深層学習を用いた画像解析による魚類自動認識および計数に関する研究

開発事業に伴う環境影響評価や自然環境調査では，魚類等の生息状況調査が行われている．魚類調査では一般的に現地での捕獲調査および目視確認があげられる．しかし，捕獲調査は調査圧による魚類への悪影響が指摘されたほか，目視確認は熟練技術者による確認作業が生じるなど，調査に多くの人手が必要となるため，効率的な魚種自動認識・計数システムの開発が求められている．本研究では，水中映像から魚類の自動認識・計数を目的に，深層学習のYOLOv7と追跡アルゴリズムを用いた多魚種自動計数システムを構築した．検出モデルの性能を検証した上で魚種別計数の精度を評価した．計数精度評価の結果，正解率が94.1％に達し，透明度が低い...

Full description

Saved in:
Bibliographic Details
Published inAI・データサイエンス論文集 Vol. 5; no. 2; pp. 13 - 21
Main Authors 楊, 継東, 髙荷, 東, 林, 佑亮, 新野, 聡, 簗場, 則昭, 阿部, 真也
Format Journal Article
LanguageJapanese
Published 公益社団法人 土木学会 2024
Subjects
AI modeling
Deep Learning
Fish Survey
Object Detection
Observation-Centric SORT
Online AccessGet full text
ISSN2435-9262
DOI10.11532/jsceiii.5.2_13

Cover

More Information
Summary:開発事業に伴う環境影響評価や自然環境調査では，魚類等の生息状況調査が行われている．魚類調査では一般的に現地での捕獲調査および目視確認があげられる．しかし，捕獲調査は調査圧による魚類への悪影響が指摘されたほか，目視確認は熟練技術者による確認作業が生じるなど，調査に多くの人手が必要となるため，効率的な魚種自動認識・計数システムの開発が求められている．本研究では，水中映像から魚類の自動認識・計数を目的に，深層学習のYOLOv7と追跡アルゴリズムを用いた多魚種自動計数システムを構築した．検出モデルの性能を検証した上で魚種別計数の精度を評価した．計数精度評価の結果，正解率が94.1％に達し，透明度が低いため池の環境下でも高い精度の自動認識が確認された．
ISSN:2435-9262
DOI:10.11532/jsceiii.5.2_13