language
person_outline

Aquabyte ADFERD

Platform
Sales planner
Performance
WISE Velferd

Mer effektive tiltak med tidlige varsler og innsikt i fiskens adferd

Vårt ADFERD-produkt overvåker fiskens adferdsrelaterte velferd. Ved å måle svømmehastighet og svømmetilt gir ADFERD verdifull innsikt i forholdene i merden, og kan varsle om endringer i fiskens generelle velferd og stressnivå. Hastighet og tilt overvåkes kontinuerlig, og data oppdateres i Brukerportalen hver time. ADFERD lagrer også automatisk videoklipp fra merden som kan deles med kolleger.

Gevinster ved å bruke å bruke Aquabyte ADFERD

  • Enklere overvåking og registrering av svømmehastighet i nedsenket produksjon
  • Tidlige varsler ved endringer i fiskens stressnivå
  • Tidlige varsler om forhold som kan føre til redusert vekst, velferdsutfordringer og på sikt økt dødelighet
  • Tilgang til videoklipp av fisk med unormal svømmehastighet eller svømmetilt

Iverksett tiltak tidligere

Endringer i fiskeatferd kan være tidlige tegn på at noe er i ferd med å skje i merden. Slike endringer er ofte vanskelige å oppdage gjennom vanlige observasjoner fra merdkanten. I lukkede eller nedsenkede produksjonsmiljøer øker risikoen for at atferdsendringer, som kan skyldes biologiske utfordringer eller eksterne faktorer, blir oversett.
Aquabyte ADFERD overvåker fiskens svømmehastighet og svømmetilt, og leverer oppdaterte data hver time. Dette gir tidlige varsler om potensielle utfordringer, noe som muliggjør raskere og mer presise tiltak for å forhindre redusert fiskevelferd og økt dødelighet.

Data som presenteres i form av grafer gir verdifull innsikt i endringer i svømmehastighet. Data fra flere merder kan vises og sammenlignes i ett grensesnitt.

Svømmehastighet

I ADFERD presenteres svømmehastighetsdata både som daglige gjennomsnittstall og i form av grafer. Hastigheten måles i kroppslengder per sekund (kl/s), og unormalt høye svømmehastigheter fremheves med fargekoder, noe som gjør det enklere å oppdage og reagere på kritiske endringer.

Grafer gjør det enkelt å observere endringer i svømmehastighet som kan skyldes forhøyede stressnivåer eller velferdsrelaterte utfordringer. Endringer i svømmehastighet kan også avdekke skift i biologiske og miljømessige faktorer som påvirker fiskens adferd og velferd. Eksempler på dette kan være manetangrep, fremmedfisk, økt forekomst av alger eller variasjoner i oksygennivå.

I nedsenkede merder hvor svømmehastighetsdata skal dokumenteres vil ADFERD erstatte tidkrevende og unøyaktige manuelle målinger.

Grafer i Brukerportalen bruker fargekoder for å fremheve høy svømmetilt, som gjør det lettere å avdekke unormal adferd.

Svømmetilt

Svømmetilt overvåker fiskens horisontale tilt (hodets posisjon og vinkel i forhold til bevegelsesretningen) ved svømming. Høy tilt, der fiskens hode konsekvent er høyere enn resten av kroppen, kan være en indikasjon på at den ikke klarer å opprettholde riktig oppdrift. En kjent årsak til slik adferd er når fisk ikke har tilstrekkelig tilgang til luft og dermed ikke kan etterfylle svømmeblæren.

Ved produksjon i åpne overflatemerder er etterfylling av svømmeblæren vanligvis ikke en utfordring, da laksen kan gå til overflaten for å gjøre dette. I nedsenkede merder, hvor laksen må hente luft fra en kuppel, kan en plutselig økning i tilt indikere kritiske problemer med lufttilførsel. Konsekvensene av dette kan være redusert vekst, velferdsutfordringer og på sikt en økt risiko for dødelighet. I ADFERD oppdateres data for både svømmehastighet og svømmetilt hver time, og vil derfor kunne gi tidlige varsler hvis noe er galt.

Videofiler fra siste 30 lagres automatisk i ADFERD, og kan enkelt deles med kolleger som har tilgang til Aquabyte Brukerportal.

Lagrer automatisk videoer

ADFERD lagrer automatisk fire korte videoklipp fra hver time hvor data samles inn. Videoene, som er tilgjengelige i Aquabyte Brukerportal, kan brukes til å verifisere endringer og avvik i fiskens svømmehastighet eller svømmetilt. Systemet arkiverer klipp fra de siste 30 dagene, slik at videoene også kan brukes til å dokumentere konsekvensene av endringer i vannkvalitet, velferd og andre viktige parametere over tid.

Via ADFERD kan alle lagrede videoer enkelt deles med kolleger som har tilgang til Aquabyte Brukerportal.

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