深層学習を用いた画像解析による水路を流れる養殖魚の尾数計測

カテゴリ: 部門大会

論文No: MC1-1

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Counting Fish in Waterways Using Deep Learning-Based Image Analysis

著者名: 西口 正倫（近畿大学）,波部 斉（近畿大学）,阿部 孝司（近畿大学）,大谷 雅之（近畿大学）,井口 信和（近畿大学）

著者名(英語): Masanori Nishiguchi (Kindai University),Hitoshi Habe (Kindai University),Koji Abe (Kindai University),Masayuki Ohtani (Kindai University),Nobukazu Iguchi (Kindai University)

キーワード: 尾数計測|深層学習|複数個体追跡|養殖|画像解析|Counting Fish|Deep Learning|Multiple Object Tracking|Aquaculture|Image Analysis

要約(日本語): 養殖業において尾数計測は重要な技術であり，生育状況の把握，給餌量の予測，収益の予測などに利用されている．養殖現場では，作業員による手作業や，市販の機器を使用した計測が行われている．手作業による計測は作業従事者の負担が大きく，稚魚にもストレスを与えて成育に悪影響を与える恐れがある．市販の機器による計測では機器の設置スペースが必要で，計測前の事前調整の手間が問題となる．本稿では，簡便な構成で十分な精度が得られる尾数計測システムを目指し，民生用のビデオカメラで撮影した映像に対して機械学習を適用して養殖魚を検出・追跡し，尾数計測を行う手法を提案する．提案手法では，深層学習による複数個体追跡手法をベースとし，二重カウントを低減させるために，検出範囲の限定と，計数を行う基準線を設定する方法を考案した．評価の結果，尾数計測精度は約73%となり，一定の有効性があることを確認した．