文献

J-GLOBAL ID：201802281522888304   整理番号：18A0116200

Convolutional Neural Networkを用いた海底画像からの底質判別手法

Classification Method for Bottom Sediment from Seabed Image Using Convolutional Neural Network

著者 (5件)： 北川純 (新潟大学) ,  榎本洸一郎 (新潟大学) ,  戸田真志 (熊本大学) ,  三好晃治 (地方独立行政法人北海道立総合研究機構網走水産試験場) ,  桑原康裕 (地方独立行政法人北海道立総合研究機構網走水産試験場)
資料名： 精密工学会誌(Web)  (Journal of the Japan Society for Precision Engineering (Web))
巻： 83  号： 12  ページ： 1172-1177(J-STAGE)  発行年： 2017年 
JST資料番号： U0462A  ISSN： 1882-675X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 漁業では生産安定性の向上,国際競争力の強化,災害復旧のために漁場の理解と資源量の見積もりが必要である。近年,水産資源の調査はDVカメラを用いて行われている。DVカメラを使用した調査は資源捕獲よりも漁場への被害が少ない。北海道のホタテ貝漁業ではホタテ貝を測定するため海底ビデオが撮影されている。ホタテ貝の数情報だけでなく,ホタテ貝が生息する底質の沈殿物が得られれば漁業を改善できる。本研究の目的は,4種類の堆積物;砂,バラスト,砂利および殻床の分類である。シェルベッドはホタテ貝の屠体の蓄積である。海底画像の使用により,DVカメラで撮影した画像は高精度で幅広い情報を与える。ここでは,畳込みニューラルネットワークを用いた海底画像からの底質堆積物分類法を検討した。この実験は,全ての堆積物タイプにおいて95%以上の精度を示した。(翻訳著者抄録)

シソーラス用語： 海底 ,  画像 ,  判断 ,  貝殻 ,  ビデオカメラ ,  ニューラルネットワーク ,  *海底堆積物 ,  *パターン分類 ,  精度 ,  画像認識 ,  *画像処理 ,  砂 ,  砂利
準シソーラス用語： ディジタルビデオカメラ ,  バラスト【砂利】 ,  ホタテ貝殻 ,  海底底質 ,  畳込みニューラルネットワーク ,  水中画像 ,  判定 ,  分類精度

著者キーワード (10件)： scallop ,  marine resources ,  seabed image ,  bottom sediment ,  convolutional neural network ,  scallop ,  marine resources ,  seabed image ,  bottom sediment ,  convolutional neural network

分類 (1件)： パターン認識  (JE07000S)

引用文献 (11件)：

• 1) 農林水産省: 漁業生産額, http://www.maff.go.jp/j/tokei/kouhyou/gyo-gyou_seigaku/, 2017.05.02 アクセス.
• 2) 農林水産省: 平成26年漁業・養殖業生産統計(概数値), http://www.maff.go.jp/j/tokei/seiryu/kaimen_gaisuu.html, 2017.05.02 アクセス.
• 3) 仲村俊毅他: 青森県日本海海域におけるホタテガイ放流適地の選定について, 青水増事業報告, 14, (1985) 149
• 4) 伊藤靖, 吉野真史, 酒向章哲, 櫻井泉, 西田芳則, 新山伸二: ホタテ貝殻を活用したホタテ地まき漁場造成について, 海洋開発論文集, 23, (2007) 943.
• 5) 鴨下智裕, 松原由和, 松村謙一, 岡村健: サイドスキャンソナーを用いた浅水域の水底面調査, 応用地質技術年報, 25, (2005) 35.

タイトルに関連する用語 (4件)： 海底 ,  底質 ,  判別 ,  手法