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

适应环境变化的自然弹性网络型笼式机器人研究

基本信息

批准号：
21H03558
负责人：
小林透
金额：
$ 10.98万
依托单位：
Nagasaki University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

（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。

（问题2）关于基于传感器信息的智能喂养方法，我们将光流应用于使用我们实验室开发的多传感器平台拍摄的笼中鱼群。当鱼饵放入笼中时，原本缓慢水平游动的鱼群突然开始集体向上移动。当时每条鱼的运动被量化为一个向量。量化的具体对象是矢量的大小和角度，称为矢量。通过学习这个向量，我们构建了一个鱼群活动AI。鱼群活动AI基于这样的假设：当鱼饥饿时，它们对食物做出快速反应（大运动，向上），而当它们吃饱时，它们反应缓慢（小运动，水平）。为了评估鱼群活动AI，我们借用了长崎县水产实验站的部分实验网箱，进行了评估实验。在评价实验中，将摄食期间鱼群的活动水平分为以下两种状态。 ①高活性：饵料一接触水面，就剧烈咬合，上下剧烈运动。 ②低活性：即使喂食后，鱼群的反应也很低的状态。高活性和低活性的区别。可以由渔业实验站的资深人士根据饲养负责人的判断来区分。通过将使用光流从每个状态的视频信息计算出的鱼群向量应用到称为支持向量机的机器学习中，创建了学习模型。将学习过程中未使用的鱼群向量输入到评估实验中创建的学习模型中，验证是否可以正确确定鱼群的活跃程度。结果证实，可以以 94% 的准确度正确确定鱼群的活动水平。这些结果证实了鱼群活动人工智能的有效性，该人工智能基于使用光流的鱼群活动量化方法。