近年、深海における鉱物資源の開発が検討されているが、深海では、懸濁粒子のわずかな増加が生物に影響を及ぼす可能性があり、海底掘削や揚鉱水の排水に伴って発生する懸濁粒子による環境への影響が懸念されている。
資源開発の環境影響評価にあたっては、懸濁粒子の観測が重要だが、既存の手法では、深海の懸濁粒子を観測することは困難であった。
そうした中、国立研究開発法人 産業技術総合研究所（以下、産総研）地質調査総合センター地質情報研究部門 齋藤直輝研究員、Travis Washburn 産総研特別研究員（研究当時）、および鈴木淳研究グループ長らは、深海における資源開発の環境影響評価に向けて、AI技術を活用した懸濁粒子の観測手法を考案した。
今回の研究では、懸濁粒子数を計測するために、AI技術の一つである物体検出を活用した。
物体検出は、画像中の特定の物体を自動的に識別し、位置を特定するためのコンピュータを用いた画像認識技術だ。大量の画像を処理・分析できるため、物体検出は海洋環境のモニタリングにも使われ始めている。
懸濁粒子は、水中画像においてカメラからの光を散乱して目立つ。
解析の元画像。白や半透明の丸として懸濁粒子が写っている。
そのため、物体検出が比較的容易な対象ではないかと着想したのだという。
この研究では、深層学習による高精度かつ高速な検出を行うために、物体検出モデルYOLOv5を用いている。
深層学習と解析に用いる画像の撮影は、水深8,000mまでの水圧に耐えられ、数カ月に及ぶ長期的な撮影が可能である、岡本硝子株式会社の深海用定点カメラ「江戸っ子1号」で実施された。
新海洋定点カメラによる画像の撮影の様子。水深約900mの海底で2ヶ月にわたる撮影を実施した。
得られた画像の一部を教師データとしてYOLOv5に入力し、懸濁粒子の特徴を自動的に抽出・学習させることで、懸濁粒子検出モデルを構築。教師データは、3,484個の粒子を含む1,028枚の画像を用い、形状や明るさなど、多様な粒子のパターンをモデルに学習させた。
構築した懸濁粒子検出モデルにより、懸濁粒子数の自動計測を実施した（トップ画参照）。
解析後の画像（トップ画）の右上に表示されている「N = 92」は、検出された粒子の数が92個であることを示している。
モデルは、AP（平均適合率）およびF1値という、モデルによる予測が正解とどれだけ近いかを示す検出精度の指標で、100％中82％以上を記録した。
この検出精度は、海洋生物や海洋ごみを対象に物体検出を適用した先行研究の精度と同程度であり、海洋環境のモニタリングのために十分な精度であると言えるという。
2カ月間の撮影で、取得した6,753枚の画像にモデルを適用した結果、合計で23,913個の粒子が検出された。
これらの粒子についての統計的な解析により、懸濁粒子数が平均値と比べて、10倍以上に急上昇するときがあることが明らかになった。
懸濁粒子数の平均値や時間変化といった基本的な知見は、今後、資源開発による懸濁粒子の影響を評価するための基礎となることが期待されている。
今後は、精度検証に使用する画像の多様性を拡大し、懸濁粒子検出モデルの検出限界を特定していくとしている。
検証すべきデータの例には、粒子径、懸濁粒子濃度、流速を含む幅広い環境条件があり、撮影条件に関しては、粒子の視認性に影響を与える照明に特に注意を払う必要があるのだという。
そこで将来的には、より多様な環境条件や撮影条件でも高精度で検出できるように、懸濁粒子検出モデルに学習させる画像を拡充する予定だ。
なお、この成果の詳細は、日本時間の2023年7月11日に「Frontiers in Marine Science」に掲載される。
