Et team av forskere og analytikere fra Stingray har publisert en vitenskapelig studie som undersøker hvor enige ulike analytikere er seg imellom når de teller lakselus på undervannsbilder.
– Å vurdere samsvar mellom observatører er et viktig steg i valideringsprosessen av ethvert deteksjons- og tellesystem, og oss bekjent er det ingen som har gjort dette vitenskapelig for hverken bildebaserte eller manuelle lusetellinger, sier Martin Worm, forskningssjef i Stingray Research, i en pressemelding.
Bakgrunnen til studien er at teknologileverandører som Stingray bruker undervannskameraer og kunstig intelligens (KI) til å overvåke lakselus digitalt og uten at fisken må tas opp og håndteres underveis. Slike automatiske deteksjonssystemer trenes imidlertidpåbilder som er gjennomgått og merket av menneskelige analytikere. Samsvar mellom observatører er derfor avgjørende for hvor pålitelig et system kan bli, både digitalt og i felt.
Studien undersøkte derfor samsvar i telleresultatene blant erfarne analytikere. Analytikerne vurderte de samme fiskene uavhengig av hverandre og telte voksne hunnlus og mobile lusestadier i bildesekvenser av ulik kvalitet fra kommersiell drift.
Resultatene viser at erfarne analytikere som følger standardiserte retningslinjer, kan oppnå svært god overensstemmelse i lusetellingene, selv om de ikke alltid registrerer nøyaktig samme antall lus på hver fisk. Analytikerne var oftere enige da de telte voksne hunnlus sammenlignet med da de telte de mindre, mobile lusestadiene, og bedre bildekvalitet ga høyere grad av enighet mellom analytikerne.
Forough Nazar Pour fra Stingray Aqua Research kommer i disse dager medforskningsarbeid som løfter fram ny kunnskap om bildebasert lusetellling.
– Funnene er oppmuntrende fordi de bekrefter at vi kan telle lakselus bildebasert med høy pålitelighet og dermed utvikle automatiske tellesystemer som er robuste. Men de viser også hvor viktig det er å ta hensyn til bildekvalitet og variasjoner i menneskelige vurderinger når vi forbereder treningsdata og utvikler modeller for automatisk lusedeteksjon, sier Forough Nazar Pour, som ledet forskningsarbeidet.
– Ved å gjøre resultatene tilgjengelige ønsker vi å bidra til den pågående diskusjonen om overgangen til bildebasert luseovervåking i norsk havbruksnæring. Næringen er i en prosess der nye løsninger standardiseres, og vi ønsker å bidra med vår kunnskapsom kan bygge under en solid framtidig regulering, sier Elin Ersvær, som leder teamet for bildeanalyse i Stingray.
Arbeidet har resultert i en fagfellesvurdert artikkel som nylig ble publisert online i det internasjonale vitenskapelige tidsskriftet Aquaculture.
