JPS63133061A - 魚態監視装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は浄水場の原水中などの毒物の有無を水中で飼育
する水棲動物の行動を監視して判定する焦眉監視装置に
関する。

〔従来の技術〕

従来から浄水場では原水中に毒物が混入したかどうかを
監視するために、原水の一部を水槽に導いて１５ｔな、
こい、うぐい、たなご、にじまず、おいかわなどの水棲
動物を飼育していて、原水中に毒物が混入した場合には
上記魚類が狂奔２反転。

鼻上げなどの異常な行動を示したり死んだりする現象を
利用して原水中の毒物流入を監視している。

また下水処理場では法律で禁止された毒物が流入下水中
に流入したかどうかを知る必要があり、このため人手に
よる間欠的な水質分析を行なっている。しかしこのよう
な人手による魚類の目視や水質の分析に依存した水中の
毒物監視では、連続監視および早期発見が困難であって
′ｆ３要者への配水停止などの対策が遅れる問題があっ
た。

また魚の監視方法としては、水槽中の魚を上部から工業
用テレビカメラ（ＩＴＶ）で検出して画像処理する方法
が例えば第３６回全国水道研究発表会の講演集ｐ、４６
４−４６６に記載されていて、この方法によると魚が水
面上を腹を横にして漂う場合にその魚が「ある大きさ以
上の独立した明点」として認識でき、水面近傍に存在す
る魚の高明度部および水面の凹凸による光の変化のみを
抽出することにより、背景を整理して魚の行動を求める
ことが述べられている。さらに魚の監視方法として、１
個以上のタンク装置内の複数個の生物の動きをビデオ装
置で監視し、生物の運動をコンピュータ装置で分析して
予期される運動パターンの統計的分布に対応する予測パ
ラメータの組と比較する方法が例えば特開昭６１−４６
２９４号公報に記載されている。

〔発明が解決しようとする問題点〕

上記従来技術の水槽中の魚を上部からＩＴＶで検出して
画像処理する方法では、魚が死んで水面に現れないと認
識できないので魚の生死を判定するオンライン連続監視
が不可能となり、ｌｌ物流入時点の異常行動が検知でき
ずに毒物判定までの遅れ時間が大きくなるうえ、特に水
中で魚が静止している頻度および時間が大きい場合が多
いため魚の静止時の正常異常判定が連続監視に不可欠と
なるのに対応できない。またこの方法は魚を認識するこ
とについては述べているが、魚の行動の異常検出の方法
については述べられていない。また複数個の生物の動き
を監視し運動を分析して運動パターンを比較する方法で
は、魚の運動の特徴量として魚の位置、形状、向きにつ
いて述べているが、魚の生態にもとづく行動異常を監視
して判定する方法については述べられていない。

本発明の目的は魚類の生態による動きを定量的に連続監
視して水中の毒物の有無を早期かつ正確に判定できる焦
眉監視装置を提供するにある。

〔問題点を解決するための手段〕

上記目的は、水中の毒物流入検知のために水棲動物（魚
）を飼育する水槽と、上記魚の画像情報を電気信号に変
換する撮像装置と、該撮像装置から得られる画像情報を
記憶する画像記憶装置と、該画像記憶装置の画像情報か
ら上記魚の本体部分およびひれ部分を２値化抽出する手
段と、該魚本体部分の２値化画像に基づいて該魚の位置
および傾きを検出する手段と、該魚の位置から該魚の移
動速度を検出する手段と、上記魚のひれ部分の２値化画
像からひれの動きを検出する手段と、上記魚の位置と傾
きと移動速度とひれの動きから水中の毒物流入を判定す
る手段を具備する焦眉監視装置により達成される。

〔作用〕

上記焦眉監視装置では、水槽で飼育される魚画像を撮像
装置で輝度情報に変換し、該輝度情報を所定時間間隔ご
とにデジタル化して画像記憶装置に取り込み、この画像
記憶装置の魚画像情報から魚の本体部分および魚のひれ
部分をそれぞれ２値化抽出する手段で２値化抽出し、該
魚の本体部分の２値画像から魚の重心位置および傾きを
検出する手段で検出し、さらに魚の重心位置を追跡する
ことにより魚の移動速度を検出する手段で検出し、かつ
上記魚のひれ部分の２値画像から魚のひれの動きを追跡
することにより該ひれの動きの大きさを検出する手段で
検出し、これらの所定時間の間の熱画像計測により求め
た魚の位置と傾きと移動速度とひれの動きの特徴量のパ
ターンを正常時パターンと比較することにより、とりわ
け魚のひれは魚が生きている間には絶え間なく動いてい
るため魚が水中で静止している場合でも魚の市常異常（
生死）判定ができるから、したがって毒物流入を判定す
る手段で定量的かつ正確に判定できる。

〔実施例〕

以下に本発明の一実施例を第１図ないし第７図により説
明する。

第１図は本発明による魚Ｍｅ視装置の一実施例を示す全
体構成図である。第１図において、■は水中の毒物流入
検知のために水槽動物（魚）を飼育する水槽、２はバッ
クスクリーン、３は照明装置、４は魚の画像情報を電気
信号に変換する撮像装置、５は撮像装置からえられる画
像情報を記憶する画像記憶装置と該画像情報から魚の本
体部分およびひれ部分を２値化抽出する手段と該本体部
分の２値化画像に基づいて魚の位置および傾きを検出す
る手段と上記ひれ部分の２値化画像に基づいてひれ部分
の動きを検出する手段などを含む画像処理装置、６は画
像処理装置からの魚の位置から移動速度を検出する手段
と上記魚の位置と移動速度と傾きとひれの動きから水中
の毒物流入を判定する手段などを含む演算装置、７は警
報装置。

８はモニタ、９は水棲動物（魚）である。

第１図の水中の毒物流入検知のための魚飼育用の水槽１
には浄水場の原水あるいは下水処理場の流入下水あるい
は河川の毒物監視の場合には河川水などの水が常に供給
されている。水槽１内の魚９は通常１匹以上飼育される
が本実施例では説明および理解を容易にするために一匹
の場合を例に説明することにし、供給される水に棲息す
る魚類としては例えばふな、こい、うぐい、たなご、に
じまず、おいかわなどが飼育される。水槽１内の魚９を
照らす照明装置３は画像処理技術を適用するのに均一な
照明が必要であり、このため照明装置３と水槽１の間に
はすりガラスや白色アクリル環などの光散乱板に相当す
る半透明バックスクリーン２を設ける。またこのバック
スクリーン２は背景を白色系として魚９を黒色系とする
ことにより、魚９をコントラストよく認識するのに役立
つ。

水槽１内の魚９の画像を電気信号（映像信号）に変換す
る撮像装置４は例えば工業用テレビカメラ（ＩＴＶ）を
使用し、撮像する画素の明るさく輝度）に対応した電圧
の電気信号を出力する。

このさい画像処理装置５は撮像装置４に対し水平・垂直
の同期信号を出して撮像のタイミングを制御し、撮像装
置４からの魚画像情報をある設定時間間隔Δｔごとに内
部に取り込んで画像記憶装置に記憶し、その魚画像情報
から魚の本体部分およびひれ部分を２値化抽出する手段
により２値化抽出して、本体部分の２値化画像に基づい
て魚の重心位置Ｇおよび傾きＤを検出する手段により検
出するとともに、ひれ部分の２値化画像に基づいてひれ
部分の動きＫを検出する手段により検出する処理などを
行なう、なお画像処理装置ｉ！５の構成と動作の詳細は
後に説明する。この画像処理装置５にはモニタ８が接続
されていて、魚９の画像やその画像処理の結果などを表
示する。

つぎに演算装置６は画像処理装置５から設定時間間隔Δ
ｔごと送られる魚９の重心位置Ｇと傾きＤおよびひれの
動きＫのある設定時間Ｔの間の情報を取り込んで内部の
記憶装置に記憶し、その重心位ｆｉＧから魚９の移動速
度Ｖを検出する手段により求めて記憶装置に記憶したの
ち、上記により設定時間間隔Δｔごとに抽出された設定
時間Ｔの間の魚９の重心Ｇ、傾きり、移動速度Ｖ、ひれ
の動きＫという魚の生態の特徴量の値の頻度分布を求め
、このオンライン計測した魚９の上記特徴量の分布とこ
の演算装置６にあらかじめ記憶されている魚９の正常状
態゛における特徴量の分布とを水中の毒物流入を判定す
る手段により比較して、魚９の特徴量の計測分布と正常
分布との間にあらがしめ設定した偏差以上の差が生じた
場合には、魚９の動きが異常であると判定して該判定結
果を警報袋！ｔ７に送信する。これにより警報袋！？７
はその異常検知信号を受信すると、その異常レベルに従
い警報を鳴らしたり監視者に水ｆｆＷ１４査を促すため
のメツセージを音声出力したりする。なお演算装置６に
は図示していないディスプレイやキーボードが接続され
ていて、魚９の上記した各特徴量の正常分布値が魚の種
類や水温などの環境条件に応じて手動または自動操作に
より補正または変更できるうえ、上記の設定時間間隔Δ
ｔおよび設定時間Ｔや魚の行動の異常判定基準などの初
期設定値を操作したり、あるいは魚９の各特徴量の分布
の計測結果を表示できる。この演算装置６の構成と動作
の詳細は後に説明する。

第２図は第１図の画像処理装置４の詳細構成側図である
。第２図において、５０１はタイマ。

５０２はＡ／Ｄ変換器、５０３は多値画像メモリ（魚画
像情報を記憶する画像記憶装置ｆり、５０４は２値化回
路（ひれ部分を２値化抽出する手段）、５０５．５０６
は２値メモリ、５０７は論理和回路（ひれ部分の動きを
検出する手段）、５０８は２値化回路（魚本体部分を２
値化抽出する手段）。

５０９は２値メモリ、５１０は重心演算回路（魚の位置
を検出する手段）、５１１は魚の傾き演算回路（魚の傾
きを検出する手段）、５１２は入出力制御装置である。

この画像処理装置５は撮像装置４からえられる魚９の画
像情報から魚９の本体部分およびひれ部分を２値化抽出
して、魚９の重心位置Ｇと傾きＤおよびひれの動きＫを
検出する手段をなす。第２図のタイマ５０１は初期設定
された時間間隔ΔｔごとにトリガーをＡ／Ｄ変換器５０
２に出力する。このＡ／Ｄ変換器５０２はタイマ５０１
のトリガに同期して時間間隔Δｔごとに撮像装置４から
の映像信号（画像輝度信号）をＡ／Ｄ変換し、点画像情
報をデジタル値として多値画像メモリ５０３に格納する
。この多値画像メモリ５０３は例えば２５６Ｘ２５６画
素×８ビット（各画素２５６階調）の容量をもち、上記
点画像情報を時間間隔Δｔごとに取り込む。この点画像
は背景の部分の輝度が大きくて魚のひれ部分および本体
部分の順に低くなり主に３段階の輝度を示す。この多値
画像メモリ５０３に格納された点画像情報は２値化回路
５０４，５０８に送られ、初期設定された２つのしきい
値によりそれぞれ魚９のひれ部分１本体部分が２値化抽
出されて、それぞれ２値メ％ＩＪ５０５　（５０６）、
５０９に格納される。

第３図（ａ）、（ｂ）、（ｃ）、（ｄ）は第２図の２値
化回路５０４，５０８の２値化方法の説明図で、第３図
（ａ）は多値画像メモリ５０３に格納された点画像、第
３図（ｂ）は２値化回路５０４により２値化抽出されて
２値メモリ５０５（５０６）に格納された魚のひれ部分
の２値画像。

第３図（ｃ）は２値化回路５０８により２値化抽出され
て２値メモリ５０８に格納された魚９の本体部分の２値
画像、第３図（ｄ）は第３図（ａ）のＡ−Ａ線上の輝度
分布および２値化しきい値をそれぞれ示し、図中のＷ、
Ｇｌ、Ｇ２は点画像の背景の水の部分、魚９の本体部分
、ひれ部分で。

Ｌｍ、Ｌｈは２つの２値化しきい値である。第３図（ａ
）のように多値画像メモリ５０３の点画像は点本体部分
Ｇ１の輝度が最も低くて魚ひれ部分Ｇ２から背景の水部
分Ｗの順に輝度が高くなる。

この輝度分布に対して第３図（ｄ）に示すように背景の
水部分Ｗの輝度Ｗよりも小さく魚ひれ部分Ｇ２の輝度Ｇ
２以上の輝度のしきい値Ｌｈ　　（Ｗ＞Ｌｈ＞０２）と
、魚ひれ部分の輝度Ｇ２より小さくて点本体部分の輝度
０１以上の輝度のしきい値Ｌ　Ａ　　（Ｇ　２　＞　Ｌ
　ｆｉ　＞　Ｇ　１　）とを設定することにより。

しきい値ＬｈとＬｍの間の輝度をもつ部分は魚９のひれ
部分Ｇ２としてまたしきい値Ｌ１以下の輝度をもつ部分
は魚９の本体部分Ｇ１としてそれぞれ次のように２値化
抽出できる。すなわち多値画像メモリ５０３に格納され
た時刻ｔにおける点画像情報Ｓ（１＋Ｊ＋ｔ）に対しひ
れ部分抽出用の２値化回路５０４はしきい値Ｌｈ＝Ｌｔ
を用いて次式によりひれ部分Ｇ２の２値画像Ｂｈ　（ｉ
ｔ　ｊＩ　ｔ）を演算し、時間間隔Δｔごとの魚ひれ部
分Ｇ２の２値画像を２値メモリ５０５，５０６に交互に
格納する。

Ｌ、≦Ｓ　（ｌ　Ｆ　ｊＩ　ｔ）　＜Ｌｈのとき、Ｂｈ
　（１＋　Ｊ　＋　ｔ）　＝１　　　　　　　　・・（
１）Ｓ（ｉ、ｊｔ　ｔ）＜Ｌ凰またはＳ（ｉ、　、］＋
　　ｔ）≧Ｌｈのとき、Ｂ）ｌ　　（ｉ、ｊＩ　　ｔ）
＝Ｏ・・・（２）また魚本体部分抽出用の２値化回路５
０８はしきい値Ｌｍ　を用いて次式により点本体部分Ｇ
１の２値画像Ｂｍ　（ｘ　＋　Ｊ　＋　ｔ）を演算し、
時間間隔Δｔごとの点本体部分Ｇ１の２値画像を２値メ
モリ５０９に格納する。

Ｓ　（ｉ、ｊ、ｔ）＜ＬＬのとき、 Ｂｔ　（１＋　Ｊ　＋　ｔ）　＝１　　　　　　　　・
・・（３）Ｓ（１＋Ｊｔｔ）≧Ｌ１のとき、 Ｂ　（ｉ、ｊ、ｔ）＝Ｏ・・・（４） こうしてえられた魚９のひれ部分Ｇ２および本体部分Ｇ
１の２値画像はそれぞれ第３図（ｂ）、（Ｃ）に示され
１図中の黒く塗りつぶした部分がＩｔ　Ｉ　１１の値を
持ちその他の部分が１１０　Ｔ′の値をもつ。

ついで第２図の論理和回路５０７の魚９のひれの動きＫ
の抽出方法を説明する。まず上記のように多値画像メモ
リ５０３の時刻ｔにおける点画像情報Ｓ（ｉ、ｊ、ｔ、
）は２値化回路５０４によりひれ部分が２値化抽出され
て２値メモリ５０５に格納され、つぎに時間間隔Δを後
の時刻ｔ＋△ｔにおける焦面像情報Ｓ（１＋Ｊ＋　ｔ＋
Δｔ）のひれ部分が２値化抽出されて２値メモリ５０６
に格納される。これらの２値メモリ５０５，５０６は例
えば２５６Ｘ２５６画素×１ビットの容量を持ち、上記
により格納された２値メモリ５０５゜５０６　（７）　
ｉ行ｊ列の画素の２値情報Ｂｈ（１＋、］＋ｊ）ｔＢｈ
（ｉｔ　Ｊ　ｔ　ｔ＋Δｔ）はそれぞれ魚９のひれが動
く前とそれから時間間隔Δｔの間に動いた後の情報を有
する。これにより２値メモリ５０５゜５０６に交互に取
り込まれた魚ひ九部分のＩＦｆ情報Ｂｈ　（１＋　Ｊｔ
　ｉ）ｖ　Ｂｈ（１，Ｊ、ｔ＋Δｔ）が論理和回路５０
７に送られると、論理和回路５０７は２値メモリ５０５
，５０６の全ての画素に対して次式による排他的論理和
演算を行なうことにより、排他的論理和の値が１″′の
画素の集合（個数）をひれの動きの量にとして抽出する
。

Ｂｈ（ｉｓ　ｊ、ｔ）：＝１かつＢｈ（ｘ　Ｉ　Ｊ　ｖ
　ｊ＋Δｔ）＝１またはＢｈ（ｘｔ　ｊｏ　ｔ）＝０か
つＢｈ（ｉｓ　ｊｏ　ｔ＋Δｔ）二〇のときに’　（ｉ
、ｊ、ｔ）＝Ｏ・・・（５）Ｂｈ（ｉ、　ｊ、ｔ）＝ｉ
かつＢｈ（ｉｖ　Ｊｔ　を十Δｔ）＝ＯまたはＢｈ（ｘ
ｔ　ｊｏ　　ｔ）＝ＯかつＢｈ（ｘｙ　ｊｒ　　ｔ＋Δ
ｔ）＝１のときに’　　（ｉ、ｊｏ　　ｔ）＝１　　　
　　　　　　　・・・（６）Ｋ（ｔ）＝ΣΣに’　　（
ｉｔ　　、ｉｔ　　ｔ）　　　　　　・・・（７）この
ひれの動きＫ（ｔ）は時刻ｔと時刻ｔ＋Δｔの間にひれ
が動いた量を表わす、以下同様にして設定時間Ｔの間の
時刻１．１＋Δｔ、ｔ＋２Δｔ。

・・・、ｔ＋ｎΔｔにおけるひれの動きＫ（ｔ）、Ｋ（
ｔ＋Δｔ）、Ｋ　（ｔ＋２Δｔ）−、ｔ＋ｎΔｔを演算
抽出する。

第４図（ａ）＝　　（ｂ）、（ｃ）は第２図の論理和回
路５０７の上記による魚のひれの動きＫの抽出方法の説
明図で、第４図（ａ）多値画像メモリ５０３に格納され
た時刻ｔにおける点画像Ｓ　（ｉ。

ｊ−ｔ）ｌ第４図（ｂ）２値メ−！１−ＩＪ５０４，５
０６にそれぞれ格納された時刻１．１＋Δｔにおける魚
ひれ（胸ひれ）の２値画像Ｂｈ　（ｉ、ｊｏ　ｔ）＝１
、Ｂｈ（ｉｓ　ｊｏ　ｔ＋Δｔ）＝１の部分（拡大図）
、第４図（ｃ）はひれ（胸ひれ）の動きＫ　（ｔ）のに
’　　（ｉｔ　ｊ）＝’の部分（拡大図）をそれぞれ示
す、第４図（ａ）のａｌ、ａ２はそれぞれ魚９の背びれ
２尾びれ部分を示し、ａ８．ａｌはそれぞれ胸びれを示
す、魚９は生きていて活動している間は必ずひれを動か
しているが、特に胸びれａ　８　＋　８４は魚の位置が
変化しない静止中でもかなり大きな動きを見せる。第４
図（ｂ）の実線で囲まれた左斜線部分は時刻ｔにおける
魚９のひれ２値画像Ｂｈ（ｉ、ｊ、ｔ）＝１の胸びれａ
ｌの拡大部分、また破線で囲まれた右斜線部分は時刻ｔ
＋Δｔにおけるひれ２値画像Ｂｈ（ｘ　＋　Ｊ　＋　ｔ
＋Δｔ）の胸びれａｌの拡大部分であって、この２つの
ひれ２値画像Ｂｈ（１＋　Ｊ　ｒ　’：Ｌ　ＢｈＣｌ　
ｒ　Ｊ　ｒ　ｔ＋Δｔ）は別々の２値メモリ５０５，５
０６に格納されているが説明上２つの２値画像を重ね合
わせて図示している。この図から魚９の胸ひれａｌは時
間間隔Δもの間に矢印方向にかなり大きく動いたことを
示している。第４図（Ｃ）はこれらの２つのひれ２値画
像Ｂｈ（１＋　Ｊ　＋　ｊ）ｔＢｈ（１＋　Ｊ　ｊ　ｔ
＋Δｔ）から論理和回路５０７の排他的論理和演算によ
りえられたひれの動きＫ（ｔ）＝ΣΣに’　（ｉ、ｊ、
ｔ）のに’　Ｃ１ｌ　、）　ｌ　ｔ）＝　’の部分の胸
びれａｌに相当する拡大部分を示していて、第４図（ｂ
）の胸びれａｌが重なっている部分は除去されている。

このように魚９のひれの動きが大きければＫ（ｔ）の値
も大きくなるがひれが動かなくなればＫ（ｔ）の値も零
となって、魚９の生態によるひれ部分の動きＫ（ｔ）を
定量的に抽出できる。

つぎに第２図の重心演算回路５１０および魚の傾き演算
回路５１１の魚９の重心位置Ｇおよび傾きＤの抽出方法
を説明する。まず上記のように時刻ｔに多値画像メモリ
５０３に格納された焦面像情報ｓ　（ｉ、ｊｏ　ｔ）か
ら類本体部分抽出用の２値化回路５０８により魚９の本
体部分Ｇｌ（第３図）が２値化抽出され、この類本体２
値ａｌＢｔ（ｉｓ　ｊｏｔ）は２値メモリ５０９に格納
される。

この２値メモリ５０９は例えば２５６ｘ２５６画素×１
ビットの容量をもっている０重心演算回路５１０は２値
メモリ５０９に取り込まれた時刻ｔにおける類本体２値
画像ＢＬ　（ｉ、ｊｏ　　ｔ）から魚本体部分Ｇ１の重
心Ｇ　（Ｘ＊、Ｙｗ、ｔ）を周知の画像処理方法により
計算する。同時に魚の傾き演算回路５１１は２値メモリ
５０９に取り込まれた時刻ｔにおける魚本体２値画像Ｂ
ｔ　　（ｌ　ｒ　Ｊ　ｘｔ）から魚の本体部分Ｇ１の傾
きＤ　（ｔ）を次の方法により演算する。第５図（ａ）
、（ｂ）は第２図の魚の傾き演算回路５１１の魚の傾き
Ｄの抽出方法の説明図で、第５図（ａ）は２値メモリ５
０９に格納された魚本体部分Ｇ１の２値画像Ｂｔ　（ｉ
、　ｊ、ｔ）、第５図（ｂ）は魚の傾きＤ（１）の角度
θをそれぞれ示す、第５図（ａ）の魚本体部分Ｇ１の重
心位置Ｇ　（Ｘ＋、Ｙｉ、ｔ）を周知の画像処理方法に
より計算できるが、ここでは例えば魚本体部分Ｇ１を降
口長軸方向りを魚の傾きＤ　（ｔ）とする。この魚９の
傾きＤは第５図（ｂ）のように例えば水平方向に対しＯ
″〜１８０＠の範囲の傾き角θで表わされる。第２図の
最後の入出力制御装置５１２は多値画像メモリ５０３お
よび２値メモリ５０５，５０６，５０９の情報および抽
出した魚９のひれの動きに９重心Ｇ、傾きＤの情報をモ
ニタ８へ出力するとともに、論理和回路５０７２重心演
算回路５１０．魚の傾き演算５１１からの魚９のひれの
動きＫ　（ｔ）　、魚の重心（ｔ）、魚の傾きＤ　（ｔ
）の特機部を演算装置６へ出力する。

第６図は第２図の演算装置６の詳細構成側図である。第
６図において、６０１は入出力回路、６０２はひれの動
き記憶回路、６０３は魚の傾き記憶回路、６０４は重心
記憶回路、６０５は速度演算回路（魚の移動速度を検出
する手段）、６０６は速度記憶回路、６０７は判定回路
（毒物流入を判定する手段）、６０８は偏差記憶回路で
ある。

この演算装！ｉ！６は画像処理装置５からえられた魚９
の重心位置から魚の移動速度を検出する手段とえられた
魚の位置、移動速度、傾き、ひれの動きの特機部から魚
の異常により毒物流入を判定する手段をなす、まず第６
図の画像処理装置５から送られる魚９のひれの動きＫ（
ｔＬ傾きＤ（ｔ）、重心Ｇ　（Ｘｒｔ　Ｙｇ、　ｔ　）
の情報は本演算装置６の入出力回路６０１を介してそれ
ぞれひれの動き記憶回路６０２．傾き記憶回路６０３１
重心記憶回路６０４に格納される。ついで速度演算回路
６０５は重心記憶回路６０４に取り込まれた重心Ｇ　（
Ｘ　ｇ　。

Ｙｇ、ｔ）およびＣｊ　（ｘｔ、　Ｙｘｔ　ｔ＋Δｔ）
の情報に基づき次式により魚の移動速度Ｖ　（ｔ）を計
算する。

Ｖ（ｔ）＝ｌＧ（Ｘｉ、Ｙｇ、ｔ）−Ｇ（Ｘｔ、Ｙｔ、
ｔ＋Δｔ）１／Δｔ−（８）また同様にして各時刻ｔ＋
Δｔｔ　ｔ＋２Δｔ、・・・。

ｔ＋ｎΔｔにおける移動速度ｖ（を十Δ１）１Ｖ　（ｔ
＋２Δｔ）、・・・、ｔ＋ｎΔｔが時間間隔Δｔごとに
設定時間Ｔの間に計算され、速度記憶回路６０６に格納
される。つぎに判定回路６０７にはあらかじめ魚９の正
常状態におけるひれの動きに、傾きり２重心Ｇ、速度Ｖ
の各特機部の頻度の正常分布が記憶されていて、上記の
記憶回路６０２．６０３，６０４，６０６がオンライン
で入力される魚９のひれの動きｙ、　（ｔ）　、傾きＤ
（ｔ）１重心Ｇ　（ｘｇ、Ｙｇｔ　ｔ　）−速度Ｖ　（
ｔ）の特機部を時系列的に取り込んだ情報から初期設定
時間Ｔの間の各特機部の頻度分布を計算して。

この魚９の各特機部の計測分布を上記正常分布と比較す
ることによりその偏差を求め、その４つの特機部の頻度
分布の偏差を偏差記憶回路６０８に格納する。この偏差
記憶回路６０８は取り込んだひれの動きに、傾きり９重
心Ｇ、速度Ｖの４つの特機部の偏差が設定値より大きい
場合には警報装置７へ異常検知信号を出力する。なお判
定回路６０７に格納された魚９のひれの動きに、傾きり
。

重心Ｇ、速度Ｖの各特機部の正常分布は水槽１の水温、
照明９時間帯、季節などの環境条件や魚９の種類９匹数
などの条件により常に補正または変更されるが、適宜に
例えば前日同時刻の正常分布を使用するなども可能であ
る。また判定回路６゜７にはあらかじめ魚９の異常状態
における各特機部の頻度分布を格納することも可能で、
この異常分布とオンライン計測分布とを比較判定するこ
ともできる。

第７図（ａ）、（ｂ）、（ｃ）、（ｄ）はそれぞれ魚９
の重心位置Ｇ（垂直成分ａｙ　）　、速度Ｖ。

傾きり、ひれの動きＫの出現頻度分布例の説明図で、図
中のＣｘ、Ｃｚ、はそれぞれ魚９の正常、狂弁状態にお
ける分布を示し、Ｃ８は第７図（ａ）。

（ｂ）、（Ｃ）に対応して水面浮上、静止、死亡状態に
おける分布を示す。第７図（ａ）では魚９の重心位置の
垂直方向成分に着目して、縦軸の重心位置Ｇ　（Ｘｇ、
Ｙｇ）の垂直方向成分ａｙ　（’ｙｇ）の水槽底から水
面にわたる出現頻度分布が横軸に正常状態分布（実１ｉ
Ａ）Ｃｔ、狂奔状態分布（破線）Ｃｚ　、水面浮上状態
分布（１点鎖線）Ｃａごとに表示される。第７図（ｂ）
では横軸の魚９の移動速度Ｖの出現頻度が正常状態分布
ＣＩ、狂奔状態分布Ｃ２、静止状態分布Ｃｓごとに縦軸
に表示される。第７図（ｃ）は横軸の水平方向に対する
傾き角θ＝０６〜１８０”にわたる魚９の傾きＤの出現
頻度分布が正常状態分布Ｃ１，狂奔状態分布Ｃ２ごとに
縦軸に表示される。この図で正常状態分布Ｃ２をみると
正常状態の魚９は水平方向に行動する場合が多いが、狂
奔状態分布Ｃ２をみると毒物流入による異常状態の魚９
は狂奔や鼻上げなどの上下運動が多くなると同時に色々
な方向に動き回るのでほぼ平坦な分布になる。第７図（
ｄ）は横軸の魚９のひれの動きＫの出現頻度分布が正常
状態分布Ｃ１，狂奔状態分布ｃ２　、死亡状態分布Ｃδ
ごとに縦軸に表示される。上記の第７図（ａ）〜（ｃｌ
）に例示した魚９の特徴量のオンライン計測分布を正常
状態分布Ｃｒ　と比較することにより魚９の異常を定量
的に監視することができ、例えば魚９の狂奔時には狂奔
状態分布Ｃｓから４つの特徴量がすべて異常検出される
ので警報装置７からブザーなどの強い警報を出力し、ま
た１つまたは２つの特徴量のみが異常検出された場合に
はチャイムなどの弱い警報を出力することができるが、
ただしひれの動きＫについては値が零の場合には明らか
に死亡状態であるためこの特徴量のみの異常検出でも強
い警報を出力するなどの選択ができる。

〔発明の効果〕

本発明によれば、魚の生態によるひれの動きなどの特徴
量を定量的に連続監視することにより魚の正常異常を静
止状態でも正確に判別できるので、浄水場における原水
などの水中への毒物流入の有無を劣力化して迅速かつ正
確に自動的に判定して水質の安全性を確保できる。

【図面の簡単な説明】 第１図は本発明による焦眉監視装置の一実施例を示す全
体構成図、第２図は第１図の画像処理装置の詳細構成例
図、第３図（ａ）、（ｂ）、（ｃ）、（ｄ）は第２図の
２値化回路の２値化方法を説明するそれぞれ焦面像、魚
ひれ２値画像、魚本体２値画像。 輝度２値化しきい値の説明図、第４図（ａ）、（ｂ）。 （ｃ）は第２図の論理和回路の魚ひれ動き抽出方法を説
明するそれぞれ点画像、２時刻の魚ひれ２値画像、魚ひ
れ動きの説明図、第５図（ａ）、（ｂ）は第２図の魚の
傾き演算回路の魚の傾き抽出方法を説明するそれぞれ魚
本体２値画像、魚の傾きの説明図、第６図は第１図の演
算装置の詳細構成例図、第７図（ａ）、（ｂ）、（ｃ）
、（ｄ）は第６図の判定回路の魚の特徴量分布を説明す
るそれぞれ重心、速度、傾き、ひれの動きの分布側図で
ある。 １・・・水槽、３・・・照明装置、４・・・撮像装置、
５・・・画像処理装置（画像記憶装置の魚本体およびひ
れ部分を２値化抽出する手段と魚の位置および傾きを検
出する手段とひれの動きを検出する手段などを含む）、
６・・・演算装置（魚の移動速度を検出する手段と魚の
位置と速度と傾きとひれの動きがら水中の毒物流入を判
定する手段を含む）、７・・・警報装置、９・・・水棲
動物（魚）。

Claims (1)

【特許請求の範囲】
1. １、水中の毒物流入検知のために水棲動物を飼育する水
   槽と、上記水棲動物の画像情報を電気信号に変換する撮
   像装置と、該撮像装置から得られる画像情報を記憶する
   画像記憶装置と、該画像記憶装置の画像情報から上記水
   棲動物の画像を２値化抽出する手段と、該水棲動物の２
   値化画像に基づいて該水棲動物の位置および傾きを検出
   する手段と、上記水棲動物の位置から該水棲動物の移動
   速度を検出する手段と、上記画像記憶装置の画像情報か
   ら上記水棲動物のひれ部分を２値化抽出する手段と、該
   水棲動物のひれ部分の２値化画像に基づいて該水棲動物
   のひれの動きを検出する手段と、上記水棲動物の位置と
   傾きを移動速度とひれの動きから水中の毒物流入を判定
   する手段とから成る魚態監視装置。