もっと詳しく
セマンティック・セグメンテーションを用いた、海岸の写真からの海ごみ検出のイメージ図。写真に対して、ピクセル単位でのクラス分類が行われる。訓練用に2800枚、評価用に700枚の画像データを用いた(写真は山形県提供)

セマンティック・セグメンテーションを用いた、海岸の写真からの海ごみ検出のイメージ図。写真に対して、ピクセル単位でのクラス分類が行われる。訓練用に2800枚、評価用に700枚の画像データを用いた(写真は山形県提供)

海洋研究開発機構鹿児島大学は2月4日、ディープラーニングを用いた画像解析で、デジカメなどで普通に撮影された海岸の写真から、海岸の漂着ゴミを検出する手法を開発したと発表した。

海岸漂着ゴミの実態調査は世界中で行われているが、ゴミの現存量の定量化が行える、汎用性と実用性の面で優れた技術がなかった。人による調査では、経済的負担、時間的制約、さらに範囲も限定されてしまい、精度にも課題があった。ドローンや人工衛星を使う技術も開発されているが、それではコストがかかりすぎる。そこで、海洋研究開発機構の日高弥子臨時研究補助員、松岡大祐副主任研究員と、鹿児島大学の加古真一郎准教授からなる研究グループは、地上においてデジカメなどで簡易的に撮影された画像から、高精度で海洋漂着ゴミの定量化ができる技術の研究に着手した。

ここで採用されたAI技術は、セマンティック・セグメンテーションと呼ばれるもの。ディープラーニングを用いた画像解析技術で、画像内のすべてのピクセルにラベル付けを行い、ピクセルごとに、人工ゴミ、自然ゴミ、砂浜、海、空といったクラスを出力する。そのクラス特有のパターンの学習には、山形県庄内総合支庁から提供された海岸清潔度モニタリング写真3500枚が利用された。そこから正解となるラベルを作成し、AIの訓練や判断の評価を行った。

入力画像、正解ラベルおよびAIによる推定画像の例

入力画像、正解ラベルおよびAIによる推定画像の例

今回の研究では、海岸漂着ゴミを検出した後の画像を、真上から見た構図に変換(射影変換)して、ゴミの被覆面積を推定することも可能であることがわかった。ドローンによる空撮画像から推定した被覆面積と比較したところ、誤差は10%程度だった。

セマンティック・セグメンテーションと射影変換による人工ごみの被覆面積推定結果。海岸漂着ごみ検出後の画像を真上から撮影した構図に射影変換することにより、海岸全体のごみの被覆面積が推定可能であることを示したもの。同手法の精度は、ドローンによる空撮から得られた正解値との比較により検証している

セマンティック・セグメンテーションと射影変換による人工ごみの被覆面積推定結果。海岸漂着ごみ検出後の画像を真上から撮影した構図に射影変換することにより、海岸全体のごみの被覆面積が推定可能であることを示したもの。同手法の精度は、ドローンによる空撮から得られた正解値との比較により検証している

今後は、海岸漂着ゴミの堆積の推定や、プラスチックゴミの個数のカウントもできるように発展させるという。今回の研究から生まれた学習用データセット(The BeachLitter Dataset v2022)は、非商用の研究目的に限って公開される。汎用性の高いシステムなので、多くの人がデータを集め学習させることで、それぞれの地域特有の、目的に合ったAIの開発が可能になり、全世界で活用できるようになるとのことだ。そこで、研究グループは、アマチュア科学者をはじめ多くの人々が参加する市民科学に期待を寄せている。