2018 Fiscal Year Annual Research Report
情報科学と画像解析を応用した新技術展開による養殖魚成育生産管理システムの開発
| Project/Area Number |
18H02260
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
高木 力 北海道大学, 水産科学研究院, 教授 (80319657)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
竹原 幸生 近畿大学, 理工学部, 教授 (50216933)
米山 和良 北海道大学, 水産科学研究院, 准教授 (30550420)
井口 信和 近畿大学, 理工学部, 教授 (50351565)
鳥澤 眞介 近畿大学, 農学部, 講師 (80399097)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 養殖魚 / 生産管理 / 画像解析 / 情報科学 |
|---|
| Outline of Annual Research Achievements |
魚類養殖産業では生産物が水面下にあるため日常的に求められる生産管理や成育状態の把握が困難となっている。こうした背景からICT導入による効率化が検討されている。
本研究では，魚類養殖の成育・生産を効率化するシステムの構築を目指して，非接触で養殖魚の収容数や生育状態を計測する基盤技術開発に取り組む。
【個体数計数システムの開発】本システムは取得された画像情報から個体画像を抽出する過程とその個体画像を連続画像上で追跡し，各個体の移動ベクトルを推定する二つの解析パートで構成されている。H30年度は，生簀内を遊泳する養殖魚を撮影した画像情報から個体画像を抽出するアルゴリズムの基盤部分の構築を行った。深層学習による個体画像識別の有効性を確認した。検出対象を塗り分けた画像と元画像をペアとした教師データを用いて検出対象を画像的に識別するSegNetとよばれる深層学習法を適用することにより，養殖魚の個体画像を関心領域として抽出することを行った。その結果，実験水槽レベルでは学習画像データ100枚を用いて，2層構造SegNetを適用することで個体画像抽出が可能となった。この成果を実海域に応用することによりクロマグロ養殖場での養殖魚個体の画像抽出を行い，最適なSegNetの学習パラメータを探索する。
【非接触型個体サイズ推定システムの開発】DLT法を用いて複数のカメラから三次元位置座標を推定し，養殖魚の尾叉長等の成長状態を把握するシステムの開発を行った。直方体状キャリブレーションフレームを用いてカメラシステムを較正し計測誤差を抑制した。これにより養殖魚の体サイズは直接生簀から捕獲せずに，非接触で体サイズを定量化することができる。直接計測したものと本方法から算定された結果を比較したところ，直接計測との有意差は認められず本方法の有効性を確認することができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
【個体数計数システムの開発】網生簀や水槽内を多数遊泳する養殖魚魚群の画像情報を漏れなく撮影することが必要となる。そのため適切な遊泳画像取得用のカメラシステムの構築と設置方法開発が必要となるが，一般のカメラではその画角範囲が狭いため，広角レンズを備えた焦点距離の短いカメラセットとその設置方法が検討され，実際に運用されている大型養殖生簀に適用できることが確認された。画像情報から個体画像を抽出するアルゴリズムには深層学習を適用した方法を用いることにより，様々な撮影環境下での画像から個体を抽出できる可能性が示唆された。堅牢性のあるシステム構築のため，今後の研究では適切な深層学習アルゴリズムの開発を探索することになる。個体数計数システム開発は概ね順調に進捗しているといえる。
【非接触型個体サイズ推定システムの開発】複数のカメラから得られる対象物の三次元位置座標を算定する手法は従来よりいくつか提案されているが，実海域での堅牢性を担保するためには複雑な計測システムの使用は避ける必要がある。一方，市場での生産物の取引は重量ベースで行われるので，可能な限り計測長さの基準となる位置座標計測の正確性は高いものが要求される。実海域実験からDLT法を適用したカメラシステムでは比較的廉価な市販カメラの構成でも充分な運用性と精度が保障されることが本年の実験結果から得られたため，個体サイズ推定システムの構築には目標とする成果が得られるたものと考えられた。
|
| Strategy for Future Research Activity |
生簀内を遊泳する養殖魚魚群の全数を撮影するためのカメラセットの構築が行われた。この結果をもとにクロマグロ養殖場を今後実験フィールドとして生簀内魚群画像を撮影することとし，様々な収容生簀と異なる養殖環境下でカメラセットの適用が可能か実証実験を行う。撮影された魚群内の個体画像抽出は従来のPIV解析で適用されたマスク処理が施された画像処理よりも，深層学習による画像抽出の方がロバスト性があることがわかった。養殖クロマグロを主な撮影対象魚群として，個体の抽出に適する学習パラメータとなる，SegNetの層構造，エポック回数，反復回数，教師画像枚数を変化させ適切な学習の最適化アルゴリズムを探索する。画像教師データのコレクションをさらに増やし，学習効果を高める作業とその効果検証実験を行う。
個体画像抽出の過程で得られたオクルージョン画像（個体の重複）はPIV解析のアルゴリズムの一つであるKC法を適用することにより対応する。KC法のアルゴリズムを養殖魚の個体画像抽出に最適化するため，関連する撮影実験を継続し，幅広い撮影環境下でもベクトル抽出能力の高いアルゴリズム構築を目指す。
KC法を適用して得られた個体の移動ベクトルの抽出の正確性を確認し，養殖魚の状態を評価可能とする特徴量として利用できるか評価検討する。
|
Research Products
(6 results)
