JP6401411B1 - 人工知能による漁獲物識別システム、管理システム及び物流システム - Google Patents

Abstract

【課題】人工知能を活用し、漁獲物を識別して履歴を追跡可能とする漁獲物識別システム、漁獲物の品質管理等をシステム化する漁獲物管理システム、及び漁獲物の物流等をシステム化する漁獲物物流システムを提供する。【解決手段】漁獲物１３の魚種１４ごとの魚種特徴量を記憶する魚種特徴量記憶部７と、漁獲物１３を個別に撮像して特徴量を抽出する撮像部４と、特徴量を魚種特徴量と比較し、漁獲物１３の魚種１４を判定する魚種判定部８と、漁獲物１３に識別番号１０を付与する識別番号付与部９と、特徴量から同種の他の漁獲物１３と識別可能な個別特徴量を抽出する個別特徴量抽出部６ａと、個別特徴量を漁獲物１３ごとに識別番号１０に紐付けして保存する個別漁獲物データベース１２とを備える。【選択図】図１

Description

本発明は、人工知能を活用した漁獲物の識別システム、管理システム、及び物流システムに係り、特に、沿岸漁業や沖合漁業などの在来漁業、栽培漁業、養殖漁業について人工知能を活用して漁獲物を個別に識別する漁獲物識別システム、及び、上記漁獲物の品質及び価格を管理する漁獲物管理システム、及び、上記漁獲物を最終消費地まで搬送する漁獲物物流システムに関する。

我国における漁業は、例えば、沿岸漁業、近海漁業、養殖漁業、栽培漁業などに分類される。沿岸漁業とは我国の陸地から比較的近い沿岸部で行われる、例えば小規模な定置網漁や地引網漁などにより魚介類を獲る漁法である。我国の漁業従事者の８５％がこの沿岸漁業３ａに従事していると言われる。近海漁業３ｂとは沖合漁業ともいわれ、我国の近海から２〜３日で往復できる範囲に２０トン〜１５０トン程度の漁船により、例えば、まき網漁などにより、イワシ、サンマ、サバ、アジ、イカなどを獲る漁法である。我国の漁獲高の４割近くは、この近海漁業によるといわれている。ここで、世界各国の漁場を対象とする遠洋漁業については本発明の範囲外とする。

魚市場における漁獲物の水揚げから競りまでの一般的な流れを整理する。日本の近海で獲れる漁獲物は、漁船により漁獲されると近隣の漁港に水揚げされる。漁港では水揚げされた漁獲物を魚種やサイズによりそれぞれ選別する。そして漁獲物のうち活魚は「うたいセリ」と呼ばれる方法で仲買人によりカゴごとに競買にかけられる。そして、より高値を言った仲買人がそのカゴを購入することができる。また、漁獲物のうち鮮魚は、仲買人が欲しい漁獲物のカゴに希望の値段を書いた札を入れる「入札」が行われる。そして、一番高値を付けた仲買人が買う権利を得る。「競り」により競り落とされた漁獲物は仲買人により活魚槽や荷捌き場へ運ばれる。活魚は活魚車に移され生きたまま中央の卸売市場などに運ばれ、鮮魚はその魚種ごとにそのサイズ別に箱詰めされ保冷車に積まれて中央の卸売市場へ運ばれる。そして、消費地の卸売市場に運ばれた漁獲物は一般の魚屋などで消費者に売り捌かれる。このように、漁獲物は漁獲されてからの経過時間により鮮度が落ちていくため、いかに早く最終消費者のもとに届けるかがその漁獲物の品質を決定し、価格に影響する。

一方、日本の近海で獲れる漁獲物は、例えば、エルニーニョや地球温暖化などの影響で海流が変化し、それに伴い漁獲物の生息域も変動している。これまで特定の漁獲物の水揚げが多かった漁港でその漁獲物の水揚げが減少したり、今まで特定の漁獲物の水揚げが少なかった漁港でその漁獲物の水揚げが増加したりする場合があり、各漁港は、その対応に苦慮している。

さらに、近年、日本近郊の漁獲物の減少とは逆に中国、台湾、韓国などの東アジア各国の漁獲量が増加している。これは、これらの国を含む世界的な漁獲物の需要増が顕著になりつつある。そのため、日本の近海から離れた公海や日本の排他的経済水域（２００海里水域）の内外を漁場とし、大型漁船が船団を組んで漁獲物を獲っている。

これらの動向に対応するため、近年、漁獲物の冷凍技術により新鮮な状態の漁獲物を遠隔の消費地に輸送する方式が採用されつつある。すなわち、これまで漁港の近辺でしか消費できなかった魚種が遠隔の消費地にまで輸送することが可能となった。また、漁港から直接消費者に漁獲物を提供する鮮魚流通ネットワークが実施され始めている。この鮮魚流通ネットワークにより、漁港で漁獲物を競り落としていた仲買人と飲食店との間に入って漁獲物の取引を行っていた仲卸業者を省略できることから、時間とコストを削減できるようになる。

さらに、漁業の新たな手法として養殖漁業や栽培漁業が活発化している。養殖漁業とは、卵から出荷サイズになるまで水槽や「いけす」で人の管理により育てる漁業をいう。一方、栽培漁業とは、卵から稚魚になるまでの一番弱い時期を人間の手で育て、外敵から身を守れるようになったらその稚魚を海に放流し、自然の海で成長したものを漁獲する漁業をいう。

特許文献１には、数種類の複数の魚をそれぞれ傷つけることなく高速に仕分けでき、かつ仕分けを要する魚種の変更にも容易に適応可能で構成が簡単な魚種仕分け装置が開示されている。ここでは、画像処理装置等により複数の魚についてそれぞれの魚種を判別し、その判別結果を示す判別信号を送出可能に設けられた判別手段と、この判別手段により魚種判別されたそれぞれの魚を、ベルトの進行方向と直交する方向に仕切られたセルに１尾ずつ収容して搬送するベルトコンベアと、このベルトコンベア上の末端から下方部にかけて前記セルの開口部を覆うように設けられた案内プレートと、この案内プレートの途中に、前記判別手段から送出される各判別信号に応じて開閉動作し、魚箱内に特定魚種の魚を落とし込む仕分け蓋とが記載されている。

特許文献２には、従来よりも高い精度で、魚全体としての鮮度を客観的に推定することができる魚の鮮度推定方法が開示されている。ここでは、魚の鮮度推定方法であって、３１５ｎｍ〜４５０ｎｍの波長帯域の全て又は一部を含む光を魚の眼に照射して得られる吸光度スペクトルを取得する吸光度スペクトル取得ステップ（Ｓ１１）と、取得された吸光度スペクトルの形状を用いて、魚の鮮度を推定する鮮度推定ステップ（Ｓ１２）とを含むことが記載されている。

特許文献３には、魚市場情報管理システムは、魚市場内に設置される計量装置と、魚市場内の情報を管理する魚市場情報管理サーバと、漁獲物の競りに入札する買受人により操作される買受人端末とを有する。計量装置は、荷主により水揚げされた漁獲物の重量を計量し、計量した漁獲物の重量を示す情報を魚市場情報管理サーバに送信し、魚市場情報管理サーバは、計量装置から受信した重量の情報を用いて、漁獲物の競りのリストを作成し、買受人端末に送信する。買受人は、買受人端末に表示された競りのリストに入札額を入力し、魚獲物の水揚げから競りまでの魚市場における作業全体の効率化を実現することが記載されている。

特許文献４には、地球温暖化の影響により、危機的な減少傾向にある水産資源の食糧自給率向上を目的として、地上において栽培漁業を行う海洋水循環式天然型魚介類育成システムが開示されている。ここでは、掘削した地盤面、若しくはＦＲＰまたはコンクリート構造の躯体で構成された周回式人工ラグーンＡ内に、海藻の胞子類を着定させて藻場礁を形成し、岩礁性底棲魚介類の育成を行う緩斜面Ｂと、海藻類と二枚貝による海水浄化作用と砂質性底棲魚介類の育成を行う砂質層Ｃとを備えさせ、当該ラグーン内に再生可能エネルギーを主動力源とする海洋水取水システム及びパイプライン輸送システムにより導入された海洋水を循環させて、ワカメなどの養殖技術による人工藻場礁を形成し、更に海洋水取水口から捕らえられた多様な動植物プランクトンの働きにより自然界の食物連鎖からなる海洋生態系を再現し無給餌で魚介類を育成することが記載されている。

特許文献５には、魚介類の養殖業において、非熟練者でも熟練者と同じように漁業を行えるように支援する栽培漁業支援システムが開示されている。ここでは、操業管理装置で予め登録した操業計画データを元に操業が行われ、作業船の設置されている端末装置のＧＰＳにより現在位置情報を取得する。現在位置情報を監視し、状況に適した指示を出すことにより、より正確な操業を行うことができる。さらに、操業管理装置は、操業後に作成される操業実績データを取りまとめることにより、資源の生育状況、各漁場での収穫状況の把握、収穫済みの場所を一括して管理することができることが記載されている。

特開平８−１４０５６２号公報 特開２０１５−２３２５４３号公報 特開２００５−３５２９５５号公報 特開２０１１−１０６４５号公報 特開２００６−３２０２０３号公報

（漁獲物の個別認識）
上述の漁獲物は、漁港の市場で「競り」が行われた後、どの漁獲物がどのルートを経てどの消費地へ行き、どこの店で料理されたかが正確にトレースできないという課題がある。また、消費者からみると、その漁獲物がどこで漁獲されたのか、だれが獲ったのか、いつ獲れたのか、などの情報がほとんどなく魚料理を提供する店や魚屋を信用するしかないという問題がある。同じ生鮮食料品であっても野菜や肉製品等が、「食の安全・安心」を担保するため産地表示や生産者表示を行っているのとは大きな格差がある。また、養殖漁業や栽培漁業の進化によりブランド化した漁獲物が発生し、一般の漁獲物と差別化するために漁獲物の品質保証を行っていくことが想定される。そうなると、漁獲物の個別認識が重要な戦略となる。

（漁獲物の鮮度低下）
漁港に水揚げされた漁獲物は、漁業者から市場開設者により市場に並べられ、その漁獲物に対して仲買人により競売が行われる。このため、市場に並べられた漁獲物は、この競売が終了するまで放置され、その間、漁獲物の鮮度は時間と共に落ちてしまう。また、競売自体についても、より高く売りたい漁業者と、より安く買いたい仲買人との交渉が行われるため、値段が決まるまでに時間がかかり漁獲物の鮮度を低下させるという課題がある。

（漁獲物の客観的な品質予測）
漁港に水揚げされた漁獲物に対し、「目利き」と言われる仲買人の経験に基づき各漁獲物の値付けが行われる。すなわち、漁獲物の品質予測に関しては、この仲買人の経験値に依存しているため、漁港ごとの漁獲物の品質についての統計的なデータが蓄積できず、また、客観的な品質に対する評価を記録することができないという課題がある。また、漁港ごとに異なる仲買人がいる場合には、漁獲物の統一的な品質予測が難しく、仲買人の高齢化により経験のある後継者がなかなか育たないという課題がある。さらに、述した在来漁業だけではなく栽培漁業や養殖漁業の場合、どのように漁獲物の客観的な品質予測をするのかという課題がある。

（漁港間の情報共有化）
また、この漁獲物の市場における競売は漁港ごとに開設されており、市場相互の情報の共有化が進んでいるとは言い難い。このため、例えば、北海道地区の各漁港に水揚げされた漁獲物について、エルニーニョ現象や地球温暖化などにより各漁獲物の漁獲高が変化していること、漁獲物の大きさや形状が変化していること等、漁獲物の品質に関連する変化を統計的或いは客観的に把握することが難しいという問題がある。さらに、上述した在来漁業に対して栽培漁業や養殖漁業の割合がどのように変化しているのか統計的或いは客観的に把握することが難しいという問題がある。

本願の目的は、かかる課題を解決し、人工知能を活用し、個々の漁獲物を識別してそれら履歴を追跡可能とする漁獲物識別システム、識別した漁獲物の品質管理等をシステム化する漁獲物管理システム、及び識別した漁獲物の物流等をシステム化する漁獲物物流システムを提供することである。

上記目的を達成するため、本発明に係る人工知能による漁獲物識別システムは、漁獲物の画像をビッグデータから選択し、ニューラルネットワークにより解析して漁獲物の特徴量を抽出し、ディープラーニングにより漁獲物を識別する漁獲物識別システムであって、漁獲物の魚種ごとの魚種特徴量を特徴量データとして記憶する魚種特徴量記憶部と、漁獲物を個別に撮像して漁獲物の特徴量を抽出する撮像部と、特徴量を魚種特徴量と比較し、漁獲物の魚種を判定する魚種判定部と、同種の漁獲物と識別可能な個別特徴量を抽出し、識別番号を付与する識別番号付与部と、特徴量から同種の他の漁獲物と識別可能な個別特徴量を抽出する個別特徴量抽出部と、個別特徴量を個別特徴量データとして漁獲物ごとに識別番号に紐付けして保存する個別漁獲物データベースと、を備えることを特徴とする。

上記構成により、漁港に水揚げされた漁獲物に対し、人工知能を活用したニューラルネットワークやディープラーニング等により漁獲物の特徴量を解析し、個別に識別番号を与えて個別漁獲物データベースに保存し、その漁獲物に関する種々の情報を一元的に集中して保存することができる。また、同種の漁獲物と識別可能な個別特徴量を抽出して識別番号を付与することにより、漁獲物をあたかも工業製品における製品番号のように個別に取り扱うことが可能となる。つまり、これまでの人手をかけた漁業をより効率的な産業とするには、漁獲物に個別番号を付与し、元々生き物である漁獲物をあたかも工業製品のように個別に管理することが求められる。その前提として、人工知能を活用することで、これまで不可能であった漁獲物への個別識別番号の付与が可能になり、その漁獲物に関する種々の情報を一元的に集中して保存できる。さらに、後述するように本漁獲物識別システムを活用し、漁獲物の品質を個別の漁獲物ごとに管理することでよりきめ細かく漁獲物の品質管理が実施できる。さらに、本漁獲物識別システムを活用し、漁獲物の物流に関して漁獲物ごとに流通過程をトレースすることができより安全で安心な食材とすることができる。

また、個別漁獲物データベースを設け、個々の漁獲物に関してあらゆるデータを一元的に保存してビッグデータとすることは、漁獲物を人工知能により解析して予測をする場合に、より精度の高い予測が可能になる。なお、上記撮像部により撮像される画像には、カメラによる画像データだけではなく、センサなどによるデータも含まれる。さらに、ビデオカメラによる画像データも含まれる。

但し、漁港に水揚げされた全ての漁獲物に対して本漁獲物識別システムを適用しなくても良い。例えば、その漁港の代表的な魚種、特産の魚種、或いは大型魚についてのみ適用しても良く、小型魚は上述したカゴに入れたままその中の代表的な魚について適用しても良い。これは、小型魚はカゴに入れられたままで流通し、最終消費地へと送られるからである。

また、漁獲物識別システムは、個別漁獲物データベースが、水槽で飼育される漁獲物について、給餌に関する情報と水槽内の漁獲物の状態に関するデータとを関連付けして個別養殖魚データベースとして保存することが好ましい。本漁獲物識別システムは、一般的な沿岸や近海に生息する漁獲物を採取するという漁業の形態だけではなく養殖漁業にも適用される。そして、養殖漁業においては水槽や生簀において漁獲物を育成できるため、在来漁業に比べてより個別漁獲物データベースを活用することができ、その効果が期待できる。特に、給餌の内容により漁獲物の状態が影響を受ける。そこで、個別漁獲物データベースに給餌の内容をデータ化して保存し、水槽内の漁獲物の例えば、健康状態、活動量、体重などの状態に関するデータと対をなすことで、給餌の内容が漁獲物の状態に対してどのように影響するかを解析することができる。

また、漁獲物識別システムは、水槽内の水温を計測する水温計測部と、水槽内の水質を計測する水質計測部と、水槽内の水流を計測する水流計測部と、水槽内の水温を調整する水温調整部と、水槽内の水質を調整する水質調整部と、水槽内の水流を調節する水流調節部と、を備え、個別養殖魚データベースは、水温計測部、水質計測部及び水流計測部の測定結果と、水槽内の漁獲物の状態に関する情報とを関連付けして保存することが好ましい。このように、養殖漁業に本発明の個別漁獲物データベースを活用して水槽内の水温に関する情報、水質に関する情報、及び水槽内の水流に関する情報と水槽内の漁獲物の例えば、健康状態、活動量、体重などの状態に関するデータとを関連付けて記録することでより効果的なに漁獲物を育成するシステムとすることができる。

また、漁獲物識別システムは、水槽内を回遊する漁獲物の動作をビデオカメラで撮像する動画撮像部と、動画撮像部により撮影された動画から漁獲物の個別特徴量を抽出して漁獲物の識別番号を認識する漁獲物識別部とを備え、動画が、識別番号を有する養殖魚の養殖魚データベースに保存されることが好ましい。このように、養殖魚の生態を撮像して個々の養殖魚ごとに監視することで養殖魚をきめ細かく育成することができる。

また、漁獲物識別システムは、動画から漁獲物の採餌行動を抽出し、採餌行動から漁獲物の状態を予知して個別漁獲物データベースに保存することが好ましい。このように、養殖漁業に本発明の個別データベースを活用して水槽内の水質に関する情報、及び水槽内の水流に関する情報と水槽内の漁獲物の健康状態とを関連付けて記録することでより効果的なシステムとすることができる。

また、漁獲物識別システムは、個別養殖魚データベースに保存された動画を用いて水槽内の漁獲物を盗難から防止する漁獲物盗難監視部を備えることが好ましい。ことが好ましい。このように、養殖漁業に本発明の個別データベースを活用して水槽内の水質に関する情報、及び水槽内の水流に関する情報と水槽内の漁獲物の健康状態とを関連付けて記録することでより効果的なシステムとすることができる。

また、漁獲物識別システムは、個別漁獲物データベースが稚魚の段階の個別特徴量画像データ及び個別稚魚特徴量データを個別稚魚データベースに保存することが好ましい。これにより、栽培漁業において、稚魚の段階でデータベース化して記録することでより効果的なシステムとすることができる。

また、漁獲物識別システムは、個別栽培魚データベースが海洋に放流された稚魚が成長して成魚の状態で漁獲物として水揚げされた場合に、栽培魚照合部に稚魚識別番号と栽培魚識別番号とを照合させて紐付けする。これにより、成長した稚魚が漁獲物として水揚げされた場合に、栽培魚の識別番号を稚魚の識別番号と照合することで栽培魚の稚魚の生存率が把握できる。

また、人工知能による漁獲物識別システムを用いた漁獲物管理システムは、漁獲物の重量を計量する重量計量部と、漁獲物の三次元形状を計測する三次元形状計測部と、漁獲物の目及び体表面の色調を撮影する色調撮像部と、漁獲物の品質を予測する品質予測部とを備え、個別漁獲物データベースが漁獲物の重量データ、三次元形状データ、目の色調データ、及び、体表面の色調データを個別品質データとして漁獲物の識別番号と関連付けて保存することが好ましい。これにより、これまで人手に頼ってきた漁獲物の品質に関する仕分け作業を漁獲物管理システムによりシステム化することができる。

また、漁獲物管理システムは、三次元形状計測部が三次元形状から漁獲物の体長データを算出し、漁獲物を所定の範囲の体長ごとに仕分け、漁獲物の体長データと漁獲物の重量データから漁獲物の体形データを算出し、個別漁獲物データベースは、体長データ及び体形データを漁獲物の識別番号と関連付けて保存することが好ましい。これにより、漁獲物の仕分けの際に、人手によらずに漁獲物を太っているものと痩せたものとを分別し、漁獲物を価格帯ごとに揃えることができる。

また、漁獲物管理システムは、三次元形状計測部が三次元形状から漁獲物の体積データを算出し、重量計量部にて計量した重量データから漁獲物の密度データを算出し、品質予測部は、体積データ及び密度データから漁獲物における肉質の締り具合を肉質データとして予測し、個別漁獲物データベースが体積データ、密度データ、及び肉質データを個別品質データとして漁獲物の識別番号と関連付けて保存することが好ましい。これは、買付人などの「目利き」によると、漁獲物は、死後２４時間は死後硬直が続いており「イキ」のいい状態だと言われている。これが、２４時間を超えると死後硬直が終わり急激に柔らかくなる。従って、三次元形状計測部により三次元形状から漁獲物の体積と、重量計量部の計量した重量とから漁獲物の硬さを算出する。すなわち「漁獲物の肉の締まり具合」について、漁獲物の密度から漁獲物の鮮度を予測することができる。

漁獲物管理システムは、色調撮像部が漁獲物の目の色調に関するデータ又は漁獲物の体表面の色調に関するデータを計測し、品質予測部は、目の色調及び体表面の色調に関するデータから漁獲物の鮮度を予測し、個別漁獲物データベースが目の色調データ、体表面の色調データ、及び鮮度データを漁獲物の識別番号と関連付けて保存することが好ましい。これは、買付人などの「目利き」によると、新鮮な漁獲物の目は透き通って見えるのに対して古くなった漁獲物は白く濁って変形していると言われている。従って、漁獲物の目の色調を観察することでその漁獲物の新鮮度を予測できる。すなわち、その魚種の目の色調パターン及び目の形状パターンをデータベース部に蓄積しておき漁獲物の目の色調及び形状とパターンマッチングすることで、その漁獲物の新鮮度を予測することができる。

漁獲物管理システムは、特定の漁獲物について雌雄の身体的特徴を抽出する雌雄特徴抽出部と、漁獲物の雌雄に関する特徴を魚種ごとに比較して漁獲物の雌雄を判定する雌雄判定部とを備え、個別漁獲物データベースが漁獲物の雌雄に関する情報を漁獲物ごとに識別番号に紐付けして保存することが好ましい。これにより、雌雄により価格が大きく異なる魚種について、迅速に仕分けすることができる。

人工知能による漁獲物識別システムを用いた漁獲物物流システムは、漁獲物の物流段階での個別特徴量画像データ及び個別特徴量データを取得し、個別特徴量画像データ及び個別特徴量データを個別漁獲物データベースに保存された個別特徴量画像データ及び個別特徴量データと照合して識別番号を特定し、漁獲物ごとに物流履歴を追跡し、個別漁獲物データベースが物流履歴データを識別番号に紐付けして保存することが好ましい。この識別番号に紐付けされた物流履歴データにより、漁獲物の物流の数量について具体的に把握でき、各漁港における物流の具体的なシミュレーションが可能となる。

漁獲物物流システムは、識別番号に基づいて魚種ごとの漁獲物の数量を算定する漁獲物数量算定部、魚種ごとの漁獲物の数量に占める養殖漁業又は栽培漁業による漁獲物の割合を算出する漁業構成比算出部、及び、個別漁獲物データベースに保存された物流履歴データから漁獲物の物流の経路をトレースする漁獲物物流把握部を備え、個別漁獲物データベースが物流履歴データを最新の情報に更新することが好ましい。これにより、漁獲物の物流の数量について正確に把握でき、各漁港における物流の具体的なシミュレーションが可能となる。

漁獲物物流システムは、漁獲物物流把握部が漁獲物の物流の経路から最終消費地における漁獲物の需要を推定することが好ましい。これにより、最終消費地の需要の変動が漁獲物ごとに具体化し、各漁港における流通戦略の検討資料とすることができる。

漁獲物物流システムは、漁獲物物流把握部が個別の魚種について養殖漁業又は栽培漁業を含めた漁獲量の変動から養殖漁業又は栽培漁業の漁獲量を予想することが好ましい。これにより、漁法について、養殖漁業又は栽培漁業へのシフトの可能性や緊急性が即座に判明し、指針とすることができる。

漁獲物物流システムは、漁獲物物流把握部が漁獲物の消費地への最適な搬送ルート及び搬送手段のシミュレーションを、漁獲物識別システムによる個別認識を用いて行うことが好ましい。このように、漁獲物物流システムにより漁獲物の個別認識を活用して漁獲物をトレースし、漁獲物の品質の問題が発生した場合にはどの段階で問題が発生したかが即座に明確になり、迅速に対応策や改善策をとることができる。そして、漁獲物の物流に関する透明性が確保でき、消費者に対して食材の安全・安心が保証できる。

（ネットオークション）
漁獲物物流システムは、漁獲物物流把握部が魚市場における競りに代替してネットオークションを開催し、漁獲物の流通に通信ネットワークを利用することが好ましい。これにより、漁獲物の競りに誰でも何時でも何処からでも参加することができる。そして、誰でも識別番号が付与された漁獲物を個別に買うことができ、漁獲物の流通を小ロットで大量に、かつ簡単に捌くことが可能となる。

以上のように、本発明に係る人工知能による漁獲物識別システム、管理システム、物流システムによれば、人工知能を活用し、個々の漁獲物を識別して物流履歴データを追跡可能とする漁獲物識別システム、識別した漁獲物の品質管理等をシステム化する漁獲物管理システム、及び認識した漁獲物の物流等をシステム化する漁獲物物流システムを提供することができる。

漁獲物識別システムの一つの実施形態の概略構成を示すブロック図である。 水揚げされた漁獲物の仕分け方法の一つの実施形態の概略構成を示すブロック図である。 人工知能のニューラルネットワークなどによる画像解析から漁獲物の特徴量を抽出して魚種特徴量記憶部に記憶させる手順に関する一つの実施形態の概略構成を示す説明図である。 人工知能のディープラーニングなどにより漁獲物の特徴量と魚種特徴量とを比較して魚種を確定する手順に関する一つの実施形態の概略構成を示す説明図である。 人工知能のニューラルネットワーク及びディープラーニングなどにより同種の漁獲物と識別して識別番号を付与する手順に関する一つの実施形態の概略構成を示す説明図である。 養殖魚業の構成、及び個別漁獲物データベースの構成に関する一つの実施形態の概略構成を示すブロック図である。 栽培魚業の構成、及び個別漁獲物データベースの構成に関する一つの実施形態の概略構成を示すブロック図である。 漁獲物管理システムの一つの実施形態の概略構成を示すブロック図である。 漁獲物物流システムの一つの実施形態の概略構成を示すブロック図である。

以下に、図面を用いて本発明に係る漁獲物識別システム１につき、詳細に説明する。図１に、漁獲物識別システム１の一つの実施形態の概略構成をブロック図で示す。図２に、水揚げされた漁獲物１３の仕分け方法の一つの実施形態の概略構成をブロック図で示す。図３に、人工知能１１ａのニューラルネットワーク１１ｂによる画像解析から漁獲物１３の特徴量１５を抽出して特徴量データ７ｎとして魚種特徴量記憶部７に記憶させる手順に関する一つの実施形態の概略構成を説明図で示す。図４に、人工知能１１ａのディープラーニング１１ｃにより漁獲物１３の特徴量１５と魚種特徴量１５ｂとを比較して魚種１４を確定する手順に関する一つの実施形態の概略構成を説明図で示す。図５に、人工知能１１ａのニューラルネットワーク１１ｂ及びディープラーニング１１ｃなどにより同種の漁獲物１３と識別して識別番号１０を付与する手順に関する一つの実施形態の概略構成を示す。

（漁獲物識別システムの構成）
図１に示すように、本漁獲物識別システム１の対象は、沿岸漁業３ａ、近海漁業３ｂ、養殖漁業３ｃ、及び栽培漁業３ｄとする。沿岸漁業３ａ及び近海漁業３ｂは従来から一般的に行われてきた漁業であるため従来漁業と称する。本明細書では、従来漁業における漁獲物識別システム１を説明し、その後、養殖漁業３ｃ及び栽培漁業３ｄの場合における漁獲物識別システム１について従来漁業との相違を中心に説明する。ここで、世界各国の漁場を対象とする遠洋漁業については本発明の範囲外とする。

従来漁業において漁船により獲れた漁獲物１３は、近傍の漁港に運ばれて水揚げされる。漁港では水揚げされた漁獲物１３を、例えばベルトコンベアなどの漁獲物搬送機１７により市場に搬送する。漁獲物１３は、この搬送時において撮像部４により撮像される。撮像部４には、撮像カメラ４ａだけではなくセンサ４ｂが設けられても良い。このセンサ４ｂは、漁獲物１３の表面温度、臭気、色調などを計測する。また、ビデオカメラ４ｃが設けられ、漁獲物１３の動作を撮像しても良い。特に、養殖漁業３ｃでは水槽や生簀内の漁獲物１３の動作を撮像するのに用いられる。

（魚種特徴量の抽出及び記憶）
図１の図に向かって右側に図示するように、その漁港において獲れる可能性のある漁獲物１３については、撮像部４で撮像された画像に基づき魚種１４ごとに魚種特徴量１５ｂが抽出されて記憶される。この魚種特徴量１５ｂは、水揚げされた大量の漁獲物１３の画像データをビッグデータ１１ｄとして解析し、魚種特徴量画像データ５ｂとして魚種特徴量抽出部６ｂが抽出する。この魚種特徴量１５ｂの抽出のプロセスは人工知能１１ａの主としてニューラルネットワーク１１ｂにより実行され、その具体的な手法を図３に示す。

魚種特徴量抽出部６ｂにより抽出された各魚種１４の魚種特徴量１５ｂは、魚種特徴量記憶部７に保存される。例えば、サンマの特徴量データ７ａ，イカの特徴量データ７ｂ，ホタテの特徴量データ７ｃ，ウナギの特徴量データ７ｄ・・・魚種１４の特徴量データ７ｎなどが記憶されている。ここで、水揚げされた漁獲物１３は、ベルトコンベアなどの漁獲物搬送機１７上を移動する際に限らず、水槽や「いけす」などの漁獲物１３を収容するものに収められて撮像カメラ４ａ、センサ４ｂ、又はビデオカメラ４ｃにより魚種特徴量画像データ５ｂが撮られても良い。また、これらの記憶された魚種特徴量画像データ５ｂは、漁獲物識別システム１が稼働する前に予め用意しておいても良く、漁獲物識別システム１が稼働している際に記憶された魚種特徴量画像データ５ｂを最新のデータに更新しても良い。

（魚種判定）
図１の図に向かって左側に図示するように、水揚げされた漁獲物１３の魚種１４による仕分け方法を示す。漁獲物１３は、例えば、ベルトコンベアなどの漁獲物搬送機１７により市場に搬送する際に撮像部４により個別特徴量画像データ５ａが撮像される。そして、個別特徴量抽出部６ａにより個別特徴量１５ａが抽出される。撮像部４は、個別特徴量画像データ５ａを撮像すると同時にその個別特徴量画像データ５ａを魚種特徴量画像データ５ｂとしても良い。抽出された個別特徴量１５ａは、魚種判定部８により魚種特徴量記憶部７に記憶されている各魚種１４の魚種特徴量１５ｂと比較される。そして、その漁獲物１３の魚種１４が判定される。この比較は、人工知能１１ａの主としてディープラーニング１１ｃにより実行され、その具体的な手法を図４に示す。

（識別番号の付与）
魚種判定部８によりその漁獲物１３の魚種１４が確定すると識別番号付与部９は、その漁獲物１３に対して識別番号１０を付与する。例えば、漁獲された年号、曜日、魚種、漁獲された漁場、漁船、漁港などのデータと共に同種の漁獲物１３の内での連続番号が付与される。

具体的には、複数のサンマが漁獲された場合、サンマという魚種１４のなかでサンマ１，サンマ２，サンマ３・・・サンマｎというようにそれぞれのサンマに固有の識別番号１０を付与することである。これにより、サンマの漁獲量が正確に割り出され、各サンマが個別に品質管理され、各サンマの流通経路が明確になる。

（データ保存）
個別漁獲物データベース１２には、識別番号１０、魚種１４と共に個別特徴量画像データ５ａ及び個別特徴量データ２が保存される。すなわち、漁港で獲れた各漁獲物１３は、識別番号１０により漁獲された年号、曜日、魚種１４、漁獲された漁場、漁船、漁港などのデータが保存され、その個別特徴量１５ａが判定された基になる個別特徴量画像データ５ａ、及びその複数の個別特徴量１５ａを一括してデータ化した個別特徴量データ２が保存される。そして、この個別漁獲物データベース１２には、養殖漁業３ｃや栽培漁業３ｄでのデータが追加される。さらに、漁獲物管理システム４０及び漁獲物物流システム５０でのデータが追加され、一つのデータベースが完成し、それがビッグデータ１１ｄとして、人工知能１１ａによるより精度の高い解析が可能となる。

（仕分け作業）
図２に示すように、魚種判定部８により判定された漁獲物１３は、例えばベルトコンベアなどの漁獲物搬送機１７などにより仕分け部１８に搬送され、例えば、魚種１４、雌雄、成魚と幼魚などに仕分けされる。仕分け部１８は、魚種仕分け部１８ａ、雌雄仕分け部１８ｂ、未成魚仕分け部１８ｃから構成される。魚種１４以外で仕分けに必要な、漁獲物１３の長さ、漁獲物１３の雌雄の別、漁獲物１３の年齢などのデータは、個別漁獲物データベース１２から検索されて判定情報伝送部８ｂから仕分け部１８に伝達される。すなわち、これまで人手に頼ってきた仕分け作業は、漁獲物識別システム１を活用することで自動化が可能となる。なお、判定情報伝送部８ｂは、魚種１４の別、雌か雄か、成魚か幼魚かにより仕分けるだけに限らず、傷物か否か、病気持ちか否か、変形か否か、深海魚か否か、子持ちか否かなどによって分類して仕分けをしても良い。すなわち、その漁獲物１３の商品価値や価格に影響するような特徴を有する漁獲物１３を選別することができる。

（人工知能による画像解析）
図３に人工知能１１ａのニューラルネットワーク１１ｂによる画像解析から漁獲物１３の特徴量１５を抽出して魚種特徴量記憶部７に記憶させる手順が示されている。人工知能１１ａは、漁獲物１３のビッグデータ１１ｄからその漁港で獲れる可能性のある全ての魚種１４を選択し、それを魚種α_１，魚種α_２，魚種α_３，魚種α_４・・・魚種α_ｎとする。それらの魚種１４について撮像部４が撮像した魚種特徴量画像データ５ｂとして、画像データ５ｂ_１，画像データ５ｂ_２，画像データ５ｂ_３，画像データ５ｂ_４，・・・画像データ５ｂ_ｎを用いる。魚種特徴量抽出部６ｂは、これらの魚種特徴量画像データ５ｂから個々の画像データ５ごとに、例えば、その魚種１４において他の魚種１４と比較して特徴的な背びれ（Ａ），尾びれ（Ｂ），腹びれ（Ｃ）・・・について魚種特徴量１５ｂを抽出する。魚種α_１については、背びれ（Ａ）の魚種特徴量１５ｂがＡ１であり、尾びれ（Ｂ）の魚種特徴量１５ｂがＢ１であり、腹びれ（Ｃ）の魚種特徴量１５ｂがＣ１であると判断する。魚種α_２については、背びれ（Ａ）の魚種特徴量１５ｂがＡ２であり、尾びれ（Ｂ）の魚種特徴量１５ｂがＢ１であり、腹びれ（Ｃ）の魚種特徴量１５ｂがＣ２であると判断する。魚種α_３については、背びれ（Ａ）の魚種特徴量１５ｂがＡ１であり、尾びれ（Ｂ）の魚種特徴量１５ｂがＢ１であり、腹びれ（Ｃ）の魚種特徴量１５ｂがＣ２であると判断する。魚種α_nについては、背びれ（Ａ）の魚種特徴量１５ｂがＡ１であり、尾びれ（Ｂ）の魚種特徴量１５ｂがＢ１であり、腹びれ（Ｃ）の魚種特徴量１５ｂがＣ２であると判断する。この魚種１４の特徴量１５は、背びれ（Ａ），尾びれ（Ｂ），腹びれ（Ｃ）に限らず、尻びれ、胸びれでも良く、その他、体形、体長、目、口などでも良く、他の魚種１４と比較して特徴的であり差別化が可能な特徴であれば良い。

人工知能１１ａは、例えば、ニューラルネットワーク１１ｂなどにより、その魚種１４の判断基準として、例えば、「背びれ（Ａ）の魚種特徴量１５ｂがＡ１であることが雄にとっては魚種特徴量１５ｂであるが、雌にとってはＡ１ではなくＡ２が魚種特徴量１５ｂである。」、「尾びれ（Ｂ）の魚種特徴量１５ｂがＢ１であることはその魚種１４にとっては必須の条件である。」、「腹びれ（Ｃ）の魚種特徴量１５ｂは、その魚種１４にとってはＣ２が必須の条件であり、Ｃ１は別種の魚種特徴量１５ｂである。」とすることができる。そして、人工知能１１ａは、魚種特徴量記憶部７内に、魚種（α）の特徴量データ７αとして保存する。

（人工知能による画像データの比較）
図４に、第１段として、人工知能１１ａのディープラーニング１１ｃにより漁獲物１３の特徴量１５と魚種特徴量１５ｂとを比較して魚種１４を確定する手順が示されている。水揚げされた漁獲物１３（β_１，β_２，β_３，・・・β_ｎ）を撮像部４で撮像する。そして、その漁獲物１３（β_１，β_２，β_３，・・・β_ｎ）の魚種特徴量１５ｂが魚種特徴量記憶部７に保存された各魚種特徴量１５ｂと比較し、どの魚種１４に該当するかで、各漁獲物１３（β_１，β_２，β_３，・・・β_ｎ）の魚種１４を決定する。図４では、特徴量１５が魚種Ｘ２と合致するためその魚種１４は「魚種Ｘ２」であると判断することができる。すなわち、その漁獲物１３に対して「上述した魚種１４の判断基準」を適用すれば魚種１４が確定する。

図５に、第２段階として、人工知能１１ａのニューラルネットワーク１１ｂ及びディープラーニング１１ｃなどにより同種の漁獲物１３と識別して識別番号１０を付与する手順が示されている。まず、同種の魚種１４を選択する。そして、それらの個別特徴量画像データ５ａとして、画像データ５ａ_１，画像データ５ａ_２，画像データ５ａ_３・・・画像データ５ａ_ｎを採取する。個別特徴量抽出部６ａは、これらのデータから個別特徴量１５ａを抽出する。この個別特徴量１５ａは、魚種特徴量１５ｂとは異なり、同種のなかの他の漁獲物１３と比較して特徴的であり差別化が可能な特徴をいう。人間でいえば指紋のようなものである。人工知能１１ａは、例えば、この魚種１４では、背びれ（Ａ），尾びれ（Ｂ），腹びれ（Ｃ）・・・のうち背びれ（Ａ）の形状に各漁獲物１３の個性が出ると判断する。つまり、人工知能１１ａは、他の漁獲物１３と差別化が可能な要素を有する部位を探し出す。そして、同種の他の漁獲物１３と異なる個別特徴量１５ａを個別特徴量データ２として保存する。また、個別特徴量データ２を判断する画像として個別特徴量画像データ５ａも一緒に保存する。そして、水揚げされた漁獲物１３（β_１，β_２，β_３，・・・β_ｎ）の全ての漁獲物１３について、この作業を繰り返してそれぞれ識別番号１０を付与する。図４では、個別特徴量１５ａとしてＡ１，Ｂ１，Ｃ２が全て相互に識別可能であると判断した。そして、識別番号１０として０００１番が付与され、０００２番，０００３番，０００４番がそれぞれに付与される。

人工知能１１ａは、第１段階では、ディープラーニング１１ｃにより、上記個別特徴量１５ａを魚種特徴量１５ｂと比較する。例えば、ニューラルネットワーク１１ｂなどにより、その魚種１４の判断基準として、「背びれ（Ａ）の魚種特徴量１５ｂがＡ１であることが雄にとっては特徴量であるが、雌にとってはＡ１ではなくＡ２が魚種特徴量１５ｂである。」、「尾びれ（Ｂ）の魚種特徴量１５ｂがＢ１であることはその魚種１４にとっては必須の条件である。」、「腹びれ（Ｃ）の魚種特徴量１５ｂは、その魚種１４にとってはＣ２が必須の条件であり、Ｃ１は別種の特徴量である。」としている場合、各要素が必須の条件を示しているか否かで魚種１４判断する。

人工知能１１ａは、第２段階では、ニューラルネットワーク１１ｂ及びディープラーニング１１ｃにより、その漁獲物１３の個別特徴量１５ａを特定する。例えば、背びれ（Ａ）の魚種特徴量１５ｂに個性があると判断した場合、その背びれ（Ａ）の魚種特徴量１５ｂについて人間の指紋を採取するように個別特徴量データ２として魚種特徴量記憶部７に保存する。そして、その漁獲物１３に識別番号１０を付与する。従って、識別番号１０には、他の魚種１４と差別化される魚種１４を示す個別特徴量データ２と、その魚種１４のなかで同種の漁獲物１３と差別化される固有の特徴を有する個別特徴量データ２とが共に保存される。

（養殖漁業）
図６に、養殖魚業３ｃの構成、及び個別養殖魚データベース１２ａの構成に関する一つの実施形態の概略構成を示す。養殖漁業３ｃでは、陸上に水槽を設けて漁獲物１３となる養殖魚を育てる。ここで、水槽には生簀も含まれる。

（水温・水質・水流）
養殖漁業３ｃは、水温計測部２０、水質計測部２６、水温調整部２１、水質調整部２２、水流計測部２７、水流調整部２３、動画撮像部３２、漁獲物識別部３３、給餌管理部２４、養殖魚管理部２５、漁獲物盗難監視部３４から構成される。水温計測部２０は水槽内の水温を測定し、計測結果を水温調整部２１に送付する。水質計測部２６は水槽内の水質に関する情報を計測し、計測結果を水質調整部２２に送付する。水流計測部２７は、水槽内の水流に関する情報を計測し、測定結果を水流調整部２３に送付する。水温、水質及び水流は養殖魚の生育に重大な影響を与える要因である。養殖魚管理部２５は、養殖魚の健康状態を監視し、給餌管理部２４に給餌に関する指示を行う。個別養殖魚データベース１２ａは、水温計測部２０、水質計測部２６及び水流計測部２７の測定結果と、水槽内の養殖魚の状態に関するデータとを関連付けして保存する。

（個別養殖魚データベース）
個別養殖魚データベース１２ａは、識別番号付与部９が水槽内で飼育された養殖魚に対して付与した養殖魚識別番号１０ｂを保存する。また、個別養殖魚データベース１２ａは、個別特徴量抽出部６ａが抽出した個別養殖魚特徴量データ２ａを養殖魚識別番号１０ｂと紐づけして保存する。そして、給餌管理部２４は、与えた餌に関する情報を給餌データ３０ａとして養殖魚識別番号１０ｂに紐付けして個別養殖魚データベース１２ａに保存する。また、個別養殖魚データベース１２ａは、水温計測部２０、水質計測部２６及び水流計測部２７の測定結果を水温データ３１ａ，水質データ３１ｂ，及び水流データ３１ｃとして水槽内の養殖魚の状態に関するデータとを関連付けして保存する。また、個別養殖魚データベース１２ａは、養殖魚識別番号１０ｂを有する養殖魚の給餌行動動画データ３０ｂを個別養殖魚データベース１２ａに保存する。

（養殖魚の動画）
動画撮像部３２は、水槽内を回遊する養殖魚の動作をビデオカメラ４ｃで撮像する。これは、水槽内を回遊する養殖魚の給餌行動からその養殖魚の健康状態などが予測できるからである。また、他の養殖魚と異なる行動をする養殖魚を見つけ出しその原因を探ることができる。漁獲物識別部３３は、動画撮像部３２により撮像された動画から養殖魚の個別特徴量１５ａを抽出して養殖魚の養殖魚識別番号１０ｂを認識する。

（養殖魚の盗難）
さらに、漁獲物盗難監視部３４は、個別養殖魚データベース１２ａに保存された動画を監視することで水槽内の養殖魚を盗難から防止きる。これは、水槽内で育てられる養殖魚は、簡単に盗難される恐れがあるが、人工知能１１ａを用いて水槽内の養殖魚の個体数を監視することで盗難が瞬時に明らかになる。また、漁獲物盗難監視部３４は、養殖魚と共に水槽周りの設備に関しても盗難の監視をすることができる。

個別漁獲物データベース１２は、稚魚の段階の個別特徴量画像データ５ａ及び個別特徴量データ２を個別漁獲物データベース１２内に設けられた個別稚魚データベース１２ｃに保存する。また、個別漁獲物データベース１２は、海洋に放流された稚魚が成長して成魚の状態で漁獲物として水揚げされた場合に、稚魚識別番号と栽培魚識別番号とを照合し、を特定して紐付けする。

（栽培漁業）
図７に、栽培漁業３ｄの構成、及び個別漁獲物データベース１２の構成に関する一つの実施形態の概略構成を示す。栽培魚業３ｄは、栽培魚照合部３８及び栽培魚育成部３７から構成される。栽培魚照合部３８は、稚魚が海洋に放流されて成長して成魚の状態で栽培魚３９として水揚げされた場合に、稚魚と栽培魚３９とを照合する。栽培魚育成部３７は、稚魚の育成を監視する。

個別漁獲物データベース１２は、稚魚の段階の個別特徴量画像データ５ａ及びその個別特徴量画像データ５ａの基となる個別特徴量データ２を、個別漁獲物データベース１２に設けられた個別稚魚データベース１２ｃに保存する。こうすることで、稚魚と、その稚魚が成魚になった場合に、稚魚と栽培魚３９とを照合することができる。また、個別漁獲物データベース１２は、海洋に放流された稚魚が成長して成魚の状態で漁獲物１３として水揚げされた場合に、稚魚識別番号と栽培魚識別番号とを照合して紐付けする。これにより、成長した稚魚が漁獲物１３として水揚げされた場合に、栽培魚３９の栽培魚識別番号１０ｃを稚魚識別番号１０ｄと照合することで栽培魚３９の稚魚の生存率が把握できる。

（漁獲物管理システム）
図８に、本発明に係る漁獲物管理システム４０の一つの実施形態の概略構成を示す。漁獲物管理システム４０は、漁獲物１３の重量を計量する重量計量部４２、漁獲物１３の外観の三次元形状を計測する三次元形状計測部４３、漁獲物１３の目及び体表面の色調を撮影する色調撮像部４４、及び漁獲物１３の品質を予測する品質予測部４５から構成される。そして、個別漁獲物データベース１２は、個別品質データ４９として漁獲物１３の重量データ４９ａ、三次元形状データ４９ｂ、目の色調データ４９ｃ、及び、体表面の色調データ４９ｄを漁獲物１３の識別番号１０と関連付けて保存する。このように、漁獲物管理システム４０は、漁獲物識別システム１の個別認識を用いて漁獲物１３の形態などから漁獲物１３の鮮度などの品質に関する管理を行う。

（漁獲物の長さ仕分け）
三次元形状計測部４３は、三次元形状から漁獲物１３の体長データ４９ｅを算出する。漁獲物１３を所定の範囲の体長ごとに仕分ける際に用いられる。この体長データ４９ｅを仕分け作業に活用することで、また、重量計量部４２にて計量した重量データ４９ａから漁獲物１３が太っているか痩せているかに関する体形データ４９ｆを算出することができる。そして、個別漁獲物データベース１２は、これらの個別品質データ４９である体長データ４９ｅ及び体形データ４９ｆを漁獲物１３の識別番号１０と関連付けて個別漁獲物データベース１２に保存する。

（漁獲物の締り具合仕分け）
三次元形状計測部４３は、漁獲物１３の三次元形状から体積データ４９ｇを算出する。密度算出部４８は、この三次元形状データ４９ｂと、重量計量部４２にて計量した重量データ４９ａとから漁獲物１３の硬さである密度データ４９ｈを算出する。そして、品質予測部４５は、これらの体積データ４９ｇ及び密度データ４９ｈから漁獲物１３における肉質の締り具合を予測して仕分ける。つまり、その漁獲物１３の肉質が締まっているか痩せているかを数値により仕分ける。漁獲物１３は、死後２４時間は死後硬直が続いており「イキ」のいい状態だと言われている。これが、２４時間を超えると死後硬直が終わり急激に柔らかくなる。従って、三次元形状計測部４３により計測された三次元形状から算出される漁獲物１３の体積データ４９ｇと、重量計量部４２が計量した重量データ４９ａとから漁獲物１３の密度データ４９ｈが求まる。そして、この密度データ４９ｈからその漁獲物１３の硬さデータ４９ｋが算出される。すなわち「漁獲物１３の肉の締まり具合」について、漁獲物１３の密度から漁獲物１３の鮮度を予測することができる。

（漁獲物の鮮度仕分け）
色調撮像部４４は、漁獲物１３の目の色調データ４９ｃ又は漁獲物１３の体表面の色調データ４９ｄを計測する。品質予測部４５は、目の色調データ４９ｃ及び体表面の色調データ４９ｄから漁獲物１３の鮮度を予測する。個別漁獲物データベース１２は、目の色調に関するデータ、体表面の色調に関するデータ、及び鮮度の予測を漁獲物の識別番号１０と関連付けて保存する。

（漁獲物の雌雄仕分け）
漁獲物管理システム４０は、特定の漁獲物１３について雌雄の身体的特徴を抽出する雌雄特徴部４６と、漁獲物１３の雌雄に関する特徴を魚種１４ごとに比較して漁獲物１３の雌雄を判定する雌雄判定部４７とを備える。そして、個別漁獲物データベース１２は、漁獲物１３の雌雄の別を漁獲物１３ごとに識別番号１０に紐付けして保存する。これにより、雌雄により価格が大きく異なる魚種１４について、迅速に仕分けすることができる。

（漁獲物の履歴）
漁獲物１３の物流段階でその漁獲物１３の履歴を確認するには、まず撮像カメラ４ａなどを用いて個別特徴量画像データ５ａ及び個別特徴量データ２を取得する。そして、取得した個別特徴量画像データ５ａ及び個別特徴量データ２を個別漁獲物データベース１２に保存された個別特徴量画像データ５ａ及び個別特徴量データ２と照合する。識別番号１０などが一致すればその漁獲物１３を特定することができる。このように、漁獲物１３ごとに物流履歴データ２４を追跡し、個別漁獲物データベース１２には、物流履歴データ２４の最新情報を識別番号１０に紐付けして保存する。

（漁獲物物流システム）
魚市場において「競り」にかけられて競り落とされた漁獲物１３は、仲買人により中央卸売市場等へ運ばれ、様々な流通の経路を経て消費地の卸売市場に持ち込まれる。最終的な漁獲物１３は、一般の魚屋などで消費者に売却されるか飲食店において調理されて消費者に提供される。このように、漁獲物１３は、様々な経路を経て最終的に消費者のもとへ届く。この漁獲物１３の物流において、漁獲物識別システム１において漁獲物１３を個別に識別することで漁獲物１３の物流に関する透明性が確保でき、消費者に対して食材の安全・安心が保証できる。

図９に、漁獲物物流システム５０の一つの実施形態の概略構成ブロック図で示す。本発明に係る漁獲物物流システム５０は、識別番号１０に基づいて魚種１４ごとの漁獲物１３の数量を算定する漁獲物数量算定部５１、魚種１４ごとの漁獲物１３の数量に占める養殖漁業３ｃ又は栽培漁業３ｄによる漁獲物１３の割合を算出する漁業構成比算出部５２、及び個別漁獲物データベース１２に保存された物流履歴データ５４から漁獲物１３の物流を把握する漁獲物物流把握部５３から構成される。ここに、物流履歴データ５４とは、魚市場から最終消費者へ至る過程でどのような業者によりどのような経路を辿るかを明らかにするデータとなる。生鮮食料品である漁獲物１３は、時間の経過とともに鮮度が低下して腐食などの劣化が進行する。また、漁獲物１３を食べた者が細菌やウイルスにより中毒を起こす場合や、寄生虫等が人体内に侵入する場合があり、漁獲物物流システム５０のなかで漁獲物１３を扱った業者が問題になる場合がある。これらの原因を迅速に解明して被害を最小限に抑え込むために本漁獲物物流システム５０が活用される。

漁獲物物流システム５０は、漁獲物識別システム１及び漁獲物管理システム４０により作成された個別漁獲物データベース１２からデータを読み込む。その個別漁獲物データベース１２には、個別養殖魚データベース１２ａ、個別栽培魚データベース１２ｂ、及び個別稚魚データベース１２ｃが含まれる。

漁獲物物流システム５０の効果は、漁獲物１３に保存された個別漁獲物データベース１２から漁獲物１３の物流経路を把握することができる。すなわち、「その漁獲物１３が何時から何時まで何処の誰により所持されていた」が漁獲物１３ごとに記録される。従って、漁獲物物流把握部５３は、その記録を辿れば漁獲物物流システム５０のなかで漁獲物１３を扱った業者が容易に明らかになる。

（最終消費地における需要）
漁獲物物流システム５０の他の効果は、最終消費地における漁獲物１３の需要が推定できることである。すなわち、漁獲物物流把握部５３は、物流履歴データ５４から、ある漁獲物１３に関して魚市場から最終消費地まで、どの物流経路を辿ったかを把握している。従って、そのデータを解析すれば、どの魚種１４がどのように消費地に搬送されているかが明らかになる。また、全国の魚市場にこの漁獲物物流システム５０を導入することで全国規模の漁獲物１３の流通の状況を容易に把握することができる。

（漁獲物の漁獲方法ごとの漁獲量予測）
漁獲物物流把握部５３は、個別の魚種１４について、養殖漁業３ｃ又は栽培漁業３ｄを含めた漁獲量の変動から養殖漁業３ｃ又は栽培漁業３ｄの漁獲量を予想して調整を行う。沿岸漁業３ａや近海漁業３ｂは、上述した各種の問題により漁獲量が減少しており、養殖漁業３ｃ又は栽培漁業３ｄへのシフトが期待されている。市場の漁獲量に養殖漁業３ｃ又は栽培漁業３ｄが占める漁獲量を含め、養殖漁業３ｃ又は栽培漁業３ｄを推進することができる。また、全国の魚市場にこのシステムを導入することで全国規模の養殖漁業３ｃ又は栽培漁業３ｄの実態を掴むことが可能となる。

（漁獲物の物流シミュレーション）
漁獲物物流把握部５３は、漁獲物識別システム１による個別認識を用いて、漁獲物１３の最終消費地への最適な搬送ルート及び搬送手段のシミュレーションを行うことができる。すなわち、漁獲物物流把握部５３は、漁獲物１３が集合する中央卸売市場、又は中間地点の卸売市場などに撮像カメラ４ａを設置し、流通する漁獲物１３を個別に撮像し、識別番号１０等から漁獲物１３の物流の状況を把握することができる。このデータに基づいて、最終消費地への最適な搬送ルート及び搬送手段を検討することができる。例えば、ある魚市場を出した漁獲物１３が最終消費者に届くまで無駄な搬送ルートを使用していないか、又はトラック、貨物車などの搬送手段は適切か否かが検討可能になる。また、全国の魚市場にこのシステムを導入することで全国規模の物流シミュレーションが可能となる。

以上の実施形態で説明された構成、形状、大きさ、及び配置関係については、本発明が理解、実施できる程度に概略的に示したものにすぎない。従って、本発明は、説明された実施形態に限定されるものではなく、特許請求の範囲に示される技術的思想の範囲を逸脱しない限り様々な形態に変更することができる。

１ 漁獲物識別システム、２ 個別特徴量データ，２ａ 個別養殖魚特徴量データ、２ｂ 個別栽培魚特徴量データ，２ｃ 個別稚魚特徴量データ、２ｄ 個別稚魚特徴量データ、３ａ 沿岸漁業，３ｂ 近海漁業，３ｃ 養殖漁業，３ｄ 栽培漁業、４ 撮像部，４ａ 撮像カメラ，４ｂ センサ，４ｃビデオカメラ、５ 画像データ，５ａ 個別特徴量画像データ，５ｂ 魚種特徴量画像データ、６ａ 個別特徴量抽出部，６ｂ 魚種特徴量抽出部、７ 魚種特徴量記憶部，７ａ サンマの特徴量データ，７ｂ イカの特徴量データ，７ｃ ホタテの特徴量データ，７ｄ ウナギの特徴量データ，・・・，７ｎ 特徴量データ、８ 魚種判定部，８ｂ 判定情報伝送部、９ 識別番号付与部、１０ 識別番号，１０ｂ 養殖魚識別番号，１０ｃ 栽培魚識別番号，１０ｄ 稚魚識別番号、１１ａ 人工知能、１１ｂ ニューラルネットワーク、１１ｃ ディープラーニング，１１ｄ ビッグデータ、１２ 個別漁獲物データベース，１２ａ 個別養殖魚データベース、１２ｂ 個別栽培魚データベース，１２ｃ 個別稚魚データベース、１３ 漁獲物、１４ 魚種、１５ 特徴量，１５ａ 個別特徴量，１５ｂ 魚種特徴量、１６ 識別番号伝送部、１７ 漁獲物搬送機、１８ 仕分け部，１８ａ 魚種仕分け部，１８ｂ 雌雄仕分け部，１８ｃ 未成魚仕分け部、２０ 水温計測部、２１ 水温調整部、２２ 水質調整部、２３ 水流調整部、２４ 給餌管理部、２５ 養殖魚管理部、２６ 水質計測部、２７ 水流計測部、３０ａ 給餌データ，３０ｂ 給餌行動動画データ、３１ａ 水温データ，３１ｂ 水質データ，３１ｃ 水流データ、３２ 動画撮像部、３３ 漁獲物識別部、３４ 漁獲物盗難監視部、３７ 栽培魚育成部、３８ 栽培魚照合部、３９ 栽培魚、４０ 漁獲物管理システム、４１ 個別品質データ、４２ 重量計量部、４３ 三次元形状計測部、４４ 色調撮像部、４５ 品質予測部、４６ 雌雄特徴部、４７ 雌雄判定部、４８ 密度算出部、４９ 個別品質データ，４９ａ 重量データ，４９ｂ 三次元形状データ，４９ｃ 目の色調データ，４９ｄ 体表面の色調データ，４９ｅ 体長データ，４９ｆ 体形データ，４９ｇ 体積データ，４９ｈ 密度データ，４９ｋ 硬さデータ、５０ 漁獲物物流システム、５１ 漁獲物数量算定部、５２ 漁業構成比算出部、５３ 漁獲物物流把握部、５４ 物流履歴データ。

Claims (19)

1. 漁獲物の画像をビッグデータから選択し、ニューラルネットワークにより解析して前記漁獲物の特徴量を抽出し、ディープラーニングにより前記漁獲物を識別する漁獲物識別システムであって、
   前記漁獲物の魚種ごとの魚種特徴量を特徴量データとして記憶する魚種特徴量記憶部と、
   前記漁獲物を個別に撮像して前記漁獲物の前記特徴量を抽出する撮像部と、
   前記特徴量を前記魚種特徴量と比較し、前記漁獲物の前記魚種を判定する魚種判定部と、
   同種の漁獲物と識別可能な個別特徴量を抽出し、識別番号を付与する識別番号付与部と、
   前記特徴量から同種の他の漁獲物と識別可能な個別特徴量を抽出する個別特徴量抽出部と、
   前記個別特徴量を個別特徴量データとして前記漁獲物ごとに前記識別番号に紐付けして保存する個別漁獲物データベースと、を備えることを特徴とする人工知能による漁獲物識別システム。
2. 請求項１に記載の人工知能による漁獲物識別システムであって、前記個別漁獲物データベースは、水槽で飼育される前記漁獲物について、給餌に関する情報と前記水槽内の前記漁獲物の状態に関するデータとを関連付けして個別養殖魚データベースとして保存することを特徴とする人工知能による漁獲物識別システム。
3. 請求項１又は２に記載の人工知能による漁獲物識別システムであって、前記水槽内の水温を計測する水温計測部と、前記水槽内の水質を計測する水質計測部と、前記水槽内の水流を計測する水流計測部と、前記水槽内の水温を調整する水温調整部と、前記水槽内の水質を調整する水質調整部と、前記水槽内の水流を調節する水流調節部と、を備え、前記個別養殖魚データベースは、前記水温計測部、前記水質計測部及び前記水流計測部の測定結果と、前記水槽内の前記漁獲物の状態に関する情報と、を関連付けして保存することを特徴とする人工知能による漁獲物識別システム。
4. 請求項３に記載の人工知能による漁獲物識別システムであって、前記水槽内を回遊する前記漁獲物の動作をビデオカメラで撮像する動画撮像部と、前記動画撮像部により撮影された動画から前記漁獲物の前記個別特徴量を抽出して前記漁獲物の前記識別番号を認識する漁獲物識別部と、を備え、前記動画は、前記識別番号を有する前記養殖魚の前記個別養殖魚データベースに保存されることを特徴とする人工知能による漁獲物識別システム。
5. 請求項４に記載の人工知能による漁獲物識別システムであって、前記動画から前記漁獲物の採餌行動を抽出し、前記採餌行動から前記漁獲物の状態を予知して前記個別養殖魚データベースに保存することを特徴とする人工知能による漁獲物識別システム。
6. 請求項４に記載の人工知能による漁獲物識別システムであって、前記個別養殖魚データベースに保存された前記動画を用いて前記水槽内の前記漁獲物を盗難から防止する漁獲物盗難監視部を備えることを特徴とする人工知能による漁獲物識別システム。
7. 請求項１に記載の人工知能による漁獲物識別システムであって、前記個別漁獲物データベースは、稚魚の段階の個別特徴量画像データ及び個別稚魚特徴量データを個別稚魚データベースに保存することを特徴とする人工知能による漁獲物識別システム。
8. 請求項７に記載の人工知能による漁獲物識別システムであって、個別栽培魚データベースは、海洋に放流された稚魚が成長して成魚の状態で前記漁獲物として水揚げされた場合に、栽培魚照合部に稚魚識別番号と栽培魚識別番号とを照合させて紐付けすることを特徴とする人工知能による漁獲物識別システム。
9. 請求項1乃至８の何れか１項に記載の人工知能による漁獲物識別システムを用いた漁獲物管理システムであって、さらに、前記漁獲物の重量を計量する重量計量部と、前記漁獲物の三次元形状を計測する三次元形状計測部と、前記漁獲物の目及び体表面の色調を撮影する色調撮像部と、前記漁獲物の品質を予測する品質予測部とを備え、前記個別漁獲物データベースは、前記漁獲物の重量データ、三次元形状データ、目の色調データ、及び、体表面の色調データを個別品質データとして前記漁獲物の前記識別番号と関連付けて保存することを特徴とする人工知能による漁獲物管理システム。
10. 請求項９に記載の人工知能による漁獲物管理システムであって、前記三次元形状計測部は、前記三次元形状から前記漁獲物の体長データを算出し、前記漁獲物を所定の範囲の体長ごとに仕分け、前記漁獲物の前記体長データと前記漁獲物の前記重量データから前記漁獲物の体形データを算出し、前記個別漁獲物データベースは、前記体長データ及び前記体形データを前記漁獲物の前記識別番号と関連付けて保存することを特徴とする人工知能による漁獲物管理システム。
11. 請求項９又は１０に記載の人工知能による漁獲物管理システムであって、前記三次元形状計測部は、前記三次元形状から前記漁獲物の体積データを算出し、前記重量計量部にて計量した前記重量データから前記漁獲物の密度データを算出し、前記品質予測部は、前記体積データ及び前記密度データから前記漁獲物における肉質の締り具合を肉質データとして予測し、前記個別漁獲物データベースは、前記体積データ、前記密度データ、及び前記肉質データを個別品質データとして前記漁獲物の前記識別番号と関連付けて保存することを特徴とする人工知能による漁獲物管理システム。
12. 請求項１１に記載の人工知能による漁獲物管理システムであって、前記色調撮像部は、前記漁獲物の目の色調データ又は前記漁獲物の体表面の色調データを計測し、前記品質予測部は、前記目の色調及び前記体表面の色調に関するデータから前記漁獲物の鮮度を予測し、前記個別漁獲物データベースは、前記目の色調データ、前記体表面の色調データ、及び鮮度データを前記漁獲物の前記識別番号と関連付けて保存することを特徴とする人工知能による漁獲物管理システム。
13. 請求項９乃至１２の何れか１項に記載の人工知能による漁獲物管理システムであって、特定の漁獲物について雌雄の身体的特徴を抽出する雌雄特徴抽出部と、前記漁獲物の前記雌雄に関する特徴を魚種ごとに比較して前記漁獲物の雌雄を判定する雌雄判定部とを備え、前記個別漁獲物データベースは、前記漁獲物の雌雄に関する情報を前記漁獲物ごとに前記識別番号に紐付けして保存することを特徴とする人工知能による漁獲物管理システム。
14. 請求項1乃至８の何れか１項に記載の人工知能による漁獲物識別システムを用いた漁獲物物流システムであって、前記漁獲物の物流段階での前記個別特徴量画像データ及び前記個別特徴量データを取得し、前記個別特徴量画像データ及び前記個別特徴量データを前記個別漁獲物データベースに保存された個別特徴量画像データ及び個別特徴量データと照合して前記識別番号を特定し、前記漁獲物ごとに物流履歴を追跡し、前記個別漁獲物データベースは、物流履歴データを前記識別番号に紐付けして保存することを特徴とする人工知能による漁獲物物流システム。
15. 請求項１４に記載の人工知能による漁獲物物流システムであって、前記識別番号に基づいて前記魚種ごとの前記漁獲物の数量を算定する漁獲物数量算定部、前記魚種ごとの漁獲物の数量に占める養殖漁業又は栽培漁業による漁獲物の割合を算出する漁業構成比算出部、及び、前記個別漁獲物データベースに保存された前記物流履歴データから前記漁獲物の物流の経路をトレースする漁獲物物流把握部を備え、前記個別漁獲物データベースは、前記物流履歴データを最新の情報に更新することを特徴とする人工知能による漁獲物物流システム。
16. 請求項１４に記載の人工知能による漁獲物物流システムであって、漁獲物物流把握部は、前記漁獲物の物流の経路から最終消費地における前記漁獲物の需要を推定することを特徴とする人工知能による漁獲物物流システム。
17. 請求項１４乃至１６の何れか１項に記載の人工知能による漁獲物物流システムであって、前記漁獲物物流把握部は、個別の前記魚種について養殖漁業又は栽培漁業を含めた漁獲量の変動から養殖漁業又は栽培漁業の漁獲量を予想することを特徴とする人工知能による漁獲物物流システム。
18. 請求項１４乃至１７の何れか１項に記載の人工知能による漁獲物物流システムであって、前記漁獲物物流把握部は、前記漁獲物の消費地への最適な搬送ルート及び搬送手段のシミュレーションについて、漁獲物識別システムによる個別認識を用いて行うことを特徴とする人工知能による漁獲物物流システム。
19. 請求項１４乃至１８の何れか１項に記載の人工知能による漁獲物物流システムであって、前記漁獲物物流把握部は、魚市場における競りに代替してネットオークションを開催し、前記漁獲物の流通に通信ネットワークを利用することを特徴とする人工知能による漁獲物物流システム。
    

Images