遮蔽を考慮した魚の個体分割のための水中画像データセット

なぜ水中で魚を数えるのは難しいのか

養魚場はハイテク化が進み、カメラとアルゴリズムが静かに何千もの個体を見守るようになっています。それでも、意外に基本的な課題──混雑した水槽の中で個々の魚を区別すること──は非常に難しいことが分かります。魚は互いの前後を泳ぎ、カメラの視界を遮り、画像の端では一部分しか映らないこともあります。本論文は、部分的に隠れている場合でも個々の魚を認識できるように設計された新しい水中画像コレクション、Fish Occlusion Dataset（FOD）を紹介します。この能力は、現代の養殖業で給餌、健康チェック、在庫評価を自動化するうえで重要です。

混雑した水槽のための新しい画像ライブラリ

本研究の中核は、養殖されることの多いフナ（和名：コイ科の一種）を多数収めた、大規模で精選された水中写真集です。研究チームは水面上に設置した専用の水中カメラで水槽内の66匹を撮影し、動画から静止画を抽出しました。ほぼ重複する画像を除去した結果、千枚以上の単独魚画像と数百の複数魚のシーンが得られました。見える魚はすべて、粗いボックスではなくピクセル単位で手作業により輪郭が描かれ、コンピュータは精密な形状情報を利用できるようになっています。合計でFODは14,376枚の画像と144,894個の丁寧にラベル付けされた魚を含み、同種の公開リソースの中でも最も詳細なものの一つです。

重なりを見抜くようにコンピュータを訓練する

アルゴリズムが群れをどれだけうまく扱えるかを本当に試すには、魚が重なった例が多数必要です。こうしたシーンで詳細な輪郭を描くのは非常に時間がかかるため、研究者たちは巧妙な近道を採用しました。まず個々の魚の高品質なマスクを生成し、それらをデジタルで切り抜いて背景画像に新しい配置で貼り付けました。魚を回転・拡大・移動させ、互いの被り具合に上限を設けることで、現実的で密な群れを持ち、重なりを制御した13,000枚の合成画像を作成しました。輪郭の境界を滑らかにブレンドすることで、これらの合成画像は自然な見た目を保っています。最終的なデータセットは元の実画像と合成画像を混在させ、バラエティと現実性の両方を備えています。

各魚の隠れ具合を評価する

すべての遮蔽が同じというわけではありません。完全に見えている魚は、わずかな断片としてしか現れない魚よりも認識が容易です。これを捉えるために、著者らは各魚を三つのシンプルなグループに分類しました。「Whole（全体）」は完全に見えている魚、「Part（部分）」は他の魚に部分的に遮られている魚、「Fragment（断片）」は分断された断片としてしか現れない魚です。この追加のラベリングにより、研究者はアルゴリズムがどの部分で苦戦するかを正確に把握できます。データ数を解析すると、データセット内の魚の大半は「Part」に分類されており、混雑した水槽で実際に起きる状況を反映しています。また、従来の全体スコアだけでは小さな断片に対する失敗が隠れてしまうため、遮蔽レベル別に結果を報告することでモデルの長所と短所がより明確になることも示されました。

現行アルゴリズムの実力

FODの有用性を示すために、研究チームは長年使われている検出ベースのモデルや、画像領域をより直接扱う近年の「プロポーザルフリー」設計を含む、人気のある画像セグメンテーション手法8種を評価しました。いずれもデータセット上で高い平均精度を達成し、中でもMask2Formerは特に重なりがある場面で最も鋭い輪郭を生成する点が際立ちました。それでも、最良のモデルでも魚が断片化した場合には性能が著しく低下しました。追加実験では、FODが実画像と合成画像を混ぜていることの重要性が明らかになりました。実画像のみで学習すると遮蔽の扱いが不十分になり、合成のみで学習すると実画像特有の細部を捉えきれません。両者を組み合わせることで最も堅牢なモデルが得られました。

より賢い養魚場のために意味すること

実務的には、この新しいデータセットは、視界が良好なことが例外である実際の養魚場で機能しなければならないコンピュータビジョンシステムのための試験場を提供します。重なりのある魚に意図的に焦点を当て、画像とそれを構築するためのコードの両方を共有することで、著者らはより信頼できる遮蔽対応の監視ツールの基盤を提供しています。現在のコレクションは制御された水槽で一種のみを扱っていますが、同じアプローチは他の魚種やより挑戦的な環境にも拡張可能です。これらの技術が普及すれば、養魚業者は個体数、行動、成長に関する連続的で精密な情報を得られるようになり、餌の効率的利用、早期の健康問題の発見、より持続可能な運用に役立つでしょう。

引用: Wang, X., Yu, H., Zhang, C. et al. An underwater image dataset for occlusion-aware fish instance segmentation. Sci Data 13, 526 (2026). https://doi.org/10.1038/s41597-026-06898-w

キーワード: 水中撮影, 養殖, コンピュータビジョン, インスタンスセグメンテーション, 遮蔽