在以往的研究中，奶牛的背部弯曲和行走方式都会出现蹄病的迹象，因此研究了通过检测图像弯曲程度来检测蹄病的方法。然而，虽然早期检测是一种重要的疾病，但常规方法只能检测到中度至重度的蹄病。

　因此，八木教授等人课题组将人体步行图像分析技术应用于奶牛，以期及早发现蹄病。具体来说，距离图像传感器是一种可以测量物体距离的相机，防水防尘，安装在研究合作机构乐野学园大学的谷仓中。我们根据拍摄的大量奶牛的行走图像来表征行走状态，并通过机器学习检测到一个患有蹄病的个体。结果，可以以温和的方式以 99% 或更高的准确度检测蹄病。

　当前，奶牛养殖业劳动力减少、人口老龄化，急需为奶农节省劳动力。期望通过人工智能和视频分析监控技术，通过对奶牛工人看不到的细节进行观察，实现既省力又优质的“智能牛舍”。预计该研究成果将对实现这个“智能牛舍”，实现奶农可以专注于节省劳动力和高质量产品的奶牛养殖新时代做出巨大贡献。

　这项研究的结果于 2017 年 3 月 10 日至 11 日在日本信息处理学会的 CVIM 研究组上发表。