日本養殖場開發「算鮪魚」AI,每年省下超過 250 小時的工時!

【我們為什麼挑選這本書】餌料是養殖鮪魚最大的成本,為了降低成本,漁民必須精準掌握鮪魚數量。傳統的作法,是請潛水員拍影片,然後再人工計算鮪魚數量。這個過程曠日廢時,漁民平均每年要花上 250 到 500 小時「算鮪魚」。如果這個過程可以用 AI 自動化呢?

深度學習的商戰必修課》的作者是 日經 xTREND日本深度學習協會 ,將透過本書,帶我們了解 AI 在商業界的實際應用。下文,我們將透過双日鮪魚養殖場的案例,了解一套應用於產業的 AI 系統,它要經歷的開發過程以及預期效益。(責任編輯:郭家宏)

鮪魚養殖業的重點之一是正確掌握飼養網籠裡的鮪魚數量,這樣才能計算最理想的餌食需求量。魚餌的開銷占了一半以上的成本。双日與電通國際情報服務(ISID)合作,利用深度學習來掌握鮪魚的數量。據說一開始相關人士認為是「不可能」的挑戰,但經過實測後效果頗佳,已經朝正式研發邁出一大步。

綜合商社双日為了穩定供應日漸減少的鮪魚,2008 年於長崎縣松浦市鷹島以全額出資的方式成立了子公司双日鮪魚養殖場鷹島,展開鮪魚養殖事業。2016 年 12 月,在和歌山縣串本町取得漁場,該公司成立十年來事業持續擴大。

餌料占一半以上的成本,掌握鮪魚數量是養殖業的獲利關鍵

鮪魚養殖業花 3 年時間才能出貨,超過一半的成本花在餌食上。因此,如何估算出最理想的餌食量成了首要之務。要推估理想的餌食量,必須正確掌握飼養網籠裡究竟有多少鮪魚。餌食給得太多,造成資源浪費;反之若給太少,又導致鮪魚品質下滑。

双日食料暨農業業務本部食料暨水產部水產事業課專任課長石田伸介說明,「水產業有很多地方還是個人經驗的傳授,業界發展科技資訊化的腳步較慢。假設餌食量差一成,幾年下來數量很可觀。不過,目前仍然普遍倚賴漁夫的經驗法則來訂定餌食量。如果這個部分能夠數據化,沒經驗的年輕人也能輕鬆進入這一行。對於勞動力逐漸高齡化的水產業來說,推動資訊科技化具備各種不同層面的意義。」

然而,計算鮪魚的數量可沒那麼容易。飼養網籠的直徑有 40 公尺,最深的地方達 20 公尺,相當巨大。鷹島大約有 30 處飼養網籠,以不同飼養年分來管理。每一處飼養網籠大約有 1,500 尾幼魚,但隨著時間過去,網籠內的情況大幅改變。有些鮪魚死掉,有些其他種類的魚從漁網縫隙鑽進來。過去只能靠漁夫從鮪魚吃餌的情況來判斷大致的數量。

若能使用 AI 計算鮪魚數量,每年將可省下 250 小時的工時

將幼魚放進飼養網籠後,得等到把鮪魚移到另一處飼養網籠時才有機會計算數量。拉開網籠之間的網子,然後由潛水員深入海中拍攝鮪魚通過時的影片。把這幾十分鐘長的影片逐格播放,由工作人員一尾一尾計算,長的時候大概花上 5 小時觀看。5 名工作人員各自進行之後,對照結果推算出一個正確的數量。這是過去採用的方法。

石田說明,「這種做法非常耗費時間和人力成本。但鮪魚數量又是重要的關鍵,不可能不計算。這項作業該怎麼提升效率,始終是一大課題。」

近 30 處飼養網籠,到可出貨的 3 年多期間,鮪魚需要在網籠之間移動一、兩次,亦即 1 年有 10 次至 20 次計數作業。5 名工作人員需各花費 5 小時在這項作業上,總計每年耗掉 250 小時至 500 小時。如果能夠自動化計數,將大幅減少作業時間。此外,能讓年輕人的就業環境變得更好,進一步期待改善雇用情況。

由於這樣的需求,讓相關人員想到是否能運用深度學習來估算鮪魚的數量。於是 2017 年初,該公司與電通國際情報服務展開合作。為了因應 2020 年的奧運和殘障奧運,電通國際情報服務其實原已進行運動中人類動態可視化的研究,所以想到是否能將這項技術運用於計算鮪魚數量。

魚影辨識不易,計數 AI 開發難度高

電通國際情報服務通訊 IT 事業部企畫總監西川敦坦言,「其實一開始看到影片中鮪魚移動的速度這麼快,直覺認為那是不可能辦到的。」

實際上,研發過程極度困難。首先,魚影的判斷非常不容易。拿到的影片受到天候、潮流等各項條件影響,而且有很多浮游生物和光線等容易誤判為鮪魚的物體資訊。此外,這些影片是由潛水人員在水中拍攝,鮪魚出沒地點會移動,或者出現手震。再者,現場除了鮪魚還有其他魚類,也要判別出來,訓練資料的正確性必須非常高。

將拿到的影片分成學習資料和測試資料,在原先運動領域研發的演算法中,調整加入為鮪魚專用之後,進行一次又一次試誤學習。

個體辨識很困難,必須針對一格一格靜止畫面進行影像分析,再加入動態預測的功能,例如從鮪魚的移動速度來判斷,這一格畫面跟那一格畫面裡的鮪魚不是同一隻。經過多次反覆作業,2017 年底終於有了成果。只要有條件完備的影片,估算出的數量跟人工計算的結果差不多。

西川說明,「例如光線的差異、成長條件的不同等,僅用一個模型無法因應所有條件,還有改善的空間,需要持續研究。」

研發鮪魚專用計數應用程式,提升 AI 的計算精確度

兩家公司逐漸掌握竅門後,電通國際情報服務研發出鮪魚專用的計數應用程式,2018 年 6 月上線運作。這個程式的目的在於提升第一線作業效率的同時,改善訓練資料的品質。

在影片上畫出一條終點線,鮪魚通過這條線時敲打鍵盤來計算數量。用這個狀況下判斷為鮪魚的資料當作訓練資料,逐漸累積數量。此外,已計算過的鮪魚出現數量以直方圖顯示在影片下方,之後計算的工作人員可以預測鮪魚出現的情景。

這項做法讓作業時間大幅縮短,也能和其他工作人員的估測數據做比較,進一步改善第一線的作業狀況。此外,有別於過去以整段影片計算尾數的數據,現在是以一格畫面有多少尾來計算,訓練資料的品質更為提升。

今後的課題是影片標準化。為了達成目標,仍持續不斷進行試誤學習,使用各種不同的攝影方法,以及影像處理的技術。進行深度學習之前,目前還在摸索藉由資料預處理,可以將準確率提高到什麼程度。

鮪魚計數 AI 就跟自動駕駛一樣,開發無法一蹴可幾

目前還在評估提供實際服務的方式。由於鷹島當地的網路環境並不理想,營運上該怎麼交換資料,必須進一步評估伺服器建置在雲端或在現場設置功能更強大的設備。

計數應用程式的下一步,是在深度學習辨識的魚影上加框,讓計數變得更容易,最終目標希望能區分鮪魚與其他魚種,達到完全自動化。

西川談到今後的展望,「就像汽車的自動駕駛一樣,不可能一蹴可幾。我們將配合運動界的技術研發,目標是在 2020 年實現這項技術。」

石田表示,「正因為有我們這樣的規模,才能收集到夠多的資料。想到或許能幫助其他養殖業者解決課題,我們希望盡量做出貢獻。藉由收集更多資料,讓影像更加鮮明,就能提升準確率,最後達到超越人工作業的效果。」他在言談中充滿期待。

(本文書摘內容出自《深度學習的商戰必修課》,由 臉譜 授權轉載,並同意 TechOrange 編寫導讀與修訂標題。首圖來源:Public Domain Files CC Licensed。)

更多 AI 的產業應用案例

AI 在這 4 大戰場與武漢肺炎交戰,人類史上最大規模「AI 防疫戰」開打!
AI 搶先 WHO 一週抓出武漢肺炎!善用數據給政府的防疫啟示
【投稿】2020 年「7 大行銷趨勢」:如何善用 AI 優化顧客體驗,有效增加品牌營收?


全方位掌握消費者數位軌跡

AI 如何有效提升電商業績、降低導入成本?

《領取白皮書》

點關鍵字看更多相關文章: