Får man dette til å fungere, kan manuell lusetelling bli historie

Nyheter
325

I dag brukes det store ressurser på lusetelling, hvor oppdretterne ukentlig må oppgi antall lus på fisken. Lusa er en plagsom parasitt og er en av miljøindikatorene som danner grunnlaget for den videre veksten fremover. Det er derfor viktig for næringen å kunne effektivisere dette arbeidet gjennom nøyaktige og objektive tall.

I dag telles lusa manuelt med et uttak på rundt 20 fisk. Samtidig stilles det spørsmål ved om dette er et godt nok representativt uttak til å legge til grunn for lokalitetens lusestrategi. I tillegg krever dagens metode håndtering av fisken, og spesielt ved lave sjøtemperaturer utgjør det en utfordring for fiskevelferden.

Automatisk telling gir nye muligheter
Gjennom et FHF-prosjekt som nylig er avsluttet, har Akvaplan-Niva og Ecotone på oppdrag fra FHF, Marine Harvest, SalMar og Lerøy SFG, gjennomført tre prosjekter hvor de har undersøkt muligheten for automatisert telling av lus.

Til bruk i blant annet petroleumssektoren er det utviklet en Undervanns Hyperspektral Avbilder (UHI), som detekterer automatisk ulike objekter og levende organismer basert på lyset de reflekterer. Det har tidligere vært gjennomført to prosjekt hvor det ble vist at UHI kan brukes til å registrere lakselus, og dele dem inn i ulike utviklingsstadier. Formålet med det foreliggende prosjektet har vært å avdekke om UHI-teknologien også kan benyttes på svømmende laks i en merd.

Bilder av UHIen modifisert for bruk i merd. Til høyre vises aktuator (innringet med rødt) for justering av avbildningsvinkel. Foto: Akvaplan-Niva

– Det er en spennende teknologi, og det er nok et eksempel hvor teknologi fra petroleumssektoren kan overføres til oppdrett, forteller Lars Martin Sandvik Aas, i Ecotone til iLaks.

Ved å bruke UHI, ble det av totalt 1039 fisk, identifisert 136 fisk som sannsynlige lusebærere. Dette betyr at metoden i dette forsøket identifiserte lus på om lag 13 posent av fisken. Innrapporterte tall fra den aktuelle merden viste at 60 prosent av laksen hadde lus.

– Vi ser med disse resultatene at teknologien er lovende, men det trengs fremdeles justeringer for å få optimale resultat. Dette jobber vi videre med nå, forteller Aas.

Han påpeker videre at det er viktig å tenke på at det statistiske grunnlaget er svært forskjellig. 1039 fisk fra den automatiske analysen er noe annet sett opp mot 20 fisk i den manuelle tellingen luseregistreringen.

Lusemengden må ganges opp med en faktor på minst to
Ragnhild Pettersen ved Akvaplan-Niva forklarer overfor iLaks at det også er andre faktorer som spiller en viktig rolle, og som man må ta høyde for, når man sammenligner de to ulike tellemetodene.

– Fisken er et tredimensjonalt objekt. Siden kameraet bare ser en todimensjonal projeksjon, vil registrering av lus med UHI medføre en underestimering av mengde lus. Mye av deteksjonen av lakselus avhenger av hvordan fisken svømmer forbi. Lus som sitter under ryggfinnen og buken blir ofte ikke like synlig for kameraet. Vi vil derfor anbefale å gange tallene, fra den automatiske tellingen, med en faktor på to eller høyere, for å få et sikrere estimat, forklarer Pettersen.

Men hovedmålet som var å dokumentere at teknologien og bildene er gode nok til  å detektere lus, er nådd gjennom prosjektet.

93 prosent treffsikkerhet
– Neste steg er at kameraet skal klare å skille de ulke stadiene fra hverandre. Vi har hatt suksess med dette i kontrollerte forsøk på laboratorium. Der har vi også klart å detektere og klassifisere fastsittende lus. Utfordringen videre er å detektere dem når fisken svømmer rundt i merden, forteller Pettersen.

Ved kategorisering av bevegelige lus i tre ulike stadier (kjønnsmodne hunnlus, kjønnsmodne hannlus og andre bevegelige lus), ble det oppnådd en treffsikkerhet på 85 prosent, sammenlignet med manuell telling. Ved kategorisering av bevegelige lus i to grupper (kjønnsmodne hunnlus og andre bevegelige), ble det oppnådd en treffsikkerhet på 93 prosent.

– Verdien av et system som kan bidra til at nøyaktige og korrekt tall på kjønnsmoden hunnlus, er stor for oppdrettere da konsekvensene av en feilaktig høy andel kjønnsmodene hunnlus er stor, mener Pettersen.

Større datagrunnlag kan redusere behandlingsbehovet
Rapporten påpeker også viktigheten av å ha et stort datagrunnlag med gode bilder som bakgrunn for beregningen av antallet kjønnsmoden hunnlus per fisk.

– Datagrunnlagene mellom manuell og automatisk telling er stor. Når man samtidig vet hvor mye fisk det er i en merd, vet man også at et uttak på ti til 20 fisk kan bli svært tilfeldig, selv om man forsøker å gjøre det så representativt man kan, påpeker Pettersen.

Hun mener at den usikkerheten kan gjøres betydelig mindre med det større datagrunnlaget som en UHI med automatisk identifisering og telling kan legge til grunn.

– På generelt grunnlag vil jeg derfor si at jo større datagrunnlag man har, desto bedre estimater kan man gjøre. Dette er svært interessant sett i lys av en tidligere studie (Aldrin et al. 2017), som viser at et større datagrunnlag og hyppigere registreringer, kan redusere behandlingsbehovet, forteller Pettersen.

Nå tyder alt på at de vil få videre finansiering til å ta prosjektet videre. Da vil målet være å videreutvikle kameraene og utvikle teknologien til å kunne bli en fast installasjon i en merd.