Skjult kamera og big data skal fortelle hvordan fisk i RAS-anlegg trives

Et nordisk forskningsprosjekt ledet av Veterinærinstituttet vil bruke video, kunstig intelligens og statistiske modeller for å bedre produksjon og helse i RAS-anlegg.

I havbruk brukes videosystemer mye for å observere fisken. Potensialet for å overføre dette til lukkede anlegg med resirkulerende akvasystemer (RAS) er det lite forskning på. Prosjektet «Intelliras» finansiert av NordForsk startet opp 1. mars og går over 3,5 år.

Tusenvis av videosekvenser

Med kunstig intelligens (AI) og statistiske modeller ønsker forskerne i prosjektet å bidra til en mer kunnskapsbasert og automatisk styring av RAS-anleggene. Først og fremst vil det benyttes til å optimalisere fôring og bedre fiskens helse. Kunstig intelligens skal brukes på tusenvis av videosekvenser av fisk, for å lære hvordan fisk oppfører seg i ulike situasjoner, for eksempel ved fôring eller stress.

–RAS-systemer er mer miljømessig bærekraftige enn tradisjonell produksjon med gjennomstrømning. Det er likevel utfordringer med å få lønnsomhet i RAS-anlegg. Riktig fôring og best mulig fiskehelse kan være avgjørende for å skape bedre økonomi i anleggene. I dag må oppdrettsselskapene bruke mye tid på å observere fisken, og det kreves mye trening for å forstå hva som er normal og unormal adferd. Vi håper prosjektet skal bidra til å automatisere dette arbeidet, sier seniorforsker Britt Bang Jensen ved Veterinærinstituttet. Hun leder prosjektet hvor forskere fra Norge, Danmark og Finland deltar.

Samle data fra flere kilder

Prosjektet vil blant annet utnytte potensialet ved å samle data fra flere store datakilder. Data om vannkvalitet, fôrforbruk og helseparametere registreres daglig hos hver enkelt oppdretter. I de fleste tilfeller lagres disse dataene i separate datasystemer, og et av målene med prosjektet er å samle og analysere disse data og derved overgå fra erfarings- til kunnskapsstyrt produksjon.

Kjenne igjen unormal oppførsel

–Informasjonen fra datasystemene skal da kobles sammen med resultatene fra video- og kameraovervåkingen i statistiske modeller. Tanken er at systemene skal lære å kjenne igjen unormal oppførsel så tidlig at tiltak kan settes inn før det utvikler seg en mer alvorlig sykdomssituasjon i anlegget, forteller Bang Jensen. Hun er veldig spent på hvor mye systemene kan lære seg å se, og håper det kan brukes til å avsløre sykdom i veldig tidlig fase.

Prosjektet tar også sikte på å utvikle et system for å optimalisere vekst og begrense spill av fôr. Fôrhåndtering, fôring og fôrspill er en stor utfordring for produksjonen.

Britt Bang Jensen

Seniorforsker
Mobilnr: +47 46543817
E-post: britt-bang.jensen@vetinst.no

Del artikkel