体重估计系统、体重估计方法以及程序与流程

本发明涉及一种用于估计鸡舍内的鸡的体重的体重估计系统。

背景技术

畜牧业在包括日本在内的世界各国都盛行。作为与畜牧业相关联的技术，在专利文献1中公开了一种能够简便地估计牛体的各种特性值的系统。

现有技术文献

专利文献

专利文献1：日本特开2016-059300号公报

技术实现要素：

发明要解决的问题

另外，在养鸡的情况下同时饲养许多鸡，因此对于每只鸡的体重的测量方法，还有研究的余地。

本发明提供一种能够估计鸡舍内的鸡的体重的体重估计系统、体重估计方法以及程序。

用于解决问题的方案

本发明的一个方式所涉及的体重估计系统具备：摄像部，其拍摄鸡舍内的图像；计算部，其通过对由所述摄像部拍摄到的所述图像进行图像处理来计算所述鸡舍内的鸡的群行为特征量；以及估计部，其基于计算出的所述群行为特征量来估计所述鸡舍内的鸡的体重。

在本发明的一个方式所涉及的体重估计方法中，拍摄鸡舍内的图像；通过对拍摄到的所述图像进行图像处理来计算所述鸡舍内的鸡的群行为特征量；以及基于计算出的所述群行为特征量来估计所述鸡舍内的鸡的体重。

本发明的一个方式所涉及的程序是一种用于使计算机执行所述体重估计方法的程序。

发明的效果

本发明的体重估计系统、体重估计方法以及程序能够估计鸡舍内的鸡的体重。

附图说明

图1是示出实施方式所涉及的体重估计系统的概要的图。

图2是示出实施方式所涉及的体重估计系统的功能结构的框图。

图3是密度偏差的计算动作的流程图。

图4是示出由摄像部拍摄到的鸡舍内的图像的一例的图。

图5是示出由摄像部拍摄到的鸡舍内的图像的另一例的图。

图6是活动量的计算动作的流程图。

图7是示出鸡舍内的鸡的群行为特征量与鸡舍内的鸡的摄食状态的关系的图。

图8是示意性地示出用于估计鸡的体重的学习模型的图。

图9是示出鸡的体重的增加量的估计值的显示例的图。

图10是示出鸡的体重的增加量的估计值的推移的图表。

图11是示出鸡的体重的估计值的显示例的图。

图12是示出鸡的体重的估计值的显示例的图。

图13是示出变形例2所涉及的体重估计系统的概要的图。

图14是示出由作为鱼眼摄像机发挥功能的摄像装置拍摄到的鸡舍内的图像的一例的图。

图15是示出对由作为鱼眼摄像机发挥功能的摄像装置拍摄到的鸡舍内的图像进行校正而得到的图像的一例的图。

具体实施方式

下面，参照附图对实施方式进行说明。此外，以下要说明的实施方式均示出概括性的或具体的例子。以下的实施方式中示出的数值、形状、材料、构成要素、构成要素的配置位置及连接方式、步骤以及步骤的顺序等是一例，而并非旨在限定本发明。另外，以下实施方式的构成要素中的在独立权利要求中没有记载的构成要素作为任意的构成要素来进行说明。

此外，各图是示意图，并不一定严格地进行了图示。另外，在各图中，对实质上相同的结构标注了相同的附图标记，有时省略或简化重复的说明。

(实施方式)

[结构]

首先，对实施方式所涉及的体重估计系统的结构进行说明。图1是示出实施方式所涉及的体重估计系统的概要的图。图2是示出实施方式所涉及的体重估计系统的功能结构的框图。

如图1所示，实施方式所涉及的体重估计系统10例如设置于鸡舍100。在鸡舍100中饲养的鸡的品种例如是肉鸡(更具体地说，是chunky肉鸡、科宝(cobb)肉鸡或爱拔益加(arboracres)肉鸡等)，但也可以是所谓的走地鸡等其它品种。在鸡舍100内配置有喂食器50和供水器(未图示)等。

体重估计系统10通过对由摄像装置20拍摄到的鸡舍100内的图像进行图像处理来计算鸡舍100内的鸡的群行为特征量，基于计算出的群行为特征量来估计鸡舍100内的鸡的体重。群行为特征量是表示将多只鸡来视为一个群时的行为的特征量。这样，如果基于群行为特征量来估计体重，则不需要导入体重计等，因此能够在抑制设备投资的情况下掌握鸡的培育状态。另外，能够简化测量鸡的体重的作业(例如，将鸡载置在体重计上的作业等)。

如图1和图2所示，具体地说，体重估计系统10具备摄像装置20、信息终端30以及显示装置40。下面，详细地说明各装置。

[摄像装置]

摄像装置20拍摄鸡舍100内的图像。摄像装置20例如安装在鸡舍100的顶棚或墙壁等上，摄像部21拍摄俯瞰鸡舍100内所得到的图像。这里的图像是指静止图像，摄像装置20例如始终拍摄由多个图像(换言之，帧)构成的运动图像。摄像装置20具备摄像部21。

摄像部21是包括图像传感器和向图像传感器引导光的光学系统(透镜等)的摄像模块。具体地说，图像传感器是CMOS(Complementary Metal Oxide Semiconductor：互补金属氧化物半导体)传感器或CCD(Charge Coupled Device：电荷耦合器件)传感器等。为了监视鸡舍100内的鸡的摄食状态，利用信息终端30对由摄像部21拍摄到的图像进行图像处理。

[信息终端]

信息终端30是由鸡舍100的管理者等使用的信息终端。信息终端30通过对由摄像装置20拍摄到的鸡舍100内的图像进行图像处理，来监视鸡舍100内的鸡对饵料的摄食状态。信息终端30例如是个人计算机，但也可以是智能手机或平板终端。另外，信息终端30也可以是在体重估计系统10中使用的专用装置。具体地说，信息终端30具备通信部31、信息处理部32、存储部33以及输入部34。

通信部31是获取部的一例，用于获取由摄像装置20所具有的摄像部21拍摄到的图像。另外，通信部31基于计算部32a的控制，向显示装置40发送用于显示表示摄食状态已恶化的图像的图像信息。

具体地说，通信部31是进行有线通信或无线通信的通信模块。换言之，通信模块是通信电路。通信部31的通信方式没有特别地限定。通信部31中也可以包括用于与摄像装置20及显示装置40分别进行通信的两种通信模块。另外，也可以在通信部31与摄像装置20及显示装置40之间介入路由器等中继装置。

信息处理部32进行用于监视鸡舍100内的鸡的摄食状态的信息处理。具体地说，信息处理部32由微型计算机实现，但也可以由处理器或专用电路实现。信息处理部32也可以由微型计算机、处理器以及专用电路中的2个以上的组合来实现。具体地说，信息处理部32具有计算部32a和估计部32b。

计算部32a计算通过对由通信部31获取到的图像进行图像处理而得到的鸡舍100内的鸡的群行为特征量。群行为特征量例如是密度偏差和活动量。群行为特征量的详细情况在后文叙述。

估计部32b基于由计算部32a计算出的群行为特征量来估计鸡舍100内的鸡的体重。此外，由估计部32b进行的鸡的体重的估计方法的详细情况在后文叙述。

存储部33存储由信息处理部32执行的控制程序。存储部33例如由半导体存储器实现。

输入部34是用于接受鸡舍100的管理者等的输入的用户接口装置。输入部34例如由鼠标和键盘等实现。输入部34也可以由触摸面板等实现。

[显示装置]

显示装置40通过图像的显示向鸡舍100的管理者等通知鸡舍100内的鸡的摄食状态。显示装置40具有显示部41。显示部41基于从通信部31发送的图像信息来显示图像。显示部41是通知部的一例，通过图像的显示来通知摄食状态已恶化。

具体地说，显示装置40例如是个人计算机用的监视器，但也可以是智能手机或平板终端。在信息终端30是智能手机等的情况下，也可以是，信息终端30具备显示部41来代替显示装置40。具体地说，显示部41由液晶面板或有机EL面板等实现。

[密度偏差的计算动作]

在鸡舍100内，鸡聚集在喂食器50的周边的状态被认为是摄食状态良好。因此，体重估计系统10计算密度偏差来作为表示喂食器50的周边的鸡的密集状态的群行为特征量。以下，对这种密度偏差的计算动作的详细情况进行说明。图3是密度偏差的计算动作的流程图。

首先，摄像装置20的摄像部21拍摄鸡舍100内的图像(S11)。图4是示出由摄像部21拍摄到的鸡舍100内的图像的一例的图。

接着，信息终端30的计算部32a获取由摄像部21拍摄到的鸡舍100内的图像，将获取到的图像变换为黑白图像(S12)。在由摄像部21拍摄到的图像是彩色图像的情况下，计算部32a将获取到的彩色图像变换为灰度图像，通过将灰度图像中包含的多个像素的像素值分别与阈值进行比较，来将图像二值化。也就是说，计算部32a将灰度图像变换为黑白图像。黑白图像是多个像素分别为白色和黑色中的某一种颜色的图像。换言之，黑白图像是由摄像部21拍摄且被二值化后的图像。

由于鸡的身体是白色的，因此在黑白图像中白色的部分为被估计为拍进了鸡的部分。在第一监视动作中，目的是判定喂食器50的周边的鸡的密集状态，因此通过区分拍进了鸡的部分和除此以外的部分来提高密集状态的判定精度。因而，适当地确定用于二值化的阈值，以使得拍进了鸡的部分选择性地变成白色。此外，作为一般的计算在图像的二值化中使用的阈值的方法，已知百分比阈值(p-tile)法、双峰(mode)法以及判别分析法等，也可以使用这种方法来确定阈值。另外，配置在鸡舍100内的喂食器50等最好是在二值化中尽量成为黑色的配色的物体。也就是说，喂食器50最好被进行与鸡不同的配色。

接着，计算部32a决定黑白图像的至少一部分区域即特定区域(S13)。具体地说，特定区域是黑白图像的一部分区域，并且是包括拍进了喂食器50的部分的区域。在图4中，例示了喂食器50的周边的沿着图像的水平方向长的特定区域A。在图4中，喂食器50的周边的区域被选择性地作为特定区域A。此外，特定区域也可以被分成多个区域。图5是示出特定区域被分成多个区域的情况下的由摄像部21拍摄到的鸡舍100内的图像的一例的图。在图5中，除了特定区域A1以外，还示出了特定区域A2。例如在设置摄像装置20时由设置者等通过经验或实验来确定将图像内的哪个部分作为特定区域。在摄像部21的摄像范围窄的情况下，特定区域也可以是图像的全部。

接着，计算部32a将特定区域分割为多个单位区域(S14)。在图4(或图5)中，例示了通过将特定区域分割成格子状而得到的矩形的单位区域a。例如由设置者等通过经验或实验来确定特定区域的分割方法(单位区域的大小和分割数量等)。

接着，计算部32a针对多个单位区域中的每个单位区域计算被估计为拍进了鸡的部分在该单位区域中所占的比例(S15)。具体地说，计算部32a计算白色部分的面积占单位区域的整个面积的比例，来作为被估计为拍进了鸡的部分在单位区域中所占的比例。更具体地说，计算部32a通过将单位区域中包含的白色像素的总数除以单位区域中包含的总像素数，来计算白色部分的面积的比例。

接着，计算部32a计算针对多个单位区域中的每个单位区域计算出的被估计为拍进了鸡的部分的比例的偏差(S16)。换言之，计算部32a求出存在于特定区域的鸡的密度的空间上的偏差。这里的偏差具体是指标准偏差，但也可以是方差。针对多个单位区域中的每个单位区域计算出的被估计为拍进了鸡的部分的比例的偏差也被记载为密度偏差。

密度偏差较小的状态意味着摄食状态良好。根据发明人的实验，能够通过使密度偏差较小的状态持续，来有效地使鸡增重。

[活动量的计算动作]

另外，在喂食器50的周边进行活动的鸡被估计为并不是仅仅停留在喂食器50的周边而是摄取了食物。因而，认为喂食器50的周边的鸡的活动量越多，摄食状态越良好。因此，体重估计系统10计算喂食器50的周边的鸡的活动量，来作为与密度偏差不同的群行为特征量。具体地说，计算部32a通过使用了由摄像部21拍摄到的图像的图像处理来计算特定区域中的鸡的活动量。以下，对这种第二监视动作的详细情况进行说明。图6是活动量的计算动作的流程图。

首先，摄像装置20的摄像部21拍摄鸡舍100内的图像(S21)。信息终端30的计算部32a将由摄像部21拍摄到的鸡舍100内的图像变换为黑白图像(S22)，将黑白图像的至少一部分区域决定为特定区域(S23)。这些步骤S21～步骤S23与图3的步骤S11～步骤S13相同。在步骤S23中决定的特定区域与在步骤S13中确定的特定区域相同。

接着，计算部32a基于作为处理对象的黑白图像的特定区域中包含的、颜色相对于前一帧的图像发生了变化的像素的数量来计算活动量(S24)。具体地说，计算部32a将作为处理对象的黑白图像与该黑白图像的前一帧的黑白图像进行比较，来对特定区域中包含的、颜色相对于前一帧的黑白图像发生了变化的像素的数量进行计数。这里的颜色发生了变化的像素包括从黑色变化为白色的像素和从白色变化为黑色的像素这两种像素。然后，计算部32a计算计数得到的像素的数量来作为活动量。此外，计算部32a也可以计算计数得到的像素的数量相对于特定区域中包含的总像素数的比例来作为活动量。

[群行为特征量与摄食状态的关系]

密度偏差和活动量可以说是表示鸡舍100内的鸡的摄食状态的群行为特征量。图7是示出鸡舍100内的鸡的群行为特征量与鸡舍100内的鸡的摄食状态之间的关系的图。

如图7的(a)所示，在鸡均匀地分布在喂食器50的周边且正在活动的情况下，摄食状态良好。在这种情况下，密度偏差变小，并且活动量变大。

另外，如图7的(b)所示，在鸡在喂食器50的周边零散地到处活动的情况下，摄食状态不太好。在这种情况下，密度偏差变大，并且活动量变大。

另外，如图7的(c)所示，在喂食器50的周边聚集了某种程度的鸡但卧着的鸡多的情况下，摄食状态不太好。在这种情况下，密度偏差变小，并且活动量变小。

另外，如图7的(d)所示，在鸡没有聚集在喂食器50的周边而是鸡分散地卧在鸡舍100内的情况下，摄食状态不好。在这种情况下，密度偏差变大，并且活动量变小。

这样，认为密度偏差和活动量示出鸡舍100内的鸡的摄食状态，并且摄食状态与鸡的体重的增加量具有密切的关系。估计部32b能够使用基于机器学习构建出的学习模型来估计鸡的体重，该学习模型将鸡的日龄、该日龄下的密度偏差以及该日龄下的活动量用作输入数据，并且将该日龄下的鸡的体重的增加量的实测值设为训练数据。图8是示意性示出用于估计鸡的体重的学习模型的图。

如图8所示，这种学习模型能够将鸡的日龄、该日龄下的密度偏差以及该日龄下的活动量作为输入数据，并输出鸡的体重的增加量的估计值。此外，输入数据除了包含日龄、该日龄下的密度偏差以及该日龄下的活动量以外，也可以包含季节信息(年月日信息)以及鸡舍100内的环境信息(温度信息、湿度信息等)等。

此外，某个鸡舍100所使用的学习模型是通过基于在该鸡舍100中获取到的数据的机器学习而构建的。也就是说，按每个鸡舍100定制了学习模型。然而，基于在某个鸡舍100中获取到的数据的机器学习而构建出的学习模型也可以在其它鸡舍100中使用。在该情况下，最好进行从学习模型输出的输出数据的调整等。

[体重的估计动作]

说明使用这种学习模型进行的鸡的体重的估计动作。图9是鸡的体重的估计动作的流程图。首先，计算部32a计算密度偏差(S31)。密度偏差的计算方法是如使用图3进行了说明的方法那样的方法。接着，计算部32a计算活动量(S32)。活动量的计算方法是如使用图6进行了说明的方法那样的方法。

接着，估计部32b获取在拍摄到用于计算密度偏差和活动量的图像时的鸡舍100内的鸡的日龄(S33)。鸡的日龄例如由鸡舍100的管理者等输入到输入部34。也可以通过估计部32b对鸡的日龄进行测量(计数)。

接着，估计部32b估计鸡的体重的增加量(S34)。估计部32b能够通过将在步骤S31中计算出的密度偏差、在步骤S32中计算出的活动量以及在步骤S33中获取到的鸡的日龄输入到图8的学习模型，来得到该日龄下的鸡的体重的增加量的估计值。此外，这里的鸡的体重的增加量的估计值例如是一只鸡的体重的增加量(换言之，平均增加量)的估计值。

接着，估计部32b基于鸡的体重的增加量的估计值来生成图像信息，显示部41基于该图像信息来显示用于表示鸡的体重的增加量的估计值的图像(S35)。图10是示出鸡的体重的增加量的估计值的显示例的图。

另外，对在鸡舍100内培育的鸡规定了基准体重。基准体重例如是由雏鸡的提供者提供的按日龄的理想体重(目标体重)，这样的按日龄的表示基准体重的体重信息作为体重信息预先被存储在存储部33中。此外，基准体重也可以是过去在鸡舍100中饲养过的鸡的按日龄的平均体重(在鸡舍100中饲养过的鸡的实测平均)等。

在图10的例子中，显示部41除了基于这样的体重信息来显示体重的增加量的估计值之外，还将体重的增加量的基准值(目标值)作为比较对象进行显示。这样，如果除了将体重的增加量的估计值作为比较对象进行显示之外还将体重的增加量的基准值作为比较对象进行显示，则容易根据估计值与基准值的偏离度来掌握培育的好坏。

另外，估计部32b也能够通过对每天的体重的增加量的估计值进行累计来估计鸡当前的体重。图11是示出鸡的体重的估计值的推移的图表(线形图表)。在图11中还一并示出了鸡的体重的增加量的估计值(柱形图)。此外，这里的鸡的体重的估计值例如是一只鸡的体重(换言之，每只鸡的平均体重)的估计值。

另外，估计部32b也能够通过根据体重的估计值的推移(换言之，多个体重的估计值)求出近似曲线(图11的虚线)，来估计(预测)鸡将来的体重。例如，估计部32b能够估计鸡舍100内的鸡在出厂时(例如，第49天)的体重。

这样，如果在出厂之前的时间点估计出鸡在出厂时的体重，则能够事先掌握出厂时的作业量，从而容易确保人员等。

此外，显示部41也可以显示这样的体重的估计值。也可以是，在该情况下也同样地，显示部41除了基于体重信息来显示体重的估计值之外，还将体重的基准值(目标值)作为比较对象进行显示。图12是示出鸡的体重的估计值的显示例的图。

[饲料需求率和生产指数的计算]

也可以是，计算部32a还基于估计出的体重的增加量来计算饲料需求率(FCR：Feed Conversion Rate)等表示鸡舍100中的生产率的参数。饲料需求率是表示为了得到1kg的体重的增加量需要多少kg的饲料的指标，基于如下的式子来计算饲料需求率：饲料需求率＝饲料摄取量(kg)/体重的增加量(kg)。

在该情况下，例如如果由鸡舍100的管理者等向输入部34输入饲料摄取量，则计算部32a能够通过将所输入的饲料摄取量除以由估计部32b估计出的体重的增加量来计算饲料摄取量。

另外，计算部32a还可以基于估计出的出厂时的体重来计算生产指数(PS：Production Score)。生产指数是用于衡量物质生产量水平的指标，基于如下的式子来计算出：生产指数＝(出厂时的体重×培育率/出厂日龄/饲料需求率)×100。此外，换言之，培育率是鸡的存活率，通过如下的计算式来求出：培育率＝出厂时的鸡的数量/培育开始时的鸡的数量。

在该情况下，例如如果由鸡舍100的管理者等向输入部34输入出厂日龄和培育率，则计算部32a能够除了使用所输入的信息以外，还使用由估计部32b估计出的出厂时的体重以及由计算部32a计算出的饲料需求率来计算生产指数。

这样，体重估计系统10能够基于所估计出的体重来计算表示生产率的参数。此外，也可以通过显示部41来显示所计算出的表示生产率的参数(饲料需求率和生产指数)。

[变形例]

鸡舍100内设置的摄像装置也可以是鱼眼摄像机。图13是示出这样的变形例2所涉及的体重估计系统的概要的图。

图13所示的体重估计系统10a所具备的摄像装置20a是鱼眼摄像机。这样的摄像装置20a例如是通过使该摄像装置20a所具备的摄像部(未图示)具备鱼眼透镜而实现的。摄像装置20a安装在鸡舍100的顶棚上，从正上方对鸡舍100内进行拍摄。图14是示出由摄像装置20a拍摄到的鸡舍100内的运动图像的一例的图。

当如体重估计系统10那样从斜上方对鸡舍100内进行拍摄时，拍到在图像内的离摄像装置20远的位置处鸡密集。于是，在如上所述那样计算滞留率等参数时，有时需要在排除这样的区域等方面下工夫。

与此相对地，如图14所示的由鱼眼摄像机拍摄到的运动图像容易通过图像处理(更具体地说，将等距离投影的图像变换为中心投影的图像的投影变换处理)而校正为如图14所示的从正上方拍摄鸡舍100内的整体而得到的图像。也就是说，摄像装置20a能够容易地拍摄鸡舍100内的整体。图15是示出对由摄像装置20a拍摄到的鸡舍100内的图像进行校正(也就是进行了投影变换)而得到的图像的一例的图。这样，可以说摄像装置20a适于生成监视用图像以及计算使用了监视用图像的参数。

此外，在使用摄像装置20a生成监视用图像的情况下，可以在进行了投影变换处理之后进行向黑白图像变换的变换处理，也可以在进行了向黑白图像变换的变换处理之后进行投影变换处理。

[效果等]

如以上所说明的那样，体重估计系统10具备：摄像部21，其拍摄鸡舍100内的图像；计算部32a，其通过对由摄像部21拍摄到的图像进行图像处理来计算鸡舍100内的鸡的群行为特征量；以及估计部32b，其基于计算出的群行为特征量来估计鸡舍100内的鸡的体重。

这样的体重估计系统10能够通过图像处理来容易地估计鸡舍100内的鸡的体重。

另外，例如计算部32a通过对由摄像部21拍摄到的、拍进了配置在鸡舍100内的喂食器50的图像进行图像处理，来计算群行为特征量。

这样的体重估计系统10能够通过对与摄食状态更密切关联的图像进行图像处理，来高精度地估计鸡舍100内的鸡的体重。

另外，例如计算部32a进行以下计算：(a)针对通过对图像内的至少一部分区域即特定区域进行分割而得到的多个单位区域中的每个单位区域计算被估计为拍进了鸡的部分在该单位区域中所占的比例，并计算所计算出的比例的偏差作为群行为特征量，并且(b)通过对特定区域进行图像处理来计算鸡舍100内的鸡的活动量作为群行为特征量。估计部32b基于上述比例的偏差和活动量来估计鸡舍100内的鸡的体重。

这种体重估计系统10能够通过使用作为表示摄食状态的群行为特征量的密度偏差和活动量，来高精度地估计鸡舍100内的鸡的体重。此外，估计部32b可以使用密度偏差和活动量中的至少一方来估计鸡舍100内的鸡的体重，也可以使用密度偏差和活动量以外的群行为特征量来估计鸡舍100内的鸡的体重。

另外，例如，估计部32b基于群行为特征量来估计鸡舍100内的鸡的按日龄的体重的增加量。

这种体重估计系统10能够估计鸡舍100内的鸡的按日龄的体重的增加量。

另外，例如，计算部32a还基于所估计出的体重来计算饲料需求率和生产指数中的至少一方。

这种体重估计系统10能够计算饲料需求率和生产指数中的至少一方。

另外，例如，估计部32b基于根据在鸡舍100内的鸡出厂时之前拍摄到的图像计算出的群行为特征量，来估计鸡舍100内的鸡在出厂时的体重。

这种体重估计系统10能够估计鸡舍100内的鸡在出厂时的体重。如果在出厂前的时间点估计出鸡在出厂时的体重，则能够事先掌握出厂时的作业量，从而容易确保进行出厂作业的人员等。

另外，例如，体重估计系统10还具备显示部41，该显示部41将估计出的体重与规定的基准体重以相比较的方式进行显示。

这种体重估计系统10能够将所估计出的体重与规定的基准体重进行比较来显示。这样，如果除了显示估计出的体重之外还将规定的基准体重作为比较对象进行显示，则容易根据估计出的体重与基准体重的偏离度来掌握培育的好坏。

另外，在体重估计方法中，拍摄鸡舍100内的图像；通过对拍摄到的图像进行图像处理来计算鸡舍100内的鸡的群行为特征量；以及基于所计算出的群行为特征量来估计鸡舍100内的鸡的体重。

这种体重估计方法能够通过图像处理来容易地估计鸡舍100内的鸡的体重。

(其它实施方式)

以上，对实施方式所涉及的体重估计系统进行了说明，但本发明并不限定于上述实施方式。

例如，本发明也可以实现为以昼行性家禽类为对象的系统。昼行性家禽类除了包括鸡以外，还包括例如鸭子、火鸡或珍珠鸡等。

另外，在上述实施方式中，体重估计系统实现为包括多个装置的系统，但可以实现为单个的装置，也可以实现为客户端服务器系统。

另外，体重估计系统所具备的构成要素的向多个装置的分配是一例。例如，一个装置所具备的构成要素也可以由其它装置所具备。例如，也可以是，信息终端具备显示部来代替显示装置，并省略显示装置。

另外，本发明的概括性的或具体的方式可以由装置、系统、方法、集成电路、计算机程序或计算机可读取的CD-ROM等记录介质实现，也可以由装置、系统、方法、集成电路、计算机程序以及记录介质的任意组合实现。例如，本发明可以实现为体重估计方法，可以实现为用于使计算机执行体重估计方法的程序，也可以实现为记录有该程序的非暂时性计算机可读取记录介质。

另外，在上述实施方式中，特定的处理部所执行的处理也可以由其它处理部执行。另外，在上述实施方式中说明的体重估计系统的动作中的多个处理的顺序是一例。多个处理的顺序也可以变更，多个处理也可以并行地执行。

另外，在上述实施方式中，信息处理部等构成要素也可以通过执行适于该构成要素的软件程序来实现。构成要素也可以通过由CPU或处理器等程序执行部读出并执行记录在硬盘或半导体存储器等记录介质中的软件程序来实现。

另外，信息处理部等构成要素也可以由硬件实现。具体地说，构成要素也可以由电路或集成电路实现。这些电路可以作为整体而构成一个电路，也可以分别是不同的电路。另外，这些电路各自可以是通用的电路，也可以是专用的电路。

此外，对各实施方式实施本领域技术人员想到的各种变形所得到的方式、或者在不脱离本发明的主旨的范围内通过将各实施方式中的构成要素及功能任意地组合而实现的方式也包含在本发明中。

附图标记说明

10、10a：体重估计系统；21：摄像部；32a：计算部；32b：估计部；41：显示部；50：喂食器；100：鸡舍；a：单位区域；A、A1、A2：特定区域。