Beslutningsstøtte basert på over en million bilder i døgnet og kunstig intelligens

Aquabyte SYSTEM kombinerer robust kamera-hardware med valgfri vinsj, avansert teknologi basert på maskinlæring og kunstig intelligens (AI), samt en brukerportal som gir tilgang til viktige data om lusetall, fiskens vekt, velferd og adferd. Informasjonen som Aquabyte SYSTEM leverer, gir unik innsikt i fisken og miljøet den befinner seg i, og fungerer som et verdifullt beslutningsstøtteverktøy gjennom hele produksjonen.

Aquabyte kamera

Våre to kameramodeller, Atlas og Hammerhead, er designet for problemfri drift på store dyp og kan brukes i alle typer produksjon – enten på land, i overflateproduksjon eller ved nedsenket drift. Kameraene har to linser og fungerer som stereokameraer, noe som i praksis betyr at de tar bilder med dybdeperspektiv. Dette er nødvendig for å kunne beregne fiskens vekt, størrelse og biomasse med høy presisjon.

I løpet av et døgn tar Aquabyte-kameraene over én million bilder i svært høy oppløsning. Hvert bilde analyseres direkte i kameraet, og et utvalg sendes videre til skyen for dypere analyse ved hjelp av vår avanserte maskinlæring og AI-teknologi.

Innebyggede sensorer

Begge kameramodeller har innebygde miljøsensorer som måler dybde og temperatur. Hammerhead-kameraet kan i tillegg utstyres med to ekstra sensorer som registrerer nivåene av oksygen og salinitet i vannet. Dataene fra alle sensorer vises i Aquabyte Brukerportal sammen med data om lus, vekt, velferd og atferd. Dette gir deg som bruker muligheten til å observere sammenhenger mellom endrede miljøfaktorer og fiskens status og utvikling.

Les mer om Aquabyte Hammerhead

Aquabyte Vinsj

Aquabyte-kameraene kan kombineres med Aquabyte Vinsj. Med vinsjen
kan kameraets posisjon i merden endres raskt, enten fra kabinettet som er montert på merdkanten eller via kontrollpanelet i Aquabyte Brukerportal. Ettersom fiskens posisjon i merden kan variere, gjør vinsjen det enkelt å reposisjonere kameraet for å sikre at bildene det tar er et representativt og nøyaktig utvalg.
Vinsjen kan også programmeres til å bevege kameraet automatisk i et forhåndsdefinert mønster i løpet av døgnet, eller settes i auto-modus der systemet selv finner den beste posisjonen.

Aquabyte maskinlæring og kunstig intelligens

Bildene som Aquabyte-kameraet tar i merden, analyseres ved hjelp av avanserte maskinlæringsalgoritmer og kunstig intelligens. Flere typer lus gjenkjennes og telles, fiskens biomasse, vekt og vekst beregnes, og kritiske velferdsparametere registreres basert på 14 indikatorer fra LaksVel-protokollen samt våre egne tilleggsindikatorer. Hver dag prosesseres enorme mengder bildedata, som deretter presenteres i Aquabyte Brukerportal.

Aquabyte Brukerportal

Aquabyte Brukerportal gir enkel tilgang til dataene og informasjonen som kameraet – i kombinasjon med vår maskinlæringsteknologi og kunstige intelligens – samler inn om fisken i merdene. Informasjonen er tilgjengelig på alle typer enheter (datamaskin, nettbrett og mobil) og presenteres både som rådata og grafer opp til 12 måneder tilbake i tid. Grafene baseres på daglig oppdaterte data og gjør det enkelt å identifisere status, trender og utvikling over tid.
Som en del av vårt åpne-system-tilnærming kan du i Brukerportalen også se kamerabildene som ligger til grunn for systemets analyser og beregninger.

Aquabyte Penflix

Som det eneste systemet på markedet for lusetelling, biomasseberegning og overvåking av velferd og adferd, streamer vi live video direkte fra Aquabyte-kameraet i merden. Vi kaller dette Penflix. Sammenlignet med stillbilder gir live video en unik innsikt i fiskens adferd i merden. Med Penflix kan du observere fisken på nært hold under fôring, finne fisken og posisjonere kameraet riktig (i kombinasjon med vinsjen). Aquabyte-kameraet og Penflix kan også brukes sammen med fôringskamera – eller som en back-up hvis fôringskameraet skulle være ute av drift.

Les mer om Aquabyte Penflix

Spørsmål og svar om maskinlæring

Maskinlæring er en form for kunstig intelligens. Det er en programvare, et nettverk av algoritmer, som trenes opp til å gjenkjenne og tolke mønster i bilder og datamengder. Teknologien bak er den samme som blir brukt i ansiktsgjenkjenning i sosiale medier, til å tolke trafikkbildet for selvkjørende biler – eller til å anbefale deg filmer eller musikk på Spotify og Netflix ut fra dine tidligere valg.

Vanlig dataprogram utføres en utregning på basis av data som blir tastet inn i programmet. I maskinlæring  utvikler programmene og algoritmene seg etter hvert som de blir «trent » av ny data. Det blir en form for mønstergjenkjenning, der algoritmene lærer seg hva de skal se etter. De får nye treningsdata sammen med korrigeringer på svarene de har gitt tidligere, og kommer opp med mer og mer presises resultater.

La oss si at algoritmene skal trenes opp til å gjenkjenne lakselus. Algoritmene blir da matet inn med treningsdata, en mengde bilder a laks med lus i ulike stadier. Gjennom tilbakemeldinger blir algoritmene mer og mer treffsikre i å gjenkjenne lakselusen. Det er viktig å bruke bilder tatt under reelle forhold i merden, med skiftende lysforhold, og ulike vinkler av fisken.

Kvaliteten på algoritmene er viktig. Kanskje må de justeres for å legge vekt på andre faktorer i dataene, slik at resultatene blir mer presis. Kanskje må antallet algoritmer dataen må gjennom utvides. Ta for eksempel en programvare som skal gjenkjenne identiteten til enkeltfisk på grunnlag av det unike prikkmønsteret hver av dem har. Hvis algoritmene også skal gjenkjenne den samme fisken over tid, må algoritmene ha kapasitet til å forstå hvordan prikkmønsteret endres med størrelsen til fisken.

Bildene er tatt med et undervannskamera i merden. Per Erik Hansen, produktsjef for lus og velferd i Aquabyte, nevner at selskapet bruker et standard to-linsekamera med spesielt god optikk for å kunne måle 3D-avstand til fisken. Kameraet tar bilder kontinuerlig, er optimalt plassert slik at flest mulig fisk kan svømme forbi. Programvaren som kjører på kameraet filtrerer bort irrelevante bilder og analyserer de beste.

De av våre kunder som har benyttet seg av systemet over lengre tid, rapporterer at resultatene viser seg å stemme godt med virkeligheten. Oppdretterne får daglige lusetall for hver merd, med telling av lus på langt flere fisk enn ved manuell telling. Programvaren skiller individuelle fisk fra hverandre, slik at samme fisk ikke telles flere ganger. Dette bidrar til at Aquabyte leverer lusetall med stor nøyaktighet.

Presis telling av lakselus og nøyaktig estimat av vekt- og distrubisjonsdata er to av bruksområdene som til nå har fått ferdig utviklede løsninger. Fiskehelse er et annet viktig anvendelsesområde. Detektering av vintersår, deformasjoner og andre ytre forandringer på laksen er aktuelle bruksområder. Ved å gi oppdretteren mye bedre innsikt og beslutningsgrunnlag vil man kunne ta langt bedre beslutninger og i det hele få en mer effektiv drift av oppdrettsanlegget.

keyboard_arrow_up