language
person_outline

Aquabyte VEKT

Platform
Sales planner
Performance
WISE Velferd

Nøyaktige data om biomasse, vekt og vekst gir grunnlag for bedre beslutninger

Med nøyaktige beregninger av vekt og biomasse brukes innsikten fra Aquabyte VEKT som beslutningsgrunnlag når viktige avgjørelser skal tas i løpet av produksjonen. Systemet leverer oppdaterte data hver dag, og gjør det enkelt å følge utvikling på biomasse, vekt, vektfordeling og K-faktor. Vektprognoser to uker frem i tid, som baseres på historiske og miljøbaserte data, gjør at Aquabyte VEKT generer detaljerte og nøyaktige slakterapporter.  

Visning av gjennomsnittsvekt, vektøkning, antall fisk og total biomasse gjør enkelt å sammenligne status for merder.

Gevinster ved å bruke Aquabyte VEKT

  • Automatisk vektberegninger reduserer stress og skader på fisken
  • Viktige beslutninger kan baseres på innsikt istedenfor antagelser
  • Fóring kan optimaliseres i forhold til faktisk status i merd
  • Treffsikre slakterapporter opp til to uker før fisken skal tas opp
  • Bedre forutsigbarhet i fremtidig vektutvikling og inntjening

Vektberegning basert på bilder og maskinlæring

Vektberegningene som utføres av Aquabyte VEKT baseres på flere tusen bilder som Aquabyte-kameraet i merden tar av fisken hver dag. Bildene analyseres ved hjelp av kunstig intelligens og maskinlæring, og gir nøyaktige beregninger av viktige faktorer som vekt, tilvekst og biomasse. Dataene, som hentes ut fra merdene, presenteres i Aquabyte Brukerportal.

Oversikt med grafer

Trenlinjer for gjennomsnittsvekt, K-faktor og CV for en eller flere merder vises med data opp til 12 måneder tilbake i tid.

Data om gjennomsnittsvekt, vekst, antall fisk og total biomasse presenteres slik at det er enkelt å få oversikt over enkeltmerder og sammenligne status i flere merder. Detaljert informasjon om utviklingen i gjennomsnittsvekt, K-faktor og variasjonskoeffisient (CV) vises i grafer med data opp til 12 måneder tilbake i tid. Vektfordeling med faktisk vekt vises også som søylediagrammer, enten for én enkelt eller flere merder samtidig.

Alle vektberegninger, grafer og diagrammer oppdateres daglig i Aquabyte Brukerportal. Sammen gir de innsikt i både nåværende status og trender over tid, og gir god beslutningsstøtte når viktige avgjørelser skal tas i løpet av produksjonen. 

Optimaliser fóringen

De daglige oppdateringene fra Aquabyte VEKT er et godt verktøy når foring skal optimaliseres. Nøyaktige data om biomasse, vektfordeling og utvikling i vekst gir innsikt i fiskens reelle status, og over- eller underforing kan oppdages og korrigeres tidlig. Optimalisert foring basert på nøyaktige vektdata sparer virksomheten for store utgifter, og skaper reelle verdier for selskapet både på kort og lang sikt.

Treffsikre slakterapporter

Med to ukers vekstprognoser generer Aquabyte VEKT slakterapporter med høy treffsikkerhet som skaper forutsigbarhet både for lokaliteten og de som skal motta fisken. Slakterapportene baseres på data fra produksjonsperioden, siste dag med foring, vanntemperatur og andre faktorer som påvirker fiskens vekst i den kommende perioden. Rapportene beregner rund vekt, HOG-vekt og vektdistribusjon i merden.

Når Aquabyte VEKT kombineres med Aquabyte WISE Velferd, gir slakterapportene også informasjon om estimert superior-andel per merd.

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. Nedklassingskriterier lagres i Aquabyte VEKT og kan velges for hver for hver enkelt slakterapport som skal lages.

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