稚魚の数え作業を人手の半分以下の時間に、マルハニチロの養殖魚カウントAI

養殖の現場では、稚魚を網でバケツに移して重さを量り、1尾あたりの重さで割って尾数を出す方法が今も一般的です。魚にも作業者にも負担がかかるうえ、精度も高くありません。成魚なら目で数えることもできますが、1日に数千から数万尾、大きさも向きもばらばらで跳ね回る魚が相手です。

編集部の見立てでは、ここでの課題は「数える手間」以上に、「生き物を傷めずに、正確な数を知る手段がなかった」ことにあります。重さで割る方式は、正確さを捨てる代わりに作業を成り立たせてきた妥協の産物ともいえるでしょう。尾数は出荷や給餌など養殖経営の前提になる数字なので、その土台が概算のままだったことが、AI活用の出発点になったと考えられます。

尾を除いた魚体の形だけを学習させるという割り切りが、成魚の計数を成立させた最大の要因だと考えられます。泳ぐ魚の尾は形の変化が大きく、そのすべてを網羅して学習させるのは現実的ではありません。「覚えさせる対象を、変化の小さい部分に絞る」という発想の転換によって、AIが迷う余地そのものを減らしています。映像の中でカンパチだけを数え、混じったカワハギは数えない識別ができているのも、この形の定義が効いているからでしょう。

稚魚では、AIの性能を上げる前に「撮りやすい状況」を物理的に作っている点が目を引きます。撮影部分だけを平らにした配管は、食品工場や飲料工場で配管中の液体を目で確かめる仕組みから着想を得たもので、食品製造も手がける同社の知見が養殖に持ち込まれた形です。魚を一定の厚みと流れに整えれば、画像は安定し、認識の難度は下がります。流速の調整に苦労したという点からも、撮影環境の設計がAIの精度と一体で詰められていたことがうかがえます。

先行した成魚カウンターの技術を稚魚カウンターへ転用した進め方も、見逃せません。一つの成功で得た認識の仕組みを横展開することで、開発を一から繰り返さずに済んでいます。体長計測や魚群行動の解析へと画像解析の対象を広げていることから見ても、現場の課題ごとに技術を積み上げていく内製チームの体制が、こうした転用を可能にしていると考えられます。

稚魚AIカウンターは稼働テストの段階にあり、人が数えるより半分以下の時間でカウントできるとされています。成魚AIカウンター「かうんとと」では、計測対象の魚だけを識別して数え、結果をタブレットで確認できる形になっています。尾を除いた形を学習させる手法は特許を取得しており、関連して魚の体長を画像で計測する技術も特許を取得済み、魚群行動の解析技術は出願済みです。今後については、遠隔地からスマートフォンやPCで魚や養殖場の状態を確認できるようにするなど、養殖のスマート化を進める方針が示されています。作業負担の軽減で担い手が増えることへの期待も語られており、計数の自動化は人手不足対策の入り口としても位置づけられているようです。