| 研究課題/領域番号 |
22K14932
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分40030:水圏生産科学関連
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
家永 直人 筑波大学, システム情報系, 助教 (30899133)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
|
|---|
| キーワード | 深層学習 / 画像処理 / 物体検出 / 物体追跡 / ワムシ / 種苗生産 / 養殖 |
|---|
| 研究開始時の研究の概要 |
ワムシは各種海産魚類養殖種苗の初期餌料として広く利用されているが，増殖不良が発生しやすく，ワムシが全滅することさえある．そのためワムシの数や大きさなどを日々測定し，ワムシの健康状態を把握しなければならない．この測定作業は素人には難しいだけでなく，非常に手間のかかる作業である．本研究では深層学習を活用し，ワムシの健康状態を自動で診断するシステムの構築を目的とする．このシステムはワムシの動画像を入力とし，簡便なワムシの健康状態診断を可能とする．本研究の成果は，ワムシの自動培養システムの開発などへの応用にもつながると期待できる．
|
| 研究成果の概要 |
本研究ではまず，3万以上のインスタンスを含むワムシの動画データセットを構築した。このデータセットに物体検出，追跡手法を適用した。無携卵個体と携卵個体の2クラス検出の平均精度は83%であり，一定の精度を達成した。
次に養殖現場での実用性を考慮し，画像を用いた検証を進めた。Oriented Bounding Boxを用いて，検出と同時にサイズ測定を行うようにシステムを改良した。まだ基礎的な検証段階だが，物体検出モデルの一般的な評価指標であるmAP50は95%程度あり，高精度な検出が期待される。
今後は，上記成果まとめ，学術雑誌にて公開するとともに，システムの実用化と他プランクトンへの適用を目指す。
|
| 研究成果の学術的意義や社会的意義 |
本研究で構築した3万以上のインスタンスを含むワムシの動画データセットと，それに適用した物体検出・追跡モデルを，当該領域の研究発展のため公開した。
現在手作業で行われているワムシの測定作業が自動化できれば，時間と労力の大幅な削減につながるだけでなく，誰にでも客観的な測定が可能となる。また本研究成果は，将来的にはワムシの培養自体の自動化や，アルテミアなどワムシ以外の生物餌料への応用にもつながると考えられ，水産業への大きなインパクトが期待される。
|
