iotを活用した スマート漁業への取り組み - institute...

IoTを活用したスマート漁業への取り組み

2018/09/13（株）KDDI総合研究所

井戸上 彰、南 雄也、今成 浩巳、宇都宮 栄二

1

発表内容

◆ 研究の背景

◆ 取り組みの概要（SCOPE）

◆ 従来型スマートブイの特徴・課題

◆ 新型スマートブイの開発

◆ フィールド・トライアル

2

1次産業へのIoTの活用

◆ 課題⚫ 高齢化・後継者不足⚫ 作業の効率化、技術(経験)の伝承

◆ 農業⚫ 比較的多くの事例あり➢ 温室、水田などにセンサー設置

◆ 漁業⚫ 養殖漁業のIoT➢ 報告例 - NTTドコモ(ICTブイ)など

⚫ 定置網： 本研究の対象➢ 自然環境に左右➢ 天然の魚が自然に入るのを待つむずかしさ➢ 漁師の経験・勘に頼る部分が大きい

3

沿岸漁業の課題

シケの翌日には

魚が多く獲れる

水(海)の色をみれば

どんな魚がいるかわかる

天候や潮流の変化を捕らえる

日中の海面/海中の変化を捕らえる

例：水温、塩分濃度、酸素濃度など

今まで：漁師の経験と勘 これから：IoT(センサー)の活用

漁師の経験と勘を、センサーデータや気象情報で定量化

(機械学習)できれば、安定した漁業が営めるのでは？

漁業って博打の様なもの 網に入っている魚の量を推測する

4

これまでの漁業

風、海の色、潮の流れ

勘・経験に基づく判断

会話・作業のみでの技術伝達

空振りも発生

漁師（事務所）

5

獲れるかわからなくても出漁

これからの漁業

漁師（事務所）

漁獲量データオープンデータ

海洋データ

出漁前にデータ分析

データによるノウハウ習得

✓計画的な出漁✓人件費・燃料コストの抑制

6

前身のプロジェクト

実施場所 宮城県東松島市 浜市沖

事業概要 ①漁獲モデル適切な出漁判断でコスト効率を向上する

②小売モデル漁業者が小売店に獲れたての海産物を直送する

一般社団法人東松島みらいとし機構［代表幹事］、宮城県東松島市、大友水産株式会社、大野電子開発株式会社、東北大学、岩手県立大学、早稲田大学、株式会社ＫＤＤＩ総合研究所

（参加メンバー）

総務省「IoTサービス創出支援事業」として、2016年7月～2017年2月の間実施

7

SCOPEの取り組み概要

SCOPE

データ選定 データ計測データ

解析・予測

（研究項目1）

（代表）仙台高専（研究項目2）

KDDI総合研究所（研究項目3）

早稲田大学

局所的海洋データを活用した漁業の効率化に関する研究開発

2017年度～2019年度(予定)

総務省戦略的情報通信研究開発推進事業

8

SCOPEの取り組み（研究項目1）

◆ 局所的海洋データ収集手法の研究⚫ 主担当：仙台高等専門学校

⚫ 漁獲量予測に有効と考えられる局所的な海洋データの定義や絞り込み、データ取得・加工手法などの検討、調査

⚫ 魚の行動を左右すると考えられる「潮目」の検出手法や発生原理、魚の行動と関連に関する調査・検討

9

SCOPEの取り組み（研究項目2）

◆ 漁業オペレーション効率化の研究⚫ 主担当：KDDI総合研究所

⚫ 局所的海洋データの収集作業と、実際の漁作業の両面において、漁師の作業（オペレーション）を効率化するための研究開発

⚫ 海洋データの収集に必要な機器の開発、漁獲量データ入力・参照など漁師の作業を支援するためのツールの開発

⚫ 中心的なIoTデバイスとして、各種センサーや通信機能を搭載する「スマートブイ」を開発・運用

10

SCOPEの取り組み（研究項目3）

◆ 局所的海洋データを用いた漁獲量予測手法の研究⚫ 主担当：早稲田大学

⚫ 得られた局所的海洋データや周辺の気象データなどから、漁獲量を予測するためのデータ解析やモデル化に関する検討・評価

⚫ 定置網の構造とその中における魚の移動確率を考慮したモデル化、過去の漁獲実績と周辺気象データを用いて、漁獲実績に近い予測を実現する手法の提案・検証

11

スマート漁業全体のシステム構成

定置網漁とスマートブイ

12

データ収集・分析システム構成

【オープンデータ】（周辺気象データ、市場単位漁獲量等）

【スマートブイ】(漁場付近の海洋データ)

【漁業者情報】(漁業者単位漁獲量等)

閲覧

データベース

データ分析（漁獲量予測）

13

フィールド・トライアル

東松島市

KDDI総合研究所

KDDI総合研究所は、2016年7月から、政府(総務省)の支援を得て、宮城県東松島市にて地元漁師と協力して、スマート漁業(漁業IoT)のトライアルを実施。

定置網量

14

データ分析（これまで）

過去の漁獲量と気象データを用いて、漁獲量を予測したところ、前日比の増減(多い・少ないの2値)を70%の精度で的中できることを確認

Nは、過去何日分のデータを予測に用いるかを示している

本予測は、宮城県のオープンデータを用いて実施している。今後、スマートブイで得られたデータを使って予測精度の向上を進めていく予定。 15

従来型スマートブイ（センサーブイ）

LTEアンテナ部

海中センサー部

海上センサー部

フロート部16

従来型スマートブイと課題

海上センサー部(気温 / 気圧)

海中センサー部(水温 / 水圧 /

塩分濃度/ 加速度)

構造が複雑で汚れが付きやすい

◆ これまでの実証実験からの課題• 小型化・軽量化• 低消費電力化• センサーの長期的・安定的な動作

一次電池で動作（約1ヶ月稼動）

重さ20 Kg以上

通信アンテナ(LTE)

海中ケーブル(最大10m)

フロート

内部コントローラ・Raspbery Pi・LTE通信モジュール

17

従来型スマートブイのバッテリー

・24V電池(24V→5V変換効率：87%)・電池種類：アルカリ単一乾電池・本数：32個(16直列、2並列)・稼働時間：約30日

バッテリー交換のためにブイの分解必要

18

従来型ブイの汚れの例 (1)

ブイ本体

19

従来型ブイの汚れの例 (2)

センサーモジュール

藻、泥、稚貝などの付着

センサーの性能低下

20

新型スマートブイの開発

搭載センサーの絞り込み

小型化・軽量化

IoT向け通信方式対応

長期稼動（ソーラーパネル）

• 漁獲量と相関が強く、安定取得可能な水温に絞り込み

• 他のデータで代用できるセンサーを省略

多層水温センサー(1.5m / 3.5m / 5.5m)

新型スマートブイ

21

搭載センサーの絞り込み

従来型ブイの搭載センサー

収集データの正確性

漁獲量予測との相関

新型ブイへの搭載

気温センサー

正確に計測できているが、気象庁観測データと同じ

強い気象庁観測データを利用

気圧センサー

正確に計測できているが、気象庁観測データと同じ

強い(季節性の魚)

気象庁観測データを利用

水温センサー

付着物の影響で正確な計測が困難

強い多層水温センサーを搭載

水圧センサー

付着物の影響で正確な計測が困難

低い 搭載せず

塩分濃度センサー

付着物の影響で正確な計測が困難

強い多層水温の時系列変化から推定

加速度センサー

海水の揺れのみ観測可能流向流速は計測困難

未確認 搭載せず

22

仕様比較

項目 従来型スマートブイ 新型スマートブイ

幅x 高さ

φ400 mmx 2300 mm

φ387 mmx 1300 mm

重量 22 Kg 11 Kg

通信方式 LTELTE-M (Cat.M1) /LTE Cat.1

電源 一次電池二次電池＋ ソーラーパネル

搭載センサー

気温、気圧、水温（1か所）、水圧、塩分濃度、9軸センサー

水温（複数個所）、塩分濃度、溶存酸素（接続は1種のみ）

稼動期間 約1ヶ月 約1年

23

新型スマートブイの内部

2次電池（リン酸鉄リチウムイオン）

内部コントローラ

ソーラーパネル

24

新型スマートブイの特徴

◆ 特徴⚫ 小型化・軽量化⚫ 低消費電力化／

稼動時間向上⚫ 構造が単純で

メンテナンスが容易

漁師によるブイ運用負荷軽減、効果的な連続データ取得を実現

25

IoT向け通信方式（LTEベース）

LTE-Cat.1 Cat. M1 NB-IoT (Cat. NB1)

下り最大通信速度

10 Mbps 1 Mbps 250 kbps

上り最大通信速度

5 Mbps 1 Mbps 250 kbps (multi-tone) /20 kbps(single tone)

復信方式 全2重 全2重/半2重 半2重

周波数帯域 18 MHz 1.08 MHz 180 khz

モビリティ・サポート

あり あり なし(ハンドオーバー非対応)

新型スマートブイはLTE-Cat.1、Cat.M1をサポート26

ブイ設置箇所（漁場エリア）

鳴瀬川河口付近の漁場内に、スマートブイ２台を設置

総務省事業での実験構成定置網・鮭漁を対象

(停止中)

LTE/LTE-Mのエリア内27

水温測定結果の例 (1)

28

水温測定結果の例 (2)

29

まとめ

◆ 「IoTを活用したスマート漁業への取り組み」について紹介⚫ データに基づく漁獲量予測⚫ 新型スマートブイの開発、特徴

◆ 今後⚫ データ取得・分析の継続⚫ 他の共同研究機関とも協力しながら、

漁獲量予測の精度向上

漁業の効率化30