JP7008957B1

JP7008957B1 - 錦鯉評価装置および方法並びにプログラム

Info

Publication number: JP7008957B1
Application number: JP2021163904A
Authority: JP
Inventors: 軍范
Original assignee: 三信トレーディング株式会社
Priority date: 2021-10-05
Filing date: 2021-10-05
Publication date: 2022-01-25
Anticipated expiration: 2041-10-05
Also published as: CN114170622B; CN114170622A; JP2023054913A

Abstract

【課題】錦鯉の客観的な評価を行う錦鯉評価装置および方法並びにプログラムを提供する。【解決手段】評価対象の錦鯉を撮影した画像から抽出された特徴量を取得する特徴量取得部１１と、複数の錦鯉の特徴量とその各錦鯉の評価結果との関係を機械学習して得られた学習済モデルに対して、特徴量取得部１１によって取得された評価対象の錦鯉の特徴量を入力することによって評価対象の錦鯉を評価する評価部１２と、評価部１２によって評価された評価対象の錦鯉の評価結果を出力する出力部１３とを備える。【選択図】図１

Description

本発明は、錦鯉の価値を評価する錦鯉評価装置および方法並びにプログラムに関するものである。

従来、錦鯉を評価する品評会が行われている。従来の錦鯉の品評会では、出品者によって出品された錦鯉が審査員によって審査され、その審査結果に基づいて、順位付けがされたりする。

従来の錦鯉の審査は、以下のような観点で行われていた。
１，錦鯉は生き物であるため「健康体」であること
２，鑑賞魚であるため「整然で綺麗であること」
３，鑑賞魚で泳ぐ宝石とも言われる芸術品でもあるため、芸術性、品種特性を持っていること

特許第６６５０９８４号公報

しかしながら、従来の審査は、上述したような漠然とした基準で行われるため、審査官の主観の依存度が大きく、たとえば順位が高い錦鯉であっても、その錦鯉のどの部分が高く評価されているのか、具体的な評価内容については明確ではなかった。

錦鯉の取引きでは、品評会の結果などによって取引金額が決定することもあり、錦鯉の客観的な評価が望まれている。

なお、特許文献１においては、錦鯉を撮影した画像に基づいて、錦鯉の個体識別を行う方法が提案されているが、錦鯉の評価については何も提案されていない。

本発明は、上記事情に鑑み、錦鯉の客観的な評価を行うことができる錦鯉評価装置および方法並びにプログラムを提供することを目的とする。

本発明の錦鯉評価装置は、評価対象の錦鯉を撮影した画像から抽出された特徴量を取得する特徴量取得部と、複数の錦鯉の特徴量とその各錦鯉の評価結果との関係を機械学習して得られた学習済モデルに対して、特徴量取得部によって取得された評価対象の錦鯉の特徴量を入力することによって評価対象の錦鯉を評価する評価部と、評価部によって評価された評価対象の錦鯉の評価結果を出力する出力部とを備える。

本発明の錦鯉評価方法は、評価対象の錦鯉を撮影した画像から抽出された特徴量を取得し、複数の錦鯉の特徴量とその各錦鯉の評価結果との関係を機械学習して得られた学習済モデルに対して、取得した評価対象の錦鯉の特徴量を入力することによって評価対象の錦鯉を評価し、評価対象の錦鯉の評価結果を出力する。

本発明の錦鯉評価プログラムは、評価対象の錦鯉を撮影した画像から抽出された特徴量を取得するステップと、複数の錦鯉の特徴量とその各錦鯉の評価結果との関係を機械学習して得られた学習済モデルに対して、取得した評価対象の錦鯉の特徴量を入力することによって評価対象の錦鯉を評価するステップと、評価対象の錦鯉の評価結果を出力するステップとをコンピュータに実行させる。

本発明の錦鯉評価装置および方法並びプログラムによれば、評価対象の錦鯉を撮影した画像から抽出された特徴量を取得し、複数の錦鯉の特徴量とその各錦鯉の評価結果との関係を機械学習して得られた学習済モデルに対して、評価対象の錦鯉の特徴量を入力することによって評価対象の錦鯉を評価し、評価対象の錦鯉の評価結果を出力するようにしたので、錦鯉の客観的な評価を行うことができる。

本発明の錦鯉評価装置の一実施形態の概略構成を示すブロック図評価対象の錦鯉の画像の一例を示す図姿勢補正処理済みの画像の一例を示す図錦鯉の輪郭情報の一例を示す図錦鯉の画像を構成する各画素の色の頻度分布の一例を示す図錦鯉の評価結果であるレーダーチャートの一例を示す図錦鯉評価装置の処理の流れを説明するためのフローチャート

以下、図面を参照して本発明の錦鯉評価装置の一実施形態について詳細に説明する。図１は、本実施形態の錦鯉評価装置１の概略構成図である。

錦鯉評価装置１は、錦鯉を撮影した画像から特徴量を抽出し、その特徴量に基づいて錦鯉を評価し、その評価結果を出力する。これにより、従来、主観的であった錦鯉の評価を客観的に行うことができる装置である。

錦鯉評価装置１は、具体的には、図１に示すように、画像取得部１０と、特徴量取得部１１と、評価部１２と、出力部１３とを備えている。

画像取得部１０は、評価対象の錦鯉を撮影した画像を取得する。具体的には、画像取得部１０は、錦鯉を上（背びれ側）から平面視した画像を取得する。なお、本実施形態では、錦鯉の背びれ側を上、腹側を下とし、頭部側を前、尾側を後ろとし、右目側を右、左目側を左とする。

画像取得部１０は、たとえばインターネットなどの通信回線を介して錦鯉評価装置１に接続された端末装置から出力された錦鯉の画像を取得する。端末装置としては、タブレット端末やスマートフォン、またはデスクトップパソコンやノートパソコンなどでもよい。

特徴量取得部１１は、画像取得部１０によって取得された評価対象の錦鯉の画像から特徴量を抽出して取得する。本実施形態においては、特徴量として、錦鯉の体型の情報、錦鯉の色の情報、錦鯉の模様の情報および仕上がりの情報を取得する。

特徴量取得部１１は、上述した特徴量の抽出処理を行う前に、評価対象の錦鯉を撮影した画像に対して、特徴量の抽出精度を上げるための前処理を施す。特徴量取得部１１は、前処理として、まず、姿勢補正処理を施す。姿勢補正処理は、画像中における錦鯉の姿勢が、予め設定された姿勢となるように補正する処理である。

姿勢補正処理は、評価対象の錦鯉の画像が、たとえば図２に示すように、直交するＸ軸およびＹ軸を座標系とする画像である場合、画像中の錦鯉の姿勢がＹ方向に沿っていない場合に、Ｙ方向に沿うようにする処理である。具体的には、姿勢補正処理では、まず、画像中に含まれる錦鯉全体を含む最小の矩形（図２に示す破線の矩形）を設定し、その矩形の範囲の画像を切り出す切り出し処理を行う。そして、その矩形の範囲の画像の長辺が、Ｙ方向と平行となるような回転処理を行う。このような切り出し処理と回転処理によって、図３に示すような姿勢補正処理済みの画像が生成される。

次いで、姿勢補正処理済みの画像に対して色補正処理を施す。この色補正処理は、画像の色を原色に近づける処理である。たとえば画像に影が付いている場合には、その影を取り除くような色補正処理を行う。なお、影を取り除く色補正処理については、既存の画像処理を用いることができる。

さらに、色補正処理済みの画像に対して輪郭抽出処理を施す。輪郭抽出処理は、錦鯉の輪郭を抽出する処理である。この輪郭抽出処理についても、既存の画像処理を用いることができる。輪郭抽出処理によって抽出された錦鯉の輪郭情報は、以下で説明する特徴量の抽出の際に用いられる。

特徴量取得部１１は、上述したような姿勢補正処理および色補正処理が施された画像および輪郭抽出処理によって抽出された錦鯉の輪郭情報に基づいて、錦鯉の体型の情報、色の情報、模様の情報および仕上がりの情報を取得する。

まず、錦鯉の体型の情報について説明する。

錦鯉を評価する際、錦鯉の体型については、以下の点が考慮される。
・尾筒は細すぎず、太すぎないで身体の各部位と比例してバランスが取れていること
・頭の大きさと身体全体とがアンバランスでないこと
・体に対して各鰭の大きさがバランス取れて左右対称であること
・背筋および背骨をセンターラインとして弓状であり、左右対称で曲がりがないこと
・頭部から尾鰭にかけてのラインがスムーズなこと

そこで、本実施形態の特徴量取得部１１は、錦鯉の輪郭情報に基づいて、図４に示すａ～ｆを求める。ａは、頭部の幅であり、左目の内側から右目の内側の間の距離である。また、ｂは、肩幅（体で一番太いところの幅）であり、左胸鰭の最後部の端と右胸鰭の最後部の端の間の距離である。ｃは、腹の出っ張り具合であり、背鰭の前端の位置における左右両端の間の距離である。ｄは、尾筒の太さであり、尾鰭の前端の位置における左右両端の間の距離である。ｅは、胸鰭の横幅であって、胸鰭の付け根から左右方向の端までの距離である。ｆは、胸鰭の縦幅であって、胸鰭の前端から後端までの長さである。

なお、左目および右目の位置、胸鰭の位置、背鰭の位置および尾鰭の位置については、既存の画像処理およびパターン認識を用いることによって検出される。

そして、特徴量取得部１１は、下式を算出して、比率Ｗａ～Ｗｆを求める。
Ｗａ＝ａ／ｂ，Ｗｂ＝ｂ／ｃ，Ｗｃ＝ｃ／ｄ，Ｗｄ＝ａ／ｄ，Ｗｅ＝ｂ／ｅ，
Ｗｆ＝ｅ／ｆ

また、特徴量取得部１１は、錦鯉の輪郭情報に基づいて、図４に示すｇ～ｋを求める。ｇは、口先から尾鰭の後端までの体の全長である。ｈは、口先から鰓蓋の最後端までの頭部の長さである。ｉは、鰓蓋の最後端から背鰭の前端までの背中の長さである。ｊは、背鰭の前端から尾鰭の前端までの胴の長さである。ｋは、尾鰭の前端から尾鰭の後端までの尾鰭の長さである。

なお、鰓蓋については、図４では図示省略しているが、鰓の輪郭を抽出することによってその位置を検出可能である。また、錦鯉を上から撮影した画像だけで検出が困難である場合には、さらに画像取得部１０が、左側から撮影した画像または右側から撮影した画像を取得し、特徴量取得部１１が、これらの画像から鰓蓋の位置を検出するようにしてもよい。

そして、特徴量取得部１１は、下式を算出して、比率Ｌｈ～Ｌｆを求める。
Ｌｈ＝ｇ／ｈ，Ｌｉ＝ｇ／ｉ，Ｌｊ＝ｇ／ｊ，Ｌｋ＝ｇ／ｋ，Ｌｆ＝ｇ／ｆ，

特徴量取得部１１は、錦鯉の体型の情報として、上述したＷａ～Wｆ、Ｌｈ～Ｌｆの１１個の比率を算出する。

また、特徴量取得部１１は、錦鯉の輪郭情報から錦鯉の背骨のラインを求める。具体的には、背鰭の前端から背鰭を通って尾鰭の前端までのラインを背骨のラインとして求める。背鰭の後端から尾鰭の前端までは、たとえば直線で結ぶようにすればよい。

次に、特徴量取得部１１は、錦鯉の体型の情報として、錦鯉における欠陥の有無の情報を取得する。

具体的には、特徴量取得部１１は、錦鯉の輪郭情報に基づいて、口髭が、大２本および小２本の合計４本が揃っているか否かを確認する。また、特徴量取得部１１は、錦鯉の画像から左右の目の位置を求め、目の位置が左右対称であるか否かを確認する。また、特徴量取得部１１は、錦鯉の輪郭情報に基づいて、鰓蓋に反りがあるか否かを検出する。また、特徴量取得部１１は、錦鯉の輪郭情報に基づいて、胸鰭に欠損、ねじれおよび変形があるか否かを確認する。

また、特徴量取得部１１は、錦鯉の画像から鱗を抽出し、鱗の並びが整然ではなく、不揃いであるか否かを確認する。具体的には、特徴量取得部１１は、各鱗の中心を求め、前後方向に隣接する鱗の中心を結ぶ直線を求める。そして、特徴量取得部１１は、その直線が滑らかではなく、凹凸が含まれていることを検出することによって、鱗の不揃いを確認する。

また、特徴量取得部１１は、錦鯉の画像から抽出した鱗のパターンの中に、予め設定された面積以上の範囲内に鱗のパターンが存在しないことを確認することによって、ケロイドの有無の情報を取得する。

特徴量取得部１１は、錦鯉における欠陥の有無の情報として、上述したように、口髭の情報と、左右目の対称性の情報と、鰓蓋の反り情報と、胸鰭の欠陥情報と、鱗の整列情報と、ケロイドの情報とを取得する。

すなわち、特徴量取得部１１は、錦鯉の体型の情報として、上述した１１個の比率と、背骨のラインと、６個の欠陥情報とを取得する。

なお、背骨のラインの情報としては、たとえば予め設定された座標系に背骨のラインをプロットした場合におけるライン上の複数の点の座標が取得される。また、６個の欠陥情報については、たとえば欠陥の有りの情報として数値の「１」が取得され、欠陥無しの情報として数値の「０」が取得される。

次に、錦鯉の色の情報について説明する。なお、本実施形態では、錦鯉の種類が「紅白」の場合の色の情報について説明する。

錦鯉（紅白）を評価する際、錦鯉の色の情報については、白地（＝地肌）に関しては、以下の点が考慮される。
・深み、厚みのある乳白色で透明感のあること
・地体に下緋（ピンク地に見える）がないこと
・黄ばみがないこと
・シミ等がないこと

そこで、本実施形態の特徴量取得部１１は、図５に示すような、錦鯉の画像を構成する各画素の色の頻度分布を求める。

そして、特徴量取得部１１は、色の頻度分布に基づいて、乳白色の画素の頻度を求めて白地の情報として取得する。なお、乳白色のＲＧＢの値は、予め設定されているものとする。錦鯉（紅白）の白地は、乳白色であることが好ましい。

また、特徴量取得部１１は、色の頻度分布に基づいて、下緋に対応するピンクの画素の頻度を求めて下緋の情報として取得する。なお、下緋に対応するピンクのＲＧＢの値は、予め設定されているものとする。錦鯉（紅白）の白地は、乳白色であることが好ましく、下緋（ピンク）が現れていない方が好ましい。

また、特徴量取得部１１は、色の頻度分布に基づいて、黄ばみに対応する黄色の画素の頻度を求めて黄ばみの情報として取得する。なお、黄ばみに対応する黄色のＲＧＢの値は、予め設定されているものとする。黄ばみは無い方が好ましい。

また、特徴量取得部１１は、色の頻度分布に基づいて、シミに対応する茶系および黒系の画素の頻度を求めてシミの情報を取得する。なお、シミに対応する茶系および黒系のＲＧＢの値は、予め設定されているものとする。シミは無い方が好ましい。

次に、錦鯉の色の情報について、緋盤（紅の部分）に関しては、以下の点が考慮される。
・頭部から尾筒にかけて緋盤の色が均一であること
・紅の色が鮮明であること、色合い（柿色系、ピンク系が明るくて良いとされる）が良いこと
・色度ではなく、緋盤厚みを見ること(練り込み、つまり鱗目が見えないものは厚みがあるとされる)
・緋盤の切れが良く整ったサシであり、頭緋のキワおよび鱗のキワ・サシが滲んでないこと
・緋盤の中に色の濃淡やシミが浮き出ていないこと

そこで、本実施形態の特徴量取得部１１は、錦鯉の画像から緋盤の範囲を抽出し、その緋盤の範囲の各画素の色の頻度分布を算出する。なお、緋盤の範囲に対応するＲＧＢの範囲については予め設定されているものとする。

そして、特徴量取得部１１は、その緋盤の範囲の色の頻度分布の分散または標準偏差を求めて緋盤の色の均一性の情報を取得する。分散または標準偏差が小さい方が色の均一性があり、好ましい。

また、特徴量取得部１１は、たとえば緋盤の範囲の各画素のＲＧＢをＬ^＊ａ^＊ｂ^＊の色空間の信号に変換し、ａ^＊とｂ^＊の値に基づいて彩度を求めて緋盤の色の鮮明度（色合い）の情報として取得する。

また、特徴量取得部１１は、緋盤の範囲の画像全体に含まれる鱗のパターンを抽出し、その抽出した鱗のパターンのエッジを検出してエッジ量を求めて緋盤の厚みの情報として取得する。エッジ量とは、エッジを構成する画素の総数である。エッジ量が少ない方が緋盤に厚みがあり、好ましい。

また、特徴量取得部１１は、錦鯉の画像に基づいて、緋盤の範囲と白地の範囲との境界におけるエッジの鮮鋭度（ボケの程度）を求めてサシ・キワの滲みの情報として取得する。なお、エッジの鮮鋭度（ボケの程度）の算出方法については、既存の方法を用いることができる。エッジの鮮鋭度が高い方がサシ・キワの滲みが少なく好ましい。

なお、緋盤の中に色の濃淡やシミが浮き出ていないことについては、上述したシミの情報として取得される。

すなわち、特徴量取得部１１は、錦鯉の色の情報として、白地の情報、下緋の情報、黄ばみの情報、シミの情報、緋盤の色の均一性の情報、緋盤の色の鮮明度（色合い）の情報、緋盤の厚みの情報、およびサシ・キワの滲みの情報を取得する。

次に、錦鯉の模様の情報について説明する。なお、本実施形態では、錦鯉の種類が「紅白」の場合の模様の情報について説明する。

錦鯉（紅白）を評価する際、錦鯉の模様の情報については、以下の点が考慮される。
・頭部から胴体部を経て尾部までの各部位において、斑紋の形と大きさと数がその体に調和されていること
・緋盤が鼻先と尾の付け根からともに切れていること。

そこで、本実施形態の特徴量取得部１１は、錦鯉の画像から緋盤の範囲を抽出する。
そして、特徴量取得部１１は、緋盤の範囲の一部が鼻先の範囲に含まれているか否かと、
緋盤の範囲が尾の付け根に差し掛かっているか否かを確認する。なお、鼻先の範囲と尾の付け根については、予め設定された条件に基づいて、既存の画像処理方法を用いて設定される。

特徴量取得部１１は、緋盤の範囲の一部が鼻先の範囲に含まれておらず、かつ緋盤の範囲が尾の付け根に差し掛かっていない場合には、緋盤のかかり情報として「良」の情報を取得し、緋盤の範囲の一部が鼻先の範囲に含まれているか、または緋盤の範囲が尾の付け根に差し掛かっている場合には、緋盤のかかり情報として「不良」の情報を取得する。

また、特徴量取得部１１は、錦鯉の画像を頭部、胴体部および尾部の３つに分割し、各部位に含まれる緋盤の範囲を特定する。頭部、胴体部および尾部については、予め設定された条件にて分割するようにすればよい。

そして、特徴量取得部１１は、各部位の全体面積に対する各部位に含まれる緋盤の範囲の面積の比率を算出し、その各部位の比率を緋盤のバランスの情報として取得する。なお、各部位の緋盤の比率が５０％～９０％である場合に、緋盤のバランスの良いと判断され、それ以外の比率の場合には、緋盤のバランスが悪いと判断される。

また、特徴量取得部１１は、各部位に含まれる緋盤の個数と各緋盤の周囲の長さを緋盤のバランスの情報として取得する。

すなわち、特徴量取得部１１は、錦鯉の模様の情報として、緋盤のかかり情報おび緋盤のバランスの情報を取得する。なお、緋盤のかかり情報については、たとえば緋盤のかかり情報が「良」の場合には数値の「１」が取得され、「不良」の場合には数値の「０」が取得される。

次に、錦鯉の仕上がりの情報について説明する。なお、本実施形態では、錦鯉の種類が「紅白」の場合の仕上がりの情報について説明する。

錦鯉（紅白）を評価する際、錦鯉の仕上がりの情報について、以下の点が考慮される。
・色が鮮明で鮮やか、艶および照りが乗っていること、白濁の有無
・地肌の透明感と光沢、ツヤ感、滑らかさがあること、充血がないこと
・緋と地肌とのコントラストがはっきりしている（明るい色調であること）

そこで、特徴量取得部１１は、錦鯉の画像に基づいて、コントラスト、明度および彩度を求めて仕上がりの情報として取得する。なお、彩度については、錦鯉の色の情報として緋盤の範囲の彩度を求めたが、仕上がりの情報としては、錦鯉の画像全体の彩度を求める。

以上が、本実施形態の特徴量取得部１１が取得する特徴量の説明である。

次に、評価部１２について説明する。

評価部１２は、複数の錦鯉の上述した特徴量とその各錦鯉の評価結果との関係を機械学習して得られた学習済モデルを有する。より具体的には、本実施形態の評価部１２は、評価対象の錦鯉の体型を評価するための体型評価用学習済モデルと、錦鯉の質を評価するための質評価用学習済モデルと、錦鯉の模様を評価するための模様評価用学習済モデルと、錦鯉の仕上がりを評価するための仕上がり評価用学習済モデルの４つの学習済モデルを有する。

体型評価用学習済モデルについては、たとえば全日本愛鱗会および全日本振興会主催の過去の国際錦鯉品評会と全日本錦鯉品評会で世界チャンピオン（全体総合優勝）になった１０匹の錦鯉の上述した体型の情報とその体型に関する評価結果（点数）との関係を機械学習し、基準となる学習済モデルを生成する。そして、さらにその基準となる学習済モデルについて、任意の複数の錦鯉の上述した体型の情報とその体型に関する評価結果（点数）との関係を機械学習させて体型評価用学習済モデルが得られる。上述した任意の複数の錦鯉には、評価結果が良いものおよび評価結果が悪いものなど種々の評価結果の錦鯉が含まれる。

質評価用学習済モデルについては、世界チャンピオンの１０匹の錦鯉の上述した色の情報とその色に関する評価結果（点数）との関係を機械学習し、基準となる学習済モデルを生成する。そして、さらにその基準となる学習済モデルについて、任意の複数の錦鯉の上述した色の情報とその色に関する評価結果（点数）との関係を機械学習させて質評価用学習済モデルが得られる。

模様評価用学習済モデルについては、世界チャンピオンの１０匹の錦鯉の上述した模様の情報とその模様に関する評価結果（点数）との関係を機械学習し、基準となる学習済モデルを生成する。そして、さらにその基準となる学習済モデルについて、任意の複数の錦鯉の上述した模様の情報とその模様に関する評価結果（点数）との関係を機械学習させて模様評価用学習済モデルが得られる。

仕上がり評価用学習済モデルは、世界チャンピオンの１０匹の錦鯉の上述した仕上がりの情報とその仕上がりに関する評価結果（点数）との関係を機械学習し、基準となる学習済モデルを生成する。そして、さらにその基準となる学習済モデルについて、任意の複数の錦鯉の上述した仕上がりの情報とその仕上がりに関する評価結果（点数）との関係を機械学習させて仕上がり評価用学習済モデルが得られる。

なお、機械学習の方法としては、公知な手法を用いることができ、ディープニューラルネットワーク（ＤＮＮ）、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、およびデノイジングスタックオートエンコーダ（ＤＳＡ）などを用いることができる。

評価部１２は、体型評価用学習済モデル、質評価用学習済モデル、模様評価用学習済モデル、および仕上がり評価用学習済モデルの４つ学習済モデルを用いて、評価対象の錦鯉を評価する。

具体的には、評価部１２は、体型評価用学習済モデルに対して、特徴量取得部１１によって取得された評価対象の錦鯉の体型の情報を入力することによって、評価対象の錦鯉の体型を評価し、評価結果（点数）を得る。

また、評価部１２は、質評価用学習済モデルに対して、特徴量取得部１１によって取得された評価対象の錦鯉の色の情報を入力することによって、評価対象の錦鯉の質を評価し、評価結果（点数）を得る。

また、評価部１２は、模様評価用学習済モデルに対して、特徴量取得部１１によって取得された評価対象の錦鯉の模様の情報を入力することによって、評価対象の錦鯉の模様を評価し、評価結果（点数）を得る。

また、評価部１２は、仕上がり評価用学習済モデルに対して、特徴量取得部１１によって取得された評価対象の錦鯉の仕上がりの情報を入力することによって、評価対象の錦鯉の仕上がりを評価し、評価結果（点数）を得る。

上述したようにして、評価部１２は、評価対象の錦鯉の体型の点数と、色の点数と、模様の点数と、仕上がりの点数を取得する。

さらに、評価部１２は、上述した４つの点数に対して、予め設定された重み付けをそれぞれ乗算して加算することによって、評価対象の錦鯉の総合評価結果（総合点数）を得る。

重み付けについては、任意に設定可能であるが、たとえば体型の点数に対して４０％、質の点数に対して３０％、模様の点数に対して２０％、仕上がりの点数に対して１０％が設定される。この場合、体型の点数をｓ１、質の点数をｓ２、模様の点数をｓ３、仕上がりの点数をｓ４とすると、総合点数ｓａは、下式によって算出される。
ｓａ＝０．４×ｓ１＋０．３×ｓ２＋０．２×ｓ３＋０．１×ｓ４

なお、上述した重み付けについては、上記の例に限らず、たとえば評価対象の錦鯉の成長段階によって重み付けを変更するようにしてもよい。

たとえば評価対象の錦鯉が幼魚（（第１２部～２５部）１ｃｍ～２５ｃｍ）の段階である場合には、重み付けは、体型２５％、質２５％、模様２５％、仕上がり２５％に設定される。また、評価対象の錦鯉が若鯉（（第３０部～４０部）２５．１ｃｍ～４０ｃｍ）の段階である場合には、重み付けは、体型３５％、質３０％、模様２０％、仕上がり１５％に設定される。また、評価対象の錦鯉が成魚（（第４５部～５５部）４０．１ｃｍ～５５ｃｍ）の段階である場合には、重み付けは、体型４０％、質３０％、模様２０％、仕上がり１０％に設定される。また、評価対象の錦鯉が壮魚（（第６０部～７０部）５５．ｃｍ～７０ｃｍ）の段階である場合には、重み付けは、体型４０％、質３０％、模様２０％、仕上がり１０％に設定される。また、評価対象の錦鯉が巨鯉（（第７５部～９０部）７０．１ｃｍ～９０ｃｍ）の段階である場合には、重み付けは、体型５０％、質２５％、模様１５％、仕上がり１０％に設定される。

評価部１２は、上述した錦鯉の成長段階の情報を受け付け、その段階に応じた重み付けを設定して、上述した総合点数ｓａを算出するようにしてもよい。

なお、本実施形態においては、評価部１２が、４つの学習済モデルを有するようにしたが、これに限らず、４つの学習済モデルについては、錦鯉評価装置１と通信ネットワークを介して接続されるサーバ装置などに記憶され、これを利用して評価するようにしてもよい。

また、本実施形態の錦鯉評価装置１に学習済モデル生成部を設け、その学習済モデル生成部において、体型評価用学習済モデル、質評価用学習済モデル、模様評価用学習済モデル、および仕上がり評価用学習済モデルの４つ学習済モデルを生成するようにしてもよい。その場合、画像取得部１０によって、上述した機械学習用の錦鯉の画像を取得し、特徴量取得部１１によって、その取得した画像の特徴量を取得するようにすればよい。また、各錦鯉の評価結果（点数）については、錦鯉評価装置１に接続された所定の入力装置（図示省略）を用いてユーザが設定入力すればよい。

出力部１３は、評価部１２によって評価された評価対象の錦鯉の評価結果を出力する。本実施形態の出力部１３は、評価対象の錦鯉の体型の点数ｓ１、質の点数ｓ２、模様の点数ｓ３、仕上がりの点数ｓ４、および総合点数ｓａを出力する。

具体的には、本実施形態の出力部１３は、評価対象の錦鯉の体型の点数ｓ１、質の点数ｓ２、模様の点数ｓ３、仕上がりの点数ｓ４および総合点数ｓａを所定の表示装置（図示省略）に表示させる。表示方法としては、たとえば図６に示すように体型の点数ｓ１、質の点数ｓ２、模様の点数ｓ３および仕上がりの点数ｓ４をレーダーチャートして表示させるとともに、総合点数ｓａをテキスト表示する。

なお、本実施形態の出力部１３の出力先としては、表示装置に限らず、錦鯉評価装置１に対して通信ネットワークを介して接続されたコンピュータやサーバ装置などに出力するようにしてもよいし、プリンタなどの印刷装置に出力するようにしてもよい。

錦鯉評価装置１は、コンピュータから構成され、ＣＰＵ（Central Processing Unit）またはＧＰＵ（Graphics Processing Unit）、ＲＯＭ（Read Only Memory）およびＲＡＭ（Random Access Memory）などの半導体メモリ、ハードディスクなどのストレージ、および通信Ｉ／Ｆ（Interface）などを備えている。

また、錦鯉評価装置１の半導体メモリまたはハードディスクには、本発明の一実施形態に係る錦鯉評価プログラムがインストールされている。ＣＰＵまたはＧＰＵが、この錦鯉評価プログラムを実行することによって、上述した画像取得部１０、特徴量取得部１１、評価部１２および出力部１３が機能する。

すなわち、錦鯉評価プログラムは、評価対象の錦鯉を撮影した画像から抽出された特徴量を取得するステップと、複数の錦鯉の特徴量とその各錦鯉の評価結果との関係を機械学習して得られた学習済モデルに対して、評価対象の錦鯉の特徴量を入力することによって評価対象の錦鯉を評価するステップと、評価対象の錦鯉の評価結果を出力するステップとをコンピュータに実行させる。

なお、錦鯉評価装置１のハードウェア構成は、上述した構成に限定されない。

また、本実施形態においては、上述した画像取得部１０、特徴量取得部１１、評価部１２および出力部１３の機能を全て錦鯉評価プログラムによって実行するようにしたが、これに限らず、一部または全部の機能をＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field-Programmable Gate Array）、その他の電気回路などのハードウェアから構成するようにしてもよい。

次に、本実施形態の錦鯉評価装置１の処理の流れについて、図７に示すフローチャートを参照しながら説明する。

まず、画像取得部１０によって評価対象の錦鯉を撮影した画像が取得される（Ｓ１０）。

次に、特徴量取得部１１において、評価対象の錦鯉の画像に対して、上述した前処理が施される（Ｓ１２）。

続いて、特徴量取得部１１において、前処理の施された画像に基づいて、錦鯉の体型の情報、色の情報、模様の情報および仕上がりの情報の特徴量が取得される（Ｓ１４）。

そして、評価部１２が有する４つの学習済モデルに対してそれぞれの特徴量が入力され、評価対象の錦鯉の体型の点数、質の点数、模様の点数および仕上がりの点数並びに総合点数が求められる（Ｓ１６）。

評価部１２によって求められた評価対象の錦鯉の点数は出力部１３に出力され、出力部１３は、評価対象の錦鯉の体型の点数、質の点数、模様の点数および仕上がりの点数をレーダーチャートとして表示させるとともに、総合点数をテキスト表示させる。（Ｓ１８）。

なお、上記実施形態の錦鯉評価装置１においては、体型評価用学習済モデル、質評価用学習済モデル、模様評価用学習済モデル、および仕上がり評価用学習済モデルの４つ学習済モデルを用いて錦鯉を評価するようにしたが、これに限らず、複数の錦鯉の体型の情報、色の情報および模様の情報と、各錦鯉の総合点数との関係を機械学習して、総合評価用学習済モデルを生成するようにしてもよい。そして、評価部１２が、総合評価用学習済モデルに対して、評価対象の錦鯉の体型の情報、色の情報および模様の情報を入力することによって総合点数を求めるようにしてもよい。また、さらに特徴量として仕上がりの情報を特加えて総合評価用学習済モデルを生成し、評価対象の錦鯉の体型の情報、色の情報、模様の情報および仕上がりの情報を入力することによって総合点数を求めるようにしてもよい。

また、上記実施形態の説明では、錦鯉の種類が「紅白」である場合の評価方法について説明したが、錦鯉評価装置１において、その他の種類の錦鯉を評価するようにしてもよい。すなわち、錦鯉評価装置１が、複数種類の錦鯉を評価するようにしてもよい。その場合、錦鯉評価装置１の特徴量取得部１１は、錦鯉の種類に応じた特徴量を取得し、評価部１２は、錦鯉の種類に応じた学習済モデルを用いて錦鯉の評価を行う。すなわち、評価部１２は、複数の錦鯉の種類に応じた複数の学習済モデルを有する。なお、錦鯉の種類に応じた学習済モデルとしては、上記実施形態と同様に、錦鯉の種類毎にそれぞれ体型評価用学習済モデル、質評価用学習済モデル、模様評価用学習済モデルおよび仕上がり評価用学習済モデルの４つの学習済モデルを有する。

錦鯉の種類としては、上述した１．紅白（こうはく）、２．大正三色（たいしょうさんしょく）、３．昭和三色（しょうわさんしょく）、４．写りもの、５．金銀鱗一種（１～４の金銀鱗種）、６．べっ甲、７．浅黄（あさぎ）、８．秋翠（しゅうすい）、９．衣（ころも）、１０．変りもの、１１．五色（ごしき）、１２．光り模様もの（ひかりもようもの）（輝黒龍系は光模様とする）、１３．光り写りもの（ひかりうつりもの）、１４．金銀鱗二種（きんぎんりん２しゅ）（６～１３の金銀鱗種）、１５．無地もの（銀鱗種と松葉種を含む）、１６．光り無地もの（ひかりむじもの）（銀鱗種と松葉種を含む）、17．丹頂（たんちょう）（銀鱗種を含む丹頂模様の全品種）、１８．オス紅白、１９．オス大正三色、２０．オス昭和三色、および２１．オス金銀鱗一種（１８～２１の金銀鱗種）の２１種類がある。

上述したように錦鯉の種類毎に特徴量が異なるが、たとえば大正三色の場合、墨が入っているので、錦鯉の色の情報として、墨の均一性および終結性、墨の厚みなどの情報が追加される。墨の均一性の情報としては、たとえば墨に対応する色の画素の分散や標準偏差が求められる。また、墨の終結性の情報としては、たとえば墨に対応する独立した黒色のパターンの位置の分散が求められ、上記パターンが散らばっていないかが評価される。また、墨の厚みの情報としては、墨の範囲内のエッジ量が求められる。

また、昭和三色の場合、錦鯉の色の情報として、沈んだ墨の地体が浅黄地であるか否かの情報などが追加される。墨の地体が浅黄地であるかの情報としては、墨の範囲に対応する色の画素が求められる。

このように錦鯉の種類毎にそれぞれ固有の特徴量が取得され、学習済みモデルが生成され、錦鯉の種類に応じた評価が行われる。

本発明の錦鯉評価装置に関し、さらに以下の付記を開示する。
（付記）

また、本発明の錦鯉評価装置において、特徴量取得部は、特徴量として錦鯉の体型の情報を取得することができる。

また、本発明の錦鯉評価装置において、特徴量取得部は、特徴量として錦鯉の色の情報を取得することができる。

また、本発明の錦鯉評価装置において、特徴量取得部は、特徴量として錦鯉の模様の情報を取得することができる。

また、本発明の錦鯉評価装置において、特徴量取得部は、特徴量として錦鯉の体型の情報、色の情報および模様の情報を取得することができる。

また、本発明の錦鯉評価装置において、評価部は、錦鯉の種類毎の学習済モデルを有することができる。

１錦鯉評価装置
１０画像取得部
１１特徴量取得部
１２評価部
１３出力部

Claims

評価対象の錦鯉を撮影した画像から抽出された特徴量を取得する特徴量取得部と、
複数の錦鯉の前記特徴量と該各錦鯉の評価結果との関係を機械学習して得られた学習済モデルに対して、前記特徴量取得部によって取得された前記評価対象の錦鯉の特徴量を入力することによって、前記評価対象の錦鯉を評価する評価部と、
前記評価部によって評価された前記評価対象の錦鯉の評価結果を出力する出力部とを備え、
前記評価部が、前記特徴量としての錦鯉の体型の情報と前記錦鯉の評価結果との関係を機械学習して得られた学習済モデルを用いた評価と、前記特徴量としての錦鯉の色の情報と前記錦鯉の評価結果を機械学習して得られた学習済モデルを用いた評価と、前記特徴量としての錦鯉の模様の情報と前記錦鯉の評価結果との関係を機械学習して得られた学習済モデルを用いた評価との３つの評価のうちの少なくとも２つの評価を行って評価結果を取得し、
前記出力部が、前記評価対象の錦鯉について、前記少なくとも２つの評価結果を出力する錦鯉評価装置。
前記評価部が、錦鯉の種類毎の前記学習済モデルを有する請求項１項記載の錦鯉評価装置。
評価対象の錦鯉を撮影した画像から抽出された特徴量を取得し、
複数の錦鯉の前記特徴量と該各錦鯉の評価結果との関係を機械学習して得られた学習済モデルに対して、前記取得した前記評価対象の錦鯉の特徴量を入力することによって前記評価対象の錦鯉を評価し、
前記評価対象の錦鯉の評価結果を出力する錦鯉評価方法において、
前記特徴量としての錦鯉の体型の情報と前記錦鯉の評価結果との関係を機械学習して得られた学習済モデルを用いた評価と、前記特徴量としての錦鯉の色の情報と前記錦鯉の評価結果を機械学習して得られた学習済モデルを用いた評価と、前記特徴量としての錦鯉の模様の情報と前記錦鯉の評価結果との関係を機械学習して得られた学習済モデルを用いた評価との３つの評価のうちの少なくとも２つの評価を行って評価結果を取得し、
前記評価対象の錦鯉について、前記少なくとも２つの評価結果を出力する錦鯉評価方法。
評価対象の錦鯉を撮影した画像から抽出された特徴量を取得するステップと、
複数の錦鯉の前記特徴量と該各錦鯉の評価結果との関係を機械学習して得られた学習済モデルに対して、前記取得した前記評価対象の錦鯉の特徴量を入力することによって前記評価対象の錦鯉を評価するステップと、
前記評価対象の錦鯉の評価結果を出力するステップとをコンピュータに実行させる錦鯉評価プログラムにおいて、
前記特徴量としての錦鯉の体型の情報と前記錦鯉の評価結果との関係を機械学習して得られた学習済モデルを用いた評価と、前記特徴量としての錦鯉の色の情報と前記錦鯉の評価結果を機械学習して得られた学習済モデルを用いた評価と、前記特徴量としての錦鯉の模様の情報と前記錦鯉の評価結果との関係を機械学習して得られた学習済モデルを用いた評価との３つの評価のうちの少なくとも２つの評価を行って評価結果を取得するステップと、
前記評価対象の錦鯉について、前記少なくとも２つの評価結果を出力するステップとを前記コンピュータに実行させる錦鯉評価プログラム。