JP7211602B1 - 養殖支援システム - Google Patents
養殖支援システム Download PDFInfo
- Publication number
- JP7211602B1 JP7211602B1 JP2021171209A JP2021171209A JP7211602B1 JP 7211602 B1 JP7211602 B1 JP 7211602B1 JP 2021171209 A JP2021171209 A JP 2021171209A JP 2021171209 A JP2021171209 A JP 2021171209A JP 7211602 B1 JP7211602 B1 JP 7211602B1
- Authority
- JP
- Japan
- Prior art keywords
- weight
- days
- predicted
- amount
- farming
- 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.)
- Active
Links
- 238000009360 aquaculture Methods 0.000 title claims abstract description 62
- 244000144974 aquaculture Species 0.000 title claims abstract description 62
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 72
- 238000010801 machine learning Methods 0.000 claims abstract description 5
- 238000003860 storage Methods 0.000 claims description 55
- 239000002028 Biomass Substances 0.000 claims description 42
- 238000003306 harvesting Methods 0.000 claims description 40
- 238000009313 farming Methods 0.000 claims description 39
- 230000004083 survival effect Effects 0.000 description 27
- 241000251468 Actinopterygii Species 0.000 description 24
- 230000000366 juvenile effect Effects 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 102100035353 Cyclin-dependent kinase 2-associated protein 1 Human genes 0.000 description 9
- 238000013500 data storage Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 241000238557 Decapoda Species 0.000 description 7
- 238000000034 method Methods 0.000 description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 235000014102 seafood Nutrition 0.000 description 3
- 230000035553 feeding performance Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000000384 rearing effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/50—Culture of aquatic animals of shellfish
- A01K61/59—Culture of aquatic animals of shellfish of crustaceans, e.g. lobsters or shrimps
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Business, Economics & Management (AREA)
- Biodiversity & Conservation Biology (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Zoology (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
【課題】水産物の状態を予測することができるようにする。【解決手段】水産物の養殖を支援するシステムであって、養殖日数、水質データの統計値、及び飼料の消費量を入力データとし、水産物の重量を教師データとする機械学習により作成された学習モデルを記憶するモデル記憶部と、水質データに予測値を取得する水質予測部と、飼料の消費量の予測値を取得する飼料消費量予測部と、予測対象の養殖日数、取得した水質データの予測値の統計値、及び消費量の予測値を学習モデルに与えて重量を予測する重量予測部と、を備えることを特徴とする。【選択図】図１
Description
本発明は、養殖支援システムに関する。
養殖をシステムで管理することが行われている（例えば特許文献１参照）。
養殖している水産物の成長度合の予測は経験に依ってきた。
本発明はこのような背景を鑑みてなされたものであり、水産物の状態を予測することのできる技術を提供することを目的とする。
上記課題を解決するための本発明の主たる発明は、水産物の養殖を支援するシステムであって、養殖日数、水質データの統計値、及び飼料の消費量を入力データとし、水産物の重量を教師データとする機械学習により作成された学習モデルを記憶するモデル記憶部と、前記水質データに予測値を取得する水質予測部と、前記飼料の消費量の予測値を取得する飼料消費量予測部と、予測対象の前記養殖日数、取得した前記水質データの予測値の統計値、及び前記消費量の予測値を前記学習モデルに与えて前記重量を予測する重量予測部と、を備えることを特徴とする。
その他本願が開示する課題やその解決方法については、発明の実施形態の欄及び図面により明らかにされる。
本発明によれば、水産物の状態を予測することができる。
＜発明の概要＞
本発明の実施形態の内容を列記して説明する。本発明は、たとえば、以下のような構成を備える。
［項目１］
水産物の養殖を支援するシステムであって、
養殖日数、水質データの統計値、及び飼料の消費量を入力データとし、水産物の重量を教師データとする機械学習により作成された学習モデルを記憶するモデル記憶部と、
前記水質データに予測値を取得する水質予測部と、
前記飼料の消費量の予測値を取得する飼料消費量予測部と、
予測対象の前記養殖日数、取得した前記水質データの予測値の統計値、及び前記消費量の予測値を前記学習モデルに与えて前記重量を予測する重量予測部と、
を備えることを特徴とする養殖支援システム。
［項目２］
項目１に記載の養殖支援システムであって、
前記重量予測部は、複数の前記養殖日数について前記重量を予測し、
前記複数の養殖日数のそれぞれに対応する前記水産物の重量の実績値を取得し、前記実績値と前記重量の予測値との差に応じて前記重量の予測値を補正する重量調整部をさらに備えること、
を特徴とする養殖支援システム。
［項目３］
項目１又は２に記載の養殖支援システムであって、
養殖開始日に養殖池に投入された前記水産物の量から、予測対象の前記養殖日数までに死亡した前記水産物の量と、所定の死亡率に応じた量とを減じた値に、前記重量の予測値を乗じて、前記養殖池のバイオマスを計算するバイオマス予測部をさらに備えること、
を特徴とする養殖支援システム。
［項目４］
項目３に記載の養殖支援システムであって、
前記予測対象の養殖日数に対応する前記バイオマスが、前記養殖池の収容量以上である場合に、前記水産物の収穫を提案する収穫量提案部をさらに備えること、
を特徴とする養殖支援システム。
［項目５］
項目４に記載の養殖支援システムであって、
前記収穫量提案部は、予測対象の前記養殖日数である第１の養殖日数に係る前記重量の第１の予測値と、前記第１の養殖日数より後の第２の養殖日数に係る前記重量の第２の予測値との比が所定値を超える前記第２の養殖日数を特定し、前記第１の養殖日数に係る前記第１の予測値を特定した前記第２の養殖日数に係る前記第２の予測値で割った値を１から引いたものを前記バイオマスに乗じて、提案する収穫量を計算し、計算した前記収穫量を出力すること、
を特徴とする養殖支援システム。
本発明の実施形態の内容を列記して説明する。本発明は、たとえば、以下のような構成を備える。
［項目１］
水産物の養殖を支援するシステムであって、
養殖日数、水質データの統計値、及び飼料の消費量を入力データとし、水産物の重量を教師データとする機械学習により作成された学習モデルを記憶するモデル記憶部と、
前記水質データに予測値を取得する水質予測部と、
前記飼料の消費量の予測値を取得する飼料消費量予測部と、
予測対象の前記養殖日数、取得した前記水質データの予測値の統計値、及び前記消費量の予測値を前記学習モデルに与えて前記重量を予測する重量予測部と、
を備えることを特徴とする養殖支援システム。
［項目２］
項目１に記載の養殖支援システムであって、
前記重量予測部は、複数の前記養殖日数について前記重量を予測し、
前記複数の養殖日数のそれぞれに対応する前記水産物の重量の実績値を取得し、前記実績値と前記重量の予測値との差に応じて前記重量の予測値を補正する重量調整部をさらに備えること、
を特徴とする養殖支援システム。
［項目３］
項目１又は２に記載の養殖支援システムであって、
養殖開始日に養殖池に投入された前記水産物の量から、予測対象の前記養殖日数までに死亡した前記水産物の量と、所定の死亡率に応じた量とを減じた値に、前記重量の予測値を乗じて、前記養殖池のバイオマスを計算するバイオマス予測部をさらに備えること、
を特徴とする養殖支援システム。
［項目４］
項目３に記載の養殖支援システムであって、
前記予測対象の養殖日数に対応する前記バイオマスが、前記養殖池の収容量以上である場合に、前記水産物の収穫を提案する収穫量提案部をさらに備えること、
を特徴とする養殖支援システム。
［項目５］
項目４に記載の養殖支援システムであって、
前記収穫量提案部は、予測対象の前記養殖日数である第１の養殖日数に係る前記重量の第１の予測値と、前記第１の養殖日数より後の第２の養殖日数に係る前記重量の第２の予測値との比が所定値を超える前記第２の養殖日数を特定し、前記第１の養殖日数に係る前記第１の予測値を特定した前記第２の養殖日数に係る前記第２の予測値で割った値を１から引いたものを前記バイオマスに乗じて、提案する収穫量を計算し、計算した前記収穫量を出力すること、
を特徴とする養殖支援システム。
＜概要＞
以下、本実施形態に係る水産養殖支援システムについて説明する。本実施形態の水産養殖支援システムは、例えばエビ養殖などの水産養殖に関するパラメータを計算し、養殖従事者に提供する。パラメータは、給餌頻度、池面積、稚魚の量、実際の給餌および重量サンプリングなどに基づいて、水産物の重量、バイオマス（生物量）、生存率、最適給餌、収穫推奨量、および潜在的利益などを提供する。
以下、本実施形態に係る水産養殖支援システムについて説明する。本実施形態の水産養殖支援システムは、例えばエビ養殖などの水産養殖に関するパラメータを計算し、養殖従事者に提供する。パラメータは、給餌頻度、池面積、稚魚の量、実際の給餌および重量サンプリングなどに基づいて、水産物の重量、バイオマス（生物量）、生存率、最適給餌、収穫推奨量、および潜在的利益などを提供する。
本実施形態では、水産養殖支援システムは水産養殖支援装置１０を含む。水産養殖支援装置１０は、例えばワークステーションやパーソナルコンピュータのような汎用コンピュータとしてもよいし、あるいはクラウド・コンピューティングによって論理的に実現されてもよい。また、水産養殖支援装置１０は、例えばユーザ端末等の他のコンピュータやセンサーなどと通信ネットワークを介して通信可能に接続される。通信ネットワークは、たとえばインターネットであり、公衆電話回線網や携帯電話回線網、無線通信路、イーサネット（登録商標）などにより構築される。水産養殖支援装置１０は、例えば、各種データの入力をユーザ端末から受信し、あるいはセンサーから取得することができる。
＜ハードウェア構成例＞
図１は、水産養殖支援装置１０のハードウェア構成例を示す図である。なお、図示された構成は一例であり、これ以外の構成を有していてもよい。水産養殖支援装置１０は、ＣＰＵ１０１、メモリ１０２、記憶装置１０３、通信インタフェース１０４、入力装置１０５、出力装置１０６を備える。記憶装置１０３は、各種のデータやプログラムを記憶する、例えばハードディスクドライブやソリッドステートドライブ、フラッシュメモリなどである。通信インタフェース１０４は、通信ネットワークに接続するためのインタフェースであり、例えばイーサネット（登録商標）に接続するためのアダプタ、公衆電話回線網に接続するためのモデム、無線通信を行うための無線通信機、シリアル通信のためのＵＳＢ（Universal Serial Bus）コネクタやＲＳ２３２Ｃコネクタなどである。入力装置１０５は、データを入力する、例えばキーボードやマウス、タッチパネル、ボタン、マイクロフォンなどである。入力装置１０５は、例えば、ユーザ端末等の外部装置からの入力を通信インタフェース１０４を介して受け付けるようにしてもよい。出力装置１０６は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。なお、後述する水産養殖支援装置１０２の各機能部はＣＰＵ１０１が記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより実現され、水産養殖支援装置１０の各記憶部はメモリ１０２及び記憶装置１０３が提供する記憶領域の一部として実現される。
図１は、水産養殖支援装置１０のハードウェア構成例を示す図である。なお、図示された構成は一例であり、これ以外の構成を有していてもよい。水産養殖支援装置１０は、ＣＰＵ１０１、メモリ１０２、記憶装置１０３、通信インタフェース１０４、入力装置１０５、出力装置１０６を備える。記憶装置１０３は、各種のデータやプログラムを記憶する、例えばハードディスクドライブやソリッドステートドライブ、フラッシュメモリなどである。通信インタフェース１０４は、通信ネットワークに接続するためのインタフェースであり、例えばイーサネット（登録商標）に接続するためのアダプタ、公衆電話回線網に接続するためのモデム、無線通信を行うための無線通信機、シリアル通信のためのＵＳＢ（Universal Serial Bus）コネクタやＲＳ２３２Ｃコネクタなどである。入力装置１０５は、データを入力する、例えばキーボードやマウス、タッチパネル、ボタン、マイクロフォンなどである。入力装置１０５は、例えば、ユーザ端末等の外部装置からの入力を通信インタフェース１０４を介して受け付けるようにしてもよい。出力装置１０６は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。なお、後述する水産養殖支援装置１０２の各機能部はＣＰＵ１０１が記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより実現され、水産養殖支援装置１０の各記憶部はメモリ１０２及び記憶装置１０３が提供する記憶領域の一部として実現される。
図２は、水産養殖支援装置１０のソフトウェア構成例を示す図である。水産養殖支援装置１０は、水質データ取得部１１０、水質予測部１１１、飼料消費量予測部１１２、重量予測部１１３、重量調整部１１４、バイオマス予測部１１５、給餌量予測部１１６、提案収穫量算出部１１７、潜在利益予測部１１８、単価予測部１１９、重量予測モデル記憶部１３１、設定情報記憶部１３２、水質データ記憶部１５０、重量実績記憶部１５１、死亡実績記憶部１５２、稚魚収穫量記憶部１５３、給餌実績記憶部１５４、収穫実績記憶部１５５、販売実績記憶部１５６を備える。
＜記憶部＞
重量予測モデル記憶部１３１は、水産物（例えば、エビなど）の重量を予測するための予測モデルを記憶する。重量の予測モデルは、養殖日数、水質及び飼料消費のデータを入力データとし、水産物の単位量当たりの重さを教師データとしてＭＬＰネットワークなどを用いた機械学習により学習した学習モデルとすることができる。水質のデータを表すパラメータには、温度、溶存酸素量、塩分濃度、ｐＨなどが含まれうる。これらのパラメータは、例えば、センサーを養殖池に設けて測定するようにすることができる。また、これらの水質を示すパラメータについて、平均、分散、悪化確率などを計算することができる。飼料消費のデータは、実際に消費された飼料の量を測定したものである。消費された飼料の量は、例えば、養殖池で検出できた単位量当たりの飼料の量に養殖池の容量を乗じて推定した残存飼料量を、給餌した飼料の量（給餌量）から引くことにより計算することができる。
重量予測モデル記憶部１３１は、水産物（例えば、エビなど）の重量を予測するための予測モデルを記憶する。重量の予測モデルは、養殖日数、水質及び飼料消費のデータを入力データとし、水産物の単位量当たりの重さを教師データとしてＭＬＰネットワークなどを用いた機械学習により学習した学習モデルとすることができる。水質のデータを表すパラメータには、温度、溶存酸素量、塩分濃度、ｐＨなどが含まれうる。これらのパラメータは、例えば、センサーを養殖池に設けて測定するようにすることができる。また、これらの水質を示すパラメータについて、平均、分散、悪化確率などを計算することができる。飼料消費のデータは、実際に消費された飼料の量を測定したものである。消費された飼料の量は、例えば、養殖池で検出できた単位量当たりの飼料の量に養殖池の容量を乗じて推定した残存飼料量を、給餌した飼料の量（給餌量）から引くことにより計算することができる。
設定情報記憶部１３２は、各種の設定情報を記憶する。設定情報には、養殖開始日と、初期稚魚量と、標準給餌量と、平均給餌単価と、最大飼育量と、設定生存率とを含めることができる。養殖開始日は、養殖池にて水産物（例えばエビ）の養殖を開始した日付である。初期稚魚量は、養殖開始日に投入した稚魚の量である。稚魚の量は例えば重量（ｋｇ）により表すことができる。標準給餌量は、稚魚量の単位量あたりに一日に与える標準的な給餌量である。平均給餌単価は、飼料の単位量あたりの平均的な価格（コスト）である。最大飼育量は、養殖池で飼育可能な水産物の最大量である。設定生存率は、予測対象となる養殖日数（以下、対象養殖日数という。）の時点における水産物の生存率の想定値（％）である。設定情報記憶部１３２には、予めユーザから設定情報の入力を受け付けて設定情報が記憶されているものとする。
水質データ記憶部１５０は、養殖池の水質データを予測するために必要な情報を記憶する。本実施形態では、水質データ記憶部１５０は、水質データの実績値を記憶する。水質データ記憶部１５０は、日付に対応付けて水質データを記憶することができる。水質データには、例えば、温度、溶存酸素量、塩分濃度、ｐＨなどがある。なお、水質データ記憶部１５０は、測定した水質データに基づいて、将来の水質データを予測するための予測モデルを、予測するための情報として記憶することもできる。
重量実績記憶部１５１は、水産物（例えばエビ）の１匹あたり又は単位量（例えば１ｋｇ）あたりの重量を測定した実績値を記憶する。重量実績記憶部１５１は、日付に対応付けて、測定した重量を記憶することができる。
死亡実績記憶部１５２は、死亡した水産物（例えばエビ）の実績量（死亡量）を記憶する。死亡実績記憶部１５２は、日付に対応付けて死亡量を記憶することができる。
稚魚収穫量記憶部１５３は、飼育中の水産物を収穫した実績量（稚魚収穫量）を記憶する。なお、本実施形態では、出荷向けの規定重量に達していない水産物のことを「稚魚」という。稚魚収穫量記憶部１５３は、日付に対応付けて稚魚収穫量を記憶する。
給餌実績記憶部１５４は、与えた飼料の実績量（給餌量）を記憶する。給餌実績記憶部１５４は、日付に対応付けて給餌量を記憶することができる。
収穫実績記憶部１５５は、収穫（出荷）した水産物の実績量（収穫量）を記憶する。収穫実績記憶部１５５は、日付に対応付けて収穫量を記憶することができる。
販売実績記憶部１５６は、販売した水産物の実績金額（販売額）を記憶する。販売実績記憶部１５６は、日付に対応付けて販売額を記憶することができる。本実施形態では、販売実績記憶部１５６は、所定単位の重量（例えば１ｋｇ）あたりの販売単価と、重量と、販売額（単価×重量＋その他の手数料等）とを日付に対応付けて記憶するものとする。
＜機能部＞
水質データ取得部１１０は、水質データの予測に用いるデータを記憶する。本実施形態では、水質データ取得部１１０は、養殖池の水質データを取得する。水質データ取得部１１０は、例えばセンサーから水質データを直接取得するようにしてもよいし、水質データが格納されたファイルの入力又はファイルの場所の指定を受け付けて、当該ファイルから水質データを読み出すようにしてもよい。水質データ取得部１１０は、取得した水質データを測定日に対応付けて水質データ記憶部１５０に登録することができる。
水質データ取得部１１０は、水質データの予測に用いるデータを記憶する。本実施形態では、水質データ取得部１１０は、養殖池の水質データを取得する。水質データ取得部１１０は、例えばセンサーから水質データを直接取得するようにしてもよいし、水質データが格納されたファイルの入力又はファイルの場所の指定を受け付けて、当該ファイルから水質データを読み出すようにしてもよい。水質データ取得部１１０は、取得した水質データを測定日に対応付けて水質データ記憶部１５０に登録することができる。
水質予測部１１１は、養殖地の水質データの予測値を取得する。本実施形態では、水質予測部１１１は、水質データ記憶部１５０に記憶されている水質データに基づいて将来の水質データを予測することができる。水質予測部１１１は、予測対象の養殖日数又は予測対象の日付を引数として受け付けることができる。水質予測部１１１は、例えば、時系列分析等の公知の手法により、過去の水質データに基づいて水質データを予測することができる。水質予測部１１１は、例えば、水質データを昼夜の時間帯に分け、リニアモデルによる傾向分析データと信号のホワイトノイズを得るために異なるデータから成る過去１０日間のデータからの水質パラメータの傾向を分析することができる。水質予測部１１１は、ＳＶＭ（サポートベクトルマシン）モデルを使用して、受信したホワイトノイズによる水質パラメータのランダムノイズを予測することができる。また、水質予測部１１１は、予測されるノイズから水質パラメータの実値を分析することができる。
飼料消費量予測部１１２は、飼料の消費量の予測値を取得するする。飼料消費量予測部１１２は、例えば、常に飼料は１００％消費されるものと仮定して、標準給餌量に初期稚魚量を乗じた給餌量を消費量の予測値とすることができる。また、本実施形態では、飼料消費量予測部１１２は、事前に消費率を設定するようにし、給餌量に所定の消費率を乗じて求める。また、飼料の消費量は、飼料の消費実績に基づいて、例えば時系列予測により計算することもできる。飼料消費予測部１１２は、例えば、給餌サンプリングの手法により、一部の水産物（エビ）を取り出し、投入した飼料の量と、所定時間後（例えば１時間後）に水中に残存する飼料の量とを手動調査して飼料の消費率を求め、給餌量に消費率を乗じて消費量を算出するようにすることができる。飼料消費量予測部１１２は、稚魚の単位量あたりの消費量を計算することもできる。
重量予測部１１３は、水産物の重量を予測する。重量予測部１１３は、水産物の成長モデルを用いて重量を推定し、翌日の実際のサンプリングに基づいて出力を補償することができる。重量予測部１１３には、養殖日数がパラメータとして与えられるものとする。重量の予測値を計算する処理の詳細については後述する。
重量調整部１１４は、重量予測部１１３が予測した水産物の重量を補正することができる。重量調整部１１４は、測定した水産物重量の実績と予測値との差に応じて調整を行うことができる。重量の予測値を補正した値（推定量）を計算する処理の詳細について後述する。
バイオマス予測部１１５は、養殖池のバイオマス（生物量）の予測値（推定バイオマス）を計算する。推定バイオマスは、１日当たりの期待死亡率、実際の死亡率、生存率に影響を与える実際の飼料、および収穫推奨量と実際の収穫量との計算を含め、推定重量と総稚魚量とを用いて計算される。推定バイオマスを計算する処理の詳細については後述する。
給餌量予測部１１６は、与える飼料の量（給餌量）を予測する。給餌量予測部１１６には稚魚量が与えられ、稚魚量に応じた給餌量を予測する。本実施形態では、給餌量予測部１１６は、設定情報記憶部１３２に記憶されている標準給餌量に稚魚量を乗じて給餌量を計算する。なお、給餌量予測部１１６は、給餌日数が与えられた場合には、養開始日から給餌日数後の日付に対応する給餌量が給餌実績記憶部１５４に登録されていれば、当該給餌量を返すようにすることができる。
提案収穫量算出部１１７は、収穫するべき水産物の量（提案収穫量）を計算する。バイオマスの推定量と養殖池の収容力との比較に基づいて提案収穫量を算出することができる。提案収穫量算出部１１７は、推定されたバイオマスと養殖池の収容力との比較に基づいて、養殖池の収容力を超えた部分は収穫するべきものとして算出することができる。提案収穫量を算出する処理の詳細については後述する。
また、提案収穫量算出部１１７は、利用者に対して収穫を提案することができる。提案収穫量算出部１１７は、例えば、推定バイオマスが養殖池の最大容量を超える場合に、収穫を提案することができる。そのときに提案収穫量算出部１１７は、提案収穫量を出力することもできる。
潜在利益予測部１１８は、水産物の販売により得られることが期待される利益を計算する。潜在利益予測部１１８は、収穫後の実際の販売価格と推定されるバイオマス及び現在のエビ価格から、総コストの半分を飼料コストと仮定して推定される推定総コストを差し引いた推定販売価格を用いて、潜在利益を算出することができる。潜在利益を算出する処理の詳細については後述する。
単価予測部１１９は、水産物の販売単価を予測する。販売単価は所定単位の重量（例えばｋｇ）の価格である。単価予測部１１９は、販売実績記憶部１５６に記憶されている販売単価に基づいて販売単価の予測を行う。単価予測部１１９は、例えば、販売単価の履歴を３次スプライン補間で再サンプリングし、週次データを得、データの差異を用いてノイズ除去を行ったうえで、移動平均を計算し、自己回帰項を分析する。単価予測部１１９は、これらの値を用いたベイズ回帰の手法により販売単価を推測することができる。
＜重量の予測＞
図３は、水産物の重量を予測する処理の流れを説明する図である。
重量予測部１１３は、養殖日数を受け取り（Ｓ３０１）、水質データを取得する（Ｓ３０２）。重量予測部１１３は、養殖開始日から対象養殖日数まで、水質データ記憶部１５０に記憶されている水質データの実測値が存在すれば水質データ記憶部１５０から読み出し、存在しなければ水質予測部１１１により予測された予測値を取得することができる。重量予測部１１３は、水質データの統計値を計算する（Ｓ３０３）。量予測部１１３は、飼料消費量予測１１２が予測した消費量に稚魚量を乗じて総消費量を計算することができる（Ｓ３０４）。ここで稚魚量は、設定情報記憶部１３２に登録されている初期稚魚量とすることができるが、後述するバイオマス予測処理と同様に生存率に応じた死亡量に応じた調整を行った稚魚量とすることもできる。重量予測部１１３は、養殖日数と、水質データの統計値と、飼料の総消費量とを、重量予測モデル記憶部１３１に記憶されている予測モデルに与えて、重量の予測値を求めることができる（Ｓ３０５）。
＜重量の調整＞
図４は、水産物の重量の推定値（推定重量）を求める処理の流れを示す図である。
図４は、水産物の重量の推定値（推定重量）を求める処理の流れを示す図である。
重量調整部１１４は、調整用係数ｆａｃｔｏｒに１を設定し、養殖日数の変数ｄｏｃに０を設定する（Ｓ３２１）。重量調整部１１４は、養殖開始日を設定情報記憶部１３２から読み出す（Ｓ３２２）。
重量調整部１１４は、養殖開始日からｄｏｃ－１日後の重量実績（重量実績［ｄｏｃ－１］）が重量実績記憶部１５１に存在する場合には（Ｓ３２３：ＹＥＳ）、養殖開始日からｄｏｃ－１日後の重量実績を、ｄｏｃ－１を重量予測部１１３に与えて予測させた重量の予測値（重量予測（ｄｏｃ－１））で割ってｆａｃｔｏｒに設定する（Ｓ３２４）。
重量調整部１１４は、ｄｏｃを重量予測部１１３に与えて予測させた重量の予測値（重量予測（ｄｏｃ））にｆａｃｔｏｒを乗じて、養殖日数がｄｏｃ日の推定重量（推定重量［ｄｏｃ］）を算出する（Ｓ３２５）。重量調整部１１４は、ｄｏｃをインクリメントして（Ｓ３２６）、ｄｏｃが対象養殖日数未満である間、ステップＳ３０３からの処理を繰り返す。
以上のようにして、重量予測部１１３におよる重量の予測値を重量の実績値に応じて補正することができる。
＜推定バイオマスの計算＞
図５は、バイオマスの予測処理の流れを示す図である。
図５は、バイオマスの予測処理の流れを示す図である。
バイオマス予測部１１５は、変数の初期化を行う、すなわち、推定死亡量合計、実績死亡量合計及び稚魚収穫量合計の各変数に０を設定し、０から対象養殖日数までに対応する各稚魚量（稚魚量［ｄｏｃ］）に初期稚魚量を設定する（Ｓ３４１）。また、バイオマス予測部１１５は、養殖日数の変数ｄｏｃに０を設定する（Ｓ３４２）。
バイオマス予測部１１５は、設定生存率を１００で割って１から引いたものを初期稚魚量に乗じた稚魚の死亡量の期待値を対象養殖日数で割ったものを、推定死亡量合計に加算する（Ｓ３４３）。バイオマス予測部１１５は、養殖開始日からｄｏｃ－１日目の死亡量が死亡実績記憶部１５２に登録されている場合には（Ｓ３４４：ＹＥＳ）、養殖開始日からｄｏｃ－１日目の死亡量を、実績死亡量合計に加算する（Ｓ３４５）。
バイオマス予測部１１５は、養殖開始日からｄｏｃ日目の稚魚収穫量が稚魚収穫量記憶部１５３に登録されている場合には（Ｓ３４６：ＹＥＳ）、養殖開始日からｄｏｃ日目の稚魚収穫量を、稚魚収穫量合計に加算する（Ｓ３４７）。
バイオマス予測部１１５は、初期稚魚量から、実績死亡量合計と、稚魚収穫量合計とを減じて、ｄｏｃ日目の稚魚量とする（Ｓ３４８）。
バイオマス予測部１１５は、養殖開始日からｄｏｃ－１日目の給餌量が給餌実績記憶部１５４に登録されている場合には（Ｓ３４９：ＹＥＳ）、ｄｏｃ－１日目の推定重量に応じた給餌量の予測値（推定重量に標準給餌量を乗じて算出できる。）で、養殖開始日からｄｏｃ－１日目の給餌量を割ったものを生存率とし（Ｓ３５０）、初期稚魚量に生存率を乗じたものをｄｏｃ日目の稚魚量から減じた値を、推定死亡量合計に加算し（Ｓ３５１）、再度初期稚魚量から、推定死亡量合計と、実績死亡量合計と、稚魚収穫量合計とを減じてｄｏｃ日目の稚魚量を計算する（Ｓ３５２）。
バイオマス予測部１１５は、ｄｏｃ日目の推定重量にｄｏｃ日目の稚魚量を乗じて、ｄｏｃ日目の推定バイオマス（推定バイオマス［ｄｏｃ］）を計算し（Ｓ３５３）、ｄｏｃをインクリメントして（Ｓ３５４）、ｄｏｃが対象養殖日数になるまでＳ３２３からの処理を繰り返す。
以上のようにして、バイオマスの予測値（推定バイオマス）が計算される。
＜提案収穫量＞
図６は、提案収穫量の算出処理の流れを示す図である。提案収穫量算出部１１７は、提案収穫量が所定値（０であってもよい。）以下である場合には、収穫を推奨しない旨を出力するようにしてもよい。
図６は、提案収穫量の算出処理の流れを示す図である。提案収穫量算出部１１７は、提案収穫量が所定値（０であってもよい。）以下である場合には、収穫を推奨しない旨を出力するようにしてもよい。
提案収穫量算出部１１７は、養殖日数の変数ｄｏｃに０を設定し（Ｓ３８１）、養殖開始日からｄｏｃ日後の日付に対応する収穫量が収穫実績記憶部１５５に登録されている場合には（Ｓ３８２：ＹＥＳ）、養殖開始日からｄｏｃ日後の提案収穫量［ｄｏｃ］には、収穫実績記憶部１５５に登録されている収穫量を設定する（Ｓ３８３）。
一方、ｄｏｃ日後の収穫量が登録されていない場合に（Ｓ３８２：ＮＯ）、ｄｏｃ日後の推定バイオマス［ｄｏｃ］が養殖池の最大飼育量以上であるときは（Ｓ３８４：ＹＥＳ）、提案収穫量算出部１１７は、変数ｉを０で初期化し、変数ｎｅｘｔ＿ｄｏｃを対象養殖日数に初期化する（Ｓ３８５）。提案収穫量算出部１１７は、ｄｏｃ日後の予測重量（重量予測部１１３にｄｏｃを与えて計算させた予測値）を、ｎｅｘｔ＿ｄｏｃ日後の予測重量（重量予測部１１３にｎｅｘｔ＿ｄｏｃを与えて計算させた予測値）で割った値が０．５以下である間、対象養殖日数からｄｏｃを減じた値をｉ＋１で割った値と、ｄｏｃとの合計をｎｅｘｔ＿ｄｏｃに設定して（Ｓ３８６）、ｉをインクリメントする（Ｓ３８７）。提案収穫量算出部１１７は、ｄｏｃ日後の予測重量を、ｎｅｘｔ＿ｄｏｃ日後の予測重量で割った値を１から減じて収穫率とし（Ｓ３８８）、ｄｏｃ日後の推定バイオマスに収穫率を乗じて、ｄｏｃ日後の提案収穫量（提案収穫量［ｄｏｃ］）とする（Ｓ３８９）。
ｄｏｃ日後の推定バイオマスが最大容量未満である場合には（Ｓ３８４：ＮＯ）、提案収穫量算出部１１７は、ｄｏｃ日後の提案収穫量は０に設定することができる（Ｓ３９０）。なお、最大容量は、各種のパラメータに基づいて決定することができ、例えば、池の面積、水車の数、密度などの複数の要因に基づいてユーザが設定することができる。最大容量は、例えば、デフォルト値として１．２５ｋｇ／ｍ２を設定することができる。
以上のようにして、提案収穫量が算出される。ｎｅｘｔ＿ｄｏｃは、収穫を行う最適な養殖日数であるところ、ｎｅｘｔ＿ｄｏｃにおける重量の予測値に応じて、収穫率を決定することが可能となる。
＜潜在利益＞
図７は、潜在履歴の予測処理の流れを示す図である。
図７は、潜在履歴の予測処理の流れを示す図である。
潜在利益予測部１１８は、変数となる販売実績合計及び給餌合計をそれぞれ０に初期化し（Ｓ４０１）、養殖日数の変数ｄｏｃに０を設定する（Ｓ４０２）。
潜在利益予測部１１８は、養殖開始日からｄｏｃ日後の販売額が販売実績記憶部１５６に登録されている場合には（Ｓ４０３：ＹＥＳ）、販売実績合計に当該販売額を加算する（Ｓ４０４）。
潜在利益予測部１１８は、給餌量予測部１１６に、ｄｏｃ日目の稚魚量（推定バイオマスの計算で算出した稚魚量）とｄｏｃとを与えて、ｄｏｃ日目の給餌量を計算させ、給餌量を給餌合計に加算する（Ｓ４０５）。潜在利益予測部１１８は、単価予測部１１９にｄｏｃ日目の推定重量を与えて販売単価を予測させ、単価にｄｏｃ日目の推定バイオマスを乗じて販売額を計算する（Ｓ４０６）。
潜在利益予測部１１８は、販売実績合計に販売額を加算して推定売上を計算し（Ｓ４０７）、給餌合計に、設定情報記憶部１３２に記憶されている平均給餌単価を乗じて、その額を２倍にした額を推定総コストとし（Ｓ４０８）、推定売上から推定総コストを引いて、ｄｏｃ日目の推定利益を計算する（Ｓ４０９）。
なお、本実施形態では、コストにおける飼料の割合を５０％としているが、これに限らず、飼料がコスト中に占める割合を設定情報記憶部１３２に登録しておき、ステップＳ４０８において、給餌合計に平均給餌単価を乗じた額を当該割合で割って推定総コストを計算するようにすることもできる。
以上のようにして、推定利益（潜在利益）を計算することができる。
以上、本実施形態について説明したが、上記実施形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物も含まれる。
例えば、本実施形態では生存率は、設定生存率を用いるものとしたが、生存率を予測するようにしてもよい。この場合、水産養殖支援装置１０は生存率予測部を備えるようにすることができる。上述した処理において、生存率が用いられるところの全部又は一部において、生存率予測部により予測された生存率を用いるようにすることができる。生存率予測部は、養殖池中の水産物の密度、養殖日数、所定のサイクル期間、養殖開始日などの養殖に関する情報を用いて生存率を予測することができる。また、温度、溶存酸素、塩分濃度、昼夜のｐＨなどの水質のパラメータを用いるようにすることもできる。
生存率予測部は、例えば、四季（ＤＪＦ、ＭＡＭ、ＪＡ、ＳＯＮ）に応じて分類することができる。ＤＪＦとは、１２月、１月、２月を示し、ＭＡＭは３月、４月、５月を示し、ＪＡは６月、７月、８月を示し、ＳＯＮは９月、１０月、１１月を示す。生存率予測部は、温度が２６度以下又は３２度以上であるかどうか、溶存酸素が４未満であるかどうか、塩分濃度が１５未満又は３０以上であるかどうか、ｐＨが７．５未満又は８．５以上であるかどうか等に応じて、水質の良・不良を判定することができる。生存率予測部は、不良な水質の発生日数の割合を算出することができる。生存率予測部は、上記のような変数を入力として生存率を予測するべくランダムフォレストモデルをトレーニングすることができる。ランダムフォレストモデルの学習モデルを記憶する生存率予測モデル記憶部をさらに備えるようにすることができる。生存率予測部は、生存率予測モデルに、四季の区分、水質データ、密度、養殖日数等を入力して生存率を予測することがでできる。
１１０ 水質データ取得部
１１１ 水質予測部
１１２ 飼料消費量予測部
１１３ 重量予測部
１１４ 重量調整部
１１５ バイオマス予測部
１１６ 給餌量予測部
１１７ 提案収穫量算出部
１１８ 潜在利益予測部
１１９ 単価予測部
１３１ 重量予測モデル記憶部
１３２ 設定情報記憶部
１５０ 水質データ記憶部
１５１ 重量実績記憶部
１５２ 死亡実績記憶部
１５３ 稚魚収穫量記憶部
１５４ 給餌実績記憶部
１５５ 収穫実績記憶部
１５６ 販売実績記憶部
１１１ 水質予測部
１１２ 飼料消費量予測部
１１３ 重量予測部
１１４ 重量調整部
１１５ バイオマス予測部
１１６ 給餌量予測部
１１７ 提案収穫量算出部
１１８ 潜在利益予測部
１１９ 単価予測部
１３１ 重量予測モデル記憶部
１３２ 設定情報記憶部
１５０ 水質データ記憶部
１５１ 重量実績記憶部
１５２ 死亡実績記憶部
１５３ 稚魚収穫量記憶部
１５４ 給餌実績記憶部
１５５ 収穫実績記憶部
１５６ 販売実績記憶部
Claims (4)
- 水産物の養殖を支援するシステムであって、
養殖日数、水質データの統計値、及び飼料の消費量を入力データとし、水産物の重量を教師データとする機械学習により作成された学習モデルを記憶するモデル記憶部と、
前記水質データの予測値を取得する水質予測部と、
前記飼料の消費量の予測値を取得する飼料消費量予測部と、
複数の前記養殖日数について、予測対象の前記養殖日数、取得した前記水質データの予測値の統計値、及び前記消費量の予測値を前記学習モデルに与えて前記重量を予測する重量予測部と、
前記複数の養殖日数のそれぞれに対応する前記水産物の重量の実績値を取得し、前記実績値と前記重量の予測値との差に応じて前記重量の予測値を補正する重量調整部と、
を備えることを特徴とする養殖支援システム。 - 請求項１に記載の養殖支援システムであって、
養殖開始日に養殖池に投入された前記水産物の量から、予測対象の前記養殖日数までに死亡した前記水産物の量に、前記重量の予測値を乗じて、前記養殖池のバイオマスを計算するバイオマス予測部をさらに備えること、
を特徴とする養殖支援システム。 - 請求項２に記載の養殖支援システムであって、
前記予測対象の養殖日数に対応する前記バイオマスが、前記養殖池の収容量以上である場合に、前記水産物の収穫を提案する収穫量提案部をさらに備えること、
を特徴とする養殖支援システム。 - 請求項３に記載の養殖支援システムであって、
前記収穫量提案部は、予測対象の前記養殖日数である第１の養殖日数に係る前記重量の第１の予測値と、前記第１の養殖日数より後の第２の養殖日数に係る前記重量の第２の予測値との比が所定値を超える前記第２の養殖日数を特定し、前記第１の養殖日数に係る前記第１の予測値を特定した前記第２の養殖日数に係る前記第２の予測値で割った値を１から引いたものを前記バイオマスに乗じて、提案する収穫量を計算し、計算した前記収穫量を出力すること、
を特徴とする養殖支援システム。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021171209A JP7211602B1 (ja) | 2021-10-19 | 2021-10-19 | 養殖支援システム |
| PCT/IB2022/060041 WO2023067514A1 (ja) | 2021-10-19 | 2022-10-19 | 養殖支援システム |
| JP2022211095A JP2023061400A (ja) | 2021-10-19 | 2022-12-28 | 養殖支援システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021171209A JP7211602B1 (ja) | 2021-10-19 | 2021-10-19 | 養殖支援システム |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022211095A Division JP2023061400A (ja) | 2021-10-19 | 2022-12-28 | 養殖支援システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7211602B1 true JP7211602B1 (ja) | 2023-01-24 |
| JP2023061294A JP2023061294A (ja) | 2023-05-01 |
Family
ID=84982666
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021171209A Active JP7211602B1 (ja) | 2021-10-19 | 2021-10-19 | 養殖支援システム |
| JP2022211095A Pending JP2023061400A (ja) | 2021-10-19 | 2022-12-28 | 養殖支援システム |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022211095A Pending JP2023061400A (ja) | 2021-10-19 | 2022-12-28 | 養殖支援システム |
Country Status (2)
| Country | Link |
|---|---|
| JP (2) | JP7211602B1 (ja) |
| WO (1) | WO2023067514A1 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6246068B1 (en) | 1995-10-06 | 2001-06-12 | Canon Kabushiki Kaisha | Semiconductor article with porous structure |
| JP7553992B1 (ja) | 2023-08-22 | 2024-09-19 | 株式会社オドン | 品種別データ基盤養殖場の適正な飼育環境管理及び意思決定支援が可能なａｉｏｔシステム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008043252A (ja) | 2006-08-16 | 2008-02-28 | Japan International Research Center For Agricultural Services | 室内型エビ生産に用いるエビ育成・健康管理システム |
| WO2017159109A1 (ja) | 2016-03-15 | 2017-09-21 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
| JP2019170349A (ja) | 2018-03-29 | 2019-10-10 | Ｎｅｃネッツエスアイ株式会社 | 水生生物生産管理システム |
-
2021
- 2021-10-19 JP JP2021171209A patent/JP7211602B1/ja active Active
-
2022
- 2022-10-19 WO PCT/IB2022/060041 patent/WO2023067514A1/ja active Application Filing
- 2022-12-28 JP JP2022211095A patent/JP2023061400A/ja active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008043252A (ja) | 2006-08-16 | 2008-02-28 | Japan International Research Center For Agricultural Services | 室内型エビ生産に用いるエビ育成・健康管理システム |
| WO2017159109A1 (ja) | 2016-03-15 | 2017-09-21 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
| JP2019170349A (ja) | 2018-03-29 | 2019-10-10 | Ｎｅｃネッツエスアイ株式会社 | 水生生物生産管理システム |
Non-Patent Citations (4)
| Title |
|---|
| RUIZ-VELAZCO, J.M.J. et al.，Management of stocking density, pond size, starting time of aeration, and duration of cultivation for intensive commercial production of shrimp Litopenaeus vannamei，Aquacultural Engineering，2010年08月26日，Vol. 43，pp. 114-119 |
| THAKUR, K. et al.，Production characteristics of intensive whiteleg shrimp (Litopenaeus vannamei) farming in four Vietnam Provinces，Aquaculture Research，2018年08月，Vol. 49, No. 8，pp. 2625-2632 |
| ZHU, Y.-F. et al. ，Quantification of Ksh starvation treatments and randomization test for the contribution rates of treatment factors by BP network，Chinese Journal of Applied Ecology，2008年03月，Vol. 19, No. 3，pp. 667-673 |
| 門脇秀策ほか，透明度からみた養殖クルマエビの成長，水産増殖，Vol. 41, No. 1，1993年，pp. 61-65 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6246068B1 (en) | 1995-10-06 | 2001-06-12 | Canon Kabushiki Kaisha | Semiconductor article with porous structure |
| JP7553992B1 (ja) | 2023-08-22 | 2024-09-19 | 株式会社オドン | 品種別データ基盤養殖場の適正な飼育環境管理及び意思決定支援が可能なａｉｏｔシステム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023061294A (ja) | 2023-05-01 |
| JP2023061400A (ja) | 2023-05-01 |
| WO2023067514A1 (ja) | 2023-04-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023067514A1 (ja) | 養殖支援システム | |
| Asche et al. | Future challenges for the maturing Norwegian salmon aquaculture industry: An analysis of total factor productivity change from 1996 to 2008 | |
| Stavrakidis-Zachou et al. | A DEB model for European sea bass (Dicentrarchus labrax): Parameterisation and application in aquaculture | |
| Asche et al. | Price transmission in new supply chains—The case of salmon in France | |
| Iliyasu et al. | Evaluating contextual factors affecting the technical efficiency of freshwater pond culture systems in Peninsular Malaysia: A two-stage DEA approach | |
| Malekitabar et al. | A novel mathematical inventory model for growing-mortal items (case study: Rainbow trout) | |
| Asheim et al. | Are prices or biology driving the short-term supply of farmed salmon? | |
| Nielsen et al. | Price effects of changing quantities supplied at the integrated European fish market | |
| Kankainen et al. | How to measure the economic impacts of changes in growth, feed efficiency and survival in aquaculture | |
| Avadí et al. | Coupled ecosystem/supply chain modelling of fish products from sea to shelf: the Peruvian anchoveta case | |
| Domínguez-May et al. | Effect of ration and size heterogeneity on harvest time: tilapia culture in Yucatan, Mexico | |
| Luna et al. | Aquaculture production optimisation in multi-cage farms subject to commercial and operational constraints | |
| Sun et al. | More landings for higher profit? Inverse demand analysis of the bluefin tuna auction price in Japan and economic incentives in global bluefin tuna fisheries management | |
| Yu et al. | Optimal production schedule in commercial shrimp culture | |
| US20200250597A1 (en) | Information processing apparatus, information processing method, and non-transitory recording medium | |
| Gagern et al. | Trade-based estimation of bluefin tuna catches in the Eastern Atlantic and Mediterranean, 2005–2011 | |
| US20140261196A1 (en) | System for Managing Livestock Flow | |
| Yu et al. | Modeling partial harvesting in intensive shrimp culture: a network-flow approach | |
| Surathkal et al. | Dynamics of price volatility spillover in the US catfish market | |
| Shamshak et al. | Dynamic stochastic adaptive bioeconomic model of offshore bluefin tuna aquaculture | |
| Kankainen et al. | Modeling the economic impact of welfare interventions in fish farming—A case study from the UK rainbow trout industry | |
| JP7386503B2 (ja) | 収量推定プログラム、収量推定方法及び収量推定装置 | |
| Alam et al. | Assessing the pomfret stock for setting catch limits in the northern bay of Bengal, Bangladesh | |
| Hermansen et al. | Bioeconomics of capture-based aquaculture of cod (Gadus morhua) | |
| Marcoul et al. | Search and active learning with correlated information: Empirical evidence from mid-Atlantic clam fishermen |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220324 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220324 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220526 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220826 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220929 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221025 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221201 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221228 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7211602 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |