Aqua Nor 2021 | Oppdrett er fremtiden | 12. Kjenner laksen på ansiktet
877
page-template-default,page,page-id-877,ajax_updown_fade,page_not_loaded,,qode-title-hidden,qode-theme-ver-14.4,qode-theme-bridge,wpb-js-composer js-comp-ver-5.4.7,vc_responsive
EKSPONERT
Bjørn Magnus Mathisen forsker på laks og ansiktsgjenkjennelse som en del av Exposed. Det er et senter for forskningsdrevet innovasjon (SFI) som skal utvikle kunnskap og teknologi for robust, sikkert og effektivt fiskeoppdrett på eksponerte lokaliteter. Sintef leder senteret, og Mathisen arbeider på Sintef i tillegg til NTNU. Han arbeider med prosjektet sammen med kollegene Kerstin Bach og Håkon Måløy.

Kjenner laksen på ansiktet

De kjenner igjen laksen på ansiktet. Forskere i Trondheim har utviklet kunstig intelligens som klarer å skille den ene laksen fra den andre.

Du kan finne ut hvor mye fisken vokser, du kan plukke ut enkeltfisk uten å stifte fast merker eller klippe finner, og på den måten kan du holde oversikt over både helse og vekst.

Men du bør kanskje være litt forsiktig hvis du blir så fascinert av å lese om det her at du går rett på nett og søker det opp. Det norske systemet heter nemlig FishNet. Hvis du googler det uten å henge på «laks» eller «salmon», så risikerer du et og annet bilde som vil få skrivebordsnaboen til å lure på hva du holder på med.

Det hele begynte med en masteroppgave på NTNU.

– Jeg og to kolleger veiledet to masterstudenter. Det arbeidet ble til en artikkel og en presentasjon, forteller Bjørn Magnus Mathisen. Han holder på med en doktorgrad på kunstig intelligens.

Masteroppgaven ble til og med omtalt i Wall Street Journal.

– De ville vite hva vi holdt på med på Norwegian Open AI Lab, forteller han.

 

Unngår skader

Det begynte altså med studentene Espen Meidell og Edvard Schreiner Sjøblom. De ville finne en bedre måte å merke og følge laksen på.

– Dagens metoder er avhengige av fysisk håndtering av fisken. Det er ineffektivt, og det kan forårsake fysiske skader og stress for laksen, fastslår de to i masteroppgaven sin. Derfor har de utviklet et system som bruker teknikker fra ansiktsgjenkjennelse på mennesker, til å kjenne igjen laks.

– De tok utgangspunkt i videofilm av laks. Så brukte de kunstig intelligens på mange forskjellige nivåer, beskriver Mathisen.

 

Prikker inn laksen

Det handler om prikker. Hypotesen er at prikkene til laksen er som fingeravtrykkene til mennesker.

– Ifølge hypotesen er det et unikt prikkemønster på siden av hodet til laksen. Det kan brukes til å identifisere laksen, forteller han.

Forskerne brukte kunstig intelligens til å plukke ut ansiktene og gruppere dem. Så gikk studentene gjennom bildene manuelt for å sjekke at det virkelig var de samme individene. I masteroppgaven deres brukes portretter av tre lakser som eksempler. De har til og med fått navn: Simen, Eirik og Egil.

– Du må ha masse bilder av laks og vite hvilken laks det er på hvert enkelt. Da vi hadde fått kvalitetssikret datasettet, endte vi på cirka 200 000 bilder. Så satte vi i gang å lære opp maskinen til å identifisere laksen, sier Mathisen.

 

Ny identifisering

For å være helt eksakt, er det ikke snakk om identifisering, men om reidentifisering. Du tar utgangspunkt i at du har et bilde av én bestemt laks. Neste gang du får et bilde av den samme laksen, kan den kunstige intelligensen kjenne den igjen.

– Vanligvis når vi bruker maskinlæring, sender vi inn et datapunkt, spør «hva er dette?» og får svar. Med reidentifisering sammenligner vi to datapunkter, forklarer han.

Enten det gjelder mennesker eller laks, tar du altså bildet av «den nye karen» som du ikke vet hvem er, og sammenligner med dem som allerede ligger i registeret.

Da Mathisen presenterte funnene på den europeiske konferansen for kunstig intelligens for noen måneder siden, kunne han fortelle om forsøk der 96,4 prosent av bildene som var analysert, ble identifisert som riktig individ.

– Det er ganske gode resultater. Men hvis du snakker med bransjen, er det ikke nok. Én prosent på 100 000 laks – da er det mange du kan ta feil av. Vi må opp på et høyere nivå før dette kan tas i bruk i næringen. Det vi har gjort så langt, er å bevise at det virker. Det er en gryende start som vi må jobbe mer med, fastslår han.

 

Mindre skader

Mathisen beskriver hvordan bransjen trenger teknologien for å drive mer effektivt og samtidig skade laksen minst mulig:

– Hvis vi kan identifisere enkeltindivider, kan du få individuell statistikk som du kan bruke som beslutningsgrunnlag. Du kan se hvor mye fisken har vokst, og det kan du gjøre uten å plukke den opp og stifte fast et merke eller klippe i finnene, sier han.

– Da kan du i prinsippet bygge en tjeneste hvor du putter ned kameraet, sporer hver enkelt fisk ut fra ansiktet, henter ut bilde av hele fisken og ser om den har vært rammet av sykdom og hvor mye den har vokst. Alt dette kan gjøres uten å bruke brønnbåter eller snøre sammen håver. Det er mer praktisk og arbeidsbesparende.

 

Fra smolt til slakteklar

Mathisen håper at teknologien er klar til å brukes kommersielt i løpet av et år eller to. Det spørs hvor mange som settes inn i arbeidet med å videreutvikle den. Han vet at det er flere enn NTNU som arbeider med lignende løsninger.

Han tror at det skal gå ganske automatisk å bygge opp et «folkeregister» – eller «lakseregister», om du vil – på nye merder slik at hver enkelt laks er registrert og den kunstige intelligensen har et «passbilde» å sammenligne nye bilder med.

– Vi har en hypotese på at dette mønsteret av prikker er det samme fra smolt til slakteklar laks. Da kan vi ha kontroll hele veien. Biologene tror at mønsteret kanskje får nye tilskudd – at det blir flere prikker – men grunnstammen er visstnok lik. Selv om prikkene flytter seg litt, er hypotesen min at det skal kunne fungere. Dette er neste eksperiment! lover Bjørn Magnus Mathisen.

 

Ifølge hypotesen er det et unikt prikkemønster på siden av hodet til laksen. Det kan brukes til å identifisere laksen

Kamera teller lus

 

Bjørn Magnus Mathisen trekker frem lusetellingen til Aquabyte som et eksempel på teknologi som er beslektet med FishNet. Programvareselskapet med kontorer i Bergen og Silicon Valley bruker kamera og skybasert maskinlæring for å analysere bilder av laks.

Det gjøres for å telle lus kontinuerlig uten å håndtere fisken. Den automatiske lusetellingen gir nøyaktig telling av lakselus på forskjellige stadier av livet, dag for dag.

I november var Kvarøy Fiskeoppdrett og Seløy Sjøfarm de første som fikk Mattilsynets godkjennelse til å droppe manuell lusetelling og heller telle den automatisk med systemet til Aquabyte. I vår passerte tallet på godkjente merder 50.