海洋監視の新たな地平：AIと衛星夜間光画像の融合
世界の海洋では、違法・無報告・無規制（IUU）漁業が深刻な問題となっています。特に、AIS（自動船舶識別装置）を搭載しない、あるいは意図的にオフにする「ダークベッセル」と呼ばれる船舶の活動は、海洋資源の枯渇、生態系の破壊、さらには人身売買や麻薬密輸といった犯罪行為にも繋がりかねません。これらの船舶を追跡し、監視することは、従来のレーダーや巡視船だけでは極めて困難でした。しかし、この度、SDGSAT-1衛星が捉える夜間光（NTL）画像と深層学習技術を組み合わせることで、この長年の課題に挑む画期的な研究が発表されました。これは、海洋監視のあり方を根本から変える可能性を秘めています。
「ダークベッセル」問題の深刻さとAIによる解決策
「ダークベッセル」は、その名の通り、レーダーやAISといった標準的な監視システムから「見えない」存在です。小型漁船の多くはAISの搭載義務がないため、合法的に活動していてもその存在を把握しにくいという側面もあります。しかし、中には意図的に監視を逃れ、規制区域での操業や絶滅危惧種の乱獲を行う船も存在します。このような状況は、国際的な海洋管理体制にとって大きな脅威です。本研究は、夜間に発せられる漁船の灯りという、これまで十分に活用されてこなかった情報源に着目しました。AI、特に深層学習モデルを用いることで、微弱な夜間光のパターンから漁船を識別し、その活動を追跡することが可能になったのです。
デュアルブランチYOLO11：小型オブジェクト検出に特化した革新モデル
本研究の核となるのは、デュアルブランチYOLO11というカスタム深層学習アーキテクチャです。このモデルは、SDGSAT-1衛星の持つユニークな画像取得能力を最大限に活用するために設計されました。SDGSAT-1は、10メートル解像度のパンクロマティック画像と40メートル解像度のRGB画像を同時に取得できます。デュアルブランチYOLO11は、これら異なる解像度と情報を持つ画像を並列の畳み込みバックボーンでそれぞれ処理し、その特徴マップを結合することで、よりリッチな情報に基づいてオブジェクトを検出します。特に、夜間光画像に写る「小さな光点」としての漁船を効率的かつ高精度に検出するために、モデルのアーキテクチャは徹底的に最適化されています。このアプローチにより、既存のシングルブランチYOLOモデル（YOLOv5s, YOLOv8s, 標準YOLO11s）と比較して、精度、再現率、F1スコア、mAP@50といった全ての評価指標で優れた性能を発揮しました。
インド西海岸での実証：77%がAIS非搭載の可能性
開発されたデュアルブランチYOLO11モデルは、インド西海岸の広大な海域に適用されました。2022年から2023年にかけての時系列衛星データを用いて分析した結果、合計31,525隻もの漁船が検出されました。この膨大な検出結果を、既存のAISデータとクロスチェックしたところ、驚くべき事実が判明しました。検出された漁船のうち、AIS信号を発信していたのはわずか7,146隻（22.7%）に過ぎなかったのです。残りの24,379隻（77.3%）は、AIS非搭載の「ダークベッセル」である可能性が高いと特定されました。この数字は、インド洋におけるIUU漁業の潜在的な規模が、これまで考えられていたよりもはるかに大きいことを示唆しています。
漁業パターンの洞察と海洋監視の未来
本研究は、単に「ダークベッセル」を検出するだけでなく、その活動パターンについても貴重な洞察を提供しています。時空間分析の結果、インド西海岸における漁業活動は、特に1月から4月にかけてピークを迎えることが明らかになりました。また、主要な活動域は海岸線から50〜100km沖合に位置し、これは生産性の高い大陸棚のエリアと一致します。これらの情報は、漁業管理当局が資源保護のための規制を策定したり、監視活動を効率的に行う上で極めて重要です。私達の見方では、この技術は、海洋資源の持続可能な管理、違法漁業の撲滅、そして海洋安全保障の強化に不可欠なツールとなるでしょう。AIと衛星技術の融合は、世界の海洋監視能力を根本から変革し、より透明性の高い海洋活動を実現すると確信しています。
AIが「ダークベッセル」を検出する。これはまさに、見えないビジネスチャンスを見える化するのと同じです。データから潜在顧客や競合の動きを割り出す。一次情報を最速で取得し、それをどう分析し、どう行動に繋げるか。それが勝負を分けます。
