本研究は、ヨーロッパオマール（Homarus gammarus）の性別と年齢を、非侵襲的なパッシブアコースティックモニタリング（PAM）を用いて判定する方法を探求しています。特に、オマールのバイオアコースティック信号（バズ音および甲羅の振動）を分析し、年齢（幼体と成体）および性別（オスとメス）の分類を行います。スコットランドのジョンシャベンで収集したデータセットを基に、深層学習（DL）モデルや複数の機械学習（ML）モデルを使用し、メル周波数ケプストラム係数（MFCC）を特徴量として用いました。年齢分類では、ほとんどのモデルが97％を超える精度を達成し、性別分類でもほとんどのモデルが93％以上の精度を達成しました。これらの結果は、オマールの保全、発見、管理において、リアルワールドのエッジコンピューティング応用に対する有望なアプローチを示しています。