JP2020078278A - 養殖魚の自動給餌方法並びに自動給餌システム - Google Patents

Abstract

【課題】養殖魚に対する給餌の量と時間を適正に調整制御できる自動給餌方法を提供する。【解決手段】クラウドサーバ６に予じめ入力された設定条件の給餌スケジュールに従って養殖魚に給餌する自動給餌機１と、養殖魚の捕食状況を撮影するネットワークカメラ３と、１日当りの給餌量と最適な給餌時間の決定並びに養殖魚における捕食時の活性判定を機械学習している人工知能（ＡＩ）とを用いた養殖魚の自動給餌方法であって、上記自動給餌機からの給餌時間中における養殖魚の活性が高いか否かを、上記人工知能がネットワークカメラの撮影したライブ映像の解析処理により判定して、その判定結果に基き上記自動給餌機からの給餌を調整制御する。【選択図】図１

Description

本発明は海面養殖業を支援する各種養殖魚の自動給餌方法並びに自動給餌システムに関する。

従来、マダイやシマアジなどの海面養殖業では省力化のために、タイマー式の自動給餌機が養殖筏に設置されているが、その自動給餌機は予め決められた時刻に一定量づつしか給餌できないので、給餌量の過不足を生じても確認することができず、またその給餌量は天候や潮汐データに基いて決定されるところ、これに対応すべくタイマーの設定を毎日変更することも困難であり、現実的ではない。

他方、パソコンやスマートフォンなどのユーザー通信端末により、養殖筏のライブ映像（動画）を閲覧して、遠隔から給餌の管理（制御）を行うシステムもあり、これによれば養殖魚の捕食状況をユーザーが観察できるため、上記タイマー式の自動給餌機よりも適切な給餌を行えるが、あくまでも手動操作しなければならないので、ユーザーとしてはそのための時間の拘束を受けることになり、給餌以外の諸業務を行うことができない。

更に言えば、養殖魚の自発的な摂餌（捕食）要求に応じて給餌することにより、必要充分な餌料を与えようという自発摂餌式の給餌方法も、特許文献１に記載されており、これでは自動給餌機が所与の給餌スケジュールに従って行う給餌を、言わば自動的に調整するようになっている点で、本発明に最も近似する公知技術であると考えられる。

特許第5706816号公報

上記特許文献１に開示された養殖魚の給餌方法では、自動給餌機が予め設定された条件の給餌スケジュールに従って、養殖魚への給餌を自動間歇的に行い、その休止期間中における摂餌要求センサーの検知結果に基いて、上記給餌スケジュールの設定条件を変更し、その給餌の量や時間（タイミング）を調整するようになっている。

つまり、養殖魚の摂餌要求を知得するためには、その本来の餌料に代る疑似餌が必須不可欠となるが、これは養殖筏ごとに一台づつ設置されている通例である自動給餌機から、水中へ一本づつ吊り下がる糸の先端部（下端部）に取り付けられており、その一個の疑似餌を養殖魚が突くことによって、摂餌要求センサーが反応（検知）するようになっているため、食欲の旺盛な強い少数の個体だけが摂餌行動を繰り返しやすく、生簀内における魚集団の全体的な摂餌行動として正確に知得することができない。特に、休止期間中での空腹状態にある養殖魚の摂餌要求を検知する方法のため、給餌量の過多を招来しやすくなる。

この点、上記疑似餌を突くこと（摂餌要求センサーが反応すること）により、餌料が与えられることを学習する魚種については、たとえ有効な給餌方法であるとしても、魚集団の全体的な摂餌行動を正確に反映せず、稚魚からの成長度に大きなバラツキを生じることは否定することができない。

また、上記摂餌要求センサーとして接触スイッチのみならず、これに代えて魚の行動を光学的に認識する赤外線センサーや熱力学的に認識する熱センサー、化学的に認識する化学センサーなどが採用されたとしても、上記疑似餌を自動給餌機から水中へ吊り下げておくことが必要であることに変りはない。

従って、養殖魚の給餌システムとしても、物理的に上記摂餌要求センサーと疑似餌並びにその吊り下げ糸（テトロン系）が必要となり、更にこれらは消耗品であるため、その保守点検や交換などのメンテナンスを余儀なくされることになる。魚種に応じて疑似餌を変えたり、その吊り下げ長さ（深さ）を変えたりすることも必要となり、実施上の汎用性と利便性に劣る。

本発明はこのような課題の抜本的な解決を目的としており、その目的を達成するために、請求項１ではクラウドサーバに予め入力された設定条件の給餌スケジュールに従って養殖魚に給餌する自動給餌機と、養殖魚の捕食状況を撮影するネットワークカメラと、１日当りの給餌量とその日の最適な給餌時間の決定並びに養殖魚における捕食時の活性判定を機械学習している人工知能とを用いた養殖魚の自動給餌方法であって、

上記自動給餌機からの給餌時間中における養殖魚の活性が高いか否かを、上記人工知能がネットワークカメラの撮影したライブ映像の解析処理により判定して、その判定結果に基き上記自動給餌機からの給餌を調整制御することを特徴とする。

また、請求項２では自動給餌機からの給餌の調整が給餌の停止、給餌の継続、給餌量の増加並びに給餌量の減少のうちの少なくとも１つであることを特徴とする。

更に、請求項３では人工知能の判定結果に基く調整状況での給餌を実行して得たデータも、引続き人工知能が機械学習することとなるようにフィードバックすることを特徴とする。

他方、請求項４では予め設定された条件の給餌スケジュールに従って養殖魚に給餌すべく、海面養殖筏上に据付けられた自動給餌機と、その養殖魚の捕食状況を撮影すべく、上記海面養殖筏上に架設されたネットワークカメラと、上記自動給餌機を作動制御するための制御装置と、その制御装置と通信ネットワークを介して接続されたクラウドサーバと、
１日当りの給餌量とその日の最適な給餌時間の決定並びに養殖魚における捕食時の活性判定を機械学習すべく、上記クラウドサーバに内蔵された人工知能と、上記クラウドサーバへ通信ネットワークを介して接続されたユーザー通信端末とから成る養殖魚の自動給餌システムであって、

上記自動給餌機からの給餌時間中における養殖魚の活性が高いか否かを、上記クラウドサーバの人工知能がネットワークカメラの撮影したライブ映像の解析処理により判定し、その判定結果に基いて上記制御装置が自動給餌機からの給餌を調整することを特徴とする。

請求項１の上記構成によれば、人工知能が海面養殖業に従事する漁師の知識・経験・勘や海象・気象データなどを利用して、１日当りの給餌量とその日の最適な給餌時間（タイミング）の決定、並びに養殖魚における捕食（摂餌）時の活性判定を機械学習しており、その人工知能が実際上自動給餌機からの給餌中にある養殖魚の活性（餌料を食べているか否かの高低度）を判定した結果に基いて、自動給餌機からの給餌を調整制御するようになっているため、その給餌量の過不足を生じることがなく、常時適正な自動給餌を行って、出荷時期に応じた出荷サイズの全体的に均一な養殖魚を得られる効果がある。

その場合、上記自動給餌方法は冒頭に挙げた公知技術のような給餌の休止期間中における摂餌要求センサーの検知結果に基く調整方法でなく、人工知能の働きによって自動給餌機からの給餌時間中における養殖魚の活性を判定し、その結果に基く調整方法であるため、その給餌の調整を具体的には請求項２に記載した給餌の停止、給餌の継続（現状維持）、給餌頻度（回数）の変更、給餌量の増加並びに給餌量の減少のうちの少なくとも１つとして実行することができ、対応しやすい。

特に、請求項３の構成を採用するならば、その実際に行った自動給餌の量と時間（タイミング）の決定、並びに活性の判定をフィードバックすることにより、上記調整制御状態の精度がますます向上する。

更に、請求項４の構成によれば、請求項１の上記効果を得られることは勿論、その自動給餌システムとして冒頭に挙げた公知技術のような養殖魚の摂餌要求センサーと、本来の餌料と異なる特別な疑似餌と、これを自動給餌機から水中へ吊り下げるためのテトロン糸がすべて不要であり、従ってこれらの消耗品を保守点検したり、交換したりすることも必要なくなる結果、自動給餌システムとしての汎用性並びに使用上の利便性に優れる。

本発明の実施形態に係る自動給餌システムの構成を示すブロック図である。 自動給餌機を据付けた海面養殖筏の平面図である。 図２の正面図である。 人工知能が行う処理の流れを示す説明図である。

以下、図面に基いて本発明の好適な実施形態を説明する。図１はその養殖魚における自動給餌システムの概略的な全体構成を示すブロック図である。これから明白なように、養殖魚の自動給餌システムとしては自動給餌機（１）と、その自動給餌機（１）の作動を制御する制御装置（マイクロコントローラー）（２）と、少なくとも養殖魚の様子、特に捕食（摂餌）状況をリアルタイムに撮影するネットワークカメラ（３）と、環境センサー（４）と、上記制御装置（２）と通信ネットワーク（インターネット）（５）を介して接続されたクラウドサーバ（６）と、そのクラウドサーバ（６）へ同じく通信ネットワーク（５）を介して接続されたユーザー通信端末（７）とから成り、そのクラウドサーバ（６）には人工知能（ＡＩ）が内蔵されている。

つまり、クラウドサーバ（６）は人工知能を用いて機械学習することにより、養殖魚における捕食時の活性判定を行い、その判定結果に基き上記自動給餌機（１）の制御装置（２）を制御（管理）し、その自動給餌機（１）から養殖魚に投与する給餌の量や時間（タイミング）を自動的に調整するようになっているが、その詳細については後述する。

上記自動給餌システムの主要な構成部材のうち、先ず自動給餌機（１）は図２、３のような海面養殖筏（Ｒ）の筏本体（８）上に据え付けられており、その制御装置（２）からの出力制御信号に基いて図外のスクリューコンベヤを駆動し、その餌料タンクからペレット状の固形餌料（Ｍ）を出口へ搬送し、その出口から生簀（９）の内部へ落下させる。（１０）は太陽電池、（１１）はフロートを示している。

上記自動給餌機（１）の制御装置（２）はＣＰＵ（中央処理部）や記憶部、通信部、入力部、表示部を備えており、そのＣＰＵがクラウドサーバ（６）から受信した給餌スケジュールの設定情報や環境センサー（４）からの出力信号、所定のプログラムに基いて自動給餌機（１）の作動を制御するほか、ネットワークカメラ（３）の撮影した映像データや環境センサー（４）から出力された測定データなどを記憶部に記憶させ、これらのデータを通信部からクラウドサーバ（６）へ送信する処理も行う。

また、環境センサー（４）も上記海面養殖筏（Ｒ）に取り付けられており、これは現場海域の水温や流速、照度、溶存酸素濃度、その他の各種海象データを検知（収集）し、そのデータを給餌スケジュールの設定に利用すべく、自動給餌機（１）の制御装置（２）に対して出力する。

更に、ネットワークカメラ（３）はライブ映像（動画）のカラー撮影とその映像の光電変換を行えるイメージセンサー（高解像度のＣＣＤ／ＣＭＯＳ）を有しており、好ましくはウェブサーバ機能があるネットワークカメラとして、上記海面養殖筏（Ｒ）の筏本体（８）上に架設され、自動給餌機（１）の作動状況や生簀（９）の内部における養殖魚の様子、特に捕食（摂餌）状況を常時撮影できる状態にある。

他方、クラウドサーバ（６）はＣＰＵ（中央処理装置）／制御部や内部メモリ又は／及びＨＤＤやデータベースなどの外部メモリ／記憶部、入出力ユニット／通信インターフェース部などの適宜組み合わされたコンピューターであり、各々の役割に応じて必要となるＯＳ（オペレーションシステム）やソフトウェアがインストールされていることは言うまでもない。

クラウドサーバ（６）のウェブサーバには図示省略するが、ユーザー通信端末（７）からアクセスして、養殖魚の様子や各種海象データを閲覧するためのライブ映像（動画）閲覧画面と録画映像閲覧画面とが設けられており、そのライブ映像閲覧画面では自動給餌機（１）の作動や養殖魚の様子なども含む海面養殖筏（Ｒ）の状態をリアルタイムに目視確認し、漁師やその他の養殖関係ユーザーがチャットなどの意見交換を行って、必要な情報を共有することができるようになっているほか、手動操作によって給餌を開始したり、その給餌を停止したりするスイッチボタンも用意されている。

また、録画映像閲覧画面ではチャット履歴やカレンダーなどから、任意のイベント・時刻を選択することにより、給餌したタイミングの記録映像データを閲覧することができ、漁師の知識や経験、勘などを利用し得るようになっている。

要するに、海面養殖業者などのユーザーはその所持するユーザー通信端末（７）を用いて、クラウドサーバ（６）の特にウェブサーバにアクセスすることにより、遠隔地から上記自動給餌機（１）による養殖魚の給餌スケジュール（給餌する量や時間／タイミング、頻度／回数、その他の内容）を設定することができるほか、上記ネットワークカメラ（３
）の撮影したライブ映像（動画）や録画映像、環境センサー（４）の検知（収集）した測定データなどを参照またはダウンロードすることもできるのである。

尚、上記ユーザー通信端末（７）としてはパソコンやタブレット端末、スマートフォン（携帯電話器）などのモバイル、その他の通信ネットワーク（５）を介して、上記クラウドサーバ（６）並びに自動給餌機（１）の制御装置（２）と通信できる機器であれば足り、ＣＰＵ（中央処理部）とネットワーク通信部、タッチパネルやマウスなどの操作入力部、上記ネットワークカメラ（３）が撮影した映像などの出力部（表示部）を備えていることは言うまでもない。

上記クラウドサーバ（６）の具体的な構成は図示省略するが、人工知能（ＡＩ）として機能するＣＰＵ（中央処理装置）又は画像解析部（ＡＩ解析部）を備えており、これがマイクロソフト社の提供するＡｚｕｒｅ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｓｔｕｄｉｏを利用して、次のような機械学習（回帰分析）を行っている。

即ち、養殖魚の稚魚から顧客が求める出荷日に応じた出荷サイズまで成長させるため、人工知能（ＡＩ）の処理フローを示す図４から明白なように、
（ａ） その出荷日と出荷サイズから言わば逆算して、１日当りにどの程度の量を給餌するか、その給餌量を決定（算出）すること
（ｂ） また、その日の水温や潮汐データなどから、何時どの程度の量を給餌するか、その給餌時間（タイミング）を自動的に決定（算出）すること
（ｃ） しかし、予定通りに捕食（摂餌）しないことも考えられるため、その捕食時における養殖魚の活性が高い（餌を食べている）か低い（餌を食べていない）かを、上記ネットワークカメラ（３）がリアルタイムに撮影したライブ映像（動画）の解析により判定することとをすべて機械学習、好ましくは深層学習（ディープラーニング）する。

そして、上記養殖魚の活性は高いが、未だ予定のサイズまで成長していない時には、給餌量を通常よりも増加したり、その給餌頻度（回数）を増したりする一方、活性が低い時には、餌料の無駄な消費を防ぐために、給餌量を減少したり、その給餌頻度を減らしたり、給餌そのものを停止したりする調整制御を行うのである。

更に言えば、上記した１日当りの給餌量決定とその日の最適な給餌時間（タイミング）の決定については、人工知能がＢｏｏｓｔｅｄ Ｄｅｃｉｓｉｏｎ Ｔｒｅｅ Ｒｅｇｒｅｓｓｉｏｎを利用して機械学習し、養殖魚の活性判定についてはＣｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋを利用して深層学習（ディープラーニング）した。

その１日当りの給餌量を決定するに当っては、基礎データとして漁師の養殖管理日誌から、毎日の給餌量とサイズを利用し、また成長の度合いは季節と個体サイズ、稚魚の仕入れ時期によって異なるため、Ｂｏｏｓｔｅｄ Ｄｅｃｉｓｉｏｎ Ｔｒｅｅ Ｒｅｇｒｅｓｓｉｏｎにより学習モデル（決定木）を作成し、仕入れ日と出荷日・サイズを入力することによって、出荷日までの給餌量を予測し決定（算出）した。

また、上記最適な給餌時間（タイミング）を決定するために、クラウドサーバ（６）のウェブサーバにおける上記録画映像閲覧画面上の手動操作給餌履歴データなどから、漁師が実際に与えた給餌量とその時刻を数ヶ月間に亘り収集したところ、朝と夕方に給餌されていたが、これは一般的に魚の活性が高い（餌を食べている）とされる朝まずめ、夕まずめの時間（タイミング）と一致する。

更に、潮位と給餌量との関係を確認したところ、大潮など干満の差が大きい時には、給餌量が多く、逆に潮の流れがない時には、給餌量が少ないことも判明した。

そのため、これらの結果に基き、給餌の時間（タイミング）と量並びに潮汐、水温から、Ｂｏｏｓｔｅｄ Ｄｅｃｉｓｉｏｎ Ｔｒｅｅ Ｒｅｇｒｅｓｓｉｏｎを利用して機械学習し、先に決定（算出）された１日当り給餌量の最適な給餌時間（タイミング）を自動的に決定（算出）することにした。

既に説明したとおり、気象や海象などの条件如何では、養殖魚の活性が低く、給餌しても食べない場合や、逆に食欲が旺盛で多く食べる場合もある。

そこで、クラウドサーバ（６）の人工知能が図４に示唆する如く、予め設定された条件の給餌スケジュールに従って自動給餌している時間中に、その養殖魚の活性が高い（餌を食べている）状態にあるか、低い（餌を食べていない）状態にあるかを判別するようになっている。その活性状態の判定については、画像（ライブ映像／動画）の高い認識能力があるＣｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ（ＣＮＮ）という学習方法を利用した。

つまり、クラウドサーバ（６）のウェブサーバにおける上記録画映像閲覧画面上の手動操作給餌履歴データなどから、その記録された給餌状態又は予め活性が高い状況の魚画像と、同じく非給餌状態又は予め活性が低い状況の魚画像とを多数（例えば学習画像１２００枚と評価/判定用画像３００枚との合計１５００枚）用意し、その魚画像を各々グレースケール化し、サイズを２８×２８ピクセルに縮小し、７層のＣＮＮモデルを用いて深層学習した。

その中間層が多層のＣＮＮモデルで学習した学習機に対して、上記ネットワークカメラ（３）の実際に撮影したライブ映像（動画）を言わば未知の画像として入力することにより、上記クラウドサーバ（６）の人工知能（ＡＩ）が養殖魚の活性を判定するのである。

その活性の程度としては、全体を１００％であると仮定した場合、その５０％以上であれば活性が高く、５０％以下であれば活性が低いと判断してもさしつかえないが、図４のフローチャートに示唆する如く、その人工知能の判定結果に基く調整状態での給餌を実行して得たデータも、更に人工知能が機械学習することとなるようにフィードバックすることにより、上記判定精度を向上させることができる。

本発明の実施形態に係る養殖魚の自動給餌システムは上記した構成を備えており、その使用方法（自動給餌方法）を説明すると、次のとおりである。

即ち、１日当りの給餌量とその日の最適な給餌時間が、例えば朝（６時）と夕方（１８時）との一定な給餌時間において各々一定量（１００ｇ）づつ数分間おきでの間歇的に給餌する設定条件の給餌スケジュールに従って、海面養殖筏（Ｒ）上の自動給餌機（１）から生簀（９）内の養殖魚へ給餌すると仮定した場合、その給餌時間中（捕食／摂餌時）における養殖魚の活性が高い（餌を食べている）か低い（餌を食べていない）かを、上記クラウドサーバ（６）の人工知能（ＡＩ）として働くＣＰＵ（中央処理装置）又は画像解析部（ＡＩ解析部）が、上記海面養殖筏（Ｒ）上のネットワークカメラ（３）で実際に撮影したライブ映像（動画）の画像認識・解析処理により判定する。（但し、ＣＰＵ又はＡＩ解析部が人工知能として機能することにより活性判定を行う構成のほかに、クラウドサーバ（６）における図外の画像処理部がライブ映像の解析処理によって判定用画像を生成し、その判定用画像を上記画像処理部から入力されたＣＰＵが、活性の判定を行う構成も含む。）

そして、その判定結果の出力制御信号はクラウドサーバ（６）から通信ネットワーク（インターネット）（５）を介して、上記自動給餌機（１）の制御装置（マイクロコントローラー）（２）へ送信され、その制御装置（２）が自動給餌機（１）からの給餌を調整制御することになる。その結果、養殖魚に過不足なく適正な餌料を与えることができるのである。

その場合、上記調整の具体的な内容としては、自動給餌機（１）による給餌の停止、給餌の継続（設定どおりの現状維持）、給餌量の増加又は減少、給餌頻度の変更などのうち、その少なくとも１つを実行することになる。

更に言えば、上記クラウドサーバ（６）の人工知能（ＡＩ）が判定した結果に基く調整状態での自動給餌を実行して得たデータも、更なる人工知能の学習データとしてフィードバックするならば、その給餌量や給餌時間などの調整精度をますます向上させることができる。

（１）・・自動給餌機
（２）・・制御装置
（３）・・ネットワークカメラ
（４）・・環境センサー
（５）・・通信ネットワーク（インターネット）
（６）・・クラウドサーバ
（７）・・ユーザー通信端末
（８）・・筏本体
（９）・・生簀
（Ｍ）・・餌料
（Ｒ）・・海面養殖筏

Claims (4)

1. クラウドサーバに予め入力された設定条件の給餌スケジュールに従って養殖魚に給餌する自動給餌機と、養殖魚の捕食状況を撮影するネットワークカメラと、１日当りの給餌量とその日の最適な給餌時間の決定並びに養殖魚における捕食時の活性判定を機械学習している人工知能とを用いた養殖魚の自動給餌方法であって、
   上記自動給餌機からの給餌時間中における養殖魚の活性が高いか否かを、上記人工知能がネットワークカメラの撮影したライブ映像の解析処理により判定して、その判定結果に基き上記自動給餌機からの給餌を調整制御することを特徴とする養殖魚の自動給餌方法。
2. 自動給餌機からの給餌の調整が給餌の停止、給餌の継続、給餌量の増加並びに給餌量の減少のうちの少なくとも１つであることを特徴とする請求項１記載の養殖魚の自動給餌方法。
3. 人工知能の判定結果に基く調整状況での給餌を実行して得たデータも、引続き人工知能が機械学習することとなるようにフィードバックすることを特徴とする請求項１記載の養殖魚の自動給餌方法。
4. 予め設定された条件の給餌スケジュールに従って養殖魚に給餌すべく、海面養殖筏上に据付けられた自動給餌機と、
   その養殖魚の捕食状況を撮影すべく、上記海面養殖筏上に架設されたネットワークカメラと、
   上記自動給餌機を作動制御するための制御装置と、
   その制御装置と通信ネットワークを介して接続されたクラウドサーバと、
   １日当りの給餌量とその日の最適な給餌時間の決定並びに養殖魚における捕食時の活性判定を機械学習すべく、上記クラウドサーバに内蔵された人工知能と、
   上記クラウドサーバへ通信ネットワークを介して接続されたユーザー通信端末とから成る養殖魚の自動給餌システムであって、
   上記自動給餌機からの給餌時間中における養殖魚の活性が高いか否かを、上記クラウドサーバの人工知能がネットワークカメラの撮影したライブ映像の解析処理により判定し、その判定結果に基いて上記制御装置が自動給餌機からの給餌を調整することを特徴とする養殖魚の自動給餌システム。
   
   
   
   

Images