Kunstig intelligens – nøkkelen til suksess?

Hvordan lykkes i praksis?

Oppdrettsnæringen møter en rekke utfordringer som fiskehelse, optimalisering av fôring, og reduksjon av dødelighet. Med bruk av kameraer og kunstig intelligens (KI) blir det mulig å møte disse utfordringene på en mer effektiv og nøyaktig måte. Ved å kombinere sanntidsdata fra kameraer med avanserte KI-analysemetoder, kan oppdrettere forbedre produksjonsresultater, fiskevelferd og bærekraft. I denne artikkelen ser vi på hvordan man i praksis kan oppnå gode resultater ved å implementere kameraer og KI i oppdrettsnæringen.

Kameraovervåking – nøkkelen til suksess
Moderne kameraer er i stand til å overvåke fisk i sanntid, ta høyoppløselige bilder og video av fiskens oppførsel, bevegelse, og fysiske tilstand. Plassert strategisk i merdene, gir disse kameraene kontinuerlig overvåking uten behov for å forstyrre eller håndtere fisken. Dette muliggjør en detaljert innsikt i fiskens tilstand, noe som er avgjørende for å identifisere problemer tidlig og iverksette tiltak.

Viktigheten av bildekvalitet
God og jevn bildekvalitet er avgjørende for å sikre nøyaktige analyser når bildene prosesseres gjennom KI-algoritmer. Dårlige bilder, for eksempel de som er for mørke eller overeksponerte, kan føre til upresise resultater. For eksempel blir det vanskeligere å gjenkjenne lakselus på fiskens overflate hvis bildene er av lav kvalitet, noe som kan føre til lavere lusetall. For å sikre best mulig bildekvalitet er det viktig med riktig lyssetting, korrekt plassering av kameraer, og regelmessig vedlikehold.

Samspill mellom KI-leverandører og kunder
Samarbeidet mellom KI-leverandører og oppdrettsbedrifter er avgjørende for å oppnå de beste resultatene. Dette samspillet bør fokusere på følgende:

• Riktig plassering i merden: Kameraene må plasseres på en måte som gir et representativt bilde av hele merden. Dette sikrer at KI-systemet får et korrekt datagrunnlag for analysene.
• Regelmessig renhold: Kameraene må rengjøres regelmessig for å fjerne begroing og opprettholde bildekvaliteten. Smuss og alger på kameralinsene kan forvrenge bildene og redusere nøyaktigheten av KI-analysene.
• Kontinuerlig datainnsamling: Kameraene må settes ut raskt igjen etter vedlikehold og ved for eksempel lusebehandling, for å sikre kontinuerlig overvåking. Dette gir en sammenhengende datastrøm som er viktig for å fange opp endringer i fiskens tilstand over tid.
• Eierskap og entusiasme: Skap entusiasme og eierskap rundt systemene på lokaliteten. Når brukerne forstår verdien av kameraovervåking og KI, er de mer motiverte til å sikre at systemene fungerer optimalt.

Kameraene bør også være lette å løfte og plassere, og utstyret må være brukervennlig for effektiv håndtering. Designet av kameraene bør ta hensyn til både fiskevelferd og enkel rengjøring, slik at de kan brukes uten å skade fisken og uten å kreve tidkrevende vedlikehold.

Kunstig intelligens for overvåkning av fiskevelferd og telling av lus
Kunstig intelligens kan trenes til å gjenkjenne tegn på sykdommer, skader, eller stress hos fisken. Ved å analysere bildedata fra kameraer, kan KI identifisere subtile endringer i fiskens utseende eller oppførsel som indikerer helseproblemer. KI-systemene kan loggføre resultater og gi en oversikt over fiskevelferden i anlegget, slik at oppdrettere kan ta raskere og mer informerte beslutninger. For eksempel kan KI oppdage avvik i svømmemønstre som kan tyde på sykdom, stress eller dårlig vannkvalitet, og varsle oppdrettere om behov for tiltak.

Samtidig kan KI telle lakselus på bildene. Algoritmene blir bedre og bedre jo mer trening man gir modellene. Stort antall bilder, hver dag 24/7, gir et mye bedre beslutningsgrunnlag når det gjelder å ta beslutninger knyttet til for eksempel behandling. 

Biomassemåling og tilvekstovervåking
Ved hjelp av stereokameraer eller 3D-kameraer kan man nøyaktig måle størrelsen og vekten av fisk i vannet uten å måtte ta dem ut av merden. Kameraene samler inn visuelle data som KI-algoritmer kan bruke til å beregne individvekter og gi en oversikt over total biomasse i merden. Dette muliggjør mer presis fôringskontroll og produksjonsplanlegging, og gir oppdretterne mulighet til å optimalisere veksten og planlegge slakting på det mest gunstige tidspunktet. 

Utfordringer knyttet til KI-løsninger i oppdrettsnæringen
Selv om kamera- og KI-teknologi har stort potensial, er det noen utfordringer som må håndteres:

• Datakvalitet: God datakvalitet er avgjørende for pålitelige analyser. Dårlige lysforhold, varierende vannkvalitet, og begroing på kameraene kan påvirke nøyaktigheten til kameradata. For å oppnå gode resultater, må man sørge for jevnlige kontroller og justeringer av kameraene.
• Kostnad: Investering i avansert kamera- og KI-teknologi kan være kostbart. Men kostnadene er på vei ned. Imidlertid kan disse kostnadene forsvares gjennom forbedret fiskevelferd, redusert dødelighet og økt produksjonseffektivitet over tid. Lavere kostnader gjør det nå mulig å overvåke all fisken. 
• Databehandling: Analyse av store mengder video og bildedata krever betydelig databehandlingskapasitet og avanserte algoritmer. Her kan skybaserte løsninger og skalerbare dataløsninger bidra til å håndtere store datamengder på en effektiv måte.

Fremtidige muligheter
Med kontinuerlig utvikling innen KI og sensorikk, forventes flere fremskritt som vil gjøre teknologien enda mer tilgjengelig og effektiv for oppdrettsnæringen:

• Integrerte systemer: Fremtidige løsninger vil sannsynligvis inkludere fullt integrerte systemer som kombinerer kameraer, KI, og andre sensorer (som lyd- og vannkvalitetssensorer) for en helhetlig overvåking av oppdrettsanlegg. Dette vil gi en mer komplett forståelse av både fiskevelferd og miljøforhold.
• Fjernovervåking: Skybaserte løsninger og Internet of Things (IoT) gjør det mulig for oppdrettere å overvåke og styre anleggene sine fra hvor som helst. Dette gir større fleksibilitet og kontroll, inkludert fjernovervåket dødfiskkontroll og levende fisk-kontroll. Dette bidrar til bedre ressursutnyttelse og raskere respons på uforutsette hendelser.

Konklusjon
Bruken av kameraer og kunstig intelligens i oppdrettsnæringen åpner opp for enorme muligheter for å forbedre fiskehelse, fôringspraksis, miljøforhold og produksjonsresultater. Ved å ta i bruk disse teknologiene kan oppdrettere oppnå høyere effektivitet, redusere kostnader, og fremme en mer bærekraftig produksjon. Selv om det er utfordringer knyttet til implementeringen, som datakvalitet og kostnader, er potensialet for innovasjon og forbedring stort. Fremtidig utvikling av slike teknologier vil være en nøkkel til å sikre en bærekraftig og lønnsom fremtid for oppdrettsnæringen.

Oppdrettere som investerer i og engasjerer seg i bruk av kamera- og KI-teknologi i dag, vil være bedre rustet til å møte morgendagens krav og utfordringer, samtidig som de styrker konkurranseevnen og bærekraften i næringen.