I dette prosjektet undersøker vi hvordan nye teknologier kan tilpasses for å forbedre hastigheten og nøyaktigheten for velferdsvurderinger i oppdrettsnæringen.

Sist oppdatert

Les på engelsk

Bakgrunn

Det å skulle sikre god fiskevelferd er en av de viktigste problemstillingene i oppdrettsnæringen. Det kan være svært utfordrende å kartlegge velferden til en merd med tusenvis av fisk.

Tradisjonelle teknikker omfatter blant annet prøvetaking av fisk på flere stadier for manuell vurdering av mennesker. Dette er en tilnærming med begrensninger – ikke bare på grunn av tiden det tar å gjennomføre disse undersøkelsene, men også vår egen evne til å avdekke velferdsfaktorer med øyet eller laboratoriebaserte verktøy. 

Nye teknologier som er designet med tanke på landbruk og landbaserte matsystemer, kan tilpasses for å forbedre vår evne til å vurdere en rekke aspekter ved fiskehelsen. 

Ved å lære opp datamaskiner i å identifisere velferdsmarkører kan vi ikke bare behandle flere prøver på kortere tid, men også få mer nøyaktige vurderinger ved hjelp av kameraer, sensorer og dataalgoritmer for å produsere mer pålitelige og kvantifiserbare estimater for hvordan det ligger an med fiskehelsen.

Mål

Hovedmålet er å undersøke hvordan man kan tilpasse ulike verktøy som allerede finnes hos Nofima, med tanke på å avdekke velferdsmarkører hos fisk, skalldyr og dyrkede makroalger.

Hva vi gjør

Måten man vurderer fiskevelferden på i oppdrettsnæringen, kan forbedres på en rekke måter. Den raske utviklingen av teknologi og dataalgoritmer skaper nye og banebrytende muligheter for å bruke disse verktøyene til dette formålet. 

I dette prosjektet utforsker vi en rekke måter å drive ulike teknologier fremover på i dette feltet. Målene våre er å utvikle systemer som kan kvantifisere velferdsstatusen for oppdrettsdyr, og gjøre det på en nøyaktig måte og med mindre stress for dyret enn det som er mulig per i dag. 

Noen av forskningsretningene for dette prosjektet er: 

  • bruk av hyperspektrale bilder for å avdekke sår og skader på laks
  • bruk av infrarøde kameraer for å beregne visceralt fett hos laks og torsk
  • bruk av fjernsensorer for å vurdere slimhelsen hos oppdrettsfisk
  • utvikling av ikke-invasive teknikker for å bestemme kjønnet på flatøsters 

Resultatene fra dette prosjektet vil utvide verktøykassen vår for velferdsvurderinger i oppdrettsanlegg og generere ikke bare nye måter å innhente disse dataene på, men potensielt også fange opp informasjon om helt nye velferdskarakteristika som ikke kan kartlegges effektivt ved hjelp av tradisjonelle metoder. 

Verktøyene vi utvikler i DeepVision vil kunne anvendes direkte i oppdrettsnæringen og i den videre forskningen for å forbedre vår evne til å forstå de grunnleggende årsakene til stress blant akvakulturorganismer.