JP6319737B2

JP6319737B2 - 体長種別判別装置、水中探知装置及び体長種別判別方法

Info

Publication number: JP6319737B2
Application number: JP2013227634A
Authority: JP
Inventors: 行雄松尾; 篤史金城; 雅紀伊藤; 靖西森; 智人今泉
Original assignee: gakkou houjin touhoku Gakuin; Furuno Electric Co Ltd; Japan Fisheries Research and Education Agency
Current assignee: gakkou houjin touhoku Gakuin; Furuno Electric Co Ltd; Japan Fisheries Research and Education Agency
Priority date: 2013-10-31
Filing date: 2013-10-31
Publication date: 2018-05-09
Anticipated expiration: 2033-10-31
Also published as: GB201419411D0; GB2522302B; GB2522302A; JP2015087328A

Description

本発明は、水中を遊泳する魚の体長と種別を判別する体長種別判別装置、水中探知装置及び体長種別判別方法に関する。

従来、水中を遊泳する魚の魚種の判別装置として、水中に向けて超音波信号を送出して魚体からのエコー信号を解析することで魚種判別するものが知られている（例えば、特許文献１参照）。特許文献１に記載の判別装置では、反射強度の最も高い浮き袋以外からの反射波が魚種によって異なることに着目して魚種の判別が行われている。具体的には、魚体のエコー信号から求められた包絡線から所定閾値以上のピークが検出される。そして、魚体の浮き袋で得られる最大ピーク以外に、浮き袋以外の頭や尾等でピークが得られるか否かによって魚種が判別される。

特許第５２５２５７８号公報

特許文献１に記載の判別装置では、魚体長や外形が近い魚であっても魚種を判別することができるが、魚種と魚体長を同時に判別することができない。特許文献１に記載の判別装置とは別に魚体長用の判別装置を設ける構成が考えられるが、魚種によって魚体長に対応したエコー信号の解析結果が異なるため、魚体長を精度よく判別することが難しい。さらに、魚種用の判別装置に加えて魚体長用の判別装置が必要となり、装置構成及び処理構成が煩雑になるという問題があった。

本発明はこのような点に鑑みてなされたものであり、簡易な構成で、判別対象物の体長及び種別を同時に精度よく判別することができる体長種別判別装置、水中探知装置及び体長種別判別方法を提供することを目的とする。

本発明の体長種別判別装置は、水中に向けて送出された超音波のエコー信号が入力されるエコー信号入力部と、前記エコー信号の振幅情報に基づいて、判別対象である個体を特定する個体特定部と、前記エコー信号における前記個体を示す所定領域において周波数毎の反射強度を算出する反射強度算出部と、体長及び種別毎の組に対応した周波数に対する反射強度分布を、組毎に記憶する反射強度分布記憶部と、前記反射強度分布記憶部に予め記憶された前記反射強度分布における周波数毎の反射強度から射影される多次元空間において、前記反射強度算出部で算出された周波数毎の反射強度を、体長及び種別毎の組にクラス分けして、当該周波数毎の反射強度が属するクラスを、前記個体に対応する体長及び種別の組として選択する体長種別選択部とを備える。
また、本発明の他の体長種別判別装置は、水中に向けて送出された超音波のエコー信号が入力されるエコー信号入力部と、前記エコー信号の振幅情報に基づいて、判別対象である個体を特定する個体特定部と、前記エコー信号における前記個体を示す所定領域において周波数毎の反射強度を算出する反射強度算出部と、体長及び種別毎の組に対応した周波数に対する反射強度分布を、組毎に記憶する反射強度分布記憶部と、前記反射強度分布記憶部に予め記憶された前記反射強度分布における互いに異なる周波数の反射強度を各軸とする多次元空間において、前記反射強度算出部で算出された周波数毎の反射強度を、体長及び種別毎の組にクラス分けして、当該周波数毎の反射強度が属するクラスを、前記個体に対応する体長及び種別の組として選択する体長種別選択部とを備える。

本発明の体長種別判別方法は、水中に向けて送出された超音波のエコー信号が入力されるステップと、前記エコー信号の振幅情報に基づいて、判別対象である個体を特定するステップと、前記エコー信号における前記個体を示す所定領域において周波数毎の反射強度を算出するステップと、体長及び種別毎の組に対応した周波数に対する反射強度分布における周波数毎の反射強度から射影される多次元空間において、周波数毎の反射強度を、体長及び種別毎の組にクラス分けして、当該周波数毎の反射強度が属するクラスを、前記個体に対応する体長及び種別の組として選択するステップとを有する。

これらの構成によれば、判別対象物の体長又は種別の一方だけでなく、体長と種別の両方に対応して基準となる反射強度分布が予め記憶されているため、算出された周波数毎の反射強度から判別対象物である個体の体長及び種別が同時に判別される。単一の装置において同一の反射強度から個体の体長及び魚種が判別されるため、体長用の判別装置や種別用の判別装置を個別に用意する必要がなく、装置構成及び処理構成を簡略化することができる。また、周波数毎の反射強度を多次元空間でクラス分けして、個体の体長及び種別を判別できる。

本発明の体長種別判別装置において、前記個体特定部は、前記複数のエコー信号からピークを検出し、複数のエコー信号のピークのうち、少なくとも一部のピークが連続する場合に前記個体を特定する。

この構成によれば、複数のエコー信号から検出された連続するピークに基づいて個体が特定されるため、偶発するノイズの影響を除去して検出精度を向上させることができる。

本発明の体長種別判別装置において、前記体長種別選択部は、前記個体に対応するエコー信号毎に前記クラスを選択し、最も多く選択されたクラスを、前記個体に対応する体長及び種別の組として選択する。

本発明の体長種別判別装置において、前記多次元空間はこれを区分する境界によって複数のクラスに分かれており、当該多次元空間に前記個体に対応するエコー信号毎の反射強度が配置され、前記体長種別選択部は、前記境界によって分かれたクラス対毎に前記境界から反射強度までの距離を算出し、距離の総和が最も大きいクラスを、前記個体に対応する体長及び種別の組として選択する。

本発明の体長種別判別装置において、前記多次元空間はこれを区分する境界によって複数のクラスに分かれており、当該多次元空間に前記個体に対応するエコー信号毎の反射強度が配置され、前記体長種別選択部は、前記境界によって分かれたクラス対毎に、反射強度がどちらのクラス側に属するかを判別し、最も多くの反射強度が属するクラスを、前記個体に対応する体長及び種別の組として選択する。

これらの構成によれば、エコー信号毎の反射強度をクラス分けして、個体の体長及び種別を精度よく判別することができる。

本発明の体長種別判別装置において、前記体長種別選択部は、機械学習によって複数のクラスの境界が設定される。

この構成によれば、エコー信号の周波数毎の反射強度を用意すれば、容易に複数のクラスを設定することができる。

本発明の体長種別判別装置において、前記体長種別選択部において、体長及び種別の組が選択された周波数毎の反射強度を学習する学習部を備え、前記学習部は、前記反射強度分布記憶部に記憶された反射強度分布に学習結果を反映させる。

この構成によれば、体長及び種別の組の選択結果が反射強度分布に反映されるため、判別強度分布を用いた体長及び種別の組の選択時の精度を向上させることができる。

本発明の水中探知装置において、上記体長種別判別装置と、超音波信号を水中に向けて繰り返し送信し、前記超音波信号の前記エコー信号を受信する送受信部と、前記体長種別選択部によって選択された体長及び種別の組を表示する表示部とを備える。

この構成によれば、表示部に表示される個体の体長及び種別を確認することができる。また、複数の種別や様々な魚体長の個体が混在する群れにおいて、種別毎や体長毎に割合を確認することもできる。

本発明によれば、体長及び種別毎に反射強度分布を記憶して、既知の反射強度分布とエコー信号から得られた周波数毎の反射強度を対比して、簡易な装置構成及び処理構成で個体の体長及び種別を同時に精度よく判別することができる。

本実施の形態に係る水中探知装置のブロック図である。本実施の形態に係るエコー信号を示す図である。本実施の形態に係る補正後のエコー信号を示す図である。本実施の形態に係るエコー信号のピーク周辺を示す図である。本実施の形態に係るＴＳスペクトルを示す図である。本実施の形態に係る個体検出の説明図である。本実施の形態に係る判別関数の生成方法の説明図である。本実施の形態に係る判別処理の説明図である。本実施の形態に係る判別処理のフローチャートの一例を示す図である。本実施の形態に係る学習処理のフローチャートの一例を示す図である。第１の実験例における魚種情報を示す表である。第１の実験例における魚種の判別結果を示す表である。周波数帯域を変更したときの判別率を示す表である。第１の実験例における魚体長の判別結果を示す表である。第１の実験例における全周波数を使用した魚種及び魚体長の判別結果を示す表である。第２の実験例における魚種情報を示す表である。第２の実験例における全周波数を使用した魚種及び魚体長の判別結果を示す表である。第３の実験例における魚種の判別結果を示す表である。第３の実験例における魚種の判別結果を示す表である。ケプストラム解析の説明図である。第３の実験例における通常のＴＳスペクトルを用いた魚種の判別結果を示す表である。第３の実験例におけるリフタリング後のＴＳスペクトルを用いた魚種の判別結果を示す表である。

以下、添付図面を参照して、本実施の形態に係る水中探知装置について説明する。図１は、本実施の形態に係る水中探知装置のブロック図である。図２は、本実施の形態に係るエコー信号を示す図である。図３は、本実施の形態に係る補正後のエコー信号を示す図である。図４は、本実施の形態に係るエコー信号のピーク周辺を示す図である。図５は、本実施の形態に係るＴＳスペクトルを示す図である。図６は、本実施の形態に係る個体検出の説明図である。

なお、本実施の形態では、水中を遊泳する魚を判別対象物として説明するが、判別対象物は魚類に限定されない。判別対象物は、水中に存在する動物であればよく、例えば、鯨等の哺乳類を判別対象物とすることも可能である。

図１に示すように、水中探知装置１は、海中に向けて超音波信号を送信し、海中から受信したエコー信号から海中を遊泳する魚の魚体長及び魚種を判別するように構成されている。水中探知装置１は、海中に超音波信号を送信して魚からのエコー信号（反射信号）を受信する送受信部２、エコー信号に基づいて魚体長及び魚種を判別する体長種別判別装置３、判別結果に基づいて魚体長及び魚種を識別可能に表示する表示部４を備えている。ここで、超音波信号の送信からエコー信号の受信までの１回の測定処理のことは“１ｐｉｎｇ”と呼ばれており、所定の時間間隔でこの測定処理を繰り返す。実施の形態に係る水中探知装置１は、魚体長及び魚種を一緒に判別することができるが、魚体長及び魚種のいずれか一方だけを判別することも可能である。

体長種別判別装置３は、エコー信号入力部１１、信号補正部１２、個体特定部１３、反射強度算出部１４、反射強度分布記憶部１５、体長種別選択部１６、体長種別判別部１７、学習部１８を備えている。エコー信号入力部１１では送受信部２からエコー信号が入力され、信号補正部１２ではエコー信号が距離補正される。個体特定部１３では補正後のエコー信号の振幅情報（レベル情報）に基づいて判別対象である魚の個体が特定され、反射強度算出部１４では個体を示すエコー信号から周波数毎の反射強度が算出される。反射強度分布記憶部１５には、魚体長及び魚種毎の組に対応した周波数に対する反射強度分布が組毎に記憶されている。

体長種別選択部１６では、反射強度分布記憶部１５に予め記憶された反射強度分布と反射強度算出部１４で算出された周波数毎の反射強度との対比に基づいて、個体に対応する体長及び種別の組が選択される。体長種別判別部１７では、体長種別選択部１６の選択結果に応じて個体の魚体長及び魚種が判別される。学習部１８では、体長種別判別部１７の判別結果に応じて体長及び種別の組に対応した周波数毎の反射強度が学習される。学習部１８の学習結果は、反射強度分布記憶部１５に入力されて、体長種別選択部１６における次回の選択処理に反映される。

エコー信号入力部１１は、判別対象である魚体で反射したエコー信号が送受信部２から入力される。図２に示すように、各エコー信号は、超音波信号の反射位置の深度に応じて反射強度が異なっている。このエコー信号においては、３か所のピークを確認できるが、反射位置の深度（時間）が深くなるにつれてピークの反射強度が小さくなっている。送受信部２で受信されたエコー信号は信号補正部１２へ出力される。

信号補正部１２は、深度（時間）に応じてエコー信号を距離補正する。具体的には、信号補正部１２は、反射位置の深度による減衰に比例して、エコー信号の反射強度を高めるように補正する。図３に示すように、補正後のエコー信号は反射位置の深度による減衰が排除され、補正前のエコー信号（図２参照）と比較して３か所のピークの反射強度が近づけられている。信号補正部１２で補正されたエコー信号は、反射強度算出部１４及び個体特定部１３へ出力される。

ところで、送受信部２から海中に対して放射状に超音波信号が送信されるため、海面からの個体まで鉛直方向の深度ではなく、海面から個体までの距離に基づいて距離補正される。このため、信号補正部１２は、指向特性を考慮して、エコー信号の方位情報を用いて反射強度を距離補正している。なお、本実施の形態に係る信号補正部１２は、指向特性を考慮して距離補正しているが、指向特性を考慮せずに距離補正することも可能である。

反射強度算出部１４は、エコー信号のピークから周波数毎の反射強度であるＴＳ（Target Strength）スペクトルを特徴量として算出（抽出）する。反射強度算出部１４は、補正後のエコー信号からピーク信号を検出するピーク検出部２１、ピーク信号を周波数変換して周波数毎の反射強度であるＴＳスペクトルを算出する周波数変換部２２を有している。図４に示すように、ピーク検出部２１は、エコー信号の所定閾値以上のピークを含む所定範囲を切り抜いたピーク信号を検出する。図４においては、図３に示すエコー信号の０．６５［ｍｓ］付近のピーク周辺を切り抜いたピーク信号が示されている。ピーク検出部２１で検出されたピーク信号の実信号は、周波数変換部２２へ出力される。なお、ピーク信号とは、エコー信号を所定閾値以上のピーク前後で切り抜いた信号である。この場合、所定閾値は個体を特定可能な値に設定されている。

周波数変換部２２は、ピーク信号の実信号を周波数解析（フーリエ変換）して特徴量であるＴＳスペクトルを抽出する。図５に示すように、ＴＳスペクトルは、７０［ｋＨｚ］から１３０［ｋＨｚ］までの周波数帯で、周波数毎のＴＳ値（反射強度）が大きく変化している。周波数変換部２２で抽出されたＴＳスペクトルは、特徴量として体長種別選択部１６へ出力される。なお、本実施の形態では、エコー信号のピークを含む所定範囲で周波数解析してＴＳスペクトルを算出する構成とするが、この構成に限定されない。反射強度算出部１４は、所定振幅以上の反射強度からＴＳスペクトルを算出する構成としてもよい。このような構成であっても、魚体長及び魚種を反映したＴＳスペクトルを算出することが可能である。

個体特定部１３は、近い深度（時間）においてｐｉｎｇ毎に得られたエコー信号で所定閾値以上のピークが連続する場合に、この連続するピークを１つ魚の個体として特定する。通常、１つの魚からはｐｉｎｇ毎にエコー信号が連続して返ってくるため、連続するピークによって個体を高精度に特定している。この場合、ピーク検出の判定基準となる深度（時間）及び所定閾値は、ユーザの用途に応じて変更可能になっている。ここでは、３以上のピークが連続する場合に個体として特定され、個体グループ（ａ_ｎ（ｎ＝０…ｋ：ｋは整数））として関連付けられる。

図６に示すように、例えば、Ｃ１で囲まれた１５連続するピークａから個体が特定され、各ピークａは個体を示す個体グループ情報（ａ_０…ａ_１４）により関連付けられる。個体特定部１３で検出された個体グループ情報は、体長種別選択部１６へ出力される。なお、本実施の形態では、ｐｉｎｇ毎に得られた連続するピークから個体を特定する構成とするが、この構成に限定されない。個体特定部１３は、エコー信号から個体を特定可能な構成であればよく、例えば、所定の振幅以上の反射強度の振幅情報から個体を特定する構成としてもよいし、振幅情報に加えて位相情報を用いて個体を特定することも可能である。さらに、個体特定部１３は、単一のピークから個体を特定する構成としてもよい。

反射強度分布記憶部１５には、反射強度分布として魚体長及び魚種の組を示すクラス毎に既知のＴＳスペクトルが記憶されている。なお、反射強度分布記憶部１５は、クラス毎に事前に調査されたＴＳスペクトルが記憶されてもよいし、学習処理によって求められた学習結果が記憶されてもよい。

また、反射強度分布記憶部１５には、ＴＳスペクトル毎に魚体長及び魚種を選択するための判別モデルが記憶されている。判別モデルは、反射強度分布記憶部１５に記憶されたＴＳスペクトルをサンプルデータとして構築されている。本実施の形態では、サポートベクターマシン（ＳＶＭ）を用いて判別モデルが構築されている。サポートベクターマシンでは、魚体長及び魚種の組み合わせからなるクラス毎にサンプルデータを入力することで、多次元空間における境界（判別関数）が生成される（図７Ｂ参照）。

体長種別選択部１６は、サンプルデータによって事前に求められた判別関数を用いて、反射強度算出部１４から入力されたＴＳスペクトルが属するクラス（魚体長及び魚種の組）が選択される。体長種別選択部１６で選択されたＴＳスペクトルの選択結果は、体長種別判別部１７へ出力される。なお、本実施の形態では、判別関数を求めて、ＴＳスペクトルの魚体長及び魚種の組を選択したが、この構成に限定されない。体長種別選択部１６は、反射強度分布記憶部１５に予め記憶されたＴＳスペクトルと反射強度算出部１４で算出されたＴＳスペクトルとの対比に基づいて、魚種及び魚体長を選択する構成であればよい。すなわち、「対比」とは判別関数を用いた選択処理を含む概念である。

体長種別判別部１７は、各ＴＳスペクトルの選択結果と個体特定部１３から入力された個体グループ情報に基づいて魚の個体がどのクラスに属するかを判別する。この場合、個体グループ情報で関連付けられた各ピークのＴＳスペクトルが、どのクラスに属するかによって個体の魚体長及び魚種が判別される。体長種別判別部１７で判別されたＴＳスペクトルの判別結果は、表示部４及び学習部１８へ出力される。なお、判別処理の詳細については後述する。

学習部１８は、体長種別判別部１７の判別結果を学習して判別モデルを再構築する。学習部１８は、教師データを生成する教師データ生成部２３と、判別関数を生成する判別関数生成部２４とを有している。教師データ生成部２３は、体長種別判別部１７から入力された判別結果に基づいて教師データを生成する。すなわち、体長種別判別部１７において魚体長及び魚種が判別されたＴＳスペクトルによって教師データが生成される。教師データ生成部２３で生成された教師データは、判別関数生成部２４へ出力される。

判別関数生成部２４は、サポートベクターマシンに教師データを入力して判別関数を生成する。この場合、クラス毎の既知のサンプルデータに、判別処理によって新たに生成された教師データ（実測データ）が追加される。そして、サポートベクターマシンによって判別関数が更新されて、体長種別判別装置３の判別モデルが再構築される。これにより、個体の判別結果が判別モデルの再構築に反映されるため、判別モデルによる判別精度が向上している。

表示部４は、体長種別判別部１７から入力された判別結果に基づいてエコーグラムを表示する。表示部４には、個体が魚体長及び魚種毎に色分けされたエコーグラムが表示される。このため、エコーグラムに表示される魚群の魚種を確認することができる。魚群に複数の魚種や様々な魚体長が混在する場合に、魚種や魚体長毎の割合を確認することもできる。

図７及び図８を参照して、判別処理について詳細に説明する。図７は、本実施の形態に係る判別関数の生成方法の説明図である。図８は、本実施の形態に係る判別処理の説明図である。なお、図８Ａは第１の判別処理、図８Ｂは第２の判別処理、図８Ｃは第３の判別処理をそれぞれ示す。なお、本実施の形態では、サポートベクターマシンを用いた判別モデルについて説明したが、この構成に限定されない。判別モデルは、ニューラルネットワーク、部分空間法、Ｄｅｅｐｌｅａｎｉｎｇの手法等の機械学習の手法を用いて構築されてもよい。例えば、ニューラルネットワークを用いる場合には、クラス毎にサンプルデータを入力し、学習速度や学習精度等を変更するために学習率等の各種パラメータが調整される。

図７Ａは、大小のサバ及びアジの平均ＴＳスペクトルを示している。大小のサバの平均ＴＳスペクトルは大小のアジの平均ＴＳスペクトルよりもＴＳ値（反射強度）が高い。また、大きなサバの平均ＴＳスペクトルは小さなサバの平均ＴＳスペクトルよりもＴＳ値が高く、大きなアジの平均ＴＳスペクトルは小さなアジの平均ＴＳスペクトルよりもＴＳ値が高い。このように、ＴＳスペクトルは、魚体長及び魚種毎に異なる傾向を示している。

ここでは、サバ及びアジの大小に応じて４種類のクラス分けが実施されている。例えば、魚種がサバで魚体長が大の組み合わせ（以下、サバ大）にはクラス１がラベル付けされる。魚種がサバで魚体長が小の組み合わせ（以下、サバ小）にはクラス２がラベル付けされる。魚種がアジで魚体長が大の組み合わせ（以下、アジ大）にはクラス３がラベル付けされる。魚種がアジで魚体長が小の組み合わせ（以下、アジ小）にはクラス４がラベル付けされる。このクラス毎の既知のサンプルデータがサポートベクターマシンに入力されることで、クラス対毎に判別関数が求められる。

図７Ｂに示すように、ＴＳスペクトルの周波数毎のＴＳ値を座標軸ＴＳ_１−ＴＳ_ｎとして多次元空間（ｎ次元空間）が形成されている。サポートベクターマシンでは、クラス毎に既知のサンプルデータが入力されることで、クラス対毎に最適な境界（判別関数）が生成される。判別関数Ｄ（ｘ）は入力をｘ、重み係数ベクトルＷ（太文字）、バイアス項をｂとすると、次式（１）で表される。なお、Ｔは行列の転置を表している。

この場合、重み係数ベクトルＷ（太文字）及びバイアス項ｂは、境界と各クラスの境界に最も近いサンプルデータとの距離（マージン）が最大化するように決定されている。なお、境界は、２次元の場合には直線状に存在し、３次元の場合には平面状に存在し、多次元の場合には超平面状に存在する。また、判別関数は、Ｄ（ｘ）＝＜Ｗ・ｘ＞+ｂと表されてもよい。この場合、＜Ｗ・ｘ＞は、Ｗ（太文字）とｘの内積を示している。

このように、サポートベクターマシンでは、ＴＳスペクトル（特徴量）を用意すれば、判別関数を生成することができる。なお、図７Ｂでは、サバ大とアジ小のクラス対の境界のみを示しているが、実際にはクラス対毎に境界が存在し、４クラスの場合には６つ（_４Ｃ_２）の境界が存在する。また、本実施の形態では、パラメータの調整が不要となるように線形空間でサポートベクターマシンが実行される構成（ハードマージンＳＶＭ）としたが、この構成に限定されない。サポートベクターマシンにおいて、非線形空間への写像を行う構成やデータの誤分類を許容できるように拡張する構成（ソフトマージンＳＶＭ）にしてもよい。この場合には、パラメータを調整することで判別率を向上させることができる。

図８Ａに示すように、第１の判別処理は、ピーク（エコー信号）毎にＴＳスペクトルの魚体長及び魚種を個別に判別する方法である。体長種別選択部１６では、ＴＳスペクトルの周波数毎のＴＳ値がｎ次元の実測データとして多次元空間に入力される。そして、クラス対毎の判別関数によって判別が繰り返されて、ＴＳスペクトルがどのクラスに属するかが個別に選択される。この選択処理が、個体グループ情報で関連付けられた各ピークのＴＳスペクトルに対して行われる。これにより、同一個体で検出された各ＴＳスペクトルのクラスが選択される。

体長種別判別部１７では、ＴＳスペクトルのクラスとして最も多く選択されたクラスが、個体のクラスとして判別される。図８Ａでは、個体がクラス１と判別され、検出対象である個体がサバ大であると判別される。このように、第１の判別処理では、同一個体のピーク（エコー信号）毎にＴＳスペクトルのクラスが個別に選択され、最も多くのＴＳスペクトルが属するクラスに応じて、個体の魚体長及び魚種が判別される。

図８Ｂに示すように、第２の判別処理は、境界から各クラスのＴＳスペクトルまで距離の総和をクラス対毎に求めて魚体長及び魚種を判別する方法である。体長種別選択部１６では、ＴＳスペクトルの周波数毎のＴＳ値がｎ次元の実測データとして多次元空間に入力される。そして、個体グループ情報で関連付けられた各ピークのＴＳスペクトルに対して、クラス対毎に形成された境界からの距離が算出され、クラス毎に距離の総和が求められる。この処理はクラス対毎、すなわち境界の数だけ繰り返される。これにより、クラス毎のＴＳスペクトルの距離の総和が求められる。

体長種別判別部１７では、距離の総和が最も大きいクラスが、個体のクラスとして判別される。図８Ｂでは、個体がクラス１と推定され、検出対象である個体がサバ大であると判別される。このように、第２の判別処理では、同一個体で検出されたピークのＴＳスペクトルを境界でクラス分けし、距離の総和に応じて個体の魚体長及び魚種が判別される。

図８Ｃに示すように、第３の判別処理は、境界で仕切られるクラス対毎に、どちらのクラス側に属するＴＳスペクトルが多いかを求めて魚体長及び魚種を判別する方法である。体長種別選択部１６では、ＴＳスペクトルの周波数毎のＴＳ値がｎ次元の実測データとして多次元空間に入力される。そして、個体グループ情報で関連付けられた各ピークのＴＳスペクトルが、境界を境にどちらのクラス側に多く属しているかが求められる。この場合、判別関数にＴＳスペクトルを入力すると、境界の手前側と向う側とでプラスとマイナスの異なる符号で出力される。出力結果の符号から実測データが境界のどちら側に属するかが求められる。この処理がクラス対毎、すなわち境界の数だけ繰り返される。これにより、クラス毎のＴＳスペクトルの数が求められる。

体長種別判別部１７では、ＴＳスペクトルが属する数が最も多いクラスが、個体のクラスとして判別される。図８Ｃでは、個体がクラス１と推定され、検出対象である個体がサバ大であると判別される。このように、第３の判別処理では、同一個体で検出されたピークのＴＳスペクトルを境界でクラス分けし、ＴＳスペクトルの数に応じて個体の魚体長及び魚種が判別される。

なお、本実施の形態では、魚体長と魚種との組み合わせを１つのクラスとして判別関数を生成し、魚体長と魚種とを同時に判別する方法としたが、この方法に限定されない。魚種毎にクラス分けする判別関数と、各魚種の魚体長毎にクラス分けする判別関数を生成して、２段階で魚体長と魚種とを判別する方法としてもよい。

図９を参照して、判別処理の流れについて簡単に説明する。図９は、本実施の形態に係る判別処理のフローチャートの一例を示す図である。図９では、第１の判別処理を例示して説明する。

図９に示すように、先ず送受信部２において、超音波信号が海中に送出され、海中からのエコー信号が受信される（ステップＳ０１）。送受信部２で受信されたエコー信号は、エコー信号入力部１１に入力される（ステップＳ０２）。このとき、エコー信号入力部１１に入力されたエコー信号は深度に応じて反射強度が小さくなっている（図２参照）。次に、信号補正部１２において、深度に応じてエコー信号が距離補正される（ステップＳ０３）。これにより、補正後のエコー信号から深度による反射強度の減衰が排除される（図３参照）。次に、個体特定部１３において、複数のエコー信号の連続するピークが個体として検出され、個体のピーク信号ａが個体グループ情報（ａ_ｎ（ｎ＝０…ｋ：ｋは整数））で関連付けられる（ステップＳ０４）。これにより、同一個体から反射された連続するピーク信号（エコー信号）が関連付けられる（図６参照）。

次に、ｎに０がセットされて（ステップＳ０５）、ピーク検出部２１において、補正後のエコー信号のピーク周辺が切り抜かれてピーク信号（図４参照）が抽出される（ステップＳ０６）。次に、周波数変換部２２において、ピーク信号ａ_０の特徴量としてＴＳスペクトルが算出される（ステップＳ０７）。ＴＳスペクトルは、ピーク信号の周波数解析によって生成され、周波数毎のＴＳ値（反射強度）を示している（図５参照）。

次に、体長種別選択部１６において、判別関数を用いてピーク信号ａ_０のＴＳスペクトルについて魚体長及び魚種の組（クラス）が選択される（ステップＳ０８）。この場合、判別関数は、既知のサンプルデータを用いて事前に生成されている（図７参照）。次に、ｎ＝ｋか否かが判定される（ステップＳ０９）。ｎ≠ｋの場合（ステップＳ０９でＮｏ）、ｎにｎ＋１がセットされて（ステップＳ１０）、ｎ＝ｋになるまでステップＳ０６からステップＳ０９までの処理が繰り返される。このようにして、個体グループ情報で関連付けられた全てのピーク信号のＴＳスペクトルについて魚体長及び魚種の組が選択される。

ｎ＝ｋの場合（ステップＳ０９でＹｅｓ）、体長種別判別部１７において、個体グループ情報で関連付けられた各ピーク信号のＴＳスペクトルの選択結果に基づいて、個体の魚体長及び魚種（クラス）が判別される（ステップＳ１１）。この場合、最も多くのＴＳスペクトルに選択された魚体長及び魚種が、個体の魚体長及び魚種として判別される。このようにして、個体の魚体長及び魚種が同時に判別される。

図１０を参照して、学習処理について簡単に説明する。図１０は、本実施の形態に係る学習処理のフローチャートの一例を示す図である。

図１０に示すように、先ず上記したステップＳ０１からステップＳ１１の判別処理が実施される（ステップＳ２１）。次に、教師データ生成部２３において、判別処理の判別結果から教師データが生成される（ステップＳ２２）。判別結果によって魚体長及び魚種（クラス）がＴＳスペクトルに関連付けられており、魚体長及び魚種とＴＳスペクトルの組み合わせが教師データとして出力される。次に、判別関数生成部２４において、サポートベクターマシンに教師データが追加されて、重み係数ベクトルＷとバイアス項ｂとが書き換えられることで判別関数Ｄ（ｘ）が更新される（ステップＳ２３）。

次に、体長種別判別装置３が停止か否かが判定され（ステップＳ２４）、装置停止になるまでステップＳ２１からステップＳ２４までの処理が繰り返される。このように、判別処理の判別結果が繰り返し学習されて、教師データとしてサポートベクターマシンに入力されることで判別関数の判別精度が向上されている。

（実験例）
ここで、第１の実験例として、図１１に示す魚種情報を基にサバ大、サバ小、アジ（大小を区別しない）の判別処理を実施した。サバ大は約３２ｃｍのサバ、サバ小は約１７ｃｍのサバ、アジは２３ｃｍから２５ｃｍのアジをそれぞれ示している。そして、それぞれの観測場所Ａ−Ｃにおいて、魚種及び魚体長の判別処理を実施したところ、図１２から図１５に示す判別結果が得られた。図１２は、全周波数（８０−１１０［ｋＨｚ］）を使用した魚種の判別結果を示す表である。サバについては個体数８７９に対して正解数７００で判別率７９．５％、アジについては個体数７７１に対して正解数７５３で判別率９７．５％となり、合計の判別率は８８．１％となった。

図１３は、魚種判別に必要な周波数を確認するために、周波数帯域を変更したときの判別率を示す表である。図１３において、図示左端の縦並びの項目が開始の周波数を示し、図示上端の横並びの項目が終了の周波数を示している。５［ｋＨｚ］を超える周波数帯域を利用した場合には約９０％の判別率が得られることが判明した。また、１つの周波数だけを使用した場合には、判別率が５０％を切る場合があることが判明した。これは、５［ｋＨｚ］以下ではＴＳ値の数を十分に取れないからであると考えられる。

図１４は、全周波数（８０−１１０［ｋＨｚ］）を使用したサバの魚体長の判別結果を示す表である。サバ大については個体数２９３に対して正解数２９２で判別率９９．７％、サバ小については個体数５８６に対して正解数５８６で判別率１００％となり、合計の判別率は９９．９％となった。図１５は、全周波数（８０−１１０［ｋＨｚ］）を使用した魚種及び魚体長の判別結果を示す表である。図１５では、図示左端の縦並びの項目が判別対象を示し、図示上端の横並びの項目が判別結果を示す。サバ大については１００％、サバ小については９９．７％、アジについては９８．７％の判別率が得られた。

次に、第２の実験例として、図１６に示す魚種情報を基にサバ大、サバ小、アジ大、アジ小の２体長・２種別の判別処理を実施した。サバ大は約３２ｃｍのサバ、サバ小は約１７ｃｍのサバ、アジ大は２４．５ｃｍのアジ、アジ小は２２．８ｃｍのアジをそれぞれ示している。そして、それぞれの観測場所Ａ−Ｃにおいて、魚種及び魚体長の判別処理を実施したところ、図１７に示す判別結果が得られた。図１７は、全周波数（８０−１１０［ｋＨｚ］）を使用した魚種及び魚体長の判別結果を示す表である。図１７では、図示左端の縦並びの項目が判別対象を示し、図示上端の横並びの項目が判別結果を示す。サバ大、サバ小、アジ大については１００％、アジ小については９９．４％の判別率が得られた。

次に、第３の実験例として、図１８に示すように、同一観測場所Ｄにおいてキハダマグロ、メバチマグロ、カツオの魚種の判別処理を実施した。キハダマグロについては個体数４１６に対して正解数３１０で判別率７４．６％、メバチマグロについては個体数１５７に対して正解数８４で判別率５３．６％、カツオについては個体数５１に対して正解数４０で判別率７９．４％となり、合計の判別率は６９．７％となった。さらに、図１９に示すように、キハダマグロとメバチマグロを同一グループとして、マグロとカツオの魚種の判別処理を実施した。マグロについては個体数５７３に対して正解数４７２で判別率８４．７％、カツオについては個体数５１に対して正解数４３で判別率８２．３％となり、合計の判別率は８２．５％に上昇した。

上記したように、キハダマグロ、メバチマグロ、カツオの魚種判別では十分な判別精度が得られなかった。これは、マグロのＴＳスペクトルに含まれる干渉が影響していると考えられる。そこで、ケプストラム解析を用いて干渉の影響が少ないＴＳスペクトルを特徴量として使用して判別処理を実施した。以下、図２０を参照して、ケプストラム解析を用いた特徴量の算出について説明する。

図２０Ａの実線Ｗ１に示すように、ＴＳスペクトルは凹凸のある曲線で示されている。このＴＳスペクトルを逆フーリエ変換すると、図２０Ｂの実線Ｗ２に示すようなケプストラムが求められる。そして、破線で囲まれたケプストラムの低ケフレンシ領域（時間）のみをフーリエ変換して、図２０Ｃの実線Ｗ３に示すようなリフタリング後のＴＳスペクトルが求められる。このようにして、ＴＳスペクトルから凹凸のない包絡成分が抽出される。

そして、第３の実験例と同じように、同一観測場所Ｄにおいてキハダマグロ、メバチマグロ、カツオの魚種の判別処理を実施したところ、図２１及び図２２に示す判別結果が得られた。図２１は、通常のＴＳスペクトルを用いた魚種の判別結果を示す表である。図２２は、リフタリング後のＴＳスペクトルを用いた魚種の判別結果を示す表である。図２１及び図２２では、図示左端の縦並びの項目が判別対象を示し、図示上端の横並びの項目が判別結果を示す。

図２１に示すように、通常のＴＳスペクトルを特徴量とした場合、キハダマグロについては７１．０％、メバチマグロについては５７．０％、カツオについては６９．５％の判別率が得られた。一方、図２２に示すように、低ケフレンシでリフタリング後のＴＳスペクトルを特徴量とした場合、キハダマグロについては６９．７％、メバチマグロについては５８．１％、カツオについては８７．０％の判別率が得られた。このように、特にカツオの判別率が向上した。

以上のように、本実施の形態に係る体長種別判別装置３によれば、判別対象物の体長又は種別の一方だけでなく、体長と種別の両方を考慮して判別モデルが構築されているため、判別モデルによってエコー信号のＴＳスペクトルから判別対象物である個体の体長及び種別が同時に判別される。単一の体長種別判別装置３において同一の特徴量から個体が判別されるため、体長用の判別装置や種別用の判別装置を個別に用意する必要がなく、装置構成及び処理構成を簡略化することができる。

なお、本発明は上記実施の形態に限定されず、種々変更して実施することが可能である。上記実施の形態において、添付図面に図示されている大きさや形状などについては、これに限定されず、本発明の効果を発揮する範囲内で適宜変更することが可能である。その他、本発明の目的の範囲を逸脱しない限りにおいて適宜変更して実施することが可能である。

例えば、上記した実施の形態において、判別結果を学習して判別モデルに反映させる構成としたが、この構成に限定されない。判別結果を学習しないで、既知のサンプルデータによって構築された判別モデルを用いて判別する構成としてもよい。

また、上記した実施の形態において、境界超平面によって多次元空間内のＴＳスペクトルの分布がクラス分けされる構成としたが、この構成に限定されない。ＴＳスペクトルの２つの周波数のＴＳ値を用いて、二次元平面内の境界を用いてクラス分けされる構成としてもよい。

以上説明したように、本発明は、簡易な構成で、判別対象物の体長及び種別を同時に精度よく判別することができるという効果を有し、特に、水中を遊泳する魚の魚体長と魚種を判別する体長種別判別装置及び体長種別判別方法に有用である。

１水中探知装置
２送受信部
３体長種別判別装置
４表示部
１１エコー信号入力部
１２信号補正部
１３個体特定部
１４反射強度算出部
１５反射強度分布記憶部
１６体長種別選択部
１７体長種別判別部
１８学習部
２１ピーク検出部
２２周波数変換部
２３教師データ生成部
２４判別関数生成部

Claims

水中に向けて送出された超音波のエコー信号が入力されるエコー信号入力部と、
前記エコー信号の振幅情報に基づいて、判別対象である個体を特定する個体特定部と、
前記エコー信号における前記個体を示す所定領域において周波数毎の反射強度を算出する反射強度算出部と、
体長及び種別毎の組に対応した周波数に対する反射強度分布を、組毎に記憶する反射強度分布記憶部と、
前記反射強度分布記憶部に予め記憶された前記反射強度分布における周波数毎の反射強度から射影される多次元空間において、前記反射強度算出部で算出された周波数毎の反射強度を、体長及び種別毎の組にクラス分けして、当該周波数毎の反射強度が属するクラスを、前記個体に対応する体長及び種別の組として選択する体長種別選択部とを備える体長種別判別装置。
水中に向けて送出された超音波のエコー信号が入力されるエコー信号入力部と、
前記エコー信号の振幅情報に基づいて、判別対象である個体を特定する個体特定部と、
前記エコー信号における前記個体を示す所定領域において周波数毎の反射強度を算出する反射強度算出部と、
体長及び種別毎の組に対応した周波数に対する反射強度分布を、組毎に記憶する反射強度分布記憶部と、
前記反射強度分布記憶部に予め記憶された前記反射強度分布における互いに異なる周波数の反射強度を各軸とする多次元空間において、前記反射強度算出部で算出された周波数毎の反射強度を、体長及び種別毎の組にクラス分けして、当該周波数毎の反射強度が属するクラスを、前記個体に対応する体長及び種別の組として選択する体長種別選択部とを備える体長種別判別装置。
前記個体特定部は、複数のエコー信号からピークを検出し、前記複数のエコー信号のピークのうち、少なくとも一部のピークが連続する場合に前記個体を特定する請求項１又は請求項２に記載の体長種別判別装置。
前記体長種別選択部は、前記個体に対応するエコー信号毎に前記クラスを選択し、最も多く選択されたクラスを、前記個体に対応する体長及び種別の組として選択する請求項１から請求項３のいずれかに記載の体長種別判別装置。
前記多次元空間はこれを区分する境界によって複数のクラスに分かれており、当該多次元空間に前記個体に対応するエコー信号毎の反射強度が配置され、
前記体長種別選択部は、前記境界によって分かれたクラス対毎に前記境界から反射強度までの距離を算出し、距離の総和が最も大きいクラスを、前記個体に対応する体長及び種別の組として選択する請求項１から請求項３のいずれかに記載の体長種別判別装置。
前記多次元空間はこれを区分する境界によって複数のクラスに分かれており、当該多次元空間に前記個体に対応するエコー信号毎の反射強度が配置され、
前記体長種別選択部は、前記境界によって分かれたクラス対毎に、反射強度がどちらのクラス側に属するかを判別し、最も多くの反射強度が属するクラスを、前記個体に対応する体長及び種別の組として選択する請求項１から請求項３のいずれかに記載の体長種別判別装置。
前記体長種別選択部は、機械学習によって複数のクラスの境界が設定される請求項１から請求項６のいずれかに記載の体長種別判別装置。
前記体長種別選択部において体長及び種別の組が選択された周波数毎の反射強度を学習する学習部を備え、
前記学習部は、前記反射強度分布記憶部に記憶された反射強度分布に学習結果を反映させる請求項１から請求項７のいずれかに記載の体長種別判別装置。
請求項１から請求項８のいずれかに記載の体長種別判別装置と、
超音波信号を水中に向けて繰り返し送信し、前記超音波信号の前記エコー信号を受信する送受信部と、
前記体長種別選択部によって選択された体長及び種別の組を表示する表示部とを備える水中探知装置。
水中に向けて送出された超音波のエコー信号が入力されるステップと、
前記エコー信号の振幅情報に基づいて、判別対象である個体を特定するステップと、
前記エコー信号における前記個体を示す所定領域において周波数毎の反射強度を算出するステップと、
体長及び種別毎の組に対応した周波数に対する反射強度分布における周波数毎の反射強度から射影される多次元空間において、周波数毎の反射強度を、体長及び種別毎の組にクラス分けして、当該周波数毎の反射強度が属するクラスを、前記個体に対応する体長及び種別の組として選択するステップとを有する体長種別判別方法。