特許 7337002 魚の品質判定システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-08-24

(45)【発行日】2023-09-01

(54)【発明の名称】魚の品質判定システム

(51)【国際特許分類】

   G06Q 50/02 20120101AFI20230825BHJP

   G06Q 30/0283 20230101ALI20230825BHJP

   A23L 13/00 20160101ALN20230825BHJP

【ＦＩ】

G06Q50/02

G06Q30/0283

A23L13/00 Z

【請求項の数】 5

(21)【出願番号】P 2020019296

(22)【出願日】2020-02-07

(65)【公開番号】P2021125057

(43)【公開日】2021-08-30

【審査請求日】2022-05-10

(73)【特許権者】

【識別番号】320005501

【氏名又は名称】株式会社電通

(74)【代理人】

【識別番号】230104019

【弁護士】

【氏名又は名称】大野 聖二

(74)【代理人】

【識別番号】100106840

【弁理士】

【氏名又は名称】森田 耕司

(74)【代理人】

【識別番号】100131451

【弁理士】

【氏名又は名称】津田 理

(74)【代理人】

【識別番号】100167933

【弁理士】

【氏名又は名称】松野 知紘

(74)【代理人】

【識別番号】100174137

【弁理士】

【氏名又は名称】酒谷 誠一

(74)【代理人】

【識別番号】100184181

【弁理士】

【氏名又は名称】野本 裕史

(72)【発明者】

【氏名】志村 和広

【審査官】加内 慎也

(56)【参考文献】

【文献】特開２０１６－２２４５５６（ＪＰ，Ａ）

【文献】特開２０１５－１９４４７０（ＪＰ，Ａ）

【文献】特開２０１８－１８３５４（ＪＰ，Ａ）

【文献】特開２０１６－７０９１４（ＪＰ，Ａ）

【文献】国際公開第２０１９／１９８７０１（ＷＯ，Ａ１）

【文献】特開２０２０－８６８４１（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｑ １０／００－９９／００

Ａ２３Ｌ １３／００

(57)【特許請求の範囲】

【請求項1】

魚の尾の断面を撮影した画像データ及び当該魚を捕った漁船を示す船データと、当該魚の品質を示す品質データとの関係を、機械学習により分析する機械学習部と、
判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを、ユーザ装置から取得するデータ取得部と、
前記機械学習部で分析した関係に基づいて、前記データ取得部で取得した前記判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを入力として、前記判定対象の魚の品質を推定して出力する推定部と、
前記推定部から出力された前記判定対象の魚の品質を、前記ユーザ装置に表示する表示部と、
を備える、魚の品質判定システム。

【請求項2】

前記機械学習部は、前記魚の品質データ及び当該魚の重量を示す重量データと、当該魚の価格を示す価格データとの関係を、機械学習により分析し、
前記データ取得部は、前記判定対象の魚の重量データを、前記ユーザ装置から取得し、
前記推定部は、前記機械学習部で分析した関係に基づいて、当該推定部で推定した前記判定対象の魚の品質データ及び前記データ取得部で取得した前記判定対象の魚の重量データを入力として、前記判定対象の魚の価格を推定して出力し、
前記表示部は、前記推定部から出力された前記判定対象の魚の価格を、前記ユーザ装置に表示する、請求項１に記載の魚の品質判定システム。

【請求項3】

前記機械学習部は、前記魚の品質データ及び当該魚の重量を示す重量データ及び当該魚を捕った日付を示す日付データと、当該魚の価格を示す価格データとの関係を、機械学習により分析し、
前記データ取得部は、前記判定対象の魚の重量データ及び前記判定対象の魚を捕った日付データを、前記ユーザ装置から取得し、
前記推定部は、前記機械学習部で分析した関係に基づいて、当該推定部で推定した前記判定対象の魚の品質データ及び前記データ取得部で取得した前記判定対象の魚の重量データ及び前記判定対象の魚を捕った日付データを入力として、前記判定対象の魚の価格を推定して出力し、
前記表示部は、前記推定部から出力された前記判定対象の魚の価格を、前記ユーザ装置に表示する、請求項１に記載の魚の品質判定システム。

【請求項4】

魚の品質判定システムで実行される方法であって、
魚の尾の断面を撮影した画像データ及び当該魚を捕った漁船を示す船データと、当該魚の品質を示す品質データとの関係を、機械学習により分析するステップと、
判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを、ユーザ装置から取得するステップと、
前記分析した関係に基づいて、前記取得した前記判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを入力として、前記判定対象の魚の品質を推定して出力するステップと、
前記出力された前記判定対象の魚の品質を、前記ユーザ装置に表示するステップと、
を含む、方法。

【請求項5】

ユーザ装置で実行されるプログラムであって、
前記ユーザ装置と通信可能なサーバ装置には、魚の尾の断面を撮影した画像データ及び当該魚を捕った漁船を示す船データと、当該魚の品質を示す品質データとの関係を、機械学習により分析する機械学習部が備えられ、
前記ユーザ装置には、前記機械学習部で分析した関係が前記サーバ装置から送信されて記憶されており、
前記プログラムは、前記ユーザ装置に、
判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを入力する処理と、
前記機械学習部で分析した関係に基づいて、前記判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを入力として、前記判定対象の魚の品質を推定して出力する処理と、
出力された前記判定対象の魚の品質を表示する処理と、
を実行させる、プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、魚（特に、マグロ）の品質を判定するシステムに関する。

【背景技術】

【0002】

従来、魚介類の鮮度を評価する技術が提案されている（例えば、特許文献１参照）。また、従来から、魚の卸売市場などで、マグロの尾の断面をみて、マグロの品質が判定されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１０－２８６２６２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

マグロの尾の断面からマグロの品質を判定するには、長年の経験が必要であり、かなりの熟練者でなければ、マグロの品質を判定することは困難であった。そのため、誰でも（熟練者でなくても）マグロの品質を容易に判定することができるシステムの開発が望まれていた。

【0005】

マグロの品質には、マグロの鮮度が大きく影響するが、その他にも、マグロを捕る漁法や、マグロを捕った際の締め方（血抜きの仕方）、その後の保存の仕方などが大きく影響する。しかしながら、従来、そのような要素（鮮度以外の要素）も考慮に入れて、マグロの品質を判定するシステムは存在していなかった。

【0006】

本発明は、上記の課題に鑑みてなされたもので、熟練者でなくても魚の品質を容易に判定することができ、しかも、魚の鮮度だけでなく、鮮度以外の要素を考慮に入れて、魚の品質を判定することのできる魚の品質判定システムを提供することを目的とする。

【課題を解決するための手段】

【0007】

本発明の魚の品質判定システムは、魚の尾の断面を撮影した画像データ及び当該魚を捕った漁船を示す船データと、当該魚の品質を示す品質データとの関係を、機械学習により分析する機械学習部と、判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを、ユーザ装置から取得するデータ取得部と、前記機械学習部で分析した関係に基づいて、前記データ取得部で取得した前記判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを入力として、前記判定対象の魚の品質を推定して出力する品質推定部と、前記品質推定部から出力された前記判定対象の魚の品質を、前記ユーザ装置に表示する品質表示部と、を備えている。

【0008】

この構成によれば、ユーザ装置から、判定対象の魚の尾の断面の画像データ及びその魚を捕った漁船を示す船データが取得されると、機械学習で分析した関係（魚の尾の断面の画像データ及びその魚を捕った漁船を示す船データと、その魚の品質を示す品質データとの関係）を用いて、判定対象の魚の品質が推定され、ユーザ装置に表示される。したがって、熟練者でなくても魚の品質を容易に判定することができる。この場合、魚の品質の推定に、魚の尾の断面の画像データだけでなく、その魚を捕った漁船を示す船データが利用される。このように船データを利用することにより、魚の鮮度だけでなく、鮮度以外の要素を考慮に入れて、魚の品質を判定することができる。

【0009】

また、本発明の魚の品質判定システムでは、前記機械学習部は、前記魚の品質データ及び当該魚の重量を示す重量データと、当該魚の価格を示す価格データとの関係を、機械学習により分析し、前記データ取得部は、前記判定対象の魚の重量データを、前記ユーザ装置から取得し、前記推定部は、前記機械学習部で分析した関係に基づいて、当該推定部で推定した前記判定対象の魚の品質データ及び前記データ取得部で取得した前記判定対象の魚の重量データを入力として、前記判定対象の魚の価格を推定して出力し、前記表示部は、前記推定部から出力された前記判定対象の魚の価格を、前記ユーザ装置に表示してもよい。

【0010】

この構成によれば、ユーザ装置から、判定対象の魚の重量を示す重量データが取得されると、機械学習で分析した関係（魚の品質データ及びその魚の重量データと、その魚の価格を示す価格データとの関係）を用いて、判定対象の魚の価格が推定され、ユーザ装置に表示される。したがって、魚の品質とあわせて、魚の価格も判定することができる。

【0011】

また、本発明の魚の品質判定システムでは、前記機械学習部は、前記魚の品質データ及び当該魚の重量を示す重量データ及び当該魚を捕った日付を示す日付データと、当該魚の価格を示す価格データとの関係を、機械学習により分析し、前記データ取得部は、前記判定対象の魚の重量データ及び前記判定対象の魚を捕った日付データを、前記ユーザ装置から取得し、前記推定部は、前記機械学習部で分析した関係に基づいて、当該推定部で推定した前記判定対象の魚の品質データ及び前記データ取得部で取得した前記判定対象の魚の重量データ及び前記判定対象の魚を捕った日付データを入力として、前記判定対象の魚の価格を推定して出力し、前記表示部は、前記推定部から出力された前記判定対象の魚の価格を、前記ユーザ装置に表示してもよい。

【0012】

この構成によれば、ユーザ装置から、判定対象の魚の重量を示す重量データと判定対象の魚を捕った日付データが取得されると、機械学習で分析した関係（魚の品質データ及びその魚の重量データ及びその魚を捕った日付データと、その魚の価格を示す価格データとの関係）を用いて、判定対象の魚の価格が推定され、ユーザ装置に表示される。したがって、魚の品質とあわせて、魚の価格も判定することができる。

【0013】

本発明の方法は、魚の品質判定システムで実行される方法であって、魚の尾の断面を撮影した画像データ及び当該魚を捕った漁船を示す船データと、当該魚の品質を示す品質データとの関係を、機械学習により分析するステップと、判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを、ユーザ装置から取得するステップと、前記分析した関係に基づいて、前記取得した前記判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを入力として、前記判定対象の魚の品質を推定して出力するステップと、前記出力された前記判定対象の魚の品質を、前記ユーザ装置に表示するステップと、
を含んでいる。

【0014】

この方法によっても、上記のシステムと同様に、ユーザ装置から、判定対象の魚の尾の断面の画像データ及びその魚を捕った漁船を示す船データが取得されると、機械学習で分析した関係（魚の尾の断面の画像データ及びその魚を捕った漁船を示す船データと、その魚の品質を示す品質データとの関係）を用いて、判定対象の魚の品質が推定され、ユーザ装置に表示される。したがって、熟練者でなくても魚の品質を容易に判定することができる。この場合、魚の品質の推定に、魚の尾の断面の画像データだけでなく、その魚を捕った漁船を示す船データが利用される。したがって、魚の鮮度だけでなく、鮮度以外の要素を考慮に入れて、魚の品質を判定することができる。

【0015】

本発明のプログラムは、魚の品質判定システムで実行される方法であって、魚の尾の断面を撮影した画像データ及び当該魚を捕った漁船を示す船データと、当該魚の品質を示す品質データとの関係を、機械学習により分析するステップと、判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを、ユーザ装置から取得するステップと、前記分析した関係に基づいて、前記取得した前記判定対象の魚の尾の断面の画像データ及び当該魚を捕った漁船を示す船データを入力として、前記判定対象の魚の品質を推定して出力するステップと、前記出力された前記判定対象の魚の品質を、前記ユーザ装置に表示するステップと、
を含んでいる。

【0016】

このプログラムによっても、上記のシステムと同様に、判定対象の魚の尾の断面の画像データ及びその魚を捕った漁船を示す船データを取得すると、機械学習で分析した関係（魚の尾の断面の画像データ及びその魚を捕った漁船を示す船データと、その魚の品質を示す品質データとの関係）を用いて、判定対象の魚の品質が推定され、ユーザ装置に表示される。したがって、熟練者でなくても魚の品質を容易に判定することができる。この場合、魚の品質の推定に、魚の尾の断面の画像データだけでなく、その魚を捕った漁船を示す船データが利用される。したがって、魚の鮮度だけでなく、鮮度以外の要素を考慮に入れて、魚の品質を判定することができる。

【発明の効果】

【0017】

本発明によれば、熟練者でなくても魚の品質を容易に判定することができ、しかも、魚の鮮度以外の要素を考慮に入れて、魚の品質を判定することができる。

【図面の簡単な説明】

【0018】

【図1】本発明の実施の形態における品質判定システムのブロック図である。

【図2】本発明の実施の形態における魚（マグロ）の尾の断面の画像データの一例である。

【図3】本発明の実施の形態における船データの一例である。

【図4】本発明の実施の形態における位置合わせマークの一例である。

【図5】本発明の実施の形態における品質判定システムの動作を説明するためのシーケンス図である。

【図6】他の実施の形態における品質判定システムのブロック図である。

【図7】他の実施の形態における品質判定システムの動作を説明するためのシーケンス図である。

【発明を実施するための形態】

【0019】

以下、本発明の実施の形態の魚の品質判定システムについて、図面を用いて説明する。本実施の形態では、マグロの品質判定システムの場合を例示する。

【0020】

本発明の実施の形態の品質判定システムの構成を、図面を参照して説明する。図１は、本実施の形態の品質判定システムの構成を示すブロック図である。図１に示すように、品質判定システム１は、サーバ装置２と、ユーザ装置３で構成されている。サーバ装置２とユーザ装置３は、ネットワーク４で互いに通信可能に接続されている。例えば、サーバ装置２は、品質判定サービスの提供者が所有するクラウドサーバ等であり、ユーザ装置３は、品質判定サービスの利用者が所有するスマートフォン等である。

【0021】

図１に示すように、サーバ装置２は、機械学習部２０と、データ取得部２１と、推定部２２と、記憶部２３を備えている。機械学習部２０は、マグロの尾の断面を撮影した画像データ（図２参照）及びそのマグロを捕った漁船を示す船データ（図３参照）と、そのマグロの品質を示す品質データとの関係を、機械学習により分析する。この機械学習には、ニューラルネットワークによるディープラーニング等の任意の手法が用いられる。

【0022】

例えば、ニューラルネットワークであれば、マグロの尾の断面の画像データとそのマグロを捕った漁船の船データを入力層に入力し、そのマグロの品質データを出力層から出力するように構成する。そして、入力層に入力するデータと出力層から出力されるデータとが紐付けられた分析用データ（教師データ）を用いた教師あり学習によって、ニューラルネットワークのニューロン間の重み付け係数が最適化される。品質の教師データとしては、熟練者がそのマグロの尾の断面から判断した、そのマグロの品質のデータ（例えば、評価Ｓ、Ａ、Ｂ、Ｃなど）が用いられる。

【0023】

さらに、機械学習部２０は、マグロの品質データ及びそのマグロの重量を示す重量データと、そのマグロの価格を示す価格データとの関係を、機械学習により分析する。この機械学習にも、ニューラルネットワークによるディープラーニング等の任意の手法が用いられる。

【0024】

例えば、ニューラルネットワークであれば、マグロの品質データとそのマグロの重量データを入力層に入力し、そのマグロの価格データを出力層から出力するように構成する。そして、入力層に入力するデータと出力層から出力されるデータとが紐付けられた分析用データ（教師データ）を用いた教師あり学習によって、ニューラルネットワークのニューロン間の重み付け係数が最適化される。価格の教師データとしては、そのマグロの市場での落札価格（例えば、１キログラムあたりの金額など）のデータが用いられる。

【0025】

データ取得部２１は、判定対象のマグロの尾の断面の画像データ及びそのマグロを捕った漁船を示す船データを、ユーザ装置３から取得する。推定部２２は、機械学習部２０で分析した関係に基づいて、データ取得部２１で取得した判定対象のマグロの尾の断面の画像データ及びそのマグロを捕った漁船を示す船データを入力として、判定対象のマグロの品質を推定して出力する。

【0026】

例えば、上記のニューラルネットワークであれば、判定対象のマグロの尾の断面の画像データ及びそのマグロを捕った漁船を示す船データを入力層に入力し、その判定対象のマグロの品質を推定して出力を出力層から出力することにより、判定対象のマグロの品質の推定が行われる。

【0027】

また、データ取得部２１は、判定対象のマグロの重量データを、ユーザ装置３から取得する。推定部２２は、機械学習部２０で分析した関係に基づいて、推定部２２で推定した判定対象のマグロの品質データ及びデータ取得部２１で取得した判定対象のマグロの重量データを入力として、判定対象のマグロの価格を推定して出力する。

【0028】

例えば、上記のニューラルネットワークであれば、判定対象のマグロの品質データ及びそのマグロの重量データを入力層に入力し、その判定対象のマグロの価格を推定して出力を出力層から出力することにより、判定対象のマグロの価格の推定が行われる。

【0029】

記憶部２３には、ユーザ装置３から取得した画像データや船データや重量データが記憶される。また、記憶部２３には、推定部２２から出力されたマグロの品質データや価格データが記憶される。さらに、記憶部２３には、機械学習により分析した、マグロの画像データ及び船データと品質データとの関係や、マグロの品質データ及び重量データと価格データとの関係が記憶される。

【0030】

図１に示すように、ユーザ装置３は、撮影部３０と、データ入力部３１と、撮影補助部３２と、表示部３３と、記憶部３４を備えている。撮影部３０は、ユーザ装置３のカメラ機能によって実現され、マグロの尾の断面を撮影することにより、マグロの尾の断面の画像データが生成される（図２参照）。なお、生成されたマグロの尾の断面の画像データには、撮影日のデータが紐づけられていてもよい。

【0031】

データ入力部３１は、各種のデータを入力する機能を備えている。データ入力部３１からは、判定対象のマグロを捕った漁船の船データが入力される。船データには、例えば、漁港、船名、船籍、漁場などのデータが含まれる（図３参照）。また、データ入力部３１からは、判定対象のマグロの重量データが入力される。

【0032】

撮影補助部３２は、判定対象のマグロの尾の断面をユーザ装置３で撮影するときに、ユーザ装置３の表示部３３に、その判定対象のマグロの尾の断面の位置合わせを行うためのマークＭを表示する。このマークＭの形状は、例えば略円形である。判定対象のマグロの尾の断面が略円形のマークＭの内部に入るように、位置合わせが行われる（図４参照）。データ取得部２１は、判定対象のマグロの尾の断面の画像データとして、略円形のマークＭの内部の画像データを取得する。

【0033】

表示部３３は、各種のデータを表示する機能を備えている。表示部３３には、推定部２２から出力された判定対象のマグロの品質が表示される。また、表示部３３には、推定部２２から出力された判定対象のマグロの価格が表示される。なお、表示部３３がタッチパネル機能を備えている場合には、表示部３３はデータ入力部３１を兼ねることができる。

【0034】

記憶部３４には、ユーザ装置３から入力されたマグロの画像データや船データや重量データが記憶される。また、記憶部３４には、サーバ装置２から出力されたマグロの品質データや価格データが記憶される。

【0035】

以上のように構成された品質判定システム１について、図５のシーケンス図を参照してその動作を説明する。

【0036】

図５に示すように、本実施の形態の品質判定システム１では、サーバ装置２の機械学習部２０で、マグロの尾の断面の画像データ及びそのマグロを捕った漁船を示す船データと、そのマグロの品質を示す品質データとの関係を、予め機械学習により分析しておく（Ｓ１０）。また、マグロの品質データ及びそのマグロの重量を示す重量データと、そのマグロの価格を示す価格データとの関係を、予め機械学習により分析しておく（Ｓ１０）。

【0037】

そして、ユーザ装置３で、判定対象のマグロの尾の断面の画像データを撮影するとともに（Ｓ１１）、そのマグロを捕った漁船を示す船データを入力し（Ｓ１２）、さらに、そのマグロの重量データを入力すると（Ｓ１３）、これらのデータがユーザ装置３からサーバ装置２に送信される（Ｓ１４）。サーバ装置２の推定部２２は、機械学習部２０で分析した関係に基づいて、判定対象のマグロの尾の断面の画像データ及びそのマグロを捕った漁船を示す船データを入力として、判定対象のマグロの品質を推定して出力する（Ｓ１５）。また、機械学習部２０で分析した関係に基づいて、判定対象のマグロの品質データ及びそのマグロの重量データを入力として、判定対象のマグロの価格を推定して出力する（Ｓ１６）。

【0038】

サーバ装置２の推定部２２から出力された推定結果（マグロの品質や価格）は、ユーザ装置３に送信され（Ｓ１７）、ユーザ装置３の表示部３３に表示される（Ｓ１８）。そして、サーバ装置２の機械学習部２０では、推定部２２から出力された推定結果（マグロの品質や価格）を教師データとして用いて、関係の強化学習が行われる（例えば、ニューラルネットワークのニューロン間の重み付け係数が最適化される）（Ｓ１９）。

【0039】

このような本実施の形態の品質判定システム１によれば、ユーザ装置３から、判定対象のマグロの尾の断面の画像データ（図２参照）及びそのマグロを捕った漁船を示す船データ（図３参照）が取得されると、機械学習で分析した関係（マグロの尾の断面の画像データ及びそのマグロを捕った漁船を示す船データと、そのマグロの品質を示す品質データとの関係）を用いて、判定対象のマグロの品質が推定され、ユーザ装置３に表示される。したがって、熟練者でなくてもマグロの品質を容易に判定することができる。この場合、マグロの品質の推定に、マグロの尾の断面の画像データだけでなく、そのマグロを捕った漁船を示す船データが利用される。このように船データを利用することにより、マグロの鮮度だけでなく、鮮度以外の要素（マグロを捕る漁法や、マグロを捕った際の締め方、その後の保存の仕方など）を考慮に入れて、マグロの品質を判定することができる。

【0040】

また、本実施の形態では、ユーザ装置３から、判定対象のマグロの重量を示す重量データが取得されると、機械学習で分析した関係（マグロの品質データ及びそのマグロの重量データと、そのマグロの価格を示す価格データとの関係）を用いて、判定対象のマグロの価格が推定され、ユーザ装置３に表示される。したがって、マグロの品質とあわせて、マグロの価格も判定することができる。

【0041】

また、本実施の形態では、判定対象のマグロの尾の断面をユーザ装置３で撮影するときに、ユーザ装置３の表示部３３に、その判定対象のマグロの尾の断面の位置合わせを行うための略円形のマークが表示される（図４参照）。この場合、判定対象のマグロの尾の断面が略円形のマークの内部に入るように、位置合わせが行われ、略円形のマークの内部の画像データが、判定対象のマグロの尾の断面の画像データ（推定部２２に入力されるデータ）として用いられる。これにより、判定対象のマグロの尾の断面の画像データに、余計な画像データ（尾の断面以外の画像データ）が含まれることを抑制することができ、品質推定の精度が向上する。

【0042】

以上、本発明の実施の形態を例示により説明したが、本発明の範囲はこれらに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変形することが可能である。

【0043】

例えば、機械学習部２０は、マグロの品質データ及びそのマグロの重量を示す重量データ及びそのマグロが捕れた日付を示す日付データと、そのマグロの価格を示す価格データとの関係を、機械学習により分析してもよい。この機械学習にも、ニューラルネットワークによるディープラーニング等の任意の手法が用いられる。

【0044】

例えば、ニューラルネットワークであれば、マグロの品質データとそのマグロの重量データとそのマグロが捕れた日付データを入力層に入力し、そのマグロの価格データを出力層から出力するように構成する。そして、入力層に入力するデータと出力層から出力されるデータとが紐付けられた分析用データ（教師データ）を用いた教師あり学習によって、ニューラルネットワークのニューロン間の重み付け係数が最適化される。価格の教師データとしては、そのマグロの市場での落札価格（例えば、１キログラムあたりの金額など）のデータが用いられる。

【0045】

この場合、ユーザ装置３から、判定対象のマグロの重量を示す重量データ及び判定対象のマグロが捕れた日付データが取得されると、機械学習で分析した関係（マグロの品質データ及びそのマグロの重量データ及びそのマグロが捕れた日付データと、そのマグロの価格を示す価格データとの関係）を用いて、判定対象のマグロの価格が推定され、ユーザ装置３に表示される。このようにして、マグロの品質とあわせて、マグロの価格も判定することができる。

【0046】

また、以上の説明では、サーバ装置２に推定部２２が備えられた例について説明したが、図６に示すように、ユーザ装置３に推定部３５が備えられてもよい。例えば、ユーザ装置３の推定部３５の機能は、記憶部３４に格納されたプログラムによって実現することができる。その場合には、図７に示すように、サーバ装置２で、機械学習により分析が行われると（Ｓ２０）、分析により得られた関係（学習済みモデル）は、サーバ装置２からユーザ端末へ送信される（Ｓ２１）。

【0047】

ユーザ装置３では、判定対象のマグロの尾の断面の画像データを撮影するとともに（Ｓ２２）、そのマグロを捕った漁船を示す船データを入力し（Ｓ２３）、さらに、そのマグロの重量データを入力する（Ｓ２４）。そうすると、ユーザ装置３の推定部３５は、サーバ装置２から送信された関係（学習済みモデル）に基づいて、判定対象のマグロの尾の断面の画像データ及びそのマグロを捕った漁船を示す船データを入力として、判定対象のマグロの品質を推定して出力するとともに（Ｓ２５）、判定対象のマグロの品質データ及びそのマグロの重量データを入力として、判定対象のマグロの価格を推定して出力する（Ｓ２６）。

【0048】

そして、ユーザ装置３の推定部３５から出力された推定結果（マグロの品質や価格）が、ユーザ装置３の表示部３３に表示される（Ｓ２７）。この場合、ユーザ装置３の推定部３５から出力された推定結果（マグロの品質や価格）は、ユーザ装置３から入力されたデータ（マグロの画像データ、船データ、重量データ）とともに、サーバ装置２へ送信され（Ｓ２８）、それを教師データとして用いて、関係（学習済みモデル）の強化学習が行われる（例えば、ニューラルネットワークのニューロン間の重み付け係数が最適化される）（Ｓ２９）。

【産業上の利用可能性】

【0049】

以上のように、本発明にかかる魚の品質判定システムは、熟練者でなくても魚の品質を容易に判定することができ、しかも、魚の鮮度以外の要素を考慮に入れて、魚の品質を判定することができるという効果を有し、マグロの品質判定システム等として有用である。

【符号の説明】

【0050】

１ 品質判定システム
２ サーバ装置
３ ユーザ装置
４ ネットワーク
２０ 機械学習部
２１ データ取得部
２２ 推定部
２３ 記憶部
３０ 撮影部
３１ データ入力部
３２ 撮影補助部
３３ 表示部
３４ 記憶部
３５ 推定部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】