Av Even Bringsdal, grunder og kunstig intelligens evangelist, i Createview AS.
Nye teknologiske løsninger gjør det mulig å logge data om fisken i fiskeoppdrettsanlegg automatisk.
Deep Learning
«Deep Learning», en gren innenfor «Artificial Intelligence», er for eksempel en teknikk der man basert på opplæring av systemet kan hente ut informasjon fra millionvis av bilder av fisk. Robust deteksjon av lakselus, måling av ulike operative velferdsparametere eller å estimere vekten på fisken er nå blitt mulig takket være hardt arbeid og en rivende teknologiske utviklingen de siste årene.
Men hva skal vi egentlig med all denne dataen om fisken? Hva kan vi bruke den til og hvorfor er dataene «gull verdt»?
Data gir kunnskap
Økt kunnskap om fisken og produksjonsprosessen gir økt lønnsomhet, mulighet til å optimere driften, en mer bærekraftig næring og større konkurransekraft. Tenk for eksempel på snittvekts-måling av fisken. Ved å følge veksten over tid og se på denne sammen med for eksempel miljøloggedata og logging av foring kan vi se under hvilke forhold det kan være gunstig å fôre, hvilket fôr som er effektivt og når man sparer ressurser på å redusere fôringen.
Maskinlæring gjør det mulig å automatisere prosessen med å hente ut informasjon fra store datamengder («Big data»). Ved å lære opp algoritmene slik at de tar de rette beslutningene kan verdifull informasjon fra en lokalitet som drives bra overføres til lokaliteter som drives mindre effektivt. Digitalisering vil gi økt konkurransekraft for oppdrettere som satser på digitalisering. Dette betyr at å komme i gang med å logge data er ekstremt viktig fordi en trenger logging av data over tid for å lykkes med denne strategien.
Verktøy for «datafangst»
Createview har over flere år utviklet og testet sensorer i sjø hos flere av de viktige og dyktigste oppdretterne i markedet, for å sikre god innhenting av data. For at oppdretteren skal kunne ha nytte av datainnhenting er det viktig at det er høg kvalitet på inndata, og at system for analyse av data bidrar til at oppdretteren får korrekt informasjon.
Ved å «fange» fisken gjennom høyoppløselige bilder teller systemet ulike typer lus på ulike stadier, vekt og størrelse og ser fiskevelferd gjennom visuelle operative velferdsparametre. En skybasert løsning sikrer full oppetid for systemet, og rask behandling av data som opdretter kan nå fra hvor som helst gjennom vårt analyseverktøy «CView Analytics».
Mer bærekraftig næring
Oppdrettere med biologisk kunnskap og fokus på fiskevelferd vil, ved å bruke kontinuerlig automatisk overvåkning av fisken, kunne sikre bedre fiskevelferd ved å kunne iverksette tiltak som avdekkes av overvåkingen.
Automatisk overvåking av fisk vil dermed kunne gi en mer bærekraftig næring.
På sikt er målet å få til en maskinlæringsbasert beslutningsstøtte som gir råd om iverksettende tiltak.
Men for å få til dette trenger vi DATA.
Masse DATA.
