貝殻を破壊せずに貝類の品質を評価する ～水産×IT～
真牡蠣の旬は10月～4月頃の冬。まさに今、旬の時期を迎えています。牡蠣などの貝類の身は貝殻に覆われているので、品質を評価するのは困難です。目利きの漁師や水産業者等のプロの目による勘と経験で行われています。今回取り上げたのは、貝類の貝殻を破壊することなく、貝類の品質を精度高く評価する発明です（特開2021-163278）。牡蠣で有名な広島県による出願です。
X線画像を用いた貝類の品質評価
この発明では、貝類のＸ線画像を用いて貝類の身入りの程度を推定することにより、貝類の貝殻を破壊することなく、貝類の品質を精度高く評価することができます。
貝類の品質を精度高く評価できる指標としては、一般的に貝類の身入りの程度が知られています。「身入りの程度」とは、牡蠣の軟体部（可食部）の状態を総合的に表す指標でのことです。この発明では、身入りの程度を「身入り度」と称し、軟体部の全体に対する外観が透明な部分の割合に応じて、どの程度の身入り度かが特定されるものとします。また、身入り度が高い牡蠣の品質を「良品」で表し、身入り度が中程度の牡蠣の品質を「通常品」で表し、身入り度が低い牡蠣の品質を「不良品」で表します。
- 良品 ：外套膜が透明でなく、白く肥厚している牡蠣＝身入り度が高い牡蠣
- 通常品 ：外套膜の一部が透明な牡蠣＝身入り度が中程度の牡蠣
- 外套膜は軟体部に含まれる部位のことです。
- 不良品 ：軟体部の全体およびほとんどが透明な牡蠣＝身入り度が低い牡蠣
品質情報は、牡蠣の身入り度の指標となる、牡蠣の特性を示す情報です。
この発明では、「全湿質量（ＴＷＷ）」および「乾燥質量（ＢＤＷ）」が品質情報となります。
マハラノビス距離と閾値とを比較することにより、貝類の貝殻を破壊することなく、貝類の品質をより精度高く評価します。
ＴＷＷ・ＢＤＷ推定値Ｔ・Ｂ、ならびに、平均ＴＷＷ・ＢＤＷ実測値Ｔａｖｅ・Ｂａｖｅを用いて、マハラノビス距離ＭＤを算出します。マハラノビス距離ＭＤは、ＴＷＷ・ＢＤＷ推定値Ｔ・Ｂに対する、不良品と評価された牡蠣のＴＷＷ実測値−ＢＤＷ実測値の分布からの距離のことです。不良品と評価された牡蠣のＴＷＷ実測値−ＢＤＷ実測値の分布を「基準データ群」とします。
「基準データ群」を用いてマハラノビス距離ＭＤを説明すれば、マハラノビス距離ＭＤとは、ＴＷＷ推定値ＴとＢＤＷ推定値Ｂとの相関が、「基準データ群」を構成するＴＷＷ実測値とＢＤＷ実測値との相関にどれだけ近似しているかを定量的に表す尺度となります。
- ＴＷＷ推定値ＴとＢＤＷ推定値Ｂとの相関を「第１相関」
- 基準データ群を構成するＴＷＷ実測値とＢＤＷ実測値との相関を「第２相関」
したがって、
- マハラノビス距離ＭＤの値が小さくなるほど、つまり第１相関が第２相関に近似しているほど、品質評価の対象となった牡蠣が不良品である確率が高くなります。
- 一方で、マハラノビス距離ＭＤの値が大きくなるほど、つまり第１相関が第２相関に近似していないほど、品質評価の対象となった牡蠣が不良品でない確率が高くなります。
（図１・２、図４、図５）
上記の品質評価では『所定の推定式』を用います。貝類のＸ線画像を解析して取得した第１画像パラメータを『所定の推定式』に代入し、算出して得た品質情報のスコアに基づいて貝類の品質を評価します。この発明では、単位空間サンプルおよび信号サンプルを用いて算出された基準化第１画像パラメータおよび基準化実測値に基づいて、所定の推定式を生成します（図６、図７）。
- 所定の推定式を生成するための画像パラメータサンプルを準備する
（Ｘ線画像から取得した複数種類の第１画像パラメータと品質情報の実測値とを１つのデータセットとした複数のデータセットの集合） - 画像パラメータサンプルから、下記を選択する
単位空間となるデータセットの集合である単位空間サンプル
単位空間サンプル以外のデータセットの集合である信号サンプル - 複数種類の第１画像パラメータごとに、単位空間サンプルの第１画像パラメータの平均値である第１平均値を算出して、対応する信号サンプルの第１画像パラメータのそれぞれから第１平均値を差し引くことで基準化第１画像パラメータを算出する
- 単位空間サンプルの実測値の平均値である第２平均値を算出して、対応する信号サンプルの実測値のそれぞれから第２平均値を差し引くことで基準化実測値を算出する
- 基準化第１画像パラメータおよび基準化実測値を用いて、基準化実測値に対する基準化第１画像パラメータの比例定数とＳＮ比とを算出する
- 複数種類の第１画像パラメータごとの比例定数およびＳＮ比を用いて、所定の推定式を生成してもよい
単位空間サンプルおよび信号サンプルを用いて算出された基準化第１画像パラメータおよび基準化実測値に基づいて、所定の推定式を生成します。そのため、品質評価の対象となった貝類のＸ線画像から取得された複数種類の第１画像パラメータのいずれかに、特殊要因による異常値があったとしても、当該異常値がスコアに及ぼす影響を低減することができます。したがって、品質評価の対象となった貝類の特有の事情にあまり左右されず安定的にスコアを算出できることから、貝類の貝殻を破壊することなく、貝類の品質をより精度高く評価することが可能になります。
スマート水産業の動き
野菜や果物と同じように、水産物にもある程度の旬はありますが、その年の気候や地球温暖化の影響もあり、水産物の旬は微妙に変わります。「あの漁場の貝はまだ成熟が足りないから、明日はもう少し青森側のものを仕入れよう」など、目利きの漁師や水産業者等のプロの目の勘と経験による微妙な調整が行われています。
近年では、水産庁は、ICT等の先端技術を利用して、水産資源の評価・管理や生産性の向上を目指す「スマート水産業」の社会実装向けた取組を推進しています。