RAS養殖を変えるAI給餌最適化、韓国展示会で見えた収益改善の条件
ニュースの概要
ソウルで開かれた養殖関連展示会で、循環式養殖システム、いわゆるRASに特化したAI給餌最適化技術が紹介された。開発企業のRASTは、魚が餌に反応する動きや摂餌の進み具合を読み取り、仮想的な養殖設備を再現するデジタルツインと組み合わせて給餌量を調整する。RASでは餌の食べ残しが水質悪化、ろ過装置への負荷、飼料費の増加を同時に招く。自動制御によって魚の状態に合わせた給餌ができれば、作業の省力化だけでなく、設備運転と生産成績の安定にもつながる可能性がある。会場では水質監視など、養殖工程全体のデジタル化も示された。
引用元: 韓国の養殖展示会でRAS向けAI給餌最適化技術を紹介（The Korea Herald）
分析・見解
食べ残しを減らすことがRASの利益を左右する
RASでは、餌の量を多くすれば成長が速くなるとは限らない。食べ残しは水中で分解され、アンモニアや亜硝酸の処理量を増やす。ろ過装置が処理しきれなければ、魚の健康を損ねるだけでなく、換水や酸素供給に追加費用が発生する。つまり給餌は、飼料費だけの問題ではない。水処理費、電力費、死亡率、出荷時期まで連動する運営の中心課題である。
従来の自動給餌機は、時刻や設定量に従って餌を出す仕組みが中心だった。AI給餌は、魚群の動き、餌への反応、摂餌が弱まるタイミングを見ながら、次の投入量を変えられる点に価値がある。特に成長段階や水温によって食欲が変わりやすい魚種では、固定設定との差が出やすい。
デジタルツインは現場の判断を再現する仕組み
今回の技術で重要なのは、カメラやセンサーを増やすこと自体ではない。現実の水槽から得た情報を、仮想空間上の養殖設備に取り込み、給餌量を変えた場合に水質や成長がどう動くかを推定する点にある。デジタルツインは、現場で試すと魚に負担がかかる条件を、まず仮想環境で比較するための道具になる。
ただし、予測の精度は入力データの質に左右される。濁りで映像が不鮮明になる、魚が密集して個体の反応を識別できない、センサーの校正がずれるといった問題があれば、AIは誤った判断を学習する。導入効果を語るには、給餌量だけでなく、画像の欠損率、警報の的中率、手動修正の回数も検証しなければならない。
AI導入の成否は魚種と設備条件で変わる
サケ類のように群れの反応を捉えやすい魚種と、底層で動きが見えにくい魚種では、同じ画像解析でも難易度が異なる。稚魚、成魚、夜間運転、水槽形状の違いも判定結果に影響する。したがって、展示会の実演をそのまま自社設備に当てはめるのは危険である。
最初の導入では、全棟を一度に自動化するより、魚種、サイズ、水槽、給餌時間を限定した比較試験が現実的だ。AI制御区と従来区を数週間から数か月運用し、飼料要求率、成長率、死亡率、水質指標、作業時間を同じ条件で記録する。飼料要求率とは、魚を一定量成長させるために必要な餌の量であり、利益に直結する指標である。
養殖の自動化は設備単体から運営全体へ進む
給餌最適化は、単独の機械を導入して終わる技術ではない。溶存酸素、水温、二酸化炭素、アンモニア、ろ過流量などと連動して初めて、RAS全体の制御に近づく。例えば溶存酸素が低下しているのに給餌を続ければ、摂餌効率が下がり、水質への負担だけが増える。給餌を止める条件と再開する条件を明確に設定できるかが重要になる。
この流れは、養殖を経験者の勘から完全に切り離すという意味ではない。むしろ熟練者の判断をデータとして残し、担当者が変わっても同じ水準の運営を続けるための基盤になる。今後はAIの推奨量を表示する段階から、設備が自動実行し、異常時だけ人が承認する段階へ移るだろう。その際、判断履歴を確認できる仕組みが信頼性を左右する。
ビジネスへの影響
導入前に飼料費より水処理費まで計算する
導入判断では、AI給餌機の価格と餌の削減額だけを比べてはいけない。確認すべきは、飼料要求率がどれだけ改善するか、食べ残しの減少でろ過装置の負荷がどれだけ下がるか、夜間の見回りや手動給餌を何時間減らせるかである。さらに、成長のばらつきが小さくなれば、出荷サイズの調整や選別にかかる費用も下がる可能性がある。
事業者はまず、過去の給餌量、水質異常、死亡、電力使用量、出荷実績を月別に整理するとよい。その記録がなければ、導入後の効果を証明できない。試験期間には、AIが提案した量、現場が修正した量、実際の摂餌結果を残し、投資回収期間を設備費だけでなく運営改善を含めて算定する必要がある。
小規模実証で現場の使いやすさを見極める
最初から完全自動運転を目指すと、誤判定への不安や従業員の抵抗が大きくなる。初期段階では、AIが推奨量を示し、担当者が承認して給餌機を動かす方式が適している。これなら現場は判断の根拠を確認でき、魚の異常や機器障害があった場合にも停止しやすい。
契約前には、対応魚種、必要なカメラ台数、通信障害時の動作、データの所有権、保守費、既存の水質管理装置との接続方法を確認したい。AIは導入後もデータを蓄積して精度を上げるため、ベンダーを変更しにくくなる場合がある。将来の移行を考え、データを標準的な形式で取り出せるかも重要な選定条件だ。
韓国発の展示技術を市場拡大につなげる条件
韓国で示された動きは、RASが水槽やろ過機の販売競争から、運営データを活用するサービス競争へ移っていることを示す。設備投資が大きいRASでは、魚を多く入れることより、安定して出荷できる割合を高める方が資金計画上の意味を持つ。AI給餌は、その安定性を作る入り口になり得る。
一方で、展示会のデモと商業規模の成果には差がある。魚種別の検証結果、季節変動への対応、停電や通信断に備えた安全設計、第三者による効果測定が普及の条件になる。今後は、給餌単体の性能ではなく、水質、成長、電力、労務を合わせた運営指標で製品を評価する企業が優位に立つだろう。