養殖マグロを機械の眼で自動カウント:電通国際情報サービス、双日ツナファーム鷹島、Arayaが人工知能を用いた自動カウントシステムの共同研究開発を開始

解決しようとする課題

これまでは、養殖マグロの数を把握するため、ダイバーが動画を撮影して複数の人員で目視で数を数えていました。このような方法は、時間がかかることや精度に問題がありました。
そこで、養殖のいけすの中のマグロの数を自動的に数えることを課題としています。

解決方法

デープラーニング(ニューラルネットワーク)と従来の特徴両ベースの画像認識技術を使用して自動的に養殖マグロの個体数をカウントする。また、自動カウントに適したカメラの配置などを最適化します。

どうなったか

実証実験を始めた段階です(2018年5月28日現在)。

まとめ

マグロ数カウントの自動化がどの程度正確に低コストに行えるのか実証実験の結果が注目されます。

ダイバーにより行われてきたマグロ数計測を自動化できれば、コスト削減効果が期待できますが、計測精度が要求精度に満たなかったり、カメラ等の設備コストが大きくなったりすれば、人手の方がコスト安になる可能性もある。
技術的には、ディープラーニングと従来型画像認識を組み合わせるものの、広範囲に精度よく高速に認識するためには単純に一画面の個体数をカウントするのみでは間に合わず、一般的にマグロを識別するだけでなく、複数カメラからのマグロの個体の識別をした上で重複を考慮したカウント方法も必要になるかもしれません。物体検出の分野ではYOLOが高速な一般物体検出ライブラリとしてで有名ですが、既存のライブラリを活用することで開発期間の短縮や必要精度の到達が有利になるかもしれませんが、いずれにしろ前処理や計測装置の工夫などで、一手間のかかる開発になると予想されます。その際には、従来のSIFTやHOG、SURFといった従来の特徴量ベースの手法を組み合わせる工夫がされるかもしれません。組み合わせるにしてもどのように組み合わせるのか技術的側面でも興味深いです。技術内容の詳細は発表されない可能性はありますが、結果が公開された場合には手法についても可能な限り続報したいと考えています。

参考情報

事業者:電通国際情報サービス 双日ツナファーム鷹島 Araya
ISIDと双日グループがスマート漁業の共同実証実験を開始 ~人工知能(AI)による画像解析で養殖マグロの個体数を自動カウント~ [電通国際情報サービス プレスリリース]
Deep Learningによる一般物体検出アルゴリズムの紹介 [ABEJA Arts Blog]
画像認識の初歩、SIFT,SURF特徴量 [SlideShare]
YOLO: Real-Time Object Detection

(森裕紀)