JP2021107991A - 情報処理装置、コンピュータプログラム及び情報処理方法 - Google Patents
情報処理装置、コンピュータプログラム及び情報処理方法 Download PDFInfo
- Publication number
- JP2021107991A JP2021107991A JP2019238808A JP2019238808A JP2021107991A JP 2021107991 A JP2021107991 A JP 2021107991A JP 2019238808 A JP2019238808 A JP 2019238808A JP 2019238808 A JP2019238808 A JP 2019238808A JP 2021107991 A JP2021107991 A JP 2021107991A
- Authority
- JP
- Japan
- Prior art keywords
- catch
- information processing
- fishing
- aggregated data
- fishing boat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 46
- 238000004590 computer program Methods 0.000 title claims description 5
- 238000003672 processing method Methods 0.000 title claims 2
- 230000002776 aggregation Effects 0.000 claims abstract description 25
- 238000004220 aggregation Methods 0.000 claims abstract description 25
- 230000004931 aggregating effect Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 238000009434 installation Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 241000251468 Actinopterygii Species 0.000 description 8
- 235000019688 fish Nutrition 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008961 swelling Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- UNPLRYRWJLTVAE-UHFFFAOYSA-N Cloperastine hydrochloride Chemical compound Cl.C1=CC(Cl)=CC=C1C(C=1C=CC=CC=1)OCCN1CCCCC1 UNPLRYRWJLTVAE-UHFFFAOYSA-N 0.000 description 1
- 241000269821 Scombridae Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 235000020640 mackerel Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】漁船上で漁獲データを速やかに収集して漁獲データを効率的に活用できる情報処理装置を提供する。【解決手段】上記目的を達成するために、情報処理装置において、漁船上において、漁獲物を海中から漁船上に引き上げる際の画像を取得するためのカメラと、前記カメラによって取得された漁獲物の画像に基づき少なくとも前記漁獲物の種類毎の重量または数量を集計して第1の集計データを生成する集計手段と、前記第1の集計データを前記漁船以外の場所に設置した所定の管理サーバに送信させるための制御手段と、を有することを特徴とする。【選択図】 図1
Description
本発明は水産業に適した情報処理装置等に関するものである。
従来、日本の漁業において、漁船上で魚を様々な捕獲方法で捕獲し、漁船の上で漁師の手によって一部の分別が行われる。その後漁港に戻り水揚げした魚を種類や大きさ等に応じて箱に詰められ競りに掛けられて卸業者に下ろされて市場に出るという流通が一般的である。
しかし、最近は大手の生鮮食品取扱業者が漁船と契約をして直接仕入れるルートや昨今の他国による密漁等もあり、漁場の正確な漁獲高データを把握することが困難になっている。また、船上での漁獲高データの把握は、作業環境が過酷で負荷も高いため迅速な把握を行うことが出来ていなかった。
そのような状況のなかで、ITをより効率的に活用することによって漁業関係者の負荷を大幅に軽減するとともに、利益を増大するための方法が検討されている。
しかし、最近は大手の生鮮食品取扱業者が漁船と契約をして直接仕入れるルートや昨今の他国による密漁等もあり、漁場の正確な漁獲高データを把握することが困難になっている。また、船上での漁獲高データの把握は、作業環境が過酷で負荷も高いため迅速な把握を行うことが出来ていなかった。
そのような状況のなかで、ITをより効率的に活用することによって漁業関係者の負荷を大幅に軽減するとともに、利益を増大するための方法が検討されている。
上記特許文献1には、水槽で飼育されている魚を個別に撮像し、画像から魚種を判定すると共に、画像から個別特徴量を判別して魚毎に個別の識別番号を付与し、流通経路においてトレースできるようにする技術が開示されている。
しかし、上記の技術は漁獲物を水槽で飼育するようなケースにおいて適用されるものであって、天然の漁場における水産資源把握のため一般的な漁船上での漁獲に適用できる技術ではなかった。
しかし、上記の技術は漁獲物を水槽で飼育するようなケースにおいて適用されるものであって、天然の漁場における水産資源把握のため一般的な漁船上での漁獲に適用できる技術ではなかった。
そこで、本発明は漁船上で漁獲データを速やかに収集して天然の漁場における水産資源把握のための漁獲データを効率的に活用できる情報処理装置を提供することを目的とする。
上述の目的を達成するため、本発明の情報処理装置は、
漁船上において、漁獲物を海中から漁船上に引き上げる際の画像を取得するためのカメラと、
前記カメラによって取得された漁獲物の画像に基づき少なくとも前記漁獲物の種類毎の重量または数量を集計して第1の集計データを生成する集計手段と、
前記第1の集計データを前記漁船以外の場所に設置した所定の管理サーバに送信させるための制御手段と、
を有することを特徴とする。
漁船上において、漁獲物を海中から漁船上に引き上げる際の画像を取得するためのカメラと、
前記カメラによって取得された漁獲物の画像に基づき少なくとも前記漁獲物の種類毎の重量または数量を集計して第1の集計データを生成する集計手段と、
前記第1の集計データを前記漁船以外の場所に設置した所定の管理サーバに送信させるための制御手段と、
を有することを特徴とする。
本発明によれば漁船上で漁獲データを速やかに収集して漁獲データを効率的に活用できる情報処理装置を実現できる。
以下、添付図面を参照して、本発明の好適な実施の形態について実施例を用いて説明する。なお、各図において、同一の部材ないし要素については同一の参照番号を付し、重複する説明は省略ないし簡略化する。
図1は、本発明の実施例の情報処理装置のブロック図である。
以下、図1を参照して本発明の実施例における情報処理装置を用いたシステムの全体構成について説明する。
図1において、1は漁船であり、100は漁船内に配置された情報処理装置である。漁船内にはそれぞれネットワーク通信機能を有する複数のカメラ2が配置されており、少なくとも1つのカメラは漁獲物を網または釣り糸等で海中から漁船上に引き上げる際の画像を撮影するように配置されている。
以下、図1を参照して本発明の実施例における情報処理装置を用いたシステムの全体構成について説明する。
図1において、1は漁船であり、100は漁船内に配置された情報処理装置である。漁船内にはそれぞれネットワーク通信機能を有する複数のカメラ2が配置されており、少なくとも1つのカメラは漁獲物を網または釣り糸等で海中から漁船上に引き上げる際の画像を撮影するように配置されている。
3はカメラ2によって撮影された漁獲物の画像データであり、船内のサーバ4に前記画像データは取り込まれサーバ4によって画像に基づき漁獲物の種類、サイズまたは数量等を画像認識によって判別する。なお、漁獲物の雌雄や年齢なども判別するようにしても良い。5はデータバスであり、各種機能ブロックがデータバス5に接続されている。6は集計部であり、サーバ4で画像に基づき画像認識によって判別した漁獲物の種類、サイズまたは数量等を集計し第1の集計データを生成する。
ここで前記サーバ4と集計部6によって、漁獲物の画像に基づき少なくとも前記漁獲物の種類毎のサイズまたは数量を集計して第1の集計データを生成する集計手段が構成されている。7は表示部であり、集計結果を表示する。8は修正部(修正手段)であり、表示部7に表示された集計結果(第1の集計データ)に対してユーザが適宜修正を加えて第2の集計データを生成する。これは集計部6による集計結果(第1の集計データ)に画像認識誤差等が発生する場合があり、それを修正するためである。
9は通信手段としての通信部であり、集計部6で集計された第1の集計データ、或いは修正部で修正された結果である第2の集計データを、前記漁船に関する識別情報と共に所定のネットワークNを介して漁船以外の場所に設置した管理サーバに送信する。管理サーバは例えば母港に設置されている。
また、管理サーバ等からの指示を受信して、受信した指示内容に基づきサーバ4は各種動作を実行する。なお、サーバ4はコンピュータを含み、不図示のメモリに記憶されたコンピュータプログラムに従って情報処理装置100内の各部分の制御や情報処理装置100に接続された他の部分の制御を行う制御手段として機能する。
また、管理サーバ等からの指示を受信して、受信した指示内容に基づきサーバ4は各種動作を実行する。なお、サーバ4はコンピュータを含み、不図示のメモリに記憶されたコンピュータプログラムに従って情報処理装置100内の各部分の制御や情報処理装置100に接続された他の部分の制御を行う制御手段として機能する。
次に図2は実施例の情報処理装置を用いた処理フローの例を示すフローチャートであり、図3は図2の処理フローの続きを示すフローチャートである。
図2において、ステップS201で、漁船1内の少なくとも1つのカメラを用いて漁獲物を漁船上に引き上げる際の画像を取得させる。図4、図5はそれぞれ漁獲物を海中から引き上げる際に画像を取得する例について説明する図である。
図2において、ステップS201で、漁船1内の少なくとも1つのカメラを用いて漁獲物を漁船上に引き上げる際の画像を取得させる。図4、図5はそれぞれ漁獲物を海中から引き上げる際に画像を取得する例について説明する図である。
図4において、10は漁業従事者であり、11は漁業従事者10が着用するウェアラブルカメラであり、ウェアラブルカメラ11はネットワーク通信機能を有する。
12は漁獲物13を海中から漁船上に引き上げるための網である。ここでは網の例を示しているが、釣り糸で漁獲物13を海中から漁船上に引き上げる場合に、その画像を取得するようにしても良い。ウェアラブルカメラ11は漁業従事者10が網や釣り糸等を用いて漁獲物13を海中から漁船上に引き上げる際の画像を取得できるような位置、方向に向けて設置されている。
12は漁獲物13を海中から漁船上に引き上げるための網である。ここでは網の例を示しているが、釣り糸で漁獲物13を海中から漁船上に引き上げる場合に、その画像を取得するようにしても良い。ウェアラブルカメラ11は漁業従事者10が網や釣り糸等を用いて漁獲物13を海中から漁船上に引き上げる際の画像を取得できるような位置、方向に向けて設置されている。
図5において、14は網を巻き上げるための巻き上げ機の上や横等に配置された1台または複数台のカメラであり、カメラ14もネットワーク通信機能を有する。15は網であり、図5の例においては、一度に多量の漁獲物を海中から漁船上に引き上げる漁法の例を示している。カメラ14は網15によって漁獲物を海中から漁船上に引き上げる際に網に入った漁獲物の画像を取得する。
なお、一旦漁船上に引き上げられた漁獲物を、その後で更に、漁船1内の他のカメラで撮影し、その画像も取得するようにしても良い。それによって更にサーバ4において、漁獲物の種類、サイズ、量を画像認識によって判別する際の精度が向上する。しかし、本実施例においては少なくとも漁獲物を海中から漁船上に引き上げる際に漁獲物の画像を取得するためのカメラを有する点に特徴を有する。
次いでステップS202で、サーバ4は各カメラで取得された画像を受信する。なお、カメラのネットワーク通信機能が遠距離通信可能である場合には、サーバ4は船内に設置されたものでなく、船外の、例えば陸上に設置されたものであっても良い。また、タイムラグは発生するが、漁船上のカメラで取得された画像は、漁船上の記憶装置に蓄積しておき、陸上のサーバやネットワーク上のクラウド等と通信するためのアクセスポイントや基地局と通信可能な距離範囲に入った時点でまとめて送信するようにしても良い。
ステップS203において、サーバ4は受け取った画像を画像解析し、集計部6によって第1の集計データを生成しディスプレイ画面に表示する。第1の集計データは漁獲物の種類、サイズまたは数量(数または重量)を含む。
ステップS203において、サーバ4は受け取った画像を画像解析し、集計部6によって第1の集計データを生成しディスプレイ画面に表示する。第1の集計データは漁獲物の種類、サイズまたは数量(数または重量)を含む。
例えば図4に示す例のように、網にかかった漁獲物を個別に判別しやすい場合には、漁獲物の種類、サイズと漁獲物の種類毎の数量を計測しやすい。一方、図5に示すように大量の漁獲物を海中から漁船上に引き上げる漁法の場合には、図5に示すように、網のふくらみ具合や、網に入った漁獲物の縦と横の幅などに基づき重量(や数)を算出する。
なお、網のふくらみ具合や、網に入った漁獲物の縦と横の幅などと重量などとの関係は、過去の漁獲時の網のふくらみ具合や、網に入った漁獲物の縦と横の幅などと、後述のステップS205で生成された修正後の第2の集計データとを用いる。
なお、網のふくらみ具合や、網に入った漁獲物の縦と横の幅などと重量などとの関係は、過去の漁獲時の網のふくらみ具合や、網に入った漁獲物の縦と横の幅などと、後述のステップS205で生成された修正後の第2の集計データとを用いる。
そして、その後で漁港に水揚げして漁港で取得した重量データと一緒にディープラーニングや機械学習等のA.I.(人工知能)学習データ(教師データ)として蓄積しておき、それを参照することによって精度よく推測することができる。また、図5に示すように、漁獲物の画像が重なっている場合には、画像認識によって判別できる漁獲物の種類やサイズは一部になってしまい、第1の集計データに誤差が生じるが、この誤差も過去の学習データを参照することによって最小化することができる。
なお、ステップS203で画像認識によって第1の集計データを算出する精度を上げるために、最初にカメラを設置した時やその後に何度か、第1の集計データを集計するための集計アルゴリズムやパラメータを調整可能にすることが望ましい。
なお、ステップS203で画像認識によって第1の集計データを算出する精度を上げるために、最初にカメラを設置した時やその後に何度か、第1の集計データを集計するための集計アルゴリズムやパラメータを調整可能にすることが望ましい。
前記修正部8はそのためのキャリブレーション設定部(設定手段)を含む。キャリブレーション設定部ではサーバ4において画像認識を行う際の、感度や色、明るさ、焦点距離、歪補正量、その他のパラメータ、更には画像認識のアルゴリズム(関数)を調整または変更可能なっている。それによって第1の集計データを集計するためのアルゴリズムやパラメータを調整する。即ち、例えば図5の例では、網のふくらみ具合や、網に入った漁獲物の縦と横の幅などに基づき重量(や数量)を初期段階で推測して調整する。
なお、網のふくらみ具合や、網に入った漁獲物の縦と横の幅などと重量などとの関係は、複数回実際に漁獲をして関係を測定する。即ち実際に漁獲した時の網のふくらみ具合や、網に入った漁獲物の縦と横の幅などと、後述のステップS205で生成された修正後の第2の集計データと、その後で漁港で取得した重量データとを参照して調整する。その際、ユーザまたはメンテナンス担当者が前記のアルゴリズム(関数)やパラメータをマニュアルで調整するものとする。このキャリブレーション設定は最初にその漁船の所定位置にカメラを設置したときに行うだけでなく、その後も定期的に設定を調整するようにしても良い。その際、例えば漁船毎、カメラ毎、網毎、網の種類毎、漁法毎、対象としている漁獲物の種類毎、カメラの設置位置または向き等の少なくとも1つに応じてメンテナンス担当者が調整する。
ある程度第1の集計データが安定してきたら、学習データに基づき自動的に画像認識をさせるようにしても良い。
集計部6はデータバス5を介してサーバ4から漁獲物の種類、サイズ、量を受け取り、漁獲物の種類ごとに、サイズまたは数量を集計しテーブル化する。なお、集計部6はサーバ4に内蔵されていても良い。集計部6で集計されテーブル化された第1の集計データは表示部7において不図示のディスプレイ画面上に表示される。本実施例では、ユーザは画面上に表示されたテーブルを見て必要に応じて漁獲物の種類、サイズまたは数量などを修正することが可能となっている。
集計部6はデータバス5を介してサーバ4から漁獲物の種類、サイズ、量を受け取り、漁獲物の種類ごとに、サイズまたは数量を集計しテーブル化する。なお、集計部6はサーバ4に内蔵されていても良い。集計部6で集計されテーブル化された第1の集計データは表示部7において不図示のディスプレイ画面上に表示される。本実施例では、ユーザは画面上に表示されたテーブルを見て必要に応じて漁獲物の種類、サイズまたは数量などを修正することが可能となっている。
即ち、ステップS204においてディスプレイ画面上に修正が必要か否かを質問するダイアログを表示し、それに対するユーザの回答が、NoであればステップS206に進み、YesであればステップS205に進む。ステップS205において、ユーザが上記の漁獲物の種類、サイズ、数量などを修正し、その修正結果として第2の集計データを得る。その後でステップS206において、修正がない場合は第1の集計データでOKか、また修正した場合は第2の集計データでOKか画面上のダイアログで質問表示する。そして、ユーザの回答がYesとなるまで待ち、Yesとなったら、ステップS207で決定の指示を出す。
なお、第2の集計データはサーバ4に保存され、次回以降のステップS203における画像認識のための学習データとしてサーバ4内に蓄積される。
ステップS207で決定の指示が出たら、ステップS208で管理サーバ(例えば漁港23のサーバ24)に対して、修正の有無を含む修正結果を送信する。即ち、修正があったか否かと、修正があった場合には修正後のデータ(第2の集計データ)を管理サーバに送信する。
ステップS207で決定の指示が出たら、ステップS208で管理サーバ(例えば漁港23のサーバ24)に対して、修正の有無を含む修正結果を送信する。即ち、修正があったか否かと、修正があった場合には修正後のデータ(第2の集計データ)を管理サーバに送信する。
なお、その際に、漁船に関する識別情報も一緒に送信する。ここで漁船に関する識別情報とは、例えば漁船毎に予め付与された識別情報であっても良いし、あるいはその漁船のカメラの識別情報であっても良い。
カメラの識別情報の場合にはその漁船の代表となるカメラの識別情報でも良いし、漁獲物を海中から漁船上に引き上げる際の画像を取得する位置のカメラの識別情報でも良い。例えば複数の漁船がそれぞれ複数のカメラを配置している場合には、それぞれのカメラの識別番号は異なるように設定されているものとする。
カメラの識別情報の場合にはその漁船の代表となるカメラの識別情報でも良いし、漁獲物を海中から漁船上に引き上げる際の画像を取得する位置のカメラの識別情報でも良い。例えば複数の漁船がそれぞれ複数のカメラを配置している場合には、それぞれのカメラの識別番号は異なるように設定されているものとする。
カメラがそれぞれネットワーク通信機能を有する場合には、カメラの識別情報はカメラのネットワークIDであっても良い。なお、ここで本実施例では管理サーバは漁港23のサーバとしているが、これに限定されず船外であれば、どこに配置されたサーバであっても良い。
図6はステップS208において管理サーバに送信されるデータの例を示している。
図6において、16は漁獲物の画像であり、取得された漁獲物野画像の中から、画像分析の結果、漁獲物の種類毎に自動的に分類された画像の中から例えば一番映りの良いものを自動で選択したものである。
図6はステップS208において管理サーバに送信されるデータの例を示している。
図6において、16は漁獲物の画像であり、取得された漁獲物野画像の中から、画像分析の結果、漁獲物の種類毎に自動的に分類された画像の中から例えば一番映りの良いものを自動で選択したものである。
また、ユーザが必要に応じてステップS205で適宜選択し直した画像でもよい。17は漁獲物の種類、18はサイズの平均、19は数量、20は漁船の識別情報、21は漁船の位置情報である。ここで漁船の位置情報は漁船に設けられたGPSや漁船のカメラ内に設けられたGPS等から取得したデータであって概略の位置であれば良い。
22はサーバ4が分析した第1の集計データに対して修正があったか否かを示すデータである。ちなみに修正なしの場合には集計されているデータは第1のデータということになり、修正有の場合には、集計されているデータは第2の集計データということになる。
22はサーバ4が分析した第1の集計データに対して修正があったか否かを示すデータである。ちなみに修正なしの場合には集計されているデータは第1のデータということになり、修正有の場合には、集計されているデータは第2の集計データということになる。
なお、実施例においては、17〜22のデータは16の画像のファイルのヘッダ部分にメタデータとして書き込んで管理サーバに送るものとする。なお、管理サーバに送るデータは画像を含まずに、漁獲物の種類17、サイズ18または数量19、漁船に関する識別情報、修正の有無のデータ22等だけでも良い。本実施例ではそれ以外にも漁獲物の画像や漁船の概略位置を送信しているので、ネット等に出品する場合に、注文者が安心して注文しやすくなる。あるいは価格が高くなる場合もある。
また、画像ファイルのヘッダ領域に17〜22等のデータを埋め込んで送るので、画像とのリンクを容易につけることができ、データの管理が容易になるという効果がある。
次いでステップS209において、管理サーバに送信した漁獲物についてネット等に出品するか否かを画面上でダイアログを用いて確認し判別する。Noの場合には、ステップS216に進み、Yesの場合にはステップS210に進み出品指示を管理サーバに対して送る。
次いでステップS209において、管理サーバに送信した漁獲物についてネット等に出品するか否かを画面上でダイアログを用いて確認し判別する。Noの場合には、ステップS216に進み、Yesの場合にはステップS210に進み出品指示を管理サーバに対して送る。
ここで本実施例では、管理サーバは第1の集計データまたは第2の集計データに基づき、漁獲物を種類毎に出品させるための出品処理を行う出品処理手段として機能する。ただし、管理サーバとは別のサーバによって上記出品処理手段を構成しても良い。出品処理手段は、漁獲物の種類毎に、サイズまたは数量を含む出品情報を生成する。その際、出品情報として画像を送信した際の漁船の概略の位置情報を含めても良い。即ち、例えば大間周辺の漁船で収穫されたマグロ、関周辺の漁船で収穫されたさばなど漁獲物の概略の位置が出品情報として表示されることで注文者が増えたり価格が上がったりする場合があるからである。
また出品情報は、漁船に関する識別情報(例えば漁船の名前)または漁船に関連付けられた特定の人間(例えば船長の名前等)の識別情報を含んでも良い。出所が明確化されることによって消費者(注文者/買い手)が安心して購入してくれる場合があるからである。
ステップS211ではサーバ4は、その後、出品処理手段から、出品された漁獲物に対する注文を受けたか判別し、NoであればステップS216に進む。YesであればステップS212で注文情報(漁獲物の種類、数量、価格、注文者、指定漁港など)を取得しディスプレイ画面に表示させる。
ステップS211ではサーバ4は、その後、出品処理手段から、出品された漁獲物に対する注文を受けたか判別し、NoであればステップS216に進む。YesであればステップS212で注文情報(漁獲物の種類、数量、価格、注文者、指定漁港など)を取得しディスプレイ画面に表示させる。
ステップS213でその注文内容でOKか否かを確認するための画面を表示する。即ち表示された前記注文結果に基づき販売を指示するための指示を行うか否かを入力させるために、例えばOKボタンとNGボタンを画面表示する。画面のOKボタンにタッチするかあるいはマウス等でOKボタン位置にカーソルを合わせてクリックすればステップS214においてOK、即ち売買成立の指示を管理サーバに送信する。ステップS213でNoの場合には売買不成立の指示を管理サーバに送信する。その後売買履歴を保存してから、ステップS216に進む。
このように本実施例においては漁船上でしかも漁獲物を海中から漁船上に引き上げた直後に速やかに売買を開始することができる効果がある。従って非常に鮮度が高い状態でしかも漁港のセリなどを経ずに高い価格で売買を行うことができる。近距離であって、急ぎの場合には予め漁船に用意したドローン等を用いて注文者に漁船上から直接発送することもできる。
次にステップS216で漁を終了するか否かを画面で質問し、Noの場合にはステップS201に戻り、Yesの場合にはステップS217に進む。なお、ステップS218以降は漁港のサーバ24がコンピュータプログラムに基づいて実行する処理例を示している。
ステップS217では注文者が指定した漁港、或いは母港等に漁獲物を水揚げする。そしてステップS218で売買が成立済であって急ぎの漁獲物が有るか判別する。そのために、サーバ24は漁船のサーバ4と通信をして事前に当日の売買履歴データを取得する。
ステップS217では注文者が指定した漁港、或いは母港等に漁獲物を水揚げする。そしてステップS218で売買が成立済であって急ぎの漁獲物が有るか判別する。そのために、サーバ24は漁船のサーバ4と通信をして事前に当日の売買履歴データを取得する。
ステップS218でYesであればステップS219で買い手への発送を手配する。ステップS218でNoの場合には、ステップS220に進み、残りの漁獲物を漁港内の複数のカメラで撮影させる。図7は実施例の情報処理装置と組み合わせされる、漁港に水揚げされた漁獲物を撮影する漁業支援システムを説明するための図である。
図7において、23は漁港Aであり、この実施例では漁船1の母港である。24は漁港内のサーバであり、本実施例ではサーバ24はステップS208でデータが送信される管理サーバとして機能する。
図7において、23は漁港Aであり、この実施例では漁船1の母港である。24は漁港内のサーバであり、本実施例ではサーバ24はステップS208でデータが送信される管理サーバとして機能する。
更には、サーバ24は前記サーバ4として機能させることもできる。即ち、漁船1の内部のサーバ4で画像を一旦集めた後に、通信部を介して、漁港23のサーバ24に画像を送信し、サーバ24で漁獲物の種類、サイズまたは数量などを画像認識させるようにしても良い。
図7において、DBはデータバスであり、サーバ24の他に例えば操作端末25や複数のカメラ26などが接続されている。カメラ26は漁港内施設の天井等の複数個所において、漁獲物の画像を取得する。例えば27は水揚げ直後の場所であり、28は漁獲物を選別するための場所である。
図7において、DBはデータバスであり、サーバ24の他に例えば操作端末25や複数のカメラ26などが接続されている。カメラ26は漁港内施設の天井等の複数個所において、漁獲物の画像を取得する。例えば27は水揚げ直後の場所であり、28は漁獲物を選別するための場所である。
場所28には多数のカメラを配置して様々な角度から画像を取得できるようにすることが望ましい。選別された後は漁獲物毎に、また数量毎に所定の容器などに移されるので画像から漁獲物の種類、サイズ、数量等に関する各種データを取得する際の精度が大幅に向上する。なお、サーバ24は、漁獲物の雌雄や年齢なども判別するようにしても良い。29はセリを行うための場所である。29の施設天井にもカメラを配置するようにしても良いが、場所28、29において現場で働く作業者にウェアラブルカメラを装着して撮影するようにしても良い。
30〜37は漁獲物の流れを示しており、30は漁場、31は陸揚げ(水揚げ)、32は選別等の荷捌き、33はセリ等による販売、34はトラック等への積み込み、35は出荷、36は加工工場における加工、37は加工工場からの出荷を示している。
30〜37は漁獲物の流れを示しており、30は漁場、31は陸揚げ(水揚げ)、32は選別等の荷捌き、33はセリ等による販売、34はトラック等への積み込み、35は出荷、36は加工工場における加工、37は加工工場からの出荷を示している。
図7に示すように、複数のカメラで漁獲物を追うことによって、漁獲物の種類、サイズ、数量等に関するデータの精度を高めることができる。また、漁港毎に複数の漁船の漁獲についての上記の第1〜第4の集計データを集計して漁港単位で漁獲データとして管理するようにしても良い。
図8は各漁港で取得された漁獲物の種類、サイズ、数量等に関する各種漁獲データを集計するための管理エリアサーバについて説明するための図である。
図8は各漁港で取得された漁獲物の種類、サイズ、数量等に関する各種漁獲データを集計するための管理エリアサーバについて説明するための図である。
漁港8、40、41等の複数の漁港からの上記の各種データ(例えば第1〜第4の集計データ)はネットを介して例えば水産試験場38等の管理エリア統合サーバ39に集積される。
集積されたデータはその地域における漁獲物の種類やそのサイズや数量等のビッグデータとして管理され気候その他の要因と合わせて管理される。
集積されたデータはその地域における漁獲物の種類やそのサイズや数量等のビッグデータとして管理され気候その他の要因と合わせて管理される。
管理エリア統合サーバ39に集積されたデータは更に国の漁業管理用のサーバや他の研究機関にも送られ地域や国の漁業行政や研究にも用いられる。
図3に戻り、ステップS220において、漁港内の複数のカメラで取得された漁獲物の画像はステップS221において画像分析され、第3の集計データとして、漁港単位の漁獲物の種類、サイズ、数量等に関する各種データが集計される。ここで集計されたデータはステップS222において操作端末25の画面上に再び図6のように表示される。
図3に戻り、ステップS220において、漁港内の複数のカメラで取得された漁獲物の画像はステップS221において画像分析され、第3の集計データとして、漁港単位の漁獲物の種類、サイズ、数量等に関する各種データが集計される。ここで集計されたデータはステップS222において操作端末25の画面上に再び図6のように表示される。
ステップS221で取得される第3の集計データはステップS208で管理サーバに送信されたデータを参照しつつ作成され、しかも精度が高い。画面上には更に修正が必要か否か質問するダイアログ表示され、必要と指示された場合にはステップS223において、漁港の担当者によって修正され、第4の集計データとして蓄積される。ステップS224に進む。ステップS222でNoの場合にもステップS224に進む。
ステップS224では、ステップS214で売買が成立した漁獲物であって、ステップS218で急ぎの漁獲物でないとされた漁獲物があるか否かを判別し、NoであればステップS226に進む。
ステップS224では、ステップS214で売買が成立した漁獲物であって、ステップS218で急ぎの漁獲物でないとされた漁獲物があるか否かを判別し、NoであればステップS226に進む。
YesであればステップS225において、買い手への発送の手配をする。その後ステップS226において、残りの漁獲物について、他の漁船から水揚げされ画像を取得され、集計された第3、第4のデータも含めて例えば図6のようなテーブルがネットを介して複数の操作端末のディスプレイに表示されるように構成されている。セリに参加している買い手はそれぞれの操作端末に表示されている例えば図6のようなテーブルを見ながらセリを行う。セリで販売を行った後、ステップS227において、第3、第4の集計データをサーバ24において、学習データとして次回以降に参照できるように例えばサーバ24内の蓄積部(蓄積手段)において蓄積する。
なお、ステップS227で蓄積された第3、第4の集計データをサーバ4の学習データとして参照できるようにしても良い。その場合には、ステップS203で漁船内のサーバ4が適宜のタイミングでサーバ24内に蓄積された学習データにアクセスして参照できるようにする。また、そのためには、漁船毎の、漁獲物を海中から漁船上に引き上げた際の所定のカメラの識別情報と、その時に得られた漁獲物の画像と、前記第3、第4の集計データを関連付けて記憶し蓄積するようにする。
以上のように、本実施例によれば、漁船上で漁獲物を海中から漁船上に引き上げる際の画像を取得し、その画像を分析することによって漁獲物の種類、サイズ、数量等を速やかに取得できるようにしている。従って、漁船において漁をしている間や港に戻る前に漁獲物の売買を開始することができる。あるいは漁港単位あるいは漁場の地域単位等で複数の漁船からのリアルタイムの漁獲物の種類、サイズ、数量等を集計するができ、漁場の適切な水産資源管理や漁場単位の漁獲予想等ができるようになる。従って、漁業の効率を大幅に改善できる漁業支援システムを実現することができる。
以上、本発明をその好適な実施例に基づいて詳述してきたが、本発明は上記実施例に限定されるものではなく、本発明の主旨に基づき種々の変形が可能であり、それらを本発明の範囲から除外するものではない。例えば実施例では情報処理装置は漁船上に配置された一体または別体の複数の手段から構成されているが、情報処理装置の一部は陸上などに設置されていても良い。
なお、本実施例における制御の一部または全部を上述した実施例の機能を実現するコンピュータプログラムをネットワーク又は各種記憶媒体を介して情報処理装置を構成する各サーバ等のコンピュータに供給するようにしてもよい。そしてそのサーバにおけるコンピュータ(又はCPUやMPU等)がプログラムを読み出して実行するようにしてもよい。その場合、そのプログラム、及び該プログラムを記憶した記憶媒体は本発明を構成することとなる。
1 漁船
2 カメラ
4 サーバ
6 集計部
7 表示部
8 修正部
9 通信部
2 カメラ
4 サーバ
6 集計部
7 表示部
8 修正部
9 通信部
Claims (24)
- 漁船上において、漁獲物を海中から漁船上に引き上げる際の画像を取得するためのカメラと、
前記カメラによって取得された漁獲物の画像に基づき少なくとも前記漁獲物の種類毎の重量または数量を集計して第1の集計データを生成する集計手段と、
前記第1の集計データを前記漁船以外の場所に設置した所定の管理サーバに送信させるための制御手段と、
を有することを特徴とする情報処理装置。 - 前記カメラによって取得された漁獲物の画像に基づく前記第1の集計データは前記漁獲物の種類毎のサイズを含むことを特徴とする請求項1に記載の情報処理装置。
- 前記第1の集計データを修正して第2の集計データを生成する修正手段を有することを特徴とする請求項1または2に記載の情報処理装置。
- 前記制御手段は、前記第1の集計データまたは前記第2の集計データを前記漁船に関する識別情報と共に所定の管理サーバに送信させることを特徴とする請求項3に記載の情報処理装置。
- 前記カメラは前記漁獲物を網または釣り糸で海中から引き上げる際の漁獲物の画像を取得するためのものであることを特徴とする請求項1に記載の情報処理装置。
- 前記カメラは前記漁獲物を海中から引き上げる漁業従事者が着用するウェアラブルカメラを含むことを特徴とする請求項5に記載の情報処理装置。
- 前記制御手段は前記画像も送信することを特徴とする請求項1〜6のいずれか1項に記載の情報処理装置。
- 前記制御手段は前記漁船の位置情報も送信することを特徴とする請求項1〜7のいずれか1項に記載の情報処理装置。
- 前記集計手段は前記漁船上に設置されたサーバを含むことを特徴とする請求項1に記載の情報処理装置。
- 前記第1の集計データまたは前記第2の集計データに基づき、前記漁獲物を種類毎に出品させるための出品処理手段を有することを特徴とする請求項3に記載の情報処理装置。
- 前記出品処理手段は、前記漁獲物の種類毎に、サイズまたは数量を含む出品情報を生成することを特徴とする請求項10に記載の情報処理装置。
- 前記出品情報は、前記画像を送信した際の前記漁船の位置情報を含むことを特徴とする請求項11に記載の情報処理装置。
- 前記出品情報は、前記漁船に関する識別情報または前記漁船に関連付けられた特定の人間の識別情報を含むことを特徴とする請求項11または12に記載の情報処理装置。
- 前記制御手段は、前記出品処理手段から出品された漁獲物に対する注文情報を受け付けて注文結果を表示させることを特徴とする請求項10に記載の情報処理装置。
- 前記制御手段は、表示された前記注文結果に基づき販売を指示するための表示を行うことを特徴とする請求項14に記載の情報処理装置。
- 前記制御手段は、前記管理サーバを介して、前記第1の集計データまたは前記第2の集計データに基づき、前記漁獲物を種類毎に出品させることを特徴とする請求項10に記載の情報処理装置。
- 前記カメラの設置位置または向きに応じて前記集計手段における前記第1の集計データを集計するためのアルゴリズムまたはパラメータを調整するための設定手段を有することを特徴とする請求項1〜16のいずれか1項に記載の情報処理装置。
- 前記設定手段は、前記漁船の網毎、漁法毎、漁獲物毎の内の少なくとも1つに応じて前記集計手段における前記第1の集計データを集計するためのアルゴリズムまたはパラメータを調整可能であることを特徴とする請求項1〜17のいずれか1項に記載の情報処理装置。
- 前記漁船が漁獲物を所定の漁港で水揚げした後で、前記漁港内に設置されたカメラで前記漁獲物の画像を取得し、前記漁港で取得した前記画像に基づき少なくとも前記漁獲物の種類毎のサイズまたは数量を前記漁港において集計して第3の集計データを取得するサーバを有することを特徴とする請求項1に記載の情報処理装置。
- 前記第3の集計データ、または前記第3の集計データを修正した第4の集計データを、前記漁獲物を海中から漁船上に引き上げた際の前記画像と関連付けて蓄積する蓄積手段を有することを特徴とする請求項19に記載の情報処理装置。
- 前記第1の集計データを修正して第2の集計データを生成する修正手段を有し、前記第1〜第4の集計データを所定の漁港単位で集計するためのサーバを有することを特徴とする請求項20に記載の情報処理装置。
- 前記漁船に関する識別情報は前記カメラの識別情報を含むことを特徴とする請求項4に記載の情報処理装置。
- 請求項1〜22のいずれか1項に記載の前記情報処理装置の各手段としてコンピュータを機能させるためのコンピュータプログラム。
- 漁船上において、漁獲物を海中から漁船上に引き上げる際の画像を取得するための取得工程と、
前記取得工程によって取得された漁獲物の画像に基づき少なくとも前記漁獲物の種類毎の重量または数量を集計して第1の集計データを生成する集計工程と、
前記第1の集計データを前記漁船以外の場所に設置した所定の管理サーバに送信させるための制御工程と、
を有することを特徴とする情報処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019238808A JP2021107991A (ja) | 2019-12-27 | 2019-12-27 | 情報処理装置、コンピュータプログラム及び情報処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019238808A JP2021107991A (ja) | 2019-12-27 | 2019-12-27 | 情報処理装置、コンピュータプログラム及び情報処理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021107991A true JP2021107991A (ja) | 2021-07-29 |
Family
ID=76967931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019238808A Pending JP2021107991A (ja) | 2019-12-27 | 2019-12-27 | 情報処理装置、コンピュータプログラム及び情報処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021107991A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063254A (zh) * | 2022-08-18 | 2022-09-16 | 深圳中科超远科技有限公司 | 一种智慧渔港管理系统及方法 |
CN115375043A (zh) * | 2022-10-24 | 2022-11-22 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔港监管方法及系统 |
KR102602580B1 (ko) * | 2023-06-26 | 2023-11-15 | (주)오투컴퍼니 | 엣지 컴퓨터와 클라우드 서버를 활용한 국제 옵서버ai 서비스 구현 방법 및 시스템 |
-
2019
- 2019-12-27 JP JP2019238808A patent/JP2021107991A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063254A (zh) * | 2022-08-18 | 2022-09-16 | 深圳中科超远科技有限公司 | 一种智慧渔港管理系统及方法 |
CN115375043A (zh) * | 2022-10-24 | 2022-11-22 | 中国水产科学研究院南海水产研究所 | 一种基于物联网的渔港监管方法及系统 |
KR102602580B1 (ko) * | 2023-06-26 | 2023-11-15 | (주)오투컴퍼니 | 엣지 컴퓨터와 클라우드 서버를 활용한 국제 옵서버ai 서비스 구현 방법 및 시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021107991A (ja) | 情報処理装置、コンピュータプログラム及び情報処理方法 | |
Hodgson et al. | Drones count wildlife more accurately and precisely than humans | |
Rasmussen et al. | Pre-harvest weed mapping of Cirsium arvense in wheat and barley with off-the-shelf UAVs | |
Lynch et al. | Implementing a next generation stock assessment enterprise: an update to the NOAA fisheries stock assessment improvement plan | |
JP2023538048A (ja) | 画像基盤のパック詰め肉類の品質分類及販売方法、装置及びシステム | |
US10984548B2 (en) | Yield prediction for a cornfield | |
EP3279831A1 (en) | Recognition of weed in a natural environment using a digital image | |
Kempenaar et al. | Big data analysis for smart farming: Results of TO2 project in theme food security | |
CA3128156A1 (en) | Pet food recommendation devices and methods | |
Hoste et al. | Smart farming in pig production and greenhouse horticulture: An inventory in the Netherlands | |
CN108062708A (zh) | 牲畜资产的抵押方法、计算机程序、存储介质及电子设备 | |
JP7039766B2 (ja) | 現場作業支援システム | |
CN108764022A (zh) | 一种图像识别方法及系统 | |
JP2022114352A (ja) | 人工知能(ai)による推定システム、学習データ生成装置、学習装置、摘果対象物推定装置、学習システム、及び、プログラム | |
Jones et al. | Controllable factors affecting accuracy and precision of human identification of animals from drone imagery | |
KR20210021816A (ko) | 스마트 달걀 트레이 기반 달걀 자동주문 및 관리를 수행하기 위한 장치 및 방법 | |
Ryckman et al. | Behavioral responses of blue-winged teal and northern shoveler to unmanned aerial vehicle surveys | |
US11272320B1 (en) | Mobile electronic device for identifying and recording an animal harvest | |
KR102486494B1 (ko) | 해삼 양식장 체험 메타버스 플랫폼 | |
CN113408334B (zh) | 一种小龙虾全链条数据采集与智能检测方法及装置 | |
CN112153892B (zh) | 用于苍蝇管理的装置 | |
JP2017224142A (ja) | 取引支援方法、取引支援装置および取引システム | |
CN112434851A (zh) | 一种基于大数据用于蛋禽的销售管理系统 | |
Setyaningrum et al. | Modelling of sustainable blue swimming crab supply chain in East Java using soft system methodology | |
Hvala et al. | Supplementing aerial drone surveys with biotelemetry data validates wildlife detection probabilities |