見出し画像

焼津×漁業×デジタル化、そしてイシダテックとAI。

総務部のこやまです。
先日、2023年6月14日、静岡県/水産・海洋技術研究所 さまにて開かれた 第72回水産加工技術セミナー・ヒスタミン測定講習会セミナー に弊社社長の石田が登壇させていただきましたので、内容をまとめます。

社長の自己紹介です




まず、焼津と言えば―。

多くの方は "さかなのまち" と答えます。
ここ最近はイベント類も従来通り行われるようになり、水産物の需要は比例して増加が予測されると言われています。
しかしながら原料高などコスト上昇には歯止めがかからない状況です。
今回登壇したセミナーは、そんな環境下において、業界関係者のみなさまにとって役立つ情報を提供することを目的とされていると説明がありました。

そして実に第72回を数えるセミナー、そのテーマは「かつお」でした。

・コピーが面白いので紹介
弊社も石田鉄工所時代の1970年代に ”ヘッドカッター" を製作。
身が固く、頭を落とすことに労力が必要な魚であるだけでなく、身質や味をはじめ個体差も大きい魚…

一尾づつ測って切ります。
同じ位置で切ってしまっては魚がかわいそう。
この機械は、その体形に合わせていいスタイルにします。
強烈ですね…!




そもそも:静岡県水産化学技術研究所とは

イシダテックからは車で10分程度。
焼津の「新港地区」に立地する研究所に向かいます。

海洋・漁業の研究に加え、漁獲から流通・消費に至るまでの鮮度保持技術の研究、衛生や健康に関するテーマまで幅広い研究が行われている場所です。

この施設は 陸閘りくこう と呼ばれる、港と市街地の陸上ゲート的な壁の内側にあるので、真横に海があります。

社長曰く「ウォールマリアみたいな壁」

焼津では単に「新港」と呼ばれますが、厳密には「焼津地区」と「新港地区」の2つがあります。サバやアジ等近海で漁獲される魚が水揚げされる小川港と合わせた総称が「焼津漁港」なのだそうですよ。

THE DAY|スタンダード?な1日編 より




セミナー要旨

では早速本題へ。今回のセミナーでは、AIを活用した魚種・良否判定および体重選別システムの開発 というタイトルにてお話をしています。


目視と人手で行われる水揚時の冷凍カツオの選別。
弊社は現在、AIを活用することで魚種・良否判定および体重選別システムを開発することで省力化実現を目指しています。
現在目下進行中であるプロジェクトの最前線の視点から、仕組み、成果、課題やビジョンを伝えさせていただくことにしました。




フェーズ -1 ~ 0|概念実証・AI初期検証

当然の話なのかもしれませんが、AIとて全知全能ではありません。

  • AIが解決策として適切か

  • (適切な場合)その解決策は成り立ちそうか

を予めクリアにしてからプロジェクトとして走らせる必要があります。
フェーズ -1 ・ フェーズ 0 という2つの段階を経て実現可能性を担保した上で フェーズ 1|AI検証 へ進んでいるという状況です。




データ収集とAI検証に向けて

そして脳にあたる部分は水揚げ作業実施中の新港を訪問し、ワークの撮像:カメラでコンベア上を流れてくるカツオをカメラで撮影する作業を実施し、データ収集を行いました。

カツオまたはそれ以外の魚種の識別が概ね可能と判断されるとともに、インスタンスセグメンテーションというタスクによって、撮像された画像内にカツオが複数匹存在していても、1匹1匹をそれぞれ別の物体として正確に認識できることも明らかになりました。

有彩色(RGB)かつ解像度2,448×2,048のきれいな写真を37,520枚…
容量に換算すると408GBもの写真を取得しました。
フェーズこそ異なれど、撮像作業の一部をご紹介したのが「THE DAY|スタンダードな1日編」だったりします。




フェーズ 1|AI検証へ

ここからは途中経過の話です

下記スライドはロジックの一例を示したもの。

船内で冷凍されて焼津港に運ばれ、コンベアを流れてくる大量の魚。
魚種選別や外観の検査を実現するためには、これまで行った現地視察やデータ収集・実現可否に基づいて条件分岐を設定しています。


データをきれいに整えて、検証へ

では条件分岐を検証・実現するためにどうしていくかというと、データクレンジングと正規化という作業を重ねることになります。

中原さんがかつて…

AIが学習するためのデータを作成するだけの日々。

と表現していた作業のひとつがこれです。
カメラで撮像したデータをそのまま投入・学習させるだけでAIが成立することはなく、分析可能な形式に修正・加工していく作業を行っていきます。
中原さんが進めるこの作業によって、Gabage In, Gabage Outを回避・検証を進めていきます。

次元削減や特徴選択など、様々な手法があると聞いたことがあります。
素早く・効果的な相関関係を導くための作業の部分的完了が現在地です。

実運用を考慮するなら処理スピードも大事ですからね




余談:焼津とかつおの歴史

養老律令ようろうりつりょうの頃(西暦ではなんと718年~757年頃)、すでに現代の鰹節の原型とされる煮鰹魚が ”調” と呼ばれる税金として徴収されていたようです。
想像以上に深い歴史があります。

古代鰹節を再現する会 的なものもあるらしい


中西部太平洋かつおの漁獲状況

漁獲方法には遠洋竿釣・まき網の2種類があるかつお。
私が小学生の頃、まき網漁と竿釣(1本釣)それぞれのかつおを観察した話をしたこともありますが、品質は魚体に傷がつきにくい竿釣が高い一方で、まき網漁は乱獲が危惧されるレベルに効率よく漁獲できる特徴もあります。
(品質面ではPSと呼ばれる例外もあるそうですが…)

狙っていない魚種が混入する可能性もあるので、今回のAI関連の取り組みにおいてもキハダマグロやその他 (シイラ等) をカツオ以外として判別していく必要があります。


漁獲量の話

漁獲量は全国的にも減少傾向にあるのだそうです。
2022年に国際機関により示された "中西部太平洋かつお資源" によると…
南方(東南アジア付近)ではまき網漁がメイン、日本近海では竿釣の割合が多いといった特徴もあるそう。

その根拠
科学的には2006年をピークとして親魚量が減少傾向にあるにもかかわらず、漁獲による死亡率は増加傾向へ。総資源量も2006年以降減少しています。
ただ資源水準としては高い… というのが総合的な評価です。

これは不確定な部分でもありますが、2025年からは漁獲規制にも影響が出る可能性があるらしい。

こやま「?」




そして現在

現在はAIの精度向上に向けてデータの処理やAIの学習を行っているところ。
しかし良好な判定結果を導くことができるようになってきました。

魚種判別

かつおとキハダマグロの子供である "きめじ" は大きさが同等であることから8%程度の誤判定が発生、フェーズ 1 段階では92%の精度となっています。
データクレンジングと正規化といった作業も経て、魚種判別の精度は概ね良好といえる状態に到達していると弊社は認識しています。


キズの判別・分類

体表におけるキズ分類は人間の手によって予め定義・学習させる必要性があると捉えています。ちなみに私自身は実際の画像をセミナー中に見たのですが、体表には霜も付着するので素人にはキズと判定できないレベルです。笑


体重推定

取得したデータを基にすると、画像からおおよその体重を推定することが可能です。個体識別・個体画像面積によって作成された推定式に実測データを当てはめ、関係性をプロットすると……。
相関係数 (R2乗) が0.98あるので、一般的には強い正の相関があると言われる水準の数値であることがわかります。

わたしデータ分析は素人だけど…
相関係数0.98という数値の表す相関関係の強さは理解している



さいごに:これからの妄想

セミナーでもお話をさせていただいた内容ですが、構想以前に妄想レベルであり、実現可能性を担保するものではありません

まずHPにも記載されているように、静岡県は全国のかつお漁獲量の約30%を占め、中でも焼津港は水揚げ量日本一の漁港として知られています。
見方を少し変えると、日本国内で最もかつおのデータが集まる場所とも捉えることができます。


日本一データの集まる場所に導入するAI。
精度向上や再学習 (アノテーション) 等に向けて、継続的にデータ収集を行っていくこととなります。そんな中で例えば、

・漁場(海域)別に存在する環境モデル
・水揚げされた魚が持つ品質推定モデル

といった2種類のデータを紐づけ、組み合わせることができれば…
日本、いや、世界で有数のデジタル水産拠点になることも妄想できます。
こういった世界を社長の石田はサイバー空間×フィジカル空間の融合とよく表現しますが、私(こやま)のような素人目線でもこれは夢物語ではないと思える妄想です。



そういえば、弊社のnoteでもかつて取り上げたことのあるトピックである、アラスカ。米国内漁獲量の60%を占めるほどの一大漁場であるからこそ、「商業漁業<水産資源存続」として、1950年代から科学的/予防的アプローチと厳格な規制によってサステナビリティに取り組んでいます。

弊社の今回の取り組みで収集されるデータも、水産資源存続、あるいはサプライチェーン全体に活用できる "かも" しれません。

省力・品質の2軸から取り組みが始まったイシダテックのAI導入。
しかしながら、継続的なデータ収集・リアルタイムなデータ活用を図るとともに、各所へ要素技術を加えていくことができたとしたら。
資源管理~消費という大きく6段階のプロセスを持つサプライチェーン全体へデジタル化を推し進められるかもしれません。そんな漁業×デジタル化の未来も頭の片隅に想い描きながら、弊社も活動を加速していきます。


▶関連/一部引用:アラスカとサステナビリティ、そして弊社




せっかくなので:いただいたご質問への回答集

魚種‐ロジック例に含まれていないメバチやトンボ、ビンナガ等は「unknown」として判別するのか?漁の方式によって混在する魚種も変わるので…

あくまでもロジックは一例であり、まき網漁を対象としている。
学習していないデータ=unknownであり、ラベル付けで判定は可能。


資源管理におけるイニシアチブを取るために、重量や長さのデータは活用されるのか?

スケソウダラの例を引き合いに出すならば、アラスカ・ダッチハーバーでは何尾漁獲したかを重量ベースで判定する。この観点に関しては魚種判別と体重選別に向けて取り組んでいる弊社としてはまだアイデアとしても持ち合わせていない観点。しかしながら今後実現を検討したい。


AIの学習に用いるデータは良品?不良品?それとも両方?

かつおの良否判定においてはOK/NG双方を学習させている。
判定したいワークに合わせて学習あるいはアノテーションをしていく必要あり。


サバ・サンマなどの例では、例えば同じ年でも場所によって生育状況に差がある。肥満度等を使用して判別する(複数データから総合的に判定する)ケースがあった。また動いているものや無足類に対してもAIは適用可能なのか?

イシダテックとしても生育状況や成熟度は水技研さんに意見を仰ぎたい…!
シャッタースピードの速いカメラを用いることで動いているものも判別可能と考えています。無足類=別品種は何かしらの外観的特徴によってラベル付けなどが可能であれば判別可能と考えている。



おわりに

今回のセミナーでは、セミナー前日まで検証・実施してきた内容とともに、「できたらいいな!」という理想である構想段階と言える考え方も出席者のみなさまにご紹介をいたしました。QAの時間には、インサイトとも言えそうなくらい有効なアイデアの種も多くあったように感じました。

カツオという魚は個体差が顕著で、"ごし鰹" と呼ばれる原因はわからないが美味しくないものまであるらしい。すぐにではなくとも、魚種判別や外傷といった外観的特徴に加えて内面的な品質までアプローチしていくこともできる日が来るかもしれないと思うと、期待が膨らみますね!(こやま)

▶HP

中原さんとともに取り組みを推進してくれる方を弊社はいつも探しています

▶Twitter

この記事が参加している募集