環境変化に順応するネイチャー・レジリエント・ネットワーク型生け簀ロボットの研究

点击翻译按钮获取中文摘要

（課題2）センサからの情報を基にしたインテリジェントな給餌方式に関して、Optical Flowを当研究室が開発したマルチセンサプラットフォームで撮影した生け簀内の魚群に適用した。餌を生け簀に投入すると、それまでは、水平方向にゆっくり回遊していた魚群が、一斉に上方向に動きを活発化させる。その時のそれぞれの魚の動きをベクトルとして定量化する。具体的な定量化の対象は、ベクトルの大きさと角度であり、これをベクトル量と呼ぶ。本ベクトル量を学習させることで、魚群活性度AIを構築した。魚群活性度AIでは、魚が空腹の時は、餌への反応が早い（移動量大、しかも上方向）、満腹時は、反応が遅い（移動量小、しかも水平方向）という仮説に基づいている。魚群活性度AIを評価するために、長崎県総合水産試験場内にある実験生け簀の一部を借用し、評価実験を行った。評価実験においては、給餌中の魚群の活性度を下記の2つの状態に分類した。①高活性：餌が水面に着水した瞬間、勢いよく食いつき、上下の動きが激しい状態②低活性：給餌しても魚群の反応が低い状態高活性と低活性の区別は、水産試験場のベテラン給餌担当者の判断に基づき分類した。それぞれの状態の時の映像情報からOptical Flowにより算出した魚群のベクトル量を、Support Vector Machineという機械学習にかけることにより学習モデルを作成した。評価実験により作成した学習モデルに、学習する際に用いなかった魚群のベクトル量を入力し、魚群の活性度を正しく判定できるかどうかの検証を行った。その結果、94%の精度で、魚群の活性度を正しく判定できることが確かめられた。この結果から、Optical Flowによる魚群活性度の定量化手法に基づく、魚群活性度AIの有効性が確かめられた。