カメラ画像とAI・機械学習を用いた非接触型の水位自動計測

本プロジェクトでは，画像解析による水位計測手法として，研究事例が少ない物体検出モデルYOLOを用いた手法を提案した．また，夜間における解析精度を高めるために，画像の撮影には近赤外線カメラを使用した．調査対象は，瀬戸内海に面する香川県水産試験場とし，現地沖に設置されていた柱の浸水面積の変化を利用し，水位を計測した．1週間の撮影画像データのうち，約 1.5日間の画像データ1830枚を教師データとし，YOLOv5 で機械学習を行い物体検出モデルを作成した．その他の期間の画像データについて，作成モデルにより解析を行い，出力される検出物体（水上柱）の座標データを用いて水位を算出した． 観測期間を通して，YOLOにより推定された水位と高松港の実測値のRMSEが昼間は9.91 cm，夜間は7.14cm であり，夜間において，昼間に比べて高い計測精度が記録された．

参考文献：

1. 三宅壮太・石塚正秀・山本高広・玉置哲也・松岡聡・一見和彦：YOLOv5を用いた赤外画像の解析による水位計測システムの開発、AI・データサイエンス論文集、3巻、J2号、479-487、https://doi.org/10.11532/jsceiii.3.J2_479、2022.

カメラ画像とAI・機械学習を用いたプラスチックの種類自動計測と質量推定

本研究では，YOLOとDeepSortを用いて，プラスチック浮遊物の動画データから，浮遊物の種類，個数，面積，質量を推定した．動画データには，室内開水路を流れるプラスチック製品を可視・赤外カメラで真上から撮影した動画を用いた．浮遊物の面積および質量の推定では，YOLOの検出結果であるBounding Boxを用いて，物体の回転を考慮した式により1個あたりの面積を推定し，プラスチック製品の面積と質量の関係により，推定した面積から質量を推定した．結果として，種類判別で正解率が0.83，個数推定でF値が約0.8，面積推定で決定係数R2が約0.8という精度が得られた．なお，質量推定では，個々の物体の推定精度は面積推定に比べて低かったが，総質量では，BottleとPackageについて，平均絶対パーセント誤差が10 ~ 30 %程度を記録し，実験室環境ではあるが，本手法の有効性が示された．

参考文献：

三宅壮太, 石塚正秀, 山本高広, 玉置哲也: YOLOとDeepSortを用いたプラスチック浮遊物の個数計測および質量推定, AI・データサイエンス論文集 2023 （印刷中）.