Lene Sveen og Elisabeth Ytteborg bruker kunstig intelligens til å finne ut mer om skinnhelsen til oppdrettslaks. Foto: Jon-Are Berg-Jacobsen © Nofima

Kunstig intelligens gir forskere mer informasjon om fiskens helse

Vi har lenge visst at laksens skinn er viktig for en robust fisk med god helse. Derfor har vi utviklet et nytt verktøy basert på kunstig intelligens (AI) som kan hjelpe oss i å evaluere skinnhelse.

Skrevet av
Portrettbilde av Lene Sveen
Lene Sveen

Forsker
Tlf.: +47 64 97 04 12
lene.sveen@nofima.no

Skrevet av
Portrettbilde av Elisabeth Ytteborg

Fiskeribladet

Dette leserinnlegget stod først på trykk som gjesteskribent i Fiskeribladet 6. januar 2021.

Kunstig intelligens er en omfattende gren av informatikk der maskiner læres opp til å utføre oppgaver som vanligvis krever menneskelig intelligens. Maskinene kan i utgangspunktet ingenting, men kan trenes opp til å gjenkjenne komplekse mønstre. I Nofima har vi utviklet en AI-pakke for evaluering av lakseskinn, ved hjelp av den kommersielle plattformen Aiforia®. For å få trene algoritmen brukte vi flere ulike prøvesett med alt fra smolt til slakteklar laks. Resultatet ble et unikt program som kan måle dynamikken i laksens skinnstrukturer.

Stort prøvemateriale

Skinn er et vev som egner seg godt til maskinlæring, da det består av flere ulike lag og celler som har ulik form, farge og størrelser. Overhuden er viktig for fiskens helse, da den forsegler skinnet slik at det ikke lekker, og bekjemper bakterier og virus. I denne delen produseres også slimet, som ligger som et beskyttende lag rundt fisken. Underhuden består av skjell og bindevev, som er viktig for blant annet fiskens svømmebevegelser og fleksibilitet. Alle disse komponentene ble inkludert i AI-algoritmen, og i løpet av 2020 har nær 1000 bilder blitt analysert med maskinlæring.

I AI-programmet for skinnanalyser testet vi ut skinn fra laks produsert ved en kommersiell lokalitet i Troms. Ved å bruke AI-modellen analyserte vi et større prøvemateriale enn det som vanligvis analyseres ved manuelle metoder (om lag 100 snitt mot 25), noe som gir et langt større datasett og dermed sikrere prøvesvar.

I Nofima har vi utviklet en AI-modell som kan kjenne igjen ulike vev og celletyper i lakseskinn. Her er fiskeskinnet vist uten AI-modell (t.v.) og med AI-modell (t.h). Når modellen kjenner igjen vev og celletyper viser den dette til brukeren ved å gi vevet som er kjent igjen en spesifikk farge. Vår AI-modell er utviklet på plattformen Aiforia®. Illustrasjon: Lene Sveen/Nofima.

Dødelighet og hudkvalitet

Resultatene fra skinnalgoritmen vår på fisk fra Troms lærte oss at dynamikken til skinnets overhud og underhud er forskjellig. Underhuden vokser jevnt i takt med fisken. Det vil si at fisken får tykkere hud når den vokser, noe som gir mening da en tykkere hud gir huden styrke, noe som igjen er viktig for de mekaniske funksjonene til skinnet. Det ytre hudlaget var ikke knyttet til fiskens vekst, derimot forandrer dette laget struktur i takt med det ytre miljøet, for eksempel temperatur.

Vi kunne videre trekke sammenhenger mellom dødelighet og hudkvalitet. Dødeligheten var høyest de første ukene etter overføring til sjø, og økte etter transport og mot slutten av produksjonssyklusen da fisken oftere ble utsatt for mekanisk avlusing. Dødeligheten sammenfalt med ulike strukturelle svekkelser i skinnet til laksen. Vi vet fra tidligere studier at overføring til sjø svekker hudens immunforsvar, og selv overfladiske sår (tap av slim og skjell) i en frisk fisk, øker faren for infeksjoner.

Fremtidens bruk av AI-modellen

Basert på analysene våre og tidligere studier på sårheling, ser det ut til at skinnet tåler en del skader og heles hurtig. Men hvordan effekten av gjentatte mekaniske behandlinger på skinnets evne til å reparere seg selv, eller hvor liten/stor andel skjelltap som fører til problemer med regulering av saltbalansen hos fisken, vet vi fortsatt lite om. Det kreves mer målrettet vitenskapelig arbeid for å finne ut hva som er tålegrensen for skjelltap og hudskader for fisk i sjø, og ikke minst hvordan ulike former for mekanisk avlusning og gjentatte behandlinger påvirker fiskens hudkvalitet over tid.

Etter å ha brukt programmet i flere prosjekter begynner vi å danne oss et godt bilde av hvordan skinnet til en frisk fisk bør være. For å få et utvidet bilde av fiskehelse, har vi tatt ett skritt videre og utviklet tilsvarende algoritmer med kunstig intelligens for lever og gjeller. Vårt langsiktige mål er å skape store og reproduserbare datasett for mange organer for å bedre kunne se sammenhengene mellom organenes helsetilstand, produksjonsdata og måten fisken har blitt behandlet på. Slike analyser vil gjøre oss i stand til å evaluere fiskens helse på en bedre og mer intelligent måte i fremtiden.

Er du interessert i å lese mer om fiskens skinn?:

Relatert innhold

  • Meninger