| Project/Area Number |
24K21904
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 41:Agricultural economics and rural sociology, agricultural engineering, and related fields
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
尾崎 彰則 九州大学, 熱帯農学研究センター, 准教授 (40535944)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岡安 崇史 九州大学, 農学研究院, 教授 (70346831)
入江 博樹 熊本高等専門学校, 拠点化プロジェクト系地域協働プロジェクトグループ, 教授 (70249887)
葉山 清輝 熊本高等専門学校, 拠点化プロジェクト系地域協働プロジェクトグループ, 教授 (00238148)
|
|---|
| Project Period (FY) |
2024-06-28 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2026: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2025: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2024: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
|---|
| Keywords | 自動航行ボート / 水底環境マッピング / 水底環境リアルタイム検知 / 養殖生産支援 |
|---|
| Outline of Research at the Start |
クルマエビ養殖生産では水底環境管理が極めて重要であり，生産者は潜水作業により汚泥の除去，生産個体の状態確認などを行っている．本研究ではこれらの水底管理作業に対し，自動航行ボートによる水底環境動画の取得と解析により，水底管理作業を支援可能とする技術開発を目指す．具体的には，まず，市販IoTパーツにより自動航行ボートを開発し水底環境動画を撮影する．次に，ボートが撮影する画像を用いて，水底環境特性マップを生成するとともに，水底環境状態のリアルタイム検知技術を開発する．これら2つの見える化技術により，養殖生産支援ひいては水環境関連研究の観測手法として応用できる画期的技術確立に挑戦する．
|
| Outline of Annual Research Achievements |
本研究では，クルマエビ養殖生産の水底管理作業を支援することを目的として，①自動航行ボートによる水底環境動画の撮影，②このボートで取得する画像情報を用いた水底環境特性マップの生成，③水底環境リアルタイム検知技術の開発，以上の3点に挑戦し，養殖生産活動の作業負担軽減や生産性向上に寄与できる技術確立を目指している．
2024年度はまず，全地球航法衛星システム（GNSS）とオープンソースのドローン自動航行システム（ArduPilot）を自作ボートに組み込み，養殖池内での自動航行を実現した．特に養殖池では，水車による水流の影響を受けながら，任意の位置・方向・経路で作業する必要があるため，3基の可変推力型水中スラスターを搭載した高機動型の自動航行ボートを開発した．
次に，このボートにカメラを設置し，水底を撮影することで水底環境動画を取得した．この動画からは，飼料堆積箇所，白カビ発生箇所，ヘドロ化進行箇所などの水底環境の実態を確認できた．そこで，これらの情報をもとに，機械学習によるクラスタリングを実施し，自動航行ルートに沿ってクラスタリング結果をマッピングすることで，水底環境特性マップを生成した．
このマップにより，水車付近では飼料の堆積が多く，水の停滞しやすい場所ではヘドロ化が進行しているなど，水底環境改善のための有用な知見が得られた．
以上のように本年度は，自動航行ボートを用いた水底環境動画の取得とそれに基づく環境特性マップの生成という，本研究の基盤となる技術の確立に成功した．今後は，これらの技術を活用し，養殖生産期すべてを通した水底環境モニタリングを継続的に実施することで，養殖支援に資する情報の蓄積とみえる化をさらに進めていきたい．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
自動航行ボートの開発については，小型機による試作と水流下での実験を通じて設計の有効性を確認し，GNSSおよびArduPilotを用いた自律航行を実現した．また，偏向スラスター型の自律移動ボートや，赤外線照明付き水中カメラによる水底環境の撮影も行い，今後の実用化に向けた準備も進めることができた．
一方，水底環境マッピングについては，撮影した水底動画を1秒ごとの静止画に分割し，砂利（通常の水底），飼料堆積，白カビ発生，ヘドロ化進行の4クラスを教師データとした畳み込みニューラルネットワーク（CNN）による分類を実施した．その結果，航行ルートに応じた水底環境マップの生成が可能となった．さらに，夜間撮影した動画をもとに，YOLOを用いてエビ個体を検出・カウントするプログラムのプロトタイプも開発した．
|
| Strategy for Future Research Activity |
今後は，2024年度に開発した自動航行ボートを活用し，水底環境をリアルタイムで検知し，環境状態の悪化が認められる箇所にアラートを出す技術の開発を目指す．具体的には，CNNを用いて広範な水底環境をクラス分類し，YOLOを用いて飼料堆積やエビ個体などの局所的対象を検出することで，撮影と同時に水底環境の状態判定と異常検知をリアルタイムで行うシステムの構築を進める．
また，2024年度に開発した3基の可変推力型水中スラスターを備えた高機動型ボートおよび偏向スラスター搭載型ボートは，強い水流下でも安定した自動航行が可能である．このため，水底環境のみえる化にとどまらず，給餌・清掃などの養殖管理作業の自動化にも応用可能と考えられる．今後はこれらの技術を統合し，養殖現場における作業効率化と省力化の実現を目指した発展的な研究にも取り組んでいく．
|
