Ett steg foran ­- for å forutsi fiskens vekst og helse

Forskere utvikler web-basert løsning som lar oppdrettere ligge et steg foran – for å forutsi mengden biomasse, og oppdrettslaksens vekst og helse.

dame ser i kamera

Alla Sapronova. Foto: Andreas R. Graven.

Denne saken ble først publisert på norceresearch.no.

Et nytt forskningsprosjekt har som mål å ta både bærekraft og lønnsomhet innen oppdrettsindustrien til nye høyder, med hjelp fra Big Data og maskinlæring. 

Det toårige prosjektet med tittelen Predict-fit: intelligent predictive tool for value creation in aquaculture, er eid av VIS, med NORCE som forskningspartner. 

Det er Forskningsrådet som finansierer prosjektet, som skal pågå til desember 2020. 

– Dette prosjektet har den unike kombinasjonen av å være et proaktivt konsept som inkluderer både maskinlæring, og en kompetanse innen fiskebiologi som befinner seg i forskningsfronten, sier dataforsker og prosjektleder Alla Sapronova i NORCE.

Sapronova er ekspert innen både kunstig intelligens, bildegjenkjenning og maskinlæring.

Hun utvikler den nye datamodellen for prosjektet.

– Jeg lærer opp en datamaskin slik man lærer et lite barn ting. Jeg viser maskinen mønstre av inn-signaler og forteller hva jeg forventer at ut-signalet vil være. Så gjentar jeg dette til systemet begynner å kjenne igjen mønstrene. Så viser jeg fram et inn-signal som systemet ikke har sett før, og tester om systemet forstår hva det er, sier Sapronova.

Oppdrettsnæringen trenger pålitelige og nøyaktige prediksjoner av fiskens vekst - både vekt og lengde - hvilket vil øke mulighetene til å planlegge driften mer nøyaktig og øke lønnsomheten.

– I tillegg til dette er det viktig for oppdretterne å ha bedre kontroll over hvordan fiskens helse evalueres, samt prognosene, slik at de ligger i forkant og kan redusere tap av biomasse, understreker Sapronova.

I arbeidet med å utvikle modellen bruker Sapronova miljødata, fôrdata og data fra forskningen på fiskebiologi. Oppdrettsselskapet Grieg Seafood har bidratt med tidsserier fra flere merder ved ett oppdrettsanlegg.

Det er en komplisert arbeidsmetode hun bruker. Her er tilnærmingen forklart i veldig korte trekk:

– Å utvikle datamodellen innebærer både styrt læring av datamaskinen, og læring som foregår fritt uten vår veiledning, samt et mønstersøk i alle data vi har tilgjengelig. Man kan kalle det en holistisk tilnærming, ved at alle data tas med i beregningen for å støtte sluttbrukeren - fiskeoppdretterne - med et system for å ta bedre beslutninger, sier Sapronova.

Hun understreker viktigheten av målsetningen om å utvikle en proaktiv løsning for oppdretterne.

– Dette betyr i bunn og grunn optimalisering av produksjonen, og at man er i forkant. Dersom noe ikke går så bra som ønskelig, kan den web-baserte løsningen fortelle hvilke parameter som bør endres, for eksempel temperatur eller fôr, sier Sapronova.

Partnere i prosjektet er Kvarøy fiskeoppdrett, og AKVA-Group.

– Vi har forskjellige typer partnere i prosjektet, og flere fra Bergen-området vil være gunstig.

Av Andreas R. Graven
Publisert 3. mai 2019 15:08 - Sist endret 14. mai 2019 14:19