高精度測位×AIで漁船の操業内容を自動推定、実証で判定一致率80〜100%

11種類の操業ラベルを、漁業者本人への聞き取りで付けていった進め方が、この取り組みの土台になっています。航跡を見ながら当事者に「この時間は何をしていたか」を確認するため、データに付く正解の質が高く、AIが学ぶ対象がぶれにくくなります。「集魚」「試し釣り」「不明」まで区分を設けた点も見逃せません。判断のつかない区間を無理にどこかへ押し込まない設計は、学習データの汚れを防ぐうえで理にかなっています。

測位の精度とデータの欠落対策を、機器側で先に固めた判断も効いていると見ています。SLAS対応のGNSSモジュールにRaspberry Pi 4やLTE通信モジュール、各種センサーを組み合わせた機器を自社で設計し、携帯電波の届かない沖合でも位置情報をため込めるようキャッシュ容量を確保しました。市販品のカスタマイズではなく開発環境ごと手元に置いたことで、AIに渡すデータの粒度と連続性を自分たちで管理できる構成になっています。

さらに、アルゴリズムを漁港ごとに構築し、延縄漁・一本釣り・刺し網漁など地域で異なる漁法を個別に扱った点も、短期間で精度を確かめるには現実的な切り分けでした。実証期間の終了後もラベリング作業を続けており、学習データを積み増しながらAIエンジンを磨く循環が回り続けています。