Norsk
This page is only available in Norwegian

Kan kunstig intelligens bidra til lusevarsling i sanntid?

Under optimale forhold kan ei lakselus legge flere tusen egg mens den sitter på laksen. Bildet viser kjønnsmoden lakselus av begge kjønn (Foto: Akvaplan-niva).

Kan kunstig intelligens bidra til lusevarsling i sanntid?

Under optimale forhold kan ei lakselus legge flere tusen egg mens den sitter på laksen. Bildet viser kjønnsmoden lakselus av begge kjønn (Foto: Akvaplan-niva).

28 September 2023 press release

I en 20-års periode, frem til 2013, opplevde Norge en vekst i lakseproduksjon på rundt 10 % årlig. Fra 2013 har veksten stagnert og hovedårsaken til dette er lakselus problematikken. Nå skal forskere undersøke om kunstig intelligens og maskinlæring kan anvendes i arbeidet med å identifisere løsninger for å redusere lakselus utfordringen.

Akvaplan-niva har, i samarbeid med Veso AquaLab, Kongsberg Discovery, NIVA, Hydroptic, MP Consulting og Nova Sea, mottatt FHF-finansiering til prosjektet "Sanntids deteksjon av frittsvømmende luselarver" (e-Lice). I prosjektet skal forskerne ta i bruk avanserte sensorer og kunstig intelligens for å kartlegge lakselus i vannsøylen. Prosjektet er dagsaktuelt i og med at den norske regjeringen melder om en økt forskningsinnsats på feltet kunstig intelligens (https://www.regjeringen.no/no/aktuelt/regjeringen-med-milliardsatsing-pa-kunstig-intelligens/id2993214/).

Formålet med "e-Lice" er å utvikle et tidlig varslingssystem basert på bilder av lakselus i vannsøylen. Dette skal gjennomføres ved å ta i bruk av en optisk undervanns-sensor med en innebygd kunstig intelligens for databehandling. Systemet skal kunne anvendes til å identifisere, klassifisere og kvantifisere ulike livsstadier av lakselus i sanntid. Data rettet mot sluttbruker skal visualiseres på et e-dashbord. På denne måten vil sluttbrukere få tilgang på et tidlig varslingssystem som muliggjør igangsettelse av avbøtende tiltak for å redusere risikoen for luseinfeksjon.

Den optiske sensoren som skal anvendes i prosjektet er en "Underwater Vision Profiler” versjon 6 (UVP6: Picheral et al., 2021). Dette er en in-situ bildebehandlingsenhet som brukes til å studere plankton og andre partikler i vann. Sensoren er utstyrt med et høyoppløselig kamera som tar bilder av plankton og partikler når disse passerer gjennom et felt som er lyssatt ved hjelp av en laserdiode. Deretter analyseres bildene for identifikasjon og kvantifisering av ulike arter/partikler ved hjelp av en dedikert bildebehandlingsenhet som er basert på kunstig intelligens.

Akvaplan-niva eier og opererer i dag fire UVP-6 sensorer (Foto: Håvard J. Buschmann/Akvaplan-niva).



Det skal utplasseres en UVP6 sensor ved en oppdrettslokalitet hos næringspartner i prosjektet, Nova Sea. Her en figur som viser en vertikal fortøyning hvor det er festet en UVP6.

Om prosjektet lykkes i å utvikle et tidlig varslingssystem for frittsvømmende lakselus, så vil dette ha stor nytteverdi for oppdrettsnæringen. Et slikt system vil gjøre det mulig å raskt iverksette forebyggende og/eller avbøtende tiltak, noe som kan bidra til en betydelig reduksjon i luseangrep. Lokalt så vil kunnskap om når og hvor det kan forventes oppblomstring av lakselus, hjelpe oppdrettere i beslutninger om hvilke forebyggende strategier som skal anvendes på ulike lokaliteter og med hvilken intensitet.

Teknologien er heller ikke proprietær fordi UVP6 er tilgjengelig på markedet og produsenten Hydroptic er åpne for oppskalering av produksjonen. For å sikre at sluttresultatene skal være brukervennlig deltar også Lakseklyngen SA og NCE Aquaculture i prosjektet. I tillegg er det etablert en referansegruppe og en brukergruppe med representanter fra oppdrettsnæringen. Prosjektet, som hadde kick-off møte i midten av september, har en varighet på 1,5 år. Prosjektleder er Lionel Camus, som er ansvarlig for arbeidet med digitale løsninger ved Akvaplan-niva.

Mer informasjon om prosjektet: Sanntids deteksjon av frittsvømmende luselarver (e-Lice) (fhf.no)

Lionel Camus
Senior Scientist / Manager Digital Solutions

Oslo

Read more