language
Logg inn
Datadrevet fiskevelferd
Lus
Vekt
Velferd Wise
Teknologi

Få innsikt status og vekstutvikling

Aquabyte VEKT leverer detaljerte beregninger av vekt, vektfordeling (CV) og K-faktor. Med daglige automatiske oppdateringer gir systemet god innsikt i fiskens status og vekstutvikling. Aquabyte VEKT genererer vektprognoser to uker frem i tid og kan brukes til å lage nøyaktige slakterapporter.

Gevinster ved å bruke Aquabyte VEKT

  • Gir detaljerte beregninger av vekt, vektfordeling (CV), K-faktor og biomasse
  • Ingen manuell håndtering reduserer stress og skader på fisken
  • Daglige oppdateringer gir god innsikt i vekttrender og tilvekst
  • Gjør det enklere å fóre effektivt og ha riktig foringsfaktor
  • Genererer nøyaktige slakterapporter opp til to uker før fisken blir tatt opp
  • Gir god innsikt som gjør det enklere å ta riktige avgjørelser knyttet til slakt

Vektberegning basert på bilder og maskinlæring

Vektberegningene i Aquabyte VEKT er basert på tusenvis av bilder som tas av fisken i merden hver dag. Disse bildene analyseres ved hjelp av kunstig intelligens og maskinlæring, og gir nøyaktige estimater av vekt, tilvekst og biomasse.

Trendlinjer og grafer gir god oversikt

Beregnet gjennomsnittsvekt, vektøkning og estimert antall fisk per merd presenteres på en måte som gjør det enkelt å få oversikt og sammenligne status på forskjellige merder. Detaljert informasjon om gjennomsnittsvekt, K-faktor og vektfordeling (CV) er tilgjengelig i form av grafer. Beregningene og grafene oppdateres daglig og gir et svært godt bilde av vekt og veksttrendene i hver enkelt merd.

Optimaliser foring

Med daglige oppdateringer på vekt og tilvekst gjør Aquabyte VEKT det enklere å optimalisere foring og foringsfaktor for hver enkel merd. Trendkurvene gir god innsikt i fisken utvikling, og over- eller underforing kan oppdages og korrigeres tidlig.

Detaljerte og nøyaktige slakterapporter

Med to ukers vekstprognoser lager Aquabyte VEKT slakterapporter med høy treffsikkerhet før fisken tas opp. Slakterapportene baseres på data fra produksjonsperioden, siste dag med foring, vanntemperatur og andre faktorer som påvirker fisken vekst. Rapportene beregner rund vekt, HOG vekt og estimerer vektdistribusjon.
Når Aquabyte VEKT kombineres med Aquabyte WISE Velferd, gir slakterapportene også informasjon om estimert superior-andel.

Definer egne nedklassingskriterier

Aquabyte VEKT gir mulighet for å definere egne nedklassingskriterier for slakterapporter. Kriteriene kan defineres ut fra virksomhetenes egne standarder eller tilpasses slakteriet som skal motta fisken. Definerte nedklassingskriterier lagres i Aquabyte VEKT og kan velges for hver for hver enkelt slakterapport.

Book demo

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