlife monitoring applications. Additionally, the research assesses the performance of three camera traps, highlighting the Solar-Powered 4k-Trail camera as the most effective in detecting Sika deer. The study emphasizes the importance of camera calibration and distortion correction for optimizing camera trap performance in ecological research. A key part of the study also focused on the identification of individual Sika deer using a Siamese Network Architecture with triplet loss functions. The ResNet152 model was the most successful, achieving high accuracy in classifying individual Sika deer based on distinctive features like spot patterns. The study also investigates human-wildlife conflict, particularly the agricultural damage caused by Sika deer and bears in Hokkaido. To mitigate this, a Sika deer detection system was developed using the YOLOv8-nano model deployed on a Raspberry Pi, integrated with a PIR sensor. The system provided real-time alerts to local residents via email and the LINE application, alongside audio notifications. While the buzzer's effectiveness in deterring deer was mixed, the alert system proved successful in monitoring deer activities, offering valuable insights for conservation strategies. Further research is recommended to explore alternative deterrents, such as drones, for improving wildlife management in agricultural areas. | |||||||||||
| 言語 | en | |||||||||||
| 学位授与機関 | ||||||||||||
| 学位授与機関識別子Scheme | kakenhi | |||||||||||
| 学位授与機関識別子 | 10103 | |||||||||||
| 学位授与機関名 | 室蘭工業大学 | |||||||||||
| 言語 | ja | |||||||||||
| 学位名 | ||||||||||||
| 学位名 | 博士（工学） | |||||||||||
| 言語 | ja | |||||||||||
| 学位の種別 | ||||||||||||
| 言語 | ja | |||||||||||
| 値 | 課程博士 | |||||||||||
| 学位授与番号 | ||||||||||||
| 学位授与番号 | 甲第558号 | |||||||||||
| 報告番号 | ||||||||||||
| 言語 | ja | |||||||||||
| 値 | 甲第558号 | |||||||||||
| 学位記番号 | ||||||||||||
| 言語 | ja | |||||||||||
| 値 | 甲第558号 | |||||||||||
| 研究科・専攻 | ||||||||||||
| 言語 | ja | |||||||||||
| 値 | 工学専攻 | |||||||||||
| 学位授与年月日 | ||||||||||||
| 学位授与年月日 | 2025-09-24 | |||||||||||
| 著者版フラグ | ||||||||||||
| 出版タイプ | VoR | |||||||||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||||
