Kunstig intelligens hjelper med å overvåke fisken
Ny teknologi som kunstig intelligens gjør at vi kan studere laksens atferd og levevilkår i store, kommersielle merder.
Atferden er en indikator på hvor bra fisken har det. Om vi forstår hvordan fisk oppfører seg både under normale og unormale forhold, kan vi kanskje tidligere oppdage hendelser som kan skade oppdrettsfisk, som laks. Dermed kan vi kanskje forhindre at problemene oppstår.
Slik kunnskap hjelper oss også til å forbedre utformingen av oppdrettsanlegg og den daglige driften der.
Vi kan se på flere faktorer som påvirker fisken, både de biotiske, som har med levende organismer å gjøre, og de abiotiske som er alt ikke-levende. Blant biotiske faktorer finner vi villfisk som oppholder seg rundt merdene, lakselus og skadelige alger. Blant de abiotiske faktorene regner vi for eksempel vannstrømmer, lys og oksygeninnhold i vannet.
Bedre livskvalitet og økonomiske fordeler
I fjor sommer begynte jeg doktorgradsarbeidet ved Institutt for biologiske fag Ålesund (IBA). Her studerer jeg sammenhenger mellom laksens gruppeatferd og ulike miljøfaktorer i merder ved kysten. Dette er del av InnoSEA-prosjektet ved IBA.
I prosjektet mitt viser laksens atferd til svømmemønster, stimaktivitet, hopping, hvordan fisken holder seg unna ulike dybder eller områder i merdene og så videre. Å bedre forholdene for tamfisken vil til slutt forbedre livskvaliteten deres og gi økonomiske fordeler for industrien.
Større skala enn før
Vi utførte forskningen vår i merder i kommersiell skala. Disse er rundt 40 meter i diameter og 33 meter dype. Dette har ikke vært vanlig i tidligere studier av laksens atferd innenfor akvakultur.
Forskere har tidligere isteden brukt landbaserte basseng eller små til mellomstore merder. Men funn fra slike studier er ikke nødvendigvis overførbare til forholdene for laks i store merder.
Videre har overvåkingsmetoder som har fungert bra i mindre skala ikke alltid vært egnet for store havmerder. Det er utfordrende å overvåke laksens atferd i store vannvolumer.
Derfor arbeider jeg også med å finne overvåkingsmetoder som kan fungere godt i større merder av de typene som norsk akvakultur ofte bruker i dag.
Kunstig intelligens sparer mye arbeid
Havmerder kan tiltrekke seg store mengder av villfisk fordi uspist laksefôr driver ut av dem. Villfisk er blant de biologiske faktorene som kan stresse tamlaksen og få den til å endre atferdsmønster.
For å undersøke sammenhengene mellom villfisk og laksen inne i merdene, begynte vi med å utvikle en ny overvåkingsmetode for å analysere mengden av villfisk rundt akvakulturanlegg.
Til dette bruker vi et system basert på kunstig intelligens som på egen hånd kan estimere mengden av villfisk under vann.
Vi har testet systemet med bilder tatt ved et oppdrettsanlegg der NTNU har forskningslisens. Resultatene viser at systemet som baserer seg på kunstig intelligens er et godt alternativ til manuelle anslag av villfisk. Det gjør at vi kan redusere den menneskelige arbeidsmengden betraktelig. Dette er en stor fordel når vi ønsker å jobbe med store mengder av bilder.
Planen vår er å overvåke både mengden av villfisk og hvilke arter det dreier seg om over lengre tid ved hjelp av systemet som bruker kunstig intelligens. Sett i et bredere perspektiv er denne kunnskapen verdifull når det kommer til å forstå hvordan akvakultur og merder påvirker økosystemet.
Vi la frem de foreløpige resultatene av studien under en virtuell konferanse i april i år kalt Aquaculture Europe.
- Les også: Hvorfor trives ikke sjøørreten lenger?
Tverrfaglig tilnærming
I store havmerder kan vi bare se laks som spretter over vannflaten, eller når den svømmer i det aller øverste vannlaget. Derfor er det nødvendig å bruke ulike typer utstyr som kameraer, undervannsroboter, sensorer og ekkolodd om vi ønsker å få en god oversikt over det som skjer på innsiden og rundt merdene.
Denne typen utstyr kan generere en stor mengde med komplekse data, så vi trenger å bruke datamaskinsystemer for å prosessere, visualisere og analysere dem.
Det er ikke alltid lett å forstå hvordan utstyret og systemene virker, og gjøre praktisk nytte av dem i mine egne prosjekter. Men det er bra å ha en god, eller i det minste grunnleggende, forståelse for logikken bak verktøyene og systemene som kan gi en ekstra dybde til forskningen min. Det igjen vil være bra for laksen også.
En lengre versjon av denne bloggen ble først publisert på NTNUs TekNat-blogg. Den bloggen har flere innlegg fra NTNUs ansatte og studenter om teknologi, forskning og utdanning.