五島市のマグロ養殖、ドローンとAIで赤潮通知の時間を約98%削減した実証

効いたのは、海を広く見る工程と、疑わしい場所を詳しく調べる工程を分けた二段構えの設計です。まず広域を飛行するドローンが養殖海域全体の海面の着色具合を検知し、赤潮発生のリスクがある個所を特定します。そのうえで採水ドローンが、絞り込まれた地点から深さを変えて海水を採取する。全域を一律に精密検査するのではなく、粗く広く探してから細かく確かめる順序にしたことで、限られた機材でも海域全体を守備範囲に置ける構造になりました。

次に、経験差が出やすい工程だけをAIに委ねた点です。採取された海水はAIの画像解析にかけられ、有害プランクトンの識別と計数まで機械の側で処理されます。ここで自動化の対象になっているのは「何が写っているかを見分けて数える」という、判断基準をそろえやすい部分に限られており、どこで採水するか、通知を受けた後にどう動くかという判断は人の手元に残されています。線を引く位置を、経験がものを言う判断ではなく反復精度が求められる作業に定めた設計が、現場で使える形につながったのではないでしょうか。

三つ目は、検知の精度を上げるだけで終わらせず、漁業者に情報が届くところまでを一続きの流れとして組んだことです。長崎大学が海水サンプリングおよび画像収集ロボットシステム、システムファイブが有害赤潮リアルタイム判別システム、KDDIが判別結果を漁業者に周知する通知システムと、開発主体は得意分野ごとに分かれています。それでいて採水から判別、通知までが途切れずにつながっており、情報は現場に届いて初めて価値になるという前提が、体制の組み方そのものに表れています。