Testing av undervannssensor for sanntids overvåking av lakselus

Oppsett med undervanns-sensor i test-tank med lakselus (Foto: Ragnhild Pettersen /Akvaplan-niva).

Testing av undervannssensor for sanntids overvåking av lakselus

Oppsett med undervanns-sensor i test-tank med lakselus (Foto: Ragnhild Pettersen /Akvaplan-niva).

1. desember 2023 nyhet

I prosjektet e-Lice tar Akvaplan-niva og partnere i bruk avanserte undervanns-sensorer og kunstig intelligens for å identifisere og kvantifisere lakselus i vannsøylen. I oktober gjennomførte teamet en testing av undervanns-sensoren UVP6 og har på basis av dette utviklet en algoritme som kan identifisere lakselus i vannsøylen med 91 % nøyaktighet.

Sensoren UVP6 (Foto: Trude Borch/Akvaplan-niva).

I eksperimentet var Ragnhild Pettersen fra Akvaplan-niva ansvarlig for å montere en UVP6, utviklet av selskapet Hydroptics, i en 430 liters test-tank på VESO Aqualab. Voksne lakselus hunner med egg-streng hadde blitt samlet inn uken før fra et lakseslakteri og lusene ble klekket på VESO Aqualab.

Første dagen av eksperimentet så ble det tilsatt høye konsentrasjoner av lakselus i nauplius stadiet (0,5-0,7 mm) i tanken. Lakselusene ble så holdt i tanken for videre utvikling til kopepode stadiet. Denne prosessen tar vanligvis tre dager ved en vanntemperatur på 12oC. På dag tre var alle de innsamlede eggene klekket på VESO Aqualab og det hele ble tilsatt i test tanken som med dette inneholdt en mix av lus i stadiene nauplius og kopepoder. Dette ble gjennomført for å øke tettheten av lus som skulle passere UVP6 sensoren slik at man fikk flest mulig bilder. UVP6 var plassert i tanken i hele 15 dager mens den kontinuerlig gjennomførte fotografering i vannsøylen. Resultatet av dette ble tusenvis av bilder som så ble anvendt for å utvikle algoritmen som skal anvendes for å klassifisere lakselus i e-Lice prosjektet.

Her ser vi høy tetthet av lakselus (Foto: Ragnhild Pettersen/Akvaplan-niva).

Lakselus på vei inn i test-tanken (Foto: Ragnhild Pettersen /Akvaplan-niva).

Lakselus i test-tanken (Foto: Ragnhild Pettersen/Akvaplan-niva).

Objektene i sjøvann som fanges opp av UVP6 sensoren kan være levende dyr og plankton (dyreplankton og fiskelarver) eller partikler i vannet. Siden det vil være mange ulike former av levende dyr, plankton og partikler i sjøvann, så er det viktig å utvikle en metode for å kunne kartlegge fritt-svømmende livsstadier av lakselus på en riktig måte. For å løse denne utfordringen så har e-Lice teamet, basert på fotomaterialet fra VESO Aqualab, nå utviklet en KI og Computer Vision basert algoritme for automatisk deteksjon og klassifisering av objekter som fanges opp av UVP6 sensoren, i sanntid.

Algoritmene som er tatt i bruk er av to ulike slag: 1) klassiske maskinlæringsalgoritmer og 2) deep learning algoritmer for å validere klassifiseringen. Maskinlæringsalgoritmen er basert på en eksisterende modell designet spesifikt for UVP6 (https://github.com/ecotaxa/uvpec). Basert på våre forsøk så finner vi at vår algoritme er i stand til å detektere og klassifisere lakselus med 91% nøyaktighet.

Neste steg i prosjektet er å integrere UVP6 i en rigg som skal testes i felt utenfor Tromsø tidlig i 2024. Deretter skal riggen med UVP6 utplasseres ved en strategisk valgt oppdrettslokalitet for å identifisere og kvantifisere frittsvømmende lakselus.

Rigg med UVP6 som skal testes i felt.

Prosjektet er finansiert av FHF og ledet av Akvaplan-niva ved Lionel Camus. Partnere er VESO Aqualab, NIVA, Hydroptic, MP Consulting, Kongsberg Discovery og Nova Sea. Mer om prosjektet her: https://akvaplan.no/en/project/e-lice

Les mer

e-Lice

2023 – 2024

  • Seniorforsker / Fagleder digitale løsninger