ホーム > 特許ランキング > 日鉄エンジニアリング株式会社
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2024-08-14
(45)【発行日】2024-08-22
(54)【発明の名称】給餌システムおよび学習モデル生成方法
(51)【国際特許分類】
A01K 61/80 20170101AFI20240815BHJP
【ＦＩ】
A01K61/80
【請求項の数】
12
(21)【出願番号】P 2023211446
(22)【出願日】2023-12-14
【審査請求日】2023-12-18
【早期審査対象出願】
(73)【特許権者】
【識別番号】306022513
【氏名又は名称】日鉄エンジニアリング株式会社
(74)【代理人】
【識別番号】100149548
【弁理士】
【氏名又は名称】松沼 泰史
(74)【代理人】
【識別番号】100140774
【弁理士】
【氏名又は名称】大浪 一徳
(74)【代理人】
【識別番号】100134359
【弁理士】
【氏名又は名称】勝俣 智夫
(74)【代理人】
【識別番号】100188592
【弁理士】
【氏名又は名称】山口 洋
(74)【代理人】
【識別番号】100217249
【弁理士】
【氏名又は名称】堀田 耕一郎
(74)【代理人】
【識別番号】100221279
【弁理士】
【氏名又は名称】山口 健吾
(74)【代理人】
【識別番号】100207686
【弁理士】
【氏名又は名称】飯田 恭宏
(74)【代理人】
【識別番号】100224812
【弁理士】
【氏名又は名称】井口 翔太
(72)【発明者】
【氏名】藤原 明弘
(72)【発明者】
【氏名】富岡 修一
(72)【発明者】
【氏名】五十嵐 康文
(72)【発明者】
【氏名】佐藤 知広
【審査官】小林 謙仁
(56)【参考文献】
【文献】特開２０２０－０７８２７８（ＪＰ，Ａ）
【文献】国際公開第２０２３／１７０７７１（ＷＯ，Ａ１）
【文献】特開平１０－３１３７３０（ＪＰ，Ａ）
【文献】特開平０９－２６２０４０（ＪＰ，Ａ）
【文献】国際公開第２０２２／１２３７３２（ＷＯ，Ａ１）
【文献】米国特許出願公開第２０２３／００６４７１８（ＵＳ，Ａ１）
【文献】米国特許出願公開第２０２３／００１７４２２（ＵＳ，Ａ１）
【文献】米国特許出願公開第２０２２／０２７９７６５（ＵＳ，Ａ１）
【文献】中国特許出願公開第１０４１２３７２１（ＣＮ，Ａ）
【文献】中国特許出願公開第１１２１３６７４１（ＣＮ，Ａ）
【文献】中国特許出願公開第１１１２４０２００（ＣＮ，Ａ）
【文献】中国特許出願公開第１１２４００７７３（ＣＮ，Ａ）
【文献】中国特許出願公開第１１３８４１６５０（ＣＮ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ０１Ｋ ６１／００－６１／９５
(57)【特許請求の範囲】
【請求項1】
水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、
前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が、前記第１量と異なる第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、
前記撮像手段が生成する前記第１画像データの特徴量と、前記撮像手段が生成する前記第２画像データの特徴量と、の違いを算出する比較手段と、
前記比較手段の処理結果に基づき、前記給餌手段の給餌量を制御する給餌制御手段と、
を備え、
前記第１画像データの特徴量および前記第２画像データの特徴量はそれぞれ、残餌量および摂餌活性のうちの少なくとも一方と相関関係がある量である給餌システム。
【請求項2】
水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、
前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が、前記第１量と異なる第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、
前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を比較する比較手段と、
前記比較手段の処理結果に基づき、前記給餌手段の給餌量を制御する給餌制御手段と、
を備え、
前記比較手段による比較は、
前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、の差分である画像差分を取得することであり、
前記給餌制御手段は、前記画像差分に基づき、前記給餌手段の給餌量を制御する給餌システム。
【請求項3】
前記第２量は、前記第１量より、多い、ことを特徴とする請求項２に記載の給餌システム。
【請求項4】
水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、
前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が、前記第１量と異なる第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、
前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を比較する比較手段と、
前記比較手段の処理結果に基づき、前記給餌手段の給餌量を制御する給餌制御手段と、
を備え、
前記第１画像データおよび前記第２画像データは、給餌開始から給餌完了までに取得された画像データであり、
前記比較手段による比較は、前記第１画像データと他のデータとを比較し、その比較結果に基づいて前記第２画像データを調整することであり、
前記給餌制御手段は、前記比較手段により調整された前記第２画像データに基づき、前記給餌手段の給餌量を制御する給餌システム。
【請求項5】
前記比較手段は、前記撮像手段が生成する第１画像データの輝度と所定輝度との差分である輝度差分を取得する輝度差分取得部と、
前記撮像手段が生成する前記第２画像データの輝度を、前記輝度差分取得部により取得される前記輝度差分に基づき、調整する輝度調整部と、
を含む、
ことを特徴とする請求項４に記載の給餌システム。
【請求項6】
前記輝度調整部によって調整される前記第２画像データを記憶部に記憶させる第１記憶制御手段、を更に備えることを特徴とする請求項５に記載の給餌システム。
【請求項7】
水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、
前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が、前記第１量と異なる第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、
前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を比較する比較手段と、
前記比較手段の処理結果に基づき、前記給餌手段の給餌量を制御する給餌制御手段と、
を備え、
前記第１画像データおよび前記第２画像データは、給餌開始から給餌完了までに取得された画像データであり、
前記比較手段による比較は、前記第１画像データの処理結果に応じて、前記第２画像データに基づく判断基準を変更することであり、
前記給餌制御手段は、前記比較手段により変更された前記判断基準と、前記第２画像データと、に基づき、前記給餌手段の給餌量を制御する給餌システム。
【請求項8】
前記給餌制御手段は、前記撮像手段が生成する第２画像データに基づく残餌量、が所定閾値を上回ったら、前記給餌手段による給餌速度を低下させ、または、給餌を停止させ、前記比較手段は、
前記撮像手段が生成する第１画像データの濁りの程度を取得する濁り程度取得部、を含み、
前記所定閾値は、前記濁り程度取得部によって取得される濁りの程度が大きくなるに連れ、下がる、
ことを特徴とする請求項７に記載の給餌システム。
【請求項9】
前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を対応付けて記憶部に記憶させる第２記憶制御手段、を更に備えることを特徴とする請求項１乃至８のいずれか１項に記載の給餌システム。
【請求項10】
水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、
前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が、前記第１量と異なる第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、
前記水棲生物の種類を判定する判定手段と、
前記判定手段によって前記種類がブリであると判定される場合に、前記撮像手段が生成する前記第１画像データの特徴量と、前記撮像手段が生成する前記第２画像データの特徴量と、の違いを算出する比較手段と、
前記比較手段の処理結果に基づき、前記給餌手段の給餌量を制御する給餌制御手段と、
を備え、
前記第１画像データの特徴量および前記第２画像データの特徴量はそれぞれ、残餌量および摂餌活性のうちの少なくとも一方と相関関係がある量である給餌システム。
【請求項11】
水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、
前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が、前記第１量と異なる第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、
前記撮像手段が前記第１画像データを生成してから所定期間が経過したか否かを判別する判別手段と、
比較手段と、
前記比較手段の処理結果に基づき、前記給餌手段の給餌量を制御する給餌制御手段と、
を備える給餌システムであって、
前記撮像制御手段は、前記判別手段によって前記所定期間が経過したと判別される場合に、前記水棲生物を新たに撮像させて第３画像データを生成するように前記撮像手段を制御し、
前記比較手段は、前記判別手段によって前記所定期間が経過したと判別されない場合に、前記撮像手段が生成する前記第１画像データの特徴量と、前記撮像手段が生成する前記第２画像データの特徴量と、の違いを算出し、前記判別手段によって前記所定期間が経過したと判別される場合に、前記撮像手段が生成する前記第２画像データの特徴量と、前記撮像手段が生成する前記第３画像データの特徴量と、の違いを算出し、
前記第１画像データの特徴量、前記第２画像データの特徴量および前記第３画像データの特徴量はそれぞれ、残餌量および摂餌活性のうちの少なくとも一方と相関関係がある量である
ことを特徴とする給餌システム。
【請求項12】
水棲生物に給餌する給餌ステップと、前記給餌ステップにおいて前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するよう、前記水棲生物を撮像して画像データを生成する撮像手段を制御し、前記給餌ステップにおいて前記水棲生物に給餌する量が、前記第１量と異なる第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するよう、前記撮像手段を制御する撮像制御ステップと、
前記撮像制御ステップにて前記撮像手段が生成する前記第１画像データと他のデータを比較し、その比較結果に基づいて、前記撮像制御ステップにて前記撮像手段が生成する前記第２画像データを調整する比較ステップと、
前記比較ステップにて調整される前記第２画像データに基づき、前記水棲生物の残餌量および摂餌活性のうちの少なくとも一方を算出する算出ステップと、
前記比較ステップにて調整される前記第２画像データを学習データとし、前記算出ステップにて算出される前記少なくとも一方を教師データとする機械学習により、学習モデルを生成する生成ステップと、
を備え、
前記第１画像データおよび前記第２画像データは、前記給餌ステップにおいて給餌開始から給餌完了までに取得された画像データである
ことを特徴とする学習モデル生成方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、給餌システムおよび学習モデル生成方法に関する。
【背景技術】
【0002】
従来から、養殖魚に給餌する給餌システムが用いられている。
特許文献１は、給餌前、給餌中又は給餌後の所定のタイミングにおいて、生簀を撮像する撮像部を開示する。また、特許文献１は、給餌中の撮像画像に対して既知の画像認識処理を行うことによって、生物が餌を食べる速度と、生物が餌を食べ残した量との少なくとも一方を検出することを開示する。
特許文献１は、給餌前、給餌中又は給餌後の所定のタイミングにおいて、生簀を撮像する撮像部を開示する。また、特許文献１は、給餌中の撮像画像に対して既知の画像認識処理を行うことによって、生物が餌を食べる速度と、生物が餌を食べ残した量との少なくとも一方を検出することを開示する。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２０２１－１３６９６５号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
上記従来の発明において、給餌の効率を向上させることに改善の余地がある。
【0005】
本開示は、給餌の効率を向上させることを目的とする。
【課題を解決するための手段】
【0006】
本発明の一態様に係る給餌システムは、水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を比較する比較手段と、前記比較手段の処理結果に基づき、前記給餌手段を制御する給餌制御手段と、を備える。
【発明の効果】
【0007】
本開示によれば、給餌の効率を向上させることができる。
【図面の簡単な説明】
【0008】
【図1】本開示の一実施形態に係る給餌システムのブロック図である。
【発明を実施するための形態】
【0009】
以下、図１から図１４を参照し、本開示の一実施形態に係る給餌システム１について説明する。
なお、以下の説明において「ＸＸに基づいて」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づいて」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。
なお、以下の説明において「ＸＸに基づいて」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づいて」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。
【0010】
給餌システム１は、水棲生物Ｌの給餌に関するシステムである。水棲生物Ｌとしては、例えば、魚、エビ、カニなどが挙げられる。水棲生物Ｌは、例えば養殖魚など、養殖する水棲生物Ｌであってもよい。水棲生物Ｌは、生簀２０に養殖されていてもよい。
【0011】
図１および図２に示すように、給餌システム１は、給餌手段２と、撮像手段３と、制御装置４と、学習装置５と、を備えている。給餌手段２は、水棲生物Ｌに給餌する。撮像手段３は、水棲生物Ｌを撮像する。撮像手段３は、画像データを生成する。制御装置４は、給餌手段２および撮像手段３を制御する。学習装置５は、制御装置４から情報を取得する。学習装置５は、取得した情報から学習モデル６を生成する。
【0012】
図２に示すように、給餌手段２は、生簀２０内の水上に浮遊する。給餌手段２は、浮体２１上に配置される。浮体２１は、例えば、筏（いかだ）である。給餌手段２には、給餌孔（不図示）が設けられている。給餌手段２は、給餌孔から餌を放出する。給餌孔は、給餌手段２の下方に設けられている。給餌手段２は、浮体２１を通して給餌孔から下方（水中）に向けて餌を放出する。給餌手段２は、水棲生物Ｌに給餌する量（以下、給餌量ともいう）を調整可能である。給餌量は、給餌手段２から放出される餌の量である。給餌量は、単位時間当たりに給餌される餌の量であってもよい。
【0013】
なお給餌手段２には、基準が設けられていてもよい。基準は、例えば、後述するように、制御装置４が濁りの程度を取得するために用いられる基準である。基準は、給餌手段２の下面に設けられた印であってもよい。基準は、給餌手段２に代えて浮体２１に設けられていてもよい。基準は、給餌手段２や浮体２１とは別体に設けられていてもよい。
【0014】
撮像手段３は、水中に配置されている。撮像手段３は、給餌手段２の下方に位置している。図示の例では、撮像手段３は、筐体２２に収容されている。筐体２２は、浮体２１に吊り下げられている。筐体２２は、索２３（例えば、ロープ）を介して浮体２１に接続されている。筐体２２には、錘２４が設けられているが、錘２４は無くてもよい。
給餌手段２と撮像手段３との相対的な位置関係は、実質的に固定されている。言い換えると、給餌手段２と撮像手段３との相対的な位置関係は、例えば潮流などにより変化するが、この変化は、撮像手段３が生成する画像データにおいて、後述する各種処理をするためには実質的に影響がない。撮像手段３は、給餌手段２を、給餌孔を含む所定の画角で撮像することにより、水棲生物Ｌを撮像する。
給餌手段２と撮像手段３との相対的な位置関係は、実質的に固定されている。言い換えると、給餌手段２と撮像手段３との相対的な位置関係は、例えば潮流などにより変化するが、この変化は、撮像手段３が生成する画像データにおいて、後述する各種処理をするためには実質的に影響がない。撮像手段３は、給餌手段２を、給餌孔を含む所定の画角で撮像することにより、水棲生物Ｌを撮像する。
【0015】
撮像手段３は、撮像手段３の上方を撮像する。撮像手段３は、生簀２０内の空間であって、給餌孔を含む空間を撮像する。なお、撮像手段３による撮像は、前記空間を下方から撮像する場合に限られず、前記空間を側方（横）から撮像してもよく、前記空間を上方（海上）から撮像してもよい。また、撮像手段３による撮像の方向に合わせて、給餌手段２による給餌の方向又は位置を変更してもよい。例えば、給餌手段２よる給餌を海上から行ってもよく、海中から行ってもよい。ここで、給餌手段２による給餌の方向又は位置は、撮像手段３による撮像の方向とは独立して（撮像手段３による撮像の方向に合わせることなく）変更してもよい。
撮像手段３は、動画を撮像可能であってもよく、静止画を撮像可能であってもよく、動画および静止画の両方を撮像可能であってもよい。
撮像手段３は、動画を撮像可能であってもよく、静止画を撮像可能であってもよく、動画および静止画の両方を撮像可能であってもよい。
【0016】
図１に示すように、制御装置４は、給餌手段２、撮像手段３および学習装置５のそれぞれと、ネットワークＮＷを介して通信する。ネットワークＮＷは、例えば、インターネット、ＬＡＮ（Local Area Network）、無線基地局、プロバイダ装置などを含む。なお図２に示す例では、撮像手段３は、情報通信線２５を介して給餌手段２に有線接続されていて、制御装置４は、給餌手段２を介して撮像手段３に接続されている。しかしながら、制御装置４は、撮像手段３に給餌手段２を介さずに接続されていてもよい。
【0017】
図３に示すように、制御装置４は、バスで接続されたＣＰＵ（Central Processing Unit）等のプロセッサ９１とメモリ９２とを備える制御部１１を備え、給餌プログラムを実行する。給餌プログラムは制御装置４が備える各機能部の動作を制御するプログラムである。制御装置４は、給餌プログラムの実行によってユーザインターフェース１０、制御部１１及び記憶部１２を備える装置として機能する。
【0018】
より具体的には、制御装置４は、プロセッサ９１が記憶部１２に記憶されている給餌プログラムを読み出し、読み出した給餌プログラムをメモリ９２に記憶させる。プロセッサ９１が、メモリ９２に記憶させた給餌プログラムを実行することによって、制御装置４は、ユーザインターフェース１０、制御部１１及び記憶部１２を備える装置として機能する。
【0019】
ユーザインターフェース１０は、表示部１０１と入力部１０２とを備える。表示部１０１は、各種情報を表示する。表示部１０１は、例えばＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイや液晶ディスプレイ、有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等の出力装置を含んで構成される。表示部１０１は、これらの出力装置を制御装置４に接続するインタフェースとして構成されてもよい。
【0020】
入力部１０２は、マウスやキーボード、タッチパネル等の入力端末を含んで構成される。入力部１０２は、これらの入力端末を制御装置４に接続するインタフェースとして構成されてもよい。入力部１０２は、制御装置４に対する各種情報の入力を受け付ける。入力部１０２は、例えば、後述する指定輝度をオペレーターに指定させる指定手段として機能する。
なお、表示部１０１と入力部１０２とは一体のタッチパネルとして構成されてもよい。
なお、表示部１０１と入力部１０２とは一体のタッチパネルとして構成されてもよい。
【0021】
制御部１１は、制御装置４が備える各機能部の動作を制御する。制御部１１は、例えば表示部１０１の動作を制御する。
【0022】
記憶部１２は、磁気ハードディスク装置や半導体記憶装置などの非一時的コンピュータ読み出し可能な記憶媒体装置を用いて構成される。記憶部１２は制御装置４に関する各種情報を記憶する。記憶部１２は、例えば給餌プログラムを予め記憶する。記憶部１２は、例えば、給餌計画を予め記憶する。記憶部１２は、例えば、後述する学習モデル６を記憶していてもよい。
【0023】
図４に示すように、制御部１１は、撮像制御手段４１と、判別手段４２と、判定手段４３と、比較手段４４と、算出手段４５と、給餌制御手段４６と、記憶制御手段４７と、を備えている。
【0024】
撮像制御手段４１は、撮像手段３を制御する。撮像制御手段４１は、異なるタイミングで複数の画像データを生成するように、撮像手段３を制御する。撮像制御手段４１は、例えば、第１画像データおよび第２画像データを生成するように、撮像手段３を制御する。第１画像データは、給餌量が第１量である場合における画像データである。第２画像データは、給餌量が第２量である場合における画像データである。本実施形態は、第２画像データは、第１画像データよりも後の時刻における画像データである。
【0025】
撮像制御手段４１は、給餌量が第１量である場合に、水棲生物Ｌを撮像させて第１画像データを生成するように撮像手段３を制御する。撮像制御手段４１は、給餌量が第２量である場合に、水棲生物Ｌを撮像させて第２画像データを生成するように撮像手段３を制御する。
【0026】
撮像手段３が動画を撮像可能である場合、第１画像データおよび第２画像データは、同一の動画における異なるフレームの静止画であってもよい。撮像手段３が静止画を撮像可能である場合、第１画像データおよび第２画像データは、異なるタイミングで撮像された静止画であってもよい。これらの動画や静止画は、予め決められた所定のタイミングで撮像されていて、記憶部１２に記憶されていてもよい。この場合、制御部１１は、事後的に記憶部１２から動画や静止画を読み込むことで、過去の時点における画像データを取得可能である。
【0027】
なお第１量および第２量は、例えば、記憶部１２に記憶されていてもよい。第１量および第２量は、例えば、当該時刻における単位時間当たりの給餌量であってもよい。第１量および第２量は、実際に給餌されている餌の量でなく、後述する給餌制御手段４６が給餌手段２に指示している餌についての量であってもよい。第１量および第２量は、給餌計画上の給餌量であってもよい。第２量は、第１量より多くてもよく、少なくてもよい。
【0028】
なお撮像制御手段４１は、後述する判別手段４２によって所定期間が経過したと判別される場合に、水棲生物Ｌを新たに撮像させて第３画像データを生成するように撮像手段３を制御してもよい。
撮像手段３が動画を撮像可能である場合、第１画像データ、第２画像データおよび第３画像データは、同一の動画における異なるフレームの静止画であってもよい。撮像手段３が静止画を撮像可能である場合、第１画像データ、第２画像データおよび第３画像データは、異なるタイミングで撮像された静止画であってもよい。
撮像手段３が動画を撮像可能である場合、第１画像データ、第２画像データおよび第３画像データは、同一の動画における異なるフレームの静止画であってもよい。撮像手段３が静止画を撮像可能である場合、第１画像データ、第２画像データおよび第３画像データは、異なるタイミングで撮像された静止画であってもよい。
【0029】
判別手段４２は、時間の経過を判別する。判別手段４２は、撮像手段３が第１画像データを生成してから所定期間が経過したか否かを判別する。判別手段４２の処理結果は、第１画像データの古さ（新しさ）の程度を示す。所定期間は、例えば、記憶部１２に予め記憶されていてもよい。所定期間は、例えば、オペレーターから入力部１０２を通して入力されてもよい。
【0030】
判定手段４３は、水棲生物Ｌの種類（例えば、魚種）を判定する。判定手段４３は、画像データを取得し、画像データに含まれる水棲生物Ｌの種類を判定する。判定手段４３は、例えば、公知の画像処理方法や学習モデル等により、画像データに含まれる水棲生物Ｌの種類を判定してもよい。判定手段４３は、第１画像データおよび第２画像データのうちの少なくとも一方から、水棲生物Ｌの種類を判定してもよい。判定手段４３を備えることに代えて、例えば、水棲生物Ｌの種類が予め記憶部１２に記憶されていてもよく、オペレーターから入力部１０２を通して入力されてもよい。
【0031】
比較手段４４は、撮像手段３が生成する第１画像データと、撮像手段３が生成する第２画像データと、を比較する。ここで、比較手段４４による比較には、（１）第１画像データと第２画像データとを直接的に比較することだけでなく、（２）第１画像データと他のデータとを比較し、その比較結果に基づいて第２画像データを変更（調整）することや、（３）第１画像データの処理結果に応じて、第２画像データに基づく判断基準を変更すること、も含む。
【0032】
比較手段４４は、処理結果として、以下の＜１＞～＜４＞のうちの少なくとも１つを出力する。
＜１＞「２つの画像データそれぞれにおける特徴量の比較」
＜２＞「２つの画像データ間の画像差分」
＜３＞「輝度調整された画像データ」
＜４＞「画像データにおける濁り程度」
＜１＞「２つの画像データそれぞれにおける特徴量の比較」
＜２＞「２つの画像データ間の画像差分」
＜３＞「輝度調整された画像データ」
＜４＞「画像データにおける濁り程度」
【0033】
なお比較手段４４は、画像差分取得部５１と、輝度差分取得部５２と、輝度調整部５３と、濁り程度取得部５４と、を備えている。画像差分取得部５１は、上記＜２＞に関する。輝度差分取得部５２および輝度調整部５３は、上記＜３＞に関する。濁り程度取得部５４は、上記＜４＞に関する。
【0034】
＜１＞「２つの画像データそれぞれにおける特徴量の比較」
比較手段４４は、第１画像データおよび第２画像データそれぞれから、特徴量を取得する。特徴量は、例えば、残餌量および摂餌活性のうちの少なくとも一方（以下、「摂餌活性等」ともいう）と相関関係がある量である。特徴量は、例えば、画像データにおける餌の量であってもよい。餌の量が多いほど、残餌量が多いと推定することができる。特徴量は、例えば、画像データにおける水しぶきの量であってもよい。水しぶきの量が多いほど、摂餌活性が高いと推定することができる。特徴量は、例えば、画像データにおける水棲生物Ｌの大きさであってもよい。水棲生物Ｌが小さいほど、水棲生物Ｌが海面付近に位置し餌に群がっており、摂餌活性が高いと推定することができる。特徴量は、例えば、画像データにおける水棲生物Ｌが餌に群がる度合いであってもよい。餌に群がる度合いが高いほど、摂餌活性が高いと推定することができる。ここで、餌に群がる度合いは、公知の画像処理によって算出可能である。餌に群がる度合いは、例えば、波しぶきの量、餌を基準とした所定範囲内に位置する水棲生物Ｌの数、個々の水棲生物Ｌの大きさ、水棲生物Ｌが集まることによって形成される水棲生物Ｌ群の大きさ、などによって算出される。
比較手段４４は、第１画像データおよび第２画像データそれぞれから、特徴量を取得する。特徴量は、例えば、残餌量および摂餌活性のうちの少なくとも一方（以下、「摂餌活性等」ともいう）と相関関係がある量である。特徴量は、例えば、画像データにおける餌の量であってもよい。餌の量が多いほど、残餌量が多いと推定することができる。特徴量は、例えば、画像データにおける水しぶきの量であってもよい。水しぶきの量が多いほど、摂餌活性が高いと推定することができる。特徴量は、例えば、画像データにおける水棲生物Ｌの大きさであってもよい。水棲生物Ｌが小さいほど、水棲生物Ｌが海面付近に位置し餌に群がっており、摂餌活性が高いと推定することができる。特徴量は、例えば、画像データにおける水棲生物Ｌが餌に群がる度合いであってもよい。餌に群がる度合いが高いほど、摂餌活性が高いと推定することができる。ここで、餌に群がる度合いは、公知の画像処理によって算出可能である。餌に群がる度合いは、例えば、波しぶきの量、餌を基準とした所定範囲内に位置する水棲生物Ｌの数、個々の水棲生物Ｌの大きさ、水棲生物Ｌが集まることによって形成される水棲生物Ｌ群の大きさ、などによって算出される。
【0035】
比較手段４４は、第１画像データの特徴量と、第２画像データの特徴量と、を比較する。比較手段４４は、例えば、第１画像データの特徴量と第２画像データの特徴量との比を算出してもよく、第１画像データの特徴量と第２画像データの特徴量との差分を算出してもよい。
【0036】
＜２＞「２つの画像データ間の画像差分」
画像差分取得部５１は、画像差分を取得する。画像差分は、撮像手段３が生成する第１画像データと、撮像手段３が生成する第２画像データと、の差分である。画像差分取得部５１による画像差分の取得は、例えば、公知の方法により実現される。
画像差分取得部５１は、画像差分を取得する。画像差分は、撮像手段３が生成する第１画像データと、撮像手段３が生成する第２画像データと、の差分である。画像差分取得部５１による画像差分の取得は、例えば、公知の方法により実現される。
【0037】
＜３＞「輝度調整された画像データ」
輝度差分取得部５２は、撮像手段３が生成する第１画像データの輝度と所定輝度との差分である輝度差分を取得する。輝度差分取得部５２による輝度の取得は、例えば、公知の方法により実現される。各画像データの輝度は、例えば、天気などによって異なる。例えば、晴れた日の画像データの輝度は、曇った日の画像データの輝度に比べて高い。なお、各画像データの輝度は、各画像データ全体の輝度である。
所定輝度は、例えば、晴れた日の画像データの輝度である。所定輝度は、例えば、記憶部１２に予め記憶されていてもよい。所定輝度は、例えば、オペレーターから入力部１０２を通して入力されてもよい。なお、オペレーターが入力部１０２（指定手段）を利用して所定輝度を指定する場合、所定輝度が確実に設定される。
輝度差分取得部５２は、撮像手段３が生成する第１画像データの輝度と所定輝度との差分である輝度差分を取得する。輝度差分取得部５２による輝度の取得は、例えば、公知の方法により実現される。各画像データの輝度は、例えば、天気などによって異なる。例えば、晴れた日の画像データの輝度は、曇った日の画像データの輝度に比べて高い。なお、各画像データの輝度は、各画像データ全体の輝度である。
所定輝度は、例えば、晴れた日の画像データの輝度である。所定輝度は、例えば、記憶部１２に予め記憶されていてもよい。所定輝度は、例えば、オペレーターから入力部１０２を通して入力されてもよい。なお、オペレーターが入力部１０２（指定手段）を利用して所定輝度を指定する場合、所定輝度が確実に設定される。
【0038】
輝度調整部５３は、画像データの輝度を調整する。輝度調整部５３は、画像データを、輝度差分に基づき、調整する。輝度調整部５３は、撮像手段３が生成する第２画像データの輝度を、輝度差分取得部５２により取得される輝度差分（第１画像データに基づく輝度差分）に基づき、調整する。輝度調整部５３による輝度の調整は、例えば、公知の方法により実現される。
【0039】
＜４＞「画像データにおける濁り程度」
濁り程度取得部５４は、画像データの濁りの程度を取得する。濁り程度取得部５４は、例えば、撮像手段３が生成する第１画像データの濁りの程度を取得する。なお、濁り程度取得部５４は、例えば、第１画像データに含まれる基準の見え方によって、濁りの程度を取得してもよい。前記基準は、画像データが撮像されるタイミングによらず固定された位置に撮像されてもよい。また、濁り程度取得部５４は、例えば、第１画像データの輝度に基づいて、濁りの程度を取得してもよい。
濁り程度取得部５４は、画像データの濁りの程度を取得する。濁り程度取得部５４は、例えば、撮像手段３が生成する第１画像データの濁りの程度を取得する。なお、濁り程度取得部５４は、例えば、第１画像データに含まれる基準の見え方によって、濁りの程度を取得してもよい。前記基準は、画像データが撮像されるタイミングによらず固定された位置に撮像されてもよい。また、濁り程度取得部５４は、例えば、第１画像データの輝度に基づいて、濁りの程度を取得してもよい。
【0040】
なお比較手段４４は、判定手段４３の判定結果によって、比較する画像データを変更してもよい。例えば、比較手段４４は、判定手段４３によって、水棲生物Ｌの種類がブリであると判定される場合に、前述のように、撮像手段３が生成する第１画像データと、撮像手段３が生成する第２画像データと、を比較してもよい。
【0041】
また比較手段４４は、判別手段４２の判別結果によって、比較する画像データを変更してもよい。例えば、比較手段４４は、判別手段４２によって所定期間が経過したと判別されない場合に、撮像手段３が生成する第１画像データと、撮像手段３が生成する第２画像データと、を比較してもよい。比較手段４４は、判別手段４２によって所定期間が経過したと判別される場合に、撮像手段３が生成する第２画像データと、撮像手段３が生成する第３画像データと、を比較してもよい。
【0042】
算出手段４５は、摂餌活性等を算出する。例えば、算出手段４５は、比較手段４４の比較結果に基づいて、摂餌活性等を算出する。
算出手段４５は、例えば、画像差分取得部５１が取得した画像差分に基づいて摂餌活性等を算出する。算出手段４５は、画像差分に基づいて、例えば、公知の方法により、摂餌活性等を算出可能である。
算出手段４５は、例えば、画像データに基づいて、摂餌活性等を算出する。算出手段４５は、画像データに基づいて、例えば、公知の方法により、摂餌活性等を算出可能である。算出手段４５は、例えば、輝度調整部５３によって調整される第２画像データに基づいて、摂餌活性等を算出する。
なお算出手段４５は、比較手段４４の比較結果に基づいて、残餌量等を算出してもよい。例えば、算出手段４５は、比較手段４４の比較結果に基づいて、残餌量および摂餌活性のうちの少なくとも残餌量を算出してもよい。例えば、算出手段４５は、比較手段４４の比較結果に基づいて、残餌量および摂餌活性のうちの少なくとも摂餌活性を算出してもよい。
算出手段４５は、例えば、画像差分取得部５１が取得した画像差分に基づいて摂餌活性等を算出する。算出手段４５は、画像差分に基づいて、例えば、公知の方法により、摂餌活性等を算出可能である。
算出手段４５は、例えば、画像データに基づいて、摂餌活性等を算出する。算出手段４５は、画像データに基づいて、例えば、公知の方法により、摂餌活性等を算出可能である。算出手段４５は、例えば、輝度調整部５３によって調整される第２画像データに基づいて、摂餌活性等を算出する。
なお算出手段４５は、比較手段４４の比較結果に基づいて、残餌量等を算出してもよい。例えば、算出手段４５は、比較手段４４の比較結果に基づいて、残餌量および摂餌活性のうちの少なくとも残餌量を算出してもよい。例えば、算出手段４５は、比較手段４４の比較結果に基づいて、残餌量および摂餌活性のうちの少なくとも摂餌活性を算出してもよい。
【0043】
記憶制御手段４７（第１記憶制御手段、第２記憶制御手段）は、記憶部１２への記憶を制御する。
【0044】
例えば、記憶制御手段４７は、輝度調整部５３によって調整される第２画像データを記憶部１２に記憶させる。このとき、記憶制御手段４７は、輝度調整部５３によって調整される第２画像データと、算出手段４５によって算出される摂餌活性等と、を対応付けて記憶部１２に記憶させてもよい。以下、これらの第２画像データと摂餌活性等とを対応付けた情報を、第１データセットともいう。
【0045】
例えば、記憶制御手段４７は、撮像手段３が生成する第１画像データと、撮像手段３が生成する第２画像データと、を対応付けて記憶部１２に記憶させる。記憶制御手段４７は、第１画像データと第２画像データとを対応付けるのに加えて、第１画像データと第２画像データと、これらの画像データから算出された摂餌活性等と、を対応付けてもよい。これらの第１画像データと第２画像データと摂餌活性等とを対応付けた情報を、第２データセットともいう。
【0046】
第１データセットおよび第２データセットのいずれも、機械学習に用いられてもよい。
【0047】
給餌制御手段４６は、給餌手段２を制御する。これにより、給餌手段２による給餌量が調整される。給餌制御手段４６は、例えば、オペレーターからの入力に基づいて、給餌手段２を制御してもよい。給餌制御手段４６は、例えば、予め設定された給餌計画に基づいて、給餌手段２を制御してもよい。給餌制御手段４６は、例えば、比較手段４４の処理結果に基づいて、給餌手段２を制御してもよい。給餌手段２は、例えば、後述する学習モデル６の処理結果に基づいて、給餌手段２を制御してもよい。
【0048】
学習装置５は、学習モデル６を生成する。学習装置５は、制御装置４の記憶部１２に記憶されているデータセット（第１データセット、第２データセット）に基づいて、学習モデル６を生成する。学習装置５のハードウェア構成は、制御装置４のハードウェア構成と同様であってもよい。
【0049】
（給餌方法）
以下、給餌システム１による給餌方法の一例を説明する。ただし給餌方法は、この例に限られない。
以下、給餌システム１による給餌方法の一例を説明する。ただし給餌方法は、この例に限られない。
【0050】
（第１給餌フロー）
給餌方法は、例えば、図５に示すような第１給餌フローを実施する（Ｓ１０）。
この第１給餌フローでは、まず、給餌システム１は、給餌計画の実施をする（Ｓ１１）。このとき、まず、給餌制御手段４６が、記憶部１２から給餌計画を読み出す。給餌制御手段４６は、給餌計画に基づいて、給餌手段２を制御する。
給餌方法は、例えば、図５に示すような第１給餌フローを実施する（Ｓ１０）。
この第１給餌フローでは、まず、給餌システム１は、給餌計画の実施をする（Ｓ１１）。このとき、まず、給餌制御手段４６が、記憶部１２から給餌計画を読み出す。給餌制御手段４６は、給餌計画に基づいて、給餌手段２を制御する。
【0051】
次に、給餌制御手段４６が、計画が終了したか否かを判断する（Ｓ１２）。計画が終了したと判断された場合（Ｓ１２：Ｙｅｓ）、給餌フローが終了する。計画が終了されていないと判断された場合（Ｓ１２：Ｎｏ）、給餌制御手段４６は、給餌量に変化があるか否かを判断する（Ｓ１３）。ここで、給餌量に変化があるということは、例えば、現時刻の給餌量が、現時刻から所定時間前の過去時刻の給餌量に対して異なっていることであってもよい。所定時刻は、例えば、記憶部１２に予め記憶されていてもよく、オペレーターが入力部１０２を通して入力してもよい。
【0052】
給餌量に変化がない場合（Ｓ１３：Ｎｏ）、引き続き給餌計画を実施する（Ｓ１１）。給餌量に変化がある場合（Ｓ１３：Ｙｅｓ）、制御装置４は、２つの画像データを取得する（Ｓ１４）。このとき、撮像制御手段４１が撮像手段３を制御し、撮像手段３が第１画像データおよび第２画像データを取得する。
その後、取得した画像データに基づいて、制御装置４は、今後の給餌計画を検討する（Ｓ１５）。制御装置４は、検討した給餌計画を反映した上で（Ｓ１６）、引き続き給餌計画を実施する（Ｓ１１）。
その後、取得した画像データに基づいて、制御装置４は、今後の給餌計画を検討する（Ｓ１５）。制御装置４は、検討した給餌計画を反映した上で（Ｓ１６）、引き続き給餌計画を実施する（Ｓ１１）。
【0053】
（給餌計画の検討）
給餌計画の検討（Ｓ１５）では、例えば、図６に示すような計画検討フローを実施する。
この計画検討フローでは、まず、比較手段４４は、第１画像データおよび第２画像データを比較する（Ｓ２０）。比較手段４４が画像データを比較することにより、今後の計画立案に必要となる諸元値が算出される。そこで、制御装置４は、この比較の後、諸元値に基づいて、今後の給餌計画を立案する（Ｓ３０）。
給餌計画の検討（Ｓ１５）では、例えば、図６に示すような計画検討フローを実施する。
この計画検討フローでは、まず、比較手段４４は、第１画像データおよび第２画像データを比較する（Ｓ２０）。比較手段４４が画像データを比較することにより、今後の計画立案に必要となる諸元値が算出される。そこで、制御装置４は、この比較の後、諸元値に基づいて、今後の給餌計画を立案する（Ｓ３０）。
【0054】
ここで本実施形態に係る給餌システム１は、画像データの比較（Ｓ２０）として４つの方法を実施可能に構成されている。４つの方法としては、＜１＞特徴量比較（Ｓ２１）、＜２＞画像比較（Ｓ２２）、＜３＞輝度調整（Ｓ２３）、＜４＞濁り取得（Ｓ２４）、が挙げられる。例えば、オペレーターはこれらの４つの比較方法のうちの１つを、給餌システム１が実施する方法として設定しておくことができる。以下、それぞれの比較方法、および、その比較方法によって得られた諸元値に基づく計画の立案方法について、順に説明する。
【0055】
＜１＞特徴量比較
特徴量比較では、例えば、図７に示すような特徴量比較フローを実施する（Ｓ２１）。
この特徴量比較フローでは、比較手段４４が、各画像データの特徴量を取得する（Ｓ２１ａ）。その後、比較手段４４は、各画像データの特徴量を比較する（Ｓ２１ｂ）。
図６に戻り、制御装置４は、特徴量の比較結果に基づいて、今後の給餌計画を立案する（Ｓ３１）。
特徴量比較では、例えば、図７に示すような特徴量比較フローを実施する（Ｓ２１）。
この特徴量比較フローでは、比較手段４４が、各画像データの特徴量を取得する（Ｓ２１ａ）。その後、比較手段４４は、各画像データの特徴量を比較する（Ｓ２１ｂ）。
図６に戻り、制御装置４は、特徴量の比較結果に基づいて、今後の給餌計画を立案する（Ｓ３１）。
【0056】
この比較および計画の立案方法の具体例を、図８および図９を用いて説明する。
図８および図９はそれぞれ、給餌計画と、各画像データの特徴量と、の関係を示す図である。図８および図９はそれぞれ、異なる例を示している。図８および図９のいずれの例でも、上下に２つのグラフ（（ａ）、（ｂ））を並べている。上側のグラフ（ａ）は、時間（横軸）と給餌量（縦軸）との関係を示すグラフである。下側のグラフ（ｂ）は、時間（横軸）と特徴量（縦軸）との関係を示すグラフである。なおこれらの各グラフにおいて、縦軸のスケールは一例であり、スケールは適宜変更可能である。特徴量は、例えば、各時刻における画像データから取得される特徴量である。図示の例では、特徴量は、摂餌活性を示す特徴量であり、特徴量が大きいほど、水棲生物Ｌの食欲が高いこと（すなわち、より給餌が求められていること）を示している。図８および図９のいずれの例でも、まず、給餌量が１０であり、所定時間経過後、給餌量が５となる給餌計画を前提としている。そして、給餌量が５になった後、時刻ｔとなったときに、給餌計画の検討を実施する。このとき、例えば、給餌量の第１量は１０であり、給餌量の第２量は５である。そして、第１画像データは、給餌量が１０の場合の画像データであり、第２画像データは、給餌量が５の場合の画像データである。
図８および図９はそれぞれ、給餌計画と、各画像データの特徴量と、の関係を示す図である。図８および図９はそれぞれ、異なる例を示している。図８および図９のいずれの例でも、上下に２つのグラフ（（ａ）、（ｂ））を並べている。上側のグラフ（ａ）は、時間（横軸）と給餌量（縦軸）との関係を示すグラフである。下側のグラフ（ｂ）は、時間（横軸）と特徴量（縦軸）との関係を示すグラフである。なおこれらの各グラフにおいて、縦軸のスケールは一例であり、スケールは適宜変更可能である。特徴量は、例えば、各時刻における画像データから取得される特徴量である。図示の例では、特徴量は、摂餌活性を示す特徴量であり、特徴量が大きいほど、水棲生物Ｌの食欲が高いこと（すなわち、より給餌が求められていること）を示している。図８および図９のいずれの例でも、まず、給餌量が１０であり、所定時間経過後、給餌量が５となる給餌計画を前提としている。そして、給餌量が５になった後、時刻ｔとなったときに、給餌計画の検討を実施する。このとき、例えば、給餌量の第１量は１０であり、給餌量の第２量は５である。そして、第１画像データは、給餌量が１０の場合の画像データであり、第２画像データは、給餌量が５の場合の画像データである。
【0057】
図８に示す第１例では、第１画像データから取得される特徴量が１００であるのに対して、第２画像データから取得される特徴量が６０である。比較手段４４は、例えばこれらの比や差分と、予め設定された基準値と、を比較する。この場合において、例えば、その比較結果として、第２画像データから取得される特徴量（６０）が十分大きいと判断したとする。すると、制御装置４は、給餌量５を所定時間継続させ、その後、給餌量を３に下げるという計画を立案する。
【0058】
一方、図９に示す第２例では、第１画像データから取得される特徴量が１００であるのに対して、第２画像データから取得される特徴量が４０である。この場合において、比較手段４４は、例えばこれらの比や差分と、予め設定された基準値と、を比較した結果、第２画像データから取得される特徴量（４０）が小さくなっていると判断したとする。すると、制御装置４は、給餌量を５から３に即座に下げるという計画を立案する。
【0059】
なおこの具体例では、第１量が第２量に比べて多い。ただし、第２量が第１量に比べて多くてもよい。すなわち、第２量が第１量より多く、第２画像データが撮像されるタイミングにおける給餌量が、第１画像データが撮像されるタイミングにおける給餌量よりも多くてもよい。この場合、例えば、給餌手段２によって給餌量を第１量から第２量に増加させ、比較手段４４によって第１画像データと第２画像データとを比較することで、例えば、水棲生物Ｌが餌に群がる度合いを算出することができる。これにより、例えば、水棲生物Ｌの摂餌活性をより一層精度良く算出することができる。
なお例えば、第１量が０であり、第２量が０よりも大きい場合としては、給餌量が０である給餌前や給餌間（給餌後）の画像データが第１画像データとなり、給餌量が０より上回る給餌中の画像データが第２画像データとなる場合が挙げられる。
また例えば、第１量が０であり、第２量が０よりも大きい場合としては、給餌中にわざと給餌を停止し、一定時間をおいた後、給餌を再開する（例えば、摂餌活性の算出のために、摂餌活性算出の専用モードを実施する）ことで、給餌量が０である給餌停止中の画像データが第１画像データとなり、給餌再開後の画像データが第２画像データとなる場合が挙げられる。
さらに例えば、第１量および第２量がいずれも０よりも大きい場合としては、第２量で給餌中に意図的に給餌量を第１量に減らし、一定時間をおいた後、給餌量を第２量に戻す（例えば、摂餌活性の算出のために、摂餌活性算出の専用モードを実施する）ことで、給餌量が第１量である給餌量を減少させたときの画像データが第１画像データとなり、給餌量を元に戻したときの画像データが第２画像データとなる場合が挙げられる。
なお例えば、第１量が０であり、第２量が０よりも大きい場合としては、給餌量が０である給餌前や給餌間（給餌後）の画像データが第１画像データとなり、給餌量が０より上回る給餌中の画像データが第２画像データとなる場合が挙げられる。
また例えば、第１量が０であり、第２量が０よりも大きい場合としては、給餌中にわざと給餌を停止し、一定時間をおいた後、給餌を再開する（例えば、摂餌活性の算出のために、摂餌活性算出の専用モードを実施する）ことで、給餌量が０である給餌停止中の画像データが第１画像データとなり、給餌再開後の画像データが第２画像データとなる場合が挙げられる。
さらに例えば、第１量および第２量がいずれも０よりも大きい場合としては、第２量で給餌中に意図的に給餌量を第１量に減らし、一定時間をおいた後、給餌量を第２量に戻す（例えば、摂餌活性の算出のために、摂餌活性算出の専用モードを実施する）ことで、給餌量が第１量である給餌量を減少させたときの画像データが第１画像データとなり、給餌量を元に戻したときの画像データが第２画像データとなる場合が挙げられる。
【0060】
＜２＞画像比較
画像比較では、例えば、図１０に示すような画像比較フローを実施する（Ｓ２２）。
この画像比較フローでは、比較手段４４が、第１画像データと第２画像データの画像差分を取得する（Ｓ２２ａ）。その後、比較手段４４は、画像差分に基づいて摂餌活性等を算出する（Ｓ２２ｂ）。
図６に戻り、制御装置４は、摂餌活性等に基づいて、今後の給餌計画を立案する（Ｓ３２）。例えば、残餌量が多い場合、給餌量を減らすような計画を制御装置４は立案し、残餌量が少ない場合、給餌量を増やすような計画を制御装置４は立案する。例えば、摂餌活性が高い場合、給餌量や給餌期間を増やすような計画を制御装置４は立案し、残餌量が少ない場合、給餌量や給餌期間を減らすような計画を制御装置４は立案する。
画像比較では、例えば、図１０に示すような画像比較フローを実施する（Ｓ２２）。
この画像比較フローでは、比較手段４４が、第１画像データと第２画像データの画像差分を取得する（Ｓ２２ａ）。その後、比較手段４４は、画像差分に基づいて摂餌活性等を算出する（Ｓ２２ｂ）。
図６に戻り、制御装置４は、摂餌活性等に基づいて、今後の給餌計画を立案する（Ｓ３２）。例えば、残餌量が多い場合、給餌量を減らすような計画を制御装置４は立案し、残餌量が少ない場合、給餌量を増やすような計画を制御装置４は立案する。例えば、摂餌活性が高い場合、給餌量や給餌期間を増やすような計画を制御装置４は立案し、残餌量が少ない場合、給餌量や給餌期間を減らすような計画を制御装置４は立案する。
【0061】
この場合、画像差分取得部５１が、画像差分を取得する。この画像差分を利用することで、例えば、第１画像データと第２画像データとにおいて、残餌量を表す特徴量（例えば餌）の差分や、摂餌活性を表す特徴量（例えば水しぶき）の差分などを取得することができる。これにより、例えば、残餌量や摂餌活性などを一層精度良く算出することができる。
【0062】
＜３＞輝度調整
輝度調整では、例えば、図１１に示すような輝度調整フローを実施する（Ｓ２３）。
この輝度調整フローでは、比較手段４４が、第１画像データの輝度と所定輝度とを比較する（Ｓ２３ａ）。その後、比較手段４４は、比較結果に基づいて第２画像データの輝度を調整する（Ｓ２３ｂ）。その後、比較手段４４は、調整された第２画像データに基づいて摂餌活性等を算出する（Ｓ２３ｃ）。
図６に戻り、制御装置４は、画像比較の場合と同様に、摂餌活性等に基づいて、今後の給餌計画を立案する（Ｓ３２）。
輝度調整では、例えば、図１１に示すような輝度調整フローを実施する（Ｓ２３）。
この輝度調整フローでは、比較手段４４が、第１画像データの輝度と所定輝度とを比較する（Ｓ２３ａ）。その後、比較手段４４は、比較結果に基づいて第２画像データの輝度を調整する（Ｓ２３ｂ）。その後、比較手段４４は、調整された第２画像データに基づいて摂餌活性等を算出する（Ｓ２３ｃ）。
図６に戻り、制御装置４は、画像比較の場合と同様に、摂餌活性等に基づいて、今後の給餌計画を立案する（Ｓ３２）。
【0063】
この場合、輝度調整部５３が、輝度差分に基づいて第２画像データの輝度を調整する。輝度差分は、第１画像データの輝度と所定輝度との差分である。よって、例えば、所定輝度として、晴れた日の画像データの輝度を設定することで、天気によらず、第２画像データを適度な輝度に調整すること等ができる。これにより、残餌量や摂餌活性などを一層精度良く算出することができる。
【0064】
＜４＞濁り取得
濁り取得では、例えば、図１２に示すような濁り取得フローを実施する（Ｓ２４）。
この濁り取得フローでは、濁り程度取得部５４が、第１画像データから濁り程度を取得する（Ｓ２４ａ）。その後、比較手段４４は、第２画像データに基づいて残餌量を算出する（Ｓ２４ｂ）。なおこのとき、輝度調整フローと同様に、輝度調整がされた第２画像データに基づいて残餌量を算出してもよい。
図６に戻り、制御装置４は、濁りの程度および残餌量に基づいて、今後の給餌計画を立案する（Ｓ３３）。
濁り取得では、例えば、図１２に示すような濁り取得フローを実施する（Ｓ２４）。
この濁り取得フローでは、濁り程度取得部５４が、第１画像データから濁り程度を取得する（Ｓ２４ａ）。その後、比較手段４４は、第２画像データに基づいて残餌量を算出する（Ｓ２４ｂ）。なおこのとき、輝度調整フローと同様に、輝度調整がされた第２画像データに基づいて残餌量を算出してもよい。
図６に戻り、制御装置４は、濁りの程度および残餌量に基づいて、今後の給餌計画を立案する（Ｓ３３）。
【0065】
ここで、濁り取得を前提とした場合における計画の立案方法の具体例を説明する。
例えば、記憶部１２は、残餌量に関する所定閾値を予め記憶しておく。この所定閾値は、給餌速度を低下させたり給餌を停止したりする判断に用いられる。残餌量が所定閾値を上回ったら、餌が十分供給されていると判断することが可能であり、この場合、給餌制御手段４６は、給餌手段２による給餌速度を低下させたり給餌を停止させたりする。このように所定閾値を用いる場合、所定閾値が高いほど、残餌量（例えば、餌の個数）が多いと算出されている状態ではじめて給餌速度が低下され、または、給餌が停止される。そのためこの場合、給餌速度が低下されたり給餌が停止されたりする可能性が低くなる。逆に、所定閾値が下がると、給餌速度が低下されたり給餌が停止されたりする可能性が高まる。
例えば、記憶部１２は、残餌量に関する所定閾値を予め記憶しておく。この所定閾値は、給餌速度を低下させたり給餌を停止したりする判断に用いられる。残餌量が所定閾値を上回ったら、餌が十分供給されていると判断することが可能であり、この場合、給餌制御手段４６は、給餌手段２による給餌速度を低下させたり給餌を停止させたりする。このように所定閾値を用いる場合、所定閾値が高いほど、残餌量（例えば、餌の個数）が多いと算出されている状態ではじめて給餌速度が低下され、または、給餌が停止される。そのためこの場合、給餌速度が低下されたり給餌が停止されたりする可能性が低くなる。逆に、所定閾値が下がると、給餌速度が低下されたり給餌が停止されたりする可能性が高まる。
【0066】
その上で、給餌制御手段４６は、濁り程度取得部５４によって取得される濁りの程度に応じて所定閾値を変動させる。例えば、濁り程度取得部５４によって取得される濁りの程度が大きくなるに連れ、所定閾値を下げてもよい。
ここで、濁りの程度が大きくなると、残餌量の算出の精度が低下しやすい。
そこで、濁り程度取得部５４によって取得される濁りの程度が大きくなるに連れ、所定閾値が下がる。よって、仮に、濁りの程度が大きくなり残餌量の算出の精度が低下したとしても、過剰な給餌を抑制することができる。これにより、濁りの程度に応じて給餌量を適切に調整することができる。
なお後述するように、画像処理や機械学習を前提とする場合であって、画像中に含まれる対象が餌である確率が所定閾値以上である場合に対象が餌であると判定する場合、濁りの程度が高まるに連れて、この所定閾値もあわせて下げてもよい。
ここで、濁りの程度が大きくなると、残餌量の算出の精度が低下しやすい。
そこで、濁り程度取得部５４によって取得される濁りの程度が大きくなるに連れ、所定閾値が下がる。よって、仮に、濁りの程度が大きくなり残餌量の算出の精度が低下したとしても、過剰な給餌を抑制することができる。これにより、濁りの程度に応じて給餌量を適切に調整することができる。
なお後述するように、画像処理や機械学習を前提とする場合であって、画像中に含まれる対象が餌である確率が所定閾値以上である場合に対象が餌であると判定する場合、濁りの程度が高まるに連れて、この所定閾値もあわせて下げてもよい。
【0067】
（第２給餌フロー）
給餌方法は、例えば、図５に示すような第１給餌フローに代えて、図１３に示すような第２給餌フローを実施してもよい（Ｓ１０Ａ）。
この第２給餌フローでは、第１給餌制御フローに対して、２つの画像データを取得する方法が異なっている（Ｓ１４Ａ）。２つの画像データを取得するとき、まず、判別手段４２が、所定期間が経過したか否かを判断する（Ｓ１７）。判別手段４２によって所定期間が経過したと判別されない場合（Ｓ１７：Ｎｏ）、第１画像データは所定期間以内に生成された比較的新しいデータである。よって、この場合、比較手段４４が、第１画像データと、第２画像データと、を比較する（Ｓ１８）。一方、判別手段４２によって所定期間が経過したと判別される場合（Ｓ１７：Ｙｅｓ）、比較手段４４は、第１画像データに代えて第３画像データを採用し、第２画像データと、第３画像データと、を比較する（Ｓ１９）。
これにより、給餌が長期間にわたっても、比較手段４４が、比較的近い間隔で撮影された２つの画像データを比較することができる。比較手段４４が、第１画像データおよび第２画像データを比較する。このように、比較手段４４が異なるタイミングで撮像された複数の画像データを比較することで、例えば、画像に含まれる餌に関する残餌量や、画像に含まれる水棲生物Ｌに関する摂餌活性などを、精度良く算出することができる。
そして、このような比較手段４４の処理結果に基づき、給餌制御手段４６が給餌手段２を制御する。したがって、水棲生物Ｌへの給餌の効率を向上させることができる。
なお、例えば、サケは給餌開始から給餌完了までの時間が長いことから、このような給餌システム１による作用効果が顕著に奏功される。
給餌方法は、例えば、図５に示すような第１給餌フローに代えて、図１３に示すような第２給餌フローを実施してもよい（Ｓ１０Ａ）。
この第２給餌フローでは、第１給餌制御フローに対して、２つの画像データを取得する方法が異なっている（Ｓ１４Ａ）。２つの画像データを取得するとき、まず、判別手段４２が、所定期間が経過したか否かを判断する（Ｓ１７）。判別手段４２によって所定期間が経過したと判別されない場合（Ｓ１７：Ｎｏ）、第１画像データは所定期間以内に生成された比較的新しいデータである。よって、この場合、比較手段４４が、第１画像データと、第２画像データと、を比較する（Ｓ１８）。一方、判別手段４２によって所定期間が経過したと判別される場合（Ｓ１７：Ｙｅｓ）、比較手段４４は、第１画像データに代えて第３画像データを採用し、第２画像データと、第３画像データと、を比較する（Ｓ１９）。
これにより、給餌が長期間にわたっても、比較手段４４が、比較的近い間隔で撮影された２つの画像データを比較することができる。比較手段４４が、第１画像データおよび第２画像データを比較する。このように、比較手段４４が異なるタイミングで撮像された複数の画像データを比較することで、例えば、画像に含まれる餌に関する残餌量や、画像に含まれる水棲生物Ｌに関する摂餌活性などを、精度良く算出することができる。
そして、このような比較手段４４の処理結果に基づき、給餌制御手段４６が給餌手段２を制御する。したがって、水棲生物Ｌへの給餌の効率を向上させることができる。
なお、例えば、サケは給餌開始から給餌完了までの時間が長いことから、このような給餌システム１による作用効果が顕著に奏功される。
【0068】
（第３給餌フロー）
給餌方法は、例えば、図１４に示すような第３給餌フローを実施してもよい（Ｓ４０）。
この第３給餌フローでは、判定手段４３が、水棲生物Ｌの種類がブリであるか否かを判定する（Ｓ４１）。魚種がブリであると判定された場合（Ｓ４１：Ｙｅｓ）、第１給餌フローを実施する（Ｓ１０）。一方、魚種がブリであると判定されない場合（Ｓ４１：Ｎｏ）、第２給餌フローを実施する（Ｓ１０Ａ）。
給餌方法は、例えば、図１４に示すような第３給餌フローを実施してもよい（Ｓ４０）。
この第３給餌フローでは、判定手段４３が、水棲生物Ｌの種類がブリであるか否かを判定する（Ｓ４１）。魚種がブリであると判定された場合（Ｓ４１：Ｙｅｓ）、第１給餌フローを実施する（Ｓ１０）。一方、魚種がブリであると判定されない場合（Ｓ４１：Ｎｏ）、第２給餌フローを実施する（Ｓ１０Ａ）。
【0069】
ブリは給餌開始から給餌完了までの時間が短い（例えば、１０分程度である）。よって、例えば、給餌開始前後であっても環境変化が少なく、給餌開始前の画像データと、給餌中の画像データと、の比較が、給餌量の変化が大きい観点からも有効である。そのため、例えば、給餌開始前で給餌量（＝０）を第１量としてこの場合の画像データを第１画像データとし、給餌中の給餌量を第２量としてこの場合の画像データを第２画像データとする。その上で、比較手段４４が、第１画像データおよび第２画像データを比較する。このように、比較手段４４が異なるタイミングで撮像された複数の画像データを比較することで、例えば、画像に含まれる餌に関する残餌量や、画像に含まれる水棲生物Ｌに関する摂餌活性などを、精度良く算出することができる。
そして、このような比較手段４４の処理結果に基づき、給餌制御手段４６が給餌手段２を制御する。したがって、水棲生物Ｌへの給餌の効率を向上させることができる。
そして、このような比較手段４４の処理結果に基づき、給餌制御手段４６が給餌手段２を制御する。したがって、水棲生物Ｌへの給餌の効率を向上させることができる。
【0070】
（比較結果を用いた学習モデル６の生成方法）
ここで、上記した第１給餌フローや第２給餌フローでは、計画検討（Ｓ１５）に際し、例えば、画像比較（Ｓ２２）や輝度調整（Ｓ２３）によって摂餌活性等を算出した。摂餌活性等を算出するに際し、学習モデル６を活用することも可能である。この場合、学習モデル６が記憶部１２に記憶されていてもよく、学習モデル６が学習装置５に記憶されていて、制御装置４がネットワークを介して学習モデル６を読み出してもよい。
上記学習モデル６は、例えば、以下の学習モデル６の生成方法（第１の生成方法、第２の生成方法）により生成することが可能である。
ここで、上記した第１給餌フローや第２給餌フローでは、計画検討（Ｓ１５）に際し、例えば、画像比較（Ｓ２２）や輝度調整（Ｓ２３）によって摂餌活性等を算出した。摂餌活性等を算出するに際し、学習モデル６を活用することも可能である。この場合、学習モデル６が記憶部１２に記憶されていてもよく、学習モデル６が学習装置５に記憶されていて、制御装置４がネットワークを介して学習モデル６を読み出してもよい。
上記学習モデル６は、例えば、以下の学習モデル６の生成方法（第１の生成方法、第２の生成方法）により生成することが可能である。
【0071】
（第１の生成方法）
第１の生成方法は、給餌ステップと、撮像制御ステップと、比較ステップと、調整ステップと、算出ステップと、を備えている。
第１の生成方法は、給餌ステップと、撮像制御ステップと、比較ステップと、調整ステップと、算出ステップと、を備えている。
【0072】
給餌ステップでは、水棲生物Ｌに給餌する。
撮像制御ステップでは、給餌手段２が水棲生物Ｌに給餌する量が第１量である場合に、水棲生物Ｌを撮像させて第１画像データを生成するよう撮像手段３を制御する。また、給餌手段２が水棲生物Ｌに給餌する量が第２量である場合に、水棲生物Ｌを撮像させて第２画像データを生成するよう、撮像手段３を制御する。
比較ステップでは、撮像制御ステップにて撮像手段３が生成する第１画像データと、撮像制御ステップにて撮像手段３が生成する第２画像データと、を比較する。
調整ステップでは、比較ステップの処理結果に基づき、第２画像データを調整する。
算出ステップでは、調整ステップにて調整される第２画像データに基づき、摂餌活性等を算出する。
撮像制御ステップでは、給餌手段２が水棲生物Ｌに給餌する量が第１量である場合に、水棲生物Ｌを撮像させて第１画像データを生成するよう撮像手段３を制御する。また、給餌手段２が水棲生物Ｌに給餌する量が第２量である場合に、水棲生物Ｌを撮像させて第２画像データを生成するよう、撮像手段３を制御する。
比較ステップでは、撮像制御ステップにて撮像手段３が生成する第１画像データと、撮像制御ステップにて撮像手段３が生成する第２画像データと、を比較する。
調整ステップでは、比較ステップの処理結果に基づき、第２画像データを調整する。
算出ステップでは、調整ステップにて調整される第２画像データに基づき、摂餌活性等を算出する。
【0073】
上記した給餌ステップから算出ステップまでは、例えば、第１給餌フロー（Ｓ１０）を実施することにより実現される。
例えば、給餌計画が実施される（Ｓ１１）ことで、給餌ステップが実施される。画像取得が実施される（Ｓ１４）ことで、撮像制御ステップが実施される。画像データの比較（Ｓ２０）のうちの輝度調整（Ｓ２３）が実施されることで、比較ステップ、調整ステップおよび算出ステップが実施される。なおこの場合、第２画像データの輝度が調整されるが、第１の生成方法において、第２画像データにおける輝度以外の要素が調整されてもよい。
例えば、給餌計画が実施される（Ｓ１１）ことで、給餌ステップが実施される。画像取得が実施される（Ｓ１４）ことで、撮像制御ステップが実施される。画像データの比較（Ｓ２０）のうちの輝度調整（Ｓ２３）が実施されることで、比較ステップ、調整ステップおよび算出ステップが実施される。なおこの場合、第２画像データの輝度が調整されるが、第１の生成方法において、第２画像データにおける輝度以外の要素が調整されてもよい。
【0074】
ここで、前記輝度調整（Ｓ２３）において、記憶制御手段４７（第１記憶制御手段４７）が、例えば、前記第１データセットを記憶させる。第１データセットは、輝度調整部５３によって調整される第２画像データと、算出手段４５によって算出される摂餌活性等と、を対応付けた情報である。
【0075】
記憶制御手段４７が、第２画像データを記憶部１２に記憶させる。ここで、第２画像データは、輝度調整部５３によって輝度が調整される。よって、記憶部１２に、輝度が調整された画像データを記憶させることができる。その結果、例えば、記憶部１２に記憶された画像データに基づいて機械学習をする場合などに、生成される学習モデル６の精度を高めることができる。
なお記憶制御手段４７が、第２画像データと、第２画像データに基づいて算出された摂餌活性等と、を対応付けて記憶させる場合には、学習モデル６を容易に生成することができる。
なお記憶制御手段４７が、第２画像データと、第２画像データに基づいて算出された摂餌活性等と、を対応付けて記憶させる場合には、学習モデル６を容易に生成することができる。
【0076】
そして、第１の生成方法は、更に生成ステップを備えている。
生成ステップでは、調整ステップにて調整される第２画像データを学習データとし、算出ステップにて算出される摂餌活性等を教師データとする機械学習により、学習モデル６を生成する。本実施形態では、学習装置５が、第１データセットを用いて学習モデル６に機械学習をさせる。
生成ステップでは、調整ステップにて調整される第２画像データを学習データとし、算出ステップにて算出される摂餌活性等を教師データとする機械学習により、学習モデル６を生成する。本実施形態では、学習装置５が、第１データセットを用いて学習モデル６に機械学習をさせる。
【0077】
比較ステップにおいて、第１画像データと第２画像データとを比較する。その上で、調整ステップにおいて、比較ステップの処理結果に基づいて、第２画像データを調整する。このように調整された第２画像データに基づいて、摂餌活性等を算出する。よって、調整されていない単なる画像データに基づいて摂餌活性等を算出する場合に比べて、算出精度を高めることができる。
よって、生成ステップにおいて、このように精度が高い摂餌活性等を教師データとして学習モデル６を生成することで、精度が高い学習モデル６を生成することができる。
よって、生成ステップにおいて、このように精度が高い摂餌活性等を教師データとして学習モデル６を生成することで、精度が高い学習モデル６を生成することができる。
【0078】
（第２の生成方法）
第２の生成方法は、給餌ステップと、撮像制御ステップと、比較ステップと、算出ステップと、を備えているものの、調整ステップを備えていない。
これらの給餌ステップから算出ステップまでは、例えば、第１給餌フロー（Ｓ１０）を実施することにより実現される。
例えば、給餌計画が実施される（Ｓ１１）ことで、給餌ステップが実施される。画像取得が実施される（Ｓ１４）ことで、撮像制御ステップが実施される。画像データの比較（Ｓ２０）のうちの画像比較（Ｓ２２）が実施されることで、比較ステップおよび算出ステップが実施される。なおこの場合、摂餌活性等が画像差分に基づいて算出されるが、第２の生成方法において、画像差分以外の要素を用いて摂餌活性等が算出されてもよい。
第２の生成方法は、給餌ステップと、撮像制御ステップと、比較ステップと、算出ステップと、を備えているものの、調整ステップを備えていない。
これらの給餌ステップから算出ステップまでは、例えば、第１給餌フロー（Ｓ１０）を実施することにより実現される。
例えば、給餌計画が実施される（Ｓ１１）ことで、給餌ステップが実施される。画像取得が実施される（Ｓ１４）ことで、撮像制御ステップが実施される。画像データの比較（Ｓ２０）のうちの画像比較（Ｓ２２）が実施されることで、比較ステップおよび算出ステップが実施される。なおこの場合、摂餌活性等が画像差分に基づいて算出されるが、第２の生成方法において、画像差分以外の要素を用いて摂餌活性等が算出されてもよい。
【0079】
この生成方法では、前記画像比較（Ｓ２２）において、記憶制御手段４７（第２記憶制御手段４７）が、例えば、前記第２データセットを記憶させる。第２データセットは、第１画像データと第２画像データと、これらの画像データから算出された摂餌活性等と、を対応付けた情報である。
【0080】
そして、第２の生成方法は、更に生成ステップを備えている。
生成ステップでは、第１画像データおよび第２画像データを学習データとし、算出ステップにて算出される摂餌活性等を教師データとする機械学習により、学習モデル６を生成する。本実施形態では、学習装置５が、第２データセットを用いて学習モデル６に機械学習をさせる。
生成ステップでは、第１画像データおよび第２画像データを学習データとし、算出ステップにて算出される摂餌活性等を教師データとする機械学習により、学習モデル６を生成する。本実施形態では、学習装置５が、第２データセットを用いて学習モデル６に機械学習をさせる。
【0081】
記憶制御手段４７が、第１画像データと第２画像データとを対応付けて記憶部１２に記憶させる。その結果、例えば、記憶部１２に記憶された画像データに基づいて機械学習をする場合などに、生成される学習モデル６の精度を高めることができる。
例えばこの場合、第１画像データおよび第２画像データを対応させた状態で機械学習することで、学習モデル６として、第１画像データおよび第２画像データを入力データとし、これら入力データに基づいて、残餌量や摂餌活性を出力する学習モデル６を生成することができる。さらにこの場合、記憶制御手段４７が、第１画像データと第２画像データとを対応付けるのに加えて、第１画像データと第２画像データと、これらの画像データから算出された摂餌活性等と、を対応付けてもよい。これにより、例えば、第１画像データおよび第２画像データの対が学習データであり、この対に対応する摂餌活性等が教師データである、機械学習用のデータセットを生成することができる。
また機械学習として、対応する第１画像データと第２画像データとを用いたアンサンブル学習を採用することもできる。
例えばこの場合、第１画像データおよび第２画像データを対応させた状態で機械学習することで、学習モデル６として、第１画像データおよび第２画像データを入力データとし、これら入力データに基づいて、残餌量や摂餌活性を出力する学習モデル６を生成することができる。さらにこの場合、記憶制御手段４７が、第１画像データと第２画像データとを対応付けるのに加えて、第１画像データと第２画像データと、これらの画像データから算出された摂餌活性等と、を対応付けてもよい。これにより、例えば、第１画像データおよび第２画像データの対が学習データであり、この対に対応する摂餌活性等が教師データである、機械学習用のデータセットを生成することができる。
また機械学習として、対応する第１画像データと第２画像データとを用いたアンサンブル学習を採用することもできる。
【0082】
以上説明したように、本実施形態に係る給餌システム１によれば、比較手段４４が、第１画像データおよび第２画像データを比較する。このように、比較手段４４が異なるタイミングで撮像された複数の画像データを比較することで、例えば、画像に含まれる餌に関する残餌量や、画像に含まれる水棲生物Ｌに関する摂餌活性などを、精度良く算出することができる。
そして、このような比較手段４４の処理結果に基づき、給餌制御手段４６が給餌手段２を制御する。したがって、水棲生物Ｌへの給餌の効率を向上させることができる。
そして、このような比較手段４４の処理結果に基づき、給餌制御手段４６が給餌手段２を制御する。したがって、水棲生物Ｌへの給餌の効率を向上させることができる。
【0083】
なお、本発明の技術的範囲は前記実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲において種々の変更を加えることが可能である。
【0084】
画像差分取得部５１、輝度差分取得部５２、輝度調整部５３、記憶制御手段４７、濁り程度取得部５４、判定手段４３、判別手段４２のうちの少なくとも１つがなくてもよい。
学習装置５がなくてもよい。
学習装置５がなくてもよい。
【0085】
給餌システム１の各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されてもよい。プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。コンピュータ読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置である。プログラムは、電気通信回線を介して送信されてもよい。
【0086】
その他、本発明の趣旨に逸脱しない範囲で、前記実施形態における構成要素を周知の構成要素に置き換えることは適宜可能であり、また、前記した変形例を適宜組み合わせてもよい。
【0087】
（付記）
＜１＞本発明の一態様に係る給餌システムは、水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を比較する比較手段と、前記比較手段の処理結果に基づき、前記給餌手段を制御する給餌制御手段と、を備える。
＜１＞本発明の一態様に係る給餌システムは、水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を比較する比較手段と、前記比較手段の処理結果に基づき、前記給餌手段を制御する給餌制御手段と、を備える。
【0088】
比較手段が、第１画像データおよび第２画像データを比較する。このように、比較手段が異なるタイミングで撮像された複数の画像データを比較することで、例えば、画像に含まれる餌に関する残餌量や、画像に含まれる水棲生物に関する摂餌活性などを、精度良く算出することができる。
そして、このような比較手段の処理結果に基づき、給餌制御手段が給餌手段を制御する。したがって、水棲生物への給餌の効率を向上させることができる。
なお、比較手段による比較には、（１）第１画像データと第２画像データとを直接的に比較することだけでなく、（２）第１画像データと他のデータとを比較し、その比較結果に基づいて第２画像データを変更（調整）することや、（３）第１画像データの処理結果に応じて、第２画像データに基づく判断基準を変更すること、も含む。
そして、このような比較手段の処理結果に基づき、給餌制御手段が給餌手段を制御する。したがって、水棲生物への給餌の効率を向上させることができる。
なお、比較手段による比較には、（１）第１画像データと第２画像データとを直接的に比較することだけでなく、（２）第１画像データと他のデータとを比較し、その比較結果に基づいて第２画像データを変更（調整）することや、（３）第１画像データの処理結果に応じて、第２画像データに基づく判断基準を変更すること、も含む。
【0089】
＜２＞上記＜１＞に係る給餌システムでは、前記比較手段は、前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、の差分である画像差分を取得する画像差分取得部、を含む、ことを特徴とする構成を採用してもよい。
【0090】
画像差分取得部が、画像差分を取得する。この画像差分を利用することで、例えば、第１画像データと第２画像データとにおいて、残餌量を表す特徴量（例えば餌）の差分や、摂餌活性を表す特徴量（例えば水しぶき）の差分などを取得することができる。これにより、例えば、残餌量や摂餌活性などを一層精度良く算出することができる。
【0091】
＜３＞上記＜２＞に係る給餌システムでは、前記第２量は、前記第１量より、多い、ことを特徴とする構成を採用してもよい。
【0092】
第２量が第１量より多く、第２画像データが撮像されるタイミングにおける給餌量が、第１画像データが撮像されるタイミングにおける給餌量よりも多い。したがって、例えば、給餌手段によって給餌量を第１量から第２量に増加させ、比較手段によって第１画像データと第２画像データとを比較することで、例えば、水棲生物が餌に群がる度合いを算出することができる。これにより、例えば、水棲生物の摂餌活性をより一層精度良く算出することができる。
ここで、餌に群がる度合いは、公知の画像処理によって算出可能である。餌に群がる度合いは、例えば、波しぶきの量、餌を基準とした所定範囲内に位置する水棲生物の数、個々の水棲生物の大きさ、水棲生物が集まることによって形成される水棲生物群の大きさ、などによって算出される。
なお例えば、第１量が０であり、第２量が０よりも大きい場合としては、給餌量が０である給餌前や給餌間（給餌後）の画像データが第１画像データとなり、給餌量が０より上回る給餌中の画像データが第２画像データとなる場合が挙げられる。
また例えば、第１量が０であり、第２量が０よりも大きい場合としては、給餌中にわざと給餌を停止し、一定時間をおいた後、給餌を再開する（例えば、摂餌活性の算出のために、摂餌活性算出の専用モードを実施する）ことで、給餌量が０である給餌停止中の画像データが第１画像データとなり、給餌再開後の画像データが第２画像データとなる場合が挙げられる。
さらに例えば、第１量および第２量がいずれも０よりも大きい場合としては、第２量で給餌中に意図的に給餌量を第１量に減らし、一定時間をおいた後、給餌量を第２量に戻す（例えば、摂餌活性の算出のために、摂餌活性算出の専用モードを実施する）ことで、給餌量が第１量である給餌量を減少させたときの画像データが第１画像データとなり、給餌量を元に戻したときの画像データが第２画像データとなる場合が挙げられる。
ここで、餌に群がる度合いは、公知の画像処理によって算出可能である。餌に群がる度合いは、例えば、波しぶきの量、餌を基準とした所定範囲内に位置する水棲生物の数、個々の水棲生物の大きさ、水棲生物が集まることによって形成される水棲生物群の大きさ、などによって算出される。
なお例えば、第１量が０であり、第２量が０よりも大きい場合としては、給餌量が０である給餌前や給餌間（給餌後）の画像データが第１画像データとなり、給餌量が０より上回る給餌中の画像データが第２画像データとなる場合が挙げられる。
また例えば、第１量が０であり、第２量が０よりも大きい場合としては、給餌中にわざと給餌を停止し、一定時間をおいた後、給餌を再開する（例えば、摂餌活性の算出のために、摂餌活性算出の専用モードを実施する）ことで、給餌量が０である給餌停止中の画像データが第１画像データとなり、給餌再開後の画像データが第２画像データとなる場合が挙げられる。
さらに例えば、第１量および第２量がいずれも０よりも大きい場合としては、第２量で給餌中に意図的に給餌量を第１量に減らし、一定時間をおいた後、給餌量を第２量に戻す（例えば、摂餌活性の算出のために、摂餌活性算出の専用モードを実施する）ことで、給餌量が第１量である給餌量を減少させたときの画像データが第１画像データとなり、給餌量を元に戻したときの画像データが第２画像データとなる場合が挙げられる。
【0093】
＜４＞上記＜１＞に係る給餌システムでは、前記比較手段は、前記撮像手段が生成する第１画像データの輝度と所定輝度との差分である輝度差分を取得する輝度差分取得部と、前記撮像手段が生成する前記第２画像データの輝度を、前記輝度差分取得部により取得される前記輝度差分に基づき、調整する輝度調整部と、を含む、ことを特徴とする構成を採用してもよい。
【0094】
各画像データの輝度は、例えば、天気などによって異なる。例えば、晴れた日の画像データの輝度は、曇った日の画像データの輝度に比べて高い。なお、各画像データの輝度は、各画像データ全体の輝度である。
ここで輝度調整部が、輝度差分に基づいて第２画像データの輝度を調整する。輝度差分は、第１画像データの輝度と所定輝度との差分である。よって、例えば、所定輝度として、晴れた日の画像データの輝度を設定することで、天気によらず、第２画像データを適度な輝度に調整すること等ができる。これにより、残餌量や摂餌活性などを一層精度良く算出することができる。
なお、オペレーターが指定手段を利用して所定輝度を指定する場合、所定輝度が確実に設定される。
ここで輝度調整部が、輝度差分に基づいて第２画像データの輝度を調整する。輝度差分は、第１画像データの輝度と所定輝度との差分である。よって、例えば、所定輝度として、晴れた日の画像データの輝度を設定することで、天気によらず、第２画像データを適度な輝度に調整すること等ができる。これにより、残餌量や摂餌活性などを一層精度良く算出することができる。
なお、オペレーターが指定手段を利用して所定輝度を指定する場合、所定輝度が確実に設定される。
【0095】
＜５＞上記＜４＞に係る給餌システムでは、前記輝度調整部によって調整される前記第２画像データを記憶部に記憶させる第１記憶制御手段、を更に備えることを特徴とする構成を採用してもよい。
【0096】
第１記憶制御手段が、第２画像データを記憶部に記憶させる。ここで、第２画像データは、輝度調整部によって輝度が調整される。よって、記憶部に、輝度が調整された画像データを記憶させることができる。その結果、例えば、記憶部に記憶された画像データに基づいて機械学習をする場合などに、生成される学習モデルの精度を高めることができる。
なお第１記憶制御手段が、第２画像データと、第２画像データに基づいて算出された残餌量または摂餌活性と、を対応付けて記憶させる場合には、学習モデルを容易に生成することができる。
なお第１記憶制御手段が、第２画像データと、第２画像データに基づいて算出された残餌量または摂餌活性と、を対応付けて記憶させる場合には、学習モデルを容易に生成することができる。
【0097】
＜６＞上記＜１＞乃至＜５＞のいずれか１態様に係る給餌システムでは、前記給餌制御手段は、前記撮像手段が生成する第２画像データに基づく残餌量、が所定閾値を上回ったら、前記給餌手段による給餌速度を低下させ、または、給餌を停止させ、前記比較手段は、前記撮像手段が生成する第１画像データの濁りの程度を取得する濁り程度取得部、を含み、前記所定閾値は、前記濁り程度取得部によって取得される濁りの程度が大きくなるに連れ、下がる、ことを特徴とする構成を採用してもよい。
【0098】
撮像手段が生成する第２画像データに基づく残餌量、が所定閾値を上回ったら、給餌制御手段が、給餌手段による給餌速度を低下させ、または、給餌を停止させる。よって、所定閾値が高いほど、残餌量（例えば、餌の個数）が多いと算出されている状態ではじめて給餌速度が低下され、または、給餌が停止される。そのためこの場合、給餌速度が低下したり給餌が停止されたりする可能性が低くなる。逆に、所定閾値が下がると、給餌速度が低下したり給餌が停止されたりする可能性が高まる。
ここで、濁りの程度が大きくなると、残餌量の算出の精度が低下しやすい。
そこで、濁り程度取得部によって取得される濁りの程度が大きくなるに連れ、所定閾値が下がる。よって、仮に、濁りの程度が大きくなり残餌量の算出の精度が低下したとしても、過剰な給餌を抑制することができる。これにより、濁りの程度に応じて給餌量を適切に調整することができる。
なお、濁り程度取得部は、例えば、第１画像データに含まれる基準の見え方によって、濁りの程度を取得してもよい。前記基準は、画像データが撮像されるタイミングによらず固定された位置に撮像されてもよい。また、濁り程度取得部は、例えば、第１画像データの輝度に基づいて、濁りの程度を取得してもよい。
また、画像処理や機械学習を前提とする場合であって、画像中に含まれる対象が餌である確率が所定閾値以上である場合に対象が餌であると判定する場合、濁りの程度が高まるに連れて、この所定閾値もあわせて下げてもよい。
ここで、濁りの程度が大きくなると、残餌量の算出の精度が低下しやすい。
そこで、濁り程度取得部によって取得される濁りの程度が大きくなるに連れ、所定閾値が下がる。よって、仮に、濁りの程度が大きくなり残餌量の算出の精度が低下したとしても、過剰な給餌を抑制することができる。これにより、濁りの程度に応じて給餌量を適切に調整することができる。
なお、濁り程度取得部は、例えば、第１画像データに含まれる基準の見え方によって、濁りの程度を取得してもよい。前記基準は、画像データが撮像されるタイミングによらず固定された位置に撮像されてもよい。また、濁り程度取得部は、例えば、第１画像データの輝度に基づいて、濁りの程度を取得してもよい。
また、画像処理や機械学習を前提とする場合であって、画像中に含まれる対象が餌である確率が所定閾値以上である場合に対象が餌であると判定する場合、濁りの程度が高まるに連れて、この所定閾値もあわせて下げてもよい。
【0099】
＜７＞上記＜１＞乃至＜６＞のいずれか１態様に係る給餌システムでは、前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を対応付けて記憶部に記憶させる第２記憶制御手段、を更に備えることを特徴とする構成を採用してもよい。
【0100】
第２記憶制御手段が、第１画像データと第２画像データとを対応付けて記憶部に記憶させる。その結果、例えば、記憶部に記憶された画像データに基づいて機械学習をする場合などに、生成される学習モデルの精度を高めることができる。
例えばこの場合、第１画像データおよび第２画像データを対応させた状態で機械学習することで、学習モデルとして、第１画像データおよび第２画像データを入力データとし、これら入力データに基づいて、残餌量や摂餌活性を出力する学習モデルを生成することができる。さらにこの場合、第２記憶制御手段が、第１画像データと第２画像データとを対応付けるのに加えて、第１画像データと第２画像データと、これらの画像データから算出された残餌量および摂餌活性のうちの少なくとも一方と、を対応付けてもよい。これにより、例えば、第１画像データおよび第２画像データの対が学習データであり、この対に対応する残餌量および摂餌活性のうちの少なくとも一方が教師データである、機械学習用のデータセットを生成することができる。
また機械学習として、対応する第１画像データと第２画像データとを用いたアンサンブル学習を採用することもできる。
例えばこの場合、第１画像データおよび第２画像データを対応させた状態で機械学習することで、学習モデルとして、第１画像データおよび第２画像データを入力データとし、これら入力データに基づいて、残餌量や摂餌活性を出力する学習モデルを生成することができる。さらにこの場合、第２記憶制御手段が、第１画像データと第２画像データとを対応付けるのに加えて、第１画像データと第２画像データと、これらの画像データから算出された残餌量および摂餌活性のうちの少なくとも一方と、を対応付けてもよい。これにより、例えば、第１画像データおよび第２画像データの対が学習データであり、この対に対応する残餌量および摂餌活性のうちの少なくとも一方が教師データである、機械学習用のデータセットを生成することができる。
また機械学習として、対応する第１画像データと第２画像データとを用いたアンサンブル学習を採用することもできる。
【0101】
＜８＞本発明の一態様に係る給餌システムは、水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、前記水棲生物の種類を判定する判定手段と、前記判定手段によって前記種類がブリであると判定される場合に、前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を比較する比較手段と、前記比較手段の比較結果に基づき、前記給餌手段を制御する給餌制御手段と、を備える。
【0102】
ブリは給餌開始から給餌完了までの時間が短い（例えば、１０分程度である）。よって、例えば、給餌開始前後であっても環境変化が少なく、給餌開始前の画像データと、給餌中の画像データと、の比較が、給餌量の変化が大きい観点からも有効である。そのため、例えば、給餌開始前で給餌量（＝０）を第１量としてこの場合の画像データを第１画像データとし、給餌中の給餌量を第２量としてこの場合の画像データを第２画像データとする。その上で、比較手段が、第１画像データおよび第２画像データを比較する。このように、比較手段が異なるタイミングで撮像された複数の画像データを比較することで、例えば、画像に含まれる餌に関する残餌量や、画像に含まれる水棲生物に関する摂餌活性などを、精度良く算出することができる。
そして、このような比較手段の処理結果に基づき、給餌制御手段が給餌手段を制御する。したがって、水棲生物への給餌の効率を向上させることができる。
そして、このような比較手段の処理結果に基づき、給餌制御手段が給餌手段を制御する。したがって、水棲生物への給餌の効率を向上させることができる。
【0103】
＜９＞本発明の一態様に係る給餌システムは、水棲生物に給餌する給餌手段と、前記水棲生物を撮像して画像データを生成する撮像手段と、前記給餌手段が前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するように前記撮像手段を制御し、前記給餌手段が前記水棲生物に給餌する量が第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するように前記撮像手段を制御する撮像制御手段と、前記撮像手段が前記第１画像データを生成してから所定期間が経過したか否かを判別する判別手段と、比較手段と、前記比較手段の比較結果に基づき、前記給餌手段を制御する給餌制御手段と、を備える給餌システムであって、前記撮像制御手段は、前記判別手段によって前記所定期間が経過したと判別される場合に、前記水棲生物を新たに撮像させて第３画像データを生成するように前記撮像手段を制御し、前記比較手段は、前記判別手段によって前記所定期間が経過したと判別されない場合に、前記撮像手段が生成する前記第１画像データと、前記撮像手段が生成する前記第２画像データと、を比較し、前記判別手段によって前記所定期間が経過したと判別される場合に、前記撮像手段が生成する前記第２画像データと、前記撮像手段が生成する前記第３画像データと、を比較する、ことを特徴とする。
【0104】
判別手段によって所定期間が経過したと判別されない場合、第１画像データは所定期間以内に生成された比較的新しいデータである。よって、この場合、比較手段が、第１画像データと、第２画像データと、を比較する。一方、判別手段によって所定期間が経過したと判別される場合に、比較手段は、第１画像データに代えて第３画像データを採用し、第２画像データと、第３画像データと、を比較する。
これにより、給餌が長期間にわたっても、比較手段が、比較的近い間隔で撮影された２つの画像データを比較することができる。比較手段が、第１画像データおよび第２画像データを比較する。このように、比較手段が異なるタイミングで撮像された複数の画像データを比較することで、例えば、画像に含まれる餌に関する残餌量や、画像に含まれる水棲生物に関する摂餌活性などを、精度良く算出することができる。
そして、このような比較手段の処理結果に基づき、給餌制御手段が給餌手段を制御する。したがって、水棲生物への給餌の効率を向上させることができる。
なお、例えば、サケは給餌開始から給餌完了までの時間が長いことから、このような給餌システムによる作用効果が顕著に奏功される。
これにより、給餌が長期間にわたっても、比較手段が、比較的近い間隔で撮影された２つの画像データを比較することができる。比較手段が、第１画像データおよび第２画像データを比較する。このように、比較手段が異なるタイミングで撮像された複数の画像データを比較することで、例えば、画像に含まれる餌に関する残餌量や、画像に含まれる水棲生物に関する摂餌活性などを、精度良く算出することができる。
そして、このような比較手段の処理結果に基づき、給餌制御手段が給餌手段を制御する。したがって、水棲生物への給餌の効率を向上させることができる。
なお、例えば、サケは給餌開始から給餌完了までの時間が長いことから、このような給餌システムによる作用効果が顕著に奏功される。
【0105】
＜１０＞本発明の一態様に係る学習モデル生成方法は、水棲生物に給餌する給餌ステップと、前記給餌ステップにおいて前記水棲生物に給餌する量が第１量である場合に、前記水棲生物を撮像させて第１画像データを生成するよう、前記水棲生物を撮像して画像データを生成する撮像手段を制御し、前記給餌ステップにおいて前記水棲生物に給餌する量が第２量である場合に、前記水棲生物を撮像させて第２画像データを生成するよう、前記撮像手段を制御する撮像制御ステップと、前記撮像制御ステップにて前記撮像手段が生成する前記第１画像データと、前記撮像制御ステップにて前記撮像手段が生成する前記第２画像データと、を比較する比較ステップと、前記比較ステップの処理結果に基づき、前記第２画像データを調整する調整ステップと、前記調整ステップにて調整される前記第２画像データに基づき、前記水棲生物の残餌量および摂餌活性のうちの少なくとも一方を算出する算出ステップと、前記調整ステップにて調整される前記第２画像データを学習データとし、前記算出ステップにて算出される前記少なくとも一方を教師データとする機械学習により、学習モデルを生成する生成ステップと、を備えることを特徴とする。
【0106】
比較ステップにおいて、第１画像データと第２画像データとを比較する。その上で、調整ステップにおいて、比較ステップの処理結果に基づいて、第２画像データを調整する。このように調整された第２画像データに基づいて、水棲生物の残餌量および摂餌活性のうちの少なくとも一方を算出する。よって、調整されていない単なる画像データに基づいて水棲生物の残餌量および摂餌活性のうちの少なくとも一方を算出する場合に比べて、算出精度を高めることができる。
よって、生成ステップにおいて、このように精度が高い、水棲生物の残餌量および摂餌活性のうちの少なくとも一方を教師データとして学習モデルを生成することで、精度が高い学習モデルを生成することができる。
よって、生成ステップにおいて、このように精度が高い、水棲生物の残餌量および摂餌活性のうちの少なくとも一方を教師データとして学習モデルを生成することで、精度が高い学習モデルを生成することができる。
【符号の説明】
【0107】
１ 給餌システム
２ 給餌手段
３ 撮像手段
６ 学習モデル
１２ 記憶部
４１ 撮像制御手段
４２ 判別手段
４３ 判定手段
４４ 比較手段
４６ 給餌制御手段
４７ 記憶制御手段
４７ 第１記憶制御手段
４７ 第２記憶制御手段
５１ 画像差分取得部
５２ 輝度差分取得部
５３ 輝度調整部
５４ 程度取得部
Ｌ 水棲生物
２ 給餌手段
３ 撮像手段
６ 学習モデル
１２ 記憶部
４１ 撮像制御手段
４２ 判別手段
４３ 判定手段
４４ 比較手段
４６ 給餌制御手段
４７ 記憶制御手段
４７ 第１記憶制御手段
４７ 第２記憶制御手段
５１ 画像差分取得部
５２ 輝度差分取得部
５３ 輝度調整部
５４ 程度取得部
Ｌ 水棲生物
【要約】
【課題】給餌の効率を向上させる。
【解決手段】水棲生物Ｌに給餌する給餌手段２と、水棲生物Ｌを撮像して画像データを生成する撮像手段３と、給餌手段２が水棲生物Ｌに給餌する量が第１量である場合に、水棲生物Ｌを撮像させて第１画像データを生成するように撮像手段３を制御し、給餌手段２が水棲生物Ｌに給餌する量が第２量である場合に、水棲生物Ｌを撮像させて第２画像データを生成するように撮像手段３を制御する撮像制御手段と、撮像手段３が生成する第１画像データと、撮像手段３が生成する第２画像データと、を比較する比較手段と、比較手段の処理結果に基づき、給餌手段２を制御する給餌制御手段と、を備える給餌システム。
【選択図】図２
【解決手段】水棲生物Ｌに給餌する給餌手段２と、水棲生物Ｌを撮像して画像データを生成する撮像手段３と、給餌手段２が水棲生物Ｌに給餌する量が第１量である場合に、水棲生物Ｌを撮像させて第１画像データを生成するように撮像手段３を制御し、給餌手段２が水棲生物Ｌに給餌する量が第２量である場合に、水棲生物Ｌを撮像させて第２画像データを生成するように撮像手段３を制御する撮像制御手段と、撮像手段３が生成する第１画像データと、撮像手段３が生成する第２画像データと、を比較する比較手段と、比較手段の処理結果に基づき、給餌手段２を制御する給餌制御手段と、を備える給餌システム。
【選択図】図２
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】