Teknologi - Aquabyte

Lus

Vekt

Velferd Wise

Teknologi

Innsikt basert på over en million bilder i døgnet

Aquabyte SYSTEM er kombinasjon av robust kamera hardware med valgfri vinsj, avansert teknologi med maskinlæring og kunstig intelligens, og en portal hvor du som bruker får enkel tilgang til data og informasjon som hentes ut fra merdene. Informasjonen som systemet leverer gir unik innsikt i fiskens status og helse, og brukes til å ta gode avgjørelser i løpet av produksjonen.

Aquabyte-kamera

Aquabyte-kamera er designet for å kunne operere problemfritt på store dyp. Det kan brukes i alle typer merder, enten det er på land, i vanlig overflateproduksjon eller ved nedsenket drift. Kameraet har to linser og er et såkalt stereoskop. I praksis betyr det at kameraet tar bilder med dybdeperspektiv, som er et krav for å kunne beregne fiskens vekt, størrelse og biomasse korrekt. I løpet av et døgn tar Aquabyte kameraet over 1 million bilder med svært høy oppløsning. Hvert enkelt bilde analyseres i kameraet før et utvalg av disse sendes videre til skyen for dypere analyse med vår avanserte maskinlæring og AI-teknologi.

Les mer om vårt nye Hammerhead-kamera

Aquabyte vinsj

Aquabyte-kameraet kan kombineres med Aquabyte vinsj. Vinsjen gjør det mulig å endre kameraets posisjon i merden, enten fra kabinettet som er montert på merdkanten eller via kontrollpanelet i Aquabyte Brukerportal. Fiskens posisjon i merden kan endre seg, og vinsjen gjør det enkelt å reposisjonere kameraet slik at bildene som tas gir et godt og representativt utvalg.
Vinsjen kan i tillegg programmeres slik at kameraet automatisk beveger seg i et fast mønster i løpet av døgnet, eller settes i auto-modus slik at det selv finner beste posisjon.

Aquabyte maskinlæring og kunstig intelligens

Bildene som Aquabyte-kameraet tar i merden analyseres ved hjelp av svært avanserte maskinlæringsalgoritmer og kunstig intelligens. Flere typer lus gjenkjennes og telles, fiskens vekt og vekst beregnes, og kritiske velferdsparametere basert på 14 indikatorer fra Laksvel-protokollen registreres. Hvert enkelt døgn prosesseres ekstreme mengder bildedata som vises i Aquabyte Brukerportal.

Aquabyte Brukerportal

Aquabyte Brukerportal gir god og oversiktlig tilgang til dataene og informasjonen som kameraet – sammen med vår maskinlæringsteknologi og kunstige intelligens – henter ut om fisken i merdene. Informasjonen er tilgjengelig på alle typer enheter (datamaskin, nettbrett og mobil), og presenteres som rådata i tillegg til grafer. Grafene baseres på daglige data, og gjør det enkelt å registrere trender for lustall, vekst og fiskens velferd. Brukerportalen gir også mulighet for å se kamerabilder som systemets analyser og beregninger baseres på.

Aquabyte «Penflix»

Som eneste system på markedet for lusetelling, beregning av biomasse og velferdsovervåking streamer vi levende video direkte fra Aquabyte-kameraet i merden. Sammenlignet med stillbilder gir levende video unik innsikt i fiskens adferd, gjør det mulig å observere fisken på nært hold under fôring, gjør det enklere å finne fisken og posisjonere kamera på riktig sted (sammen med vinsj). Aquabyte-kameraet kan også brukes i kombinasjon med fôringskamera – eller som back-up hvis fôringskamera er ute av drift.

Les mer om «Penflix»

Book demo

Spørsmål og svar om maskinlæring

Hva er 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.