Observasjon og biometrisk identifikasjon skal sikre laksens velferd

Sealab AS har fått ni millioner kroner fra Forskningsrådet for å identifisere laks i oppdrettsanlegg. Biometriske "fingeravtrykk" skal gjøre det mulig å samle informasjon om den enkelte fisk. Direkte fra laksemerden kan oppdrettsindustrien få oversikt over helsestatus, kvalitet og vekstrate.

Dronebilde av laksemerder i en solfylt fjord
Fiskemerder i norsk fjord (illustrasjonsfoto: Shutterstock)

- Teknologiutviklingen har gjort det mulig å samle inn data om hver enkelt fisk, og vi er veldig optimistiske på at prosjektet vil ende i et produkt, sier Christian Schellewald, forsker hos Sintef Ocean AS.

Høykvalitetsdata døgnet rundt

Sintef Ocean er én av tre hovedpartnere i Indisal-prosjektet. De to andre er Sealab, utvikler av kvalitetskameraer, samt sjømatselskapet Mowi ASA. Andre partnere er Norges teknisk-naturvitenskapelige universitet (NTNU), Safepath AS (vil også overta for Inovamares AS) og Marin Aqua AS.
Prosjektet, som har fått midler fra Forskningsrådets store program for havbruksforskning, HAVBRUK, er halvveis gjennom prosjektperioden på 36 måneder.

Sealab har, sammen med Mowi (tidligere kjent som Marine Harvest), etablert en robust datalink som mottar høykvalitetsdata døgnet rundt, dag som natt, fra en merd i et kommersielt oppdrettsanlegg. Ideen er å observere fiskestrømmen i merden, for så å analysere fiskens oppførsel og tilstand som bakgrunn for å følge opp levevilkårene og sørge for god fiskevelferd.

Videoopptak og maskinlæring skal gjøre det mulig å analysere og gjenkjenne enkeltfisk på prikkmønsteret i hoderegionen.

Maskinlæring skal gjenkjenne fisken

I tillegg til å se på hvor ofte fisken åpner og lukker munnen, vil de også sjekke om fisken har sår. Innhenting av gode opptak, foretatt gjennom videofilm med god kvalitet, er en forutsetning for videre prosessering og analyse av data.

- Prosjektet representerer en "game changer" i automatisk observasjon av fisk, sier Christian Schellewald, forsker hos Sintef Ocean.

- Indisal-prosjektet representerer en "game changer" i automatisk observasjon av fisk. Tidligere har statistikken vært basert på måling av enkeltfisk, manuell fortolkning av observasjoner fra fôringskamera og merdkanten. Opptak under vann er svært krevende, og det har vært vanskelige scenarier å analysere grunnet partikler i vannet, ulike lysforhold og mye bevegelse, forteller forskeren. Hans ekspertise ligger i datasyn (computer vision) og maskinlæring.

Kameraet er en gjenstand i vannet som ikke er i kontakt med fisken. Det observerer fisken uten å være i berøring med den.
- For å kunne lykkes med en reidentifisering av individuelle laks i en merd med 200.000 fisk, må nøyaktigheten til en slik biometrisk tilnærming være veldig høy, faktisk 99,9995 prosent. Ellers vil vi finne mange og sannsynligvis feil fisk. Dette er den største risikoen ved prosjektet, sier han.

Han forteller videre at de også har fokus på måling av statusvariabler for individuelle laks som blir observert noen få sekunder i en videostrøm. Dette inkluderer munnens åpnings- og lukkingsfrekvens. I tillegg gjør en biometrisk identifikasjon at det dannes en tidslinje over fiskens utvikling.

Mer om forskningsdelen av prosjektet

God entreprenørånd hos eier

- Det er lett å jobbe sammen med prosjekteier. Eier er veldig entusiastisk, rask og har entreprenørånd. Bedriften vokser fort; ved første kontakt var de bare 2-3 ansatte, og nå er de nærmere 30, sier Christian Schellewald, og tilføyer:
- Sealab ligger også i Trondheim, så jeg er hos dem en gang i uka. Da tilbringer vi tid sammen, diskuterer og programmerer, og denne samhandlingen gjør samarbeidet fruktig. 

Han forteller at han gjennom prosjektet har lært mye om prosjektledelse og gjennomføring av innovasjonsprosjekter i næringslivet. Ikke minst var søknadsprosessen veldig lærerikt, minnes han.
- Jeg lærte mye om tidlig planlegging og hva som må til for å realisere en slik idé. I begynnelsen var det en løs idé, og gjennom søknadsskrivingen ble det mer tydelig hva vi ville. Vi måtte finne fram til kjernen av prosjektet.

Forskeren ble kjent med bedriften ett par år før prosjektideen ble skapt. Sealab var involvert i andre prosjekter med Sintef, men hadde allerede den gangen gjort noen enkeltforsøk med 5-6 fiskebilder.

- Jeg er fornøyd med hvor langt vi har kommet med å identifisere deler av fisken, slik at det er mulig å analysere den enkelte fisk og dets bevegelsmønster. Nå kan vi identifisere fiskehodet og -munnen, og har startet å analysere munnåpningsfrekvensen. Men vi trenger mer forskning og relevante forsøksdata for å finne gode og robuste biometriske kjennetegn på fisken, avslutter han.

Videoopptak og maskinlæring skal gjøre det mulig å gjenkjenne enkeltfisk på prikkmønsteret i hoderegionen.

Meldinger ved utskriftstidspunkt 2. desember 2021, 08.13 CET

Det ble ikke vist noen globale meldinger eller andre viktige meldinger da dette dokumentet ble skrevet ut.