非接触かつ非侵襲な魚類鮮度判定システムの開発

魚類画像のみを用いた非侵襲かつ非接触な魚類鮮度判定手法の開発を行った。具体的には、魚類画像を深層ニューラルネットワークに入力し、深層特徴量を抽出する。その特徴量に基づき魚類の鮮度を推定する。従来法に比べ、本システムの全工程はAIに完結し、魚体を触れずに迅速に鮮度を判定することが可能である。実応用において、ユーザーが撮影した魚類画像の品質は照明条件の影響を激しく受ける課題を考慮して、今年度は最初に、照明状況に頑健な魚体領域抽出法を提案した。本手法は深層学習を用いた画像再照明法を魚類画像に適用し、多様な照射角度からの再照明画像を人工的に生成するにより、本来の魚類画像セットに対してデータ拡張を行った。拡張後のデータセットを用いて再度学習した分割モデルは照明状況に対する頑健性を得られたことを確認し、その成果を国内会議で発表した。また、鮮度判定に必要な色転写手法を新たに改良し、風格が異なる転写画像の生成を実現した。その成果を国際会議で口頭発表した。これらの手法を踏まえて、魚類画像のみを用いる鮮度法システムの開発を行い、その有効性を確認できた。その成果を国際シンポジウムで発表した。加えて、関連する画像分割アルゴリズム、マルチモーダル回帰アルゴリズム、物体検出アルゴリズムを複数提案した。これらの研究成果について、国際ジャーナル論文1編、国内会議において2件、国際シンポジウムにおいて3件を発表した。以上が本年度の研究実績の概要である。

魚類画像のみを用いた非侵襲かつ非接触な魚類鮮度判定手法の開発を行った。具体的には、魚類画像を深層ニューラルネットワークに入力し、深層特徴量を抽出する。その特徴量に基づき魚類の鮮度を推定する。従来法に比べ、本システムの全工程はAIに完結し、魚体を触れずに迅速に鮮度を判定することが可能である。実応用において、ユーザーが撮影した魚類画像の品質は照明条件の影響を激しく受ける課題を考慮して、今年度は最初に、照明状況に頑健な魚体領域抽出法を提案した。本手法は深層学習を用いた画像再照明法を魚類画像に適用し、多様な照射角度からの再照明画像を人工的に生成するにより、本来の魚類画像セットに対してデータ拡張を行った。拡張後のデータセットを用いて再度学習した分割モデルは照明状況に対する頑健性を得られたことを確認し、その成果を国内会議で発表した。また、鮮度判定に必要な色転写手法を新たに改良し、風格が異なる転写画像の生成を実現した。その成果を国際会議で口頭発表した。これらの手法を踏まえて、魚類画像のみを用いる鮮度法システムの開発を行い、その有効性を確認できた。その成果を国際シンポジウムで発表した。加えて、関連する画像分割アルゴリズム、マルチモーダル回帰アルゴリズム、物体検出アルゴリズムを複数提案した。これらの研究成果について、国際ジャーナル論文1編、国内会議において2件、国際シンポジウムにおいて3件を発表した。以上が本年度の研究実績の概要である。