Målet er at kunstig intelligens og maskinsyn kan bli et nøyaktig hjelpemiddel for næringa: Fiskevelferd er naturlignok et svært viktig tema innen lakseoppdrett. Da er det viktig å se på fisken som enkeltindivider, ikke bare som gruppe. Det har forskere fått til med å bruke kamerateknologi kombinert med kunstig intelligens for å overvåke og analysere pustefrekvensen til enkeltfisk.
– Fiskens pust er viktig fordi den gir oss verdifull informasjon om hvordan laksen har det, forteller SINTEF-forsker Christian Schellewald.
Håpet er at teknologien kan bidra til mer human behandling av laksen, mindre håndtering, færre inngrep og lavere dødelighet, og forskningen ble nylig publisert i to vitenskapelige artikler.
Kamera møter algoritmer
I forskningsprosjektet Biorelevans har forskerne utviklet en måte å analysere tegn på blant annet stress.
– Ved hjelp av algoritmer kan vi gjenkjenne fisken og samtidig analysere pustebevegelsen, sier Schellewald.
Han forklarer at kamerateknologien klarer å observere pusten om den kan se munnen av fisken. Derfor filmes fisken horisontalt dvs. fra siden.
Hovedfokuset er på fiskesnuten, som beveger seg i takt med at over- og underkjeven åpner og lukker seg.
Hvert enkeltindivid kan observeres med den nye teknologien. Det kan avsløre om fisken har det bra lenge før den får synlige sykdomstegn. Foto: Foto: Espen Berntzen Høgstedt
Teknikken gir forskerne et «digitalt øye» som gjør det mulig å overvåke flere fisk samtidig. Dette er viktig fordi det gir forskerne mer data å jobbe med.
Fornøyde forskere
Forskerne har gjort forsøk hvor de overvåket ni kar med syv fisk i hver. Alle fiskenes pustefrekvens ble deretter analysert under tre ulike temperaturer, samt med ulike mengder oksygen i vannet.
– Vi så med stor nøyaktighet hvordan fiskens pust endret seg ved stressende situasjoner eller forandringer i oksygennivået eller vanntemperatur. Dette er med på å gi oss en detaljert forståelse av hvordan fisken blir påvirket av forholdene i omgivelsene, sier Schellewald.
SINTEF-forsker Christian Schellewald i felt. Foto: Privat
Forskere ved Norges Miljø- og Bioitenskapelige Universitet (NMBU) hadde ansvar for de biologiske analysene og prosjektledelsen.
– Vi fant ut at mindre oksygen gjorde at laksen pustet hyppigere, det samme skjedde da vi økte temperaturen i vannet. Stress førte også til økt pustefrekvens, forteller atferdsbiolog ved NMBU Judit Vas.
Ser faresignal tidlig
Vas forteller at studien har bidratt til ny kunnskap om hvilken pustefrekvens som er normal eller som indikerer at noe kan være galt.
– Men vi fant også ut at fiskenes pustfrekvens er ulik. Noen puster naturlig saktere eller raskere enn andre. Derfor er det stor hjelp i den nyutviklede kamerateknologien som følger opp hver laks individuelt. Slik kan vi se om enkelte fisk får endret pustefrekvens mens andre ikke får det, sier Vas.
Hun forteller at det i dag er mest ytre tegn som brukes som velferdsindikator i næringa.
– Det kan være sår eller andre skader, men da er fisken allerede skadet. Derfor vil det bli et stort framskritt for næringen å få muligheten til å se faresignal på et tidligere tidspunkt. Dette vil igjen antakelig føre til mindre medisinbruk, færre inngrep og lavere dødelighet, sier Vas, som opplever stor interesse fra næringen.
Om få år vil fiskens pustefrekvens være en vanlig del av fiskens oppfølging, spår hun.
Bidrag til mer human behandling
Forskningsprosjektets mål er å forbedre forståelsen av fiskevelferden i ulike miljøforhold.
– Ved å gjøre det mulig for oppdrettere og forskere å overvåke og analysere fiskens pustefrekvens på individnivå kan teknologi bidra til at oppdrettslaksen får det bedre, sier Schellewald.
Han føler seg derfor trygg på at denne teknologien kommer til å bli tatt i bruk.
– Den vil åpenbart kunne gi innsikt som vil føre til en mer human behandling av laksen, konkluderer SINTEF-forskeren.
I tillegg til å forske på fiskens pust har forskerne også studert sammenhengen mellom vekttap, stressmestring og fiskens oppførsel i grupper i dette prosjektet.
Mouth Opening Frequency of Salmon from Underwater Video Exploiting Computer Vision
