皇家华人

本文へ移动
资料请求はこちら资料请求はこちら资料请求はこちら

横浜市立大学 YOKOHAMA CITY UNIVERSITY

深層学習を用いてクロマグロの卵のふ化予測に成功 ~効率的な種苗生産への貢献に期待~

2021.01.13
  • プレスリリース
  • 研究
横浜市立大学大学院生命医科学研究科の寺山慧 准教授、慶應義塾大学理工学研究科の家永直人特任助教、水産研究?教育機構水産技術研究所養殖部門まぐろ養殖部の樋口健太郎主任研究員、高志利宜グループ長、玄浩一郎部長、理化学研究所革新知能統合研究センターの津田宏治チームリーダーからなる共同研究チームは、深層学習*1を用いて、太平洋クロマグロ(Thunnus orientalis)の産卵直後の卵がふ化するか否かを高精度に予測する技術を開発しました。今後この技術を用いて、質の高い卵のみを選択的にふ化?飼育することでクロマグロ種苗(養殖用の稚魚)生産の効率化が期待されます。

本研究は、『Scientific Reports』に掲載されました。(日本時間 令和3年1月12日19時付オンライン) 
研究成果のポイント

  • 深层学习によって、クロマグロの种苗生产に用いる卵が正常にふ化するか、またふ化后に生残できるかどうかを产卵直后の卵画像から高精度に予测可能であることを示した。
  • この技术を用いて、质の高い卵を多く含むバッチ(集団)のみを选択的に饲育することで、効率的な种苗生产に贡献できると期待される。

本マグロで有名な太平洋クロマグロ(Thunnus orientalis)は、我が国の食文化を代表する食材の一つです。近年、その資源は過去最低の水準で推移しており、クロマグロを将来にわたって食べ続けていくために、資源の持続可能な利用が大きな課題となっています。このような状況のもと、天然資源に依存しない完全養殖*2技術による人工種苗の大量生産と、それを用いた養殖への移行に大きな期待が寄せられています。クロマグロの完全養殖は近畿大学が2002年に世界で初めて成功し、近年水産技術研究所養殖部門まぐろ養殖部(旧 西海区水産研究所まぐろ増養殖研究センター)では、大型陸上水槽を用いた人工的なクロマグロの産卵制御研究*3を進めています。しかし、未だにマダイやサーモンなど他の養殖対象種に比べて生残率が著しく低く、より効率的な種苗生産技術の開発が求められています。  
种苗生产において、用いる卵が正常にふ化するか、またふ化后に生残できるか等といった卵の质(以下、卵质)に関する评価とその予测は、养殖の生产効率を向上させるために重要な课题です。卵质を高めることができれば多数の稚鱼を得ることが可能になり、また卵质を产卵直后などの早い段阶で予测できれば有望な卵を効率的に饲育できる可能性があるからです。しかし、これまでクロマグロの卵质予测及び予测に必要な特徴に関する研究は十分に进んでいませんでした。また、これまでの他の鱼种での卵质予测?判定では「见た目の形态」(例えば、卵の大きさ、油球の形状や数など)が用いられてきましたが、言语化?定量化の难しい特徴(例えば表面のざらつき、いびつな形状など)は注目されることがあっても、主観的要素が入るためこれまで十分に検讨されてきませんでした。
本共同研究グループは、深层学习を用いることで、卵画像の持つ様々な特徴を加味して高精度な卵质予测が可能であることを示しました。図1に开発した卵质予测?解析システムの全体像を示します。

図1.顕微镜で撮影されたクロマグロの卵深层学习を用いて卵质を予测?解析するシステムの全体像。(补)顕微镜で撮影された画像から卵のみを抽出。(产)深层ニューラルネットワークを用いて卵质(正常ふ化であるか否か、无给饵生残日数が5日以上か否か)を予测。(肠)予测に贡献した部位を可视化。

まず、研究グループは水産技術研究所養殖部門まぐろ養殖部において計290個の産卵直後のクロマグロ卵を収集?顕微鏡による撮影を実施し、続いてそれらのふ化実験を行いました。撮影の際は焦点(細胞質?卵の輪郭?油球)を変えて3種類の画像を取得しました。また、本研究ではふ化に関するデータとして卵が正常にふ化したか否か、および無給餌生残日数が4日以下あるいは5日以上であるかを収集しました。  
続いて、図1に示す卵質予測システムを構築しました。(a)では撮影された顕微鏡画像からFaster R-CNNと呼ばれる深層学習を用いた物体検出手法を用いて卵の画像のみを抽出します。続いて(b)ではVGG16と呼ばれる深層ニューラルネットワークを用いて、卵画像から(1)正常にふ化するか否か, 及び(2)無給餌生残日数が5日以上であるか否かを予測します。上で取得した卵の画像とふ化データを用いてネットワークを訓練しました。予測結果の例と予測精度を図2に示します。10-分割交差検証に基づいて予測精度を評価した結果、(1)の正常ふ化予測ではF値*4が0.911(正解率は0.856)、(2)の無給餌生残日数ではF値が0.875(正解率は0.804)という高い精度で予測が可能であることがわかりました。特に、卵の輪郭あるいは細胞質に焦点を合わせた画像を用いた時、予測精度が高いことも判明しました。この予測精度は、熟練した養殖研究者4名による正常ふ化予測の結果(正解率の平均値が0.72、最大で0.8)よりも高く、深層学習に基づく卵質予測の有効性を示しています。  
さらに、Grad CAM*5を用いて、予测に重要な部位を可视化しました(図1(肠))。可视化した结果の例を図3に示します。特に细胞质や卵の轮郭に注目が集まっており、细胞质の形が多少崩れて见える箇所等も重视されていることがわかりました。この结果は熟练した养殖研究者の注目する部位と矛盾せず、深层ニューラルネットワークが卵质予测に重要な部位を捉えている结果と解釈できます。




図2. (a)本研究で用いたクロマグロ卵の例。(1)と(2)は正常ふ化し、(3)と(4)は正常ふ化しなかった。深層ニューラルネットワークで予測したところ(1),(2),(4)のふ化予測に成功したが、(3)の予測には失敗した。(b)深層ニューラルネットワークで正常ふ化予測した結果の精度(正解率とF値)。



図3. Grad CAMを用いて予測に重要な箇所を可視化した結果。予測に重要な箇所が明るい色で示されている。細胞質と卵の輪郭部分が注目されることが多く、形の異常がある部分が明るくなっていることもわかる。
本研究の结果は、深层学习による卵质予测のポテンシャルを示していると考えられます。本研究で开発したシステムを利用することで、质が高いと予测された卵が多く含まれるバッチ(集団)を优先的に饲育すれば、より効率的な种苗生产が可能になると期待されます。また、本研究ではクロマグロを対象に卵质予测を実施しましたが、他の养殖対象种でも同様のアプローチによって卵质予测が可能になる?精度が向上する可能性があります。

用语説明

*1 深層学習
多层のニューラルネットワークによる机械学习手法の一つ。画像?动画?音声等のデータに対する分类?识别などに近年広く用いられている。

*2 完全養殖
人工的に育てた亲鱼から卵を採って养殖种苗を生产し、出荷サイズに至るまでの一连の养殖过程を人间が管理?育成する方法をさす。

*3 人工的なクロマグロの産卵制御研究
水産研究?教育機構長崎庁舎には、循環ろ過式の円形コンクリート製の大型水槽(親魚用陸上水槽:直径20m×深さ6m、実容量1880トン)が2基設置されており、近年飼育条件をコントロールすることによってクロマグロ採卵時期の制御に成功している。(参考:「完全養殖クロマグロの採卵時期を早めることに成功~天然種苗と同等の人工種苗の大量生産に大きく前進~」令和2年7月31日 国立研究開発法人 水産研究?教育機構プレスリリース)

*4 F値
予测结果の评価指标の一つで1に近いほど予测精度が高いことを示す。

*5 Grad CAM
深层ニューラルネットワークの予测结果に大きく寄与した画像の部位を可视化する手法の一つである。

掲载论文

Vision-based egg quality prediction in Pacific bluefin tuna (Thunnus orientalis) by deep neural network
Naoto Ienaga, Kentaro Higuchi, Toshinori Takashi, Koichiro Gen, Koji Tsuda, and Kei Terayama*(*Corresponding author)
Scientific Reports (2020) DOI:

※本研究は、文部科学省?科学研究费助成事業(若手研究)「深層学習に基づくクロマグロ卵質予測システムの構築」の支援を受けて遂行しました。

问い合わせ先

(取材対応窓口、资料请求など)
横浜市立大学 広报室
E-mail : koho@yokohama-cu.ac.jp

PAGE
TOP