Bruk av kunstig intelligens for bekjempelse av lakselus
Ledende havbruksselskap i Norge har nå tatt i bruk kunstig intelligens (AI) til å analysere store datasett på tvers av selskap og produksjonsområder. Målet er å løse felles utfordringer og skape en lærings- og innovasjonsplattform for havbruksnæringen.
Denne artikkelen er tre år eller eldre.
Siden slutten av 2016 har ledende norske havbruksbedrifter, gjennom The Seafood Innovation Cluster brukt IBMs sin kunstige intelligens ”Watson” til å analysere store datasett. I AquaCloud-prosjektet skal selskapene høste fordelene av å samarbeid om dataanalyse på tvers av selskaper. Selskapene som leverer datasettene, Marine Harvest, Lerøy Seafood, Grieg Seafood og Bremnes Seashore, innser verdien av samarbeidet i å takle felles utfordringer.
Havbruksselskapene samler inn en stadig økende mengder data fra driften. Data fra fôring til miljøinformasjon samles inn på de enkelte lokaliteter, og detaljnivået på informasjon om fiskens ytelse og kvalitet øker stadig. Bortsett fra fiskehelsenettverkene, har det vært lite innsats i å bruke data på tvers av områder eller bedrifter. Selskapene har tidligere brukt sine egne forretningsanalyser på egne data, og fått i gjennom det en betydelig innsikt i egen virksomhet, mens tilnærmingen har manglet det store bildet.
Jobben skal gjøres
I dag står havbruksnæringen ovenfor en stor hindring på veien mot økt vekst- lakselus. Konservative estimater anslår de direkte kostnadene for lakselusbekjempelse er rundt 5 milliarder, mens den totale kostnaden ligger nærmere 10-12 milliarder. Det gjør heller ikke saken enklere at regjeringen har gjort lakselus til den regulerende komponenten i det nye systemet som skal styre veksten i overskuelig fremtid.
Industrien er derfor nødt til å fokusere på innsatsen for å redusere forekomstene av lakselus til det absolutte minimum, og har innledet samarbeid om tiltak og arealforvaltning for å møte kravene i trafikklyssystemet. AquaCloud vil kunne være det strategiske verktøyet som næringen trenger for å utnytte de taktiske ressurser som er tilgjengelige til enhver tid gjennom forvarsel, koordinering og bruk av både biologiske, mekaniske og terapeutiske verktøy på best mulig måte.
AquaCloud er derfor ett verktøy rettet mot å løse de større felles utfordringene som næringen står overfor,og lakselus i første runde. Forretningsanalyse og -innsikt løses foreløpig best ved hjelp av selskapenes styrings – og forretningssystemer, kanskje til og med data og annen innsikt fra AquaCloud.
AquaCloud - like bra som dataene
Mye av lakselusbekjempelsen er for tiden basert på det ukentlige lusetallet rapportert på hver lokalitet. Dataene som er tilgjengelige for selskaper utenfor fiskehelsenettverkene, er høstet fra de rapportene som næringen leverer inn på lokalitetsnivå til Altinn, og offentliggjøres gjennom BarentsWatch.
Datasettene på BarentsWatch, som gir den beste tilgjengelige informasjonen på dette tidspunktet, er bedre egnet for forvaltning og myndighetstilsyn og ikke optimalisert for planlegging og gjennomføring av lakselusbekjempelse. Lusetellingene rapporteres kun på lokalitetsnivå, uten dato for faktisk telling. Videre blir dataene kun rapportert ukentlig, så data som kommer inn kan være så mye som uke gamle – og det er lang tid i lakselusens liv.
Foreløpig høster AquaCloud data direkte fra de vanligste driftsstyringssystemene, Mercatus (Steinsvik AS) og FishTalk (AKVA ASA). Systemet mottar daglige data over vekst, fôring og antall, rensefisk og behandlinger på merdnivå. Lusetallene lastes opp med en gang de er lagt inn i systemet etter tellingen selv om rapporteringen til myndighetene forblir uendret. Dette betyr at AquaCloud får informasjon om lusestatus i ett produksjonsområde daglig da lusetellingen lastes opp så snart den er gjennomført. Dermed oppdateres alle produksjonsområder daglig, noe som gir mye bedre oversikt over utviklingen i ett produksjonsområde.
Det er et problem at hverken miljødata eller lusetellinger er så gode som de kunne vært. Dette kommer delvis av at man ikke har hatt behov eller datakraft for å levere det detaljnivået av miljødata som dette prosjektet krever. Når det gjelder lusetellingene så er de nåværende metodene for telling ikke gode nok. Visuell telling er ekstremt krevende for både de ansatte som gjennomfører tellingen, og for fisken blir hentet fra merden til telling. Det er iverksatt flere tiltak for å løse dette, de viktigste er omtalt nedenfor i avsnittet ”Å høste resultater”.
Legger til rette for oppdretteren
De daglige dataene er derfor mer detaljerte og omfattende enn de eksisterende lusedataene. Dette gjelder både på lokalitetsnivå (merdnivå) og fordi en høster informasjon fra datasett på tvers av selskaper for å oppnå oversikt innenfor og mellom produksjonsområdene. I fremtiden kan man bruke AquaCloud til å styre og koordinere produksjonsområdene basert på daglige data fra hver lokalitet som er aktiv innenfor et gitt område. Konstant læring fra historiske og nye data, forsterket gjennom implementering av nye og bedre modeller, og funn fra Havforskningsinstituttet og Veterinærinstituttet, vil gjøre AquaCloud i stadig bedre stand til å kunne gi forvarsel om lakselus-utbrudd, også om spredning og omfang av et pågående utbrudd.
Den enkelte lokalitetsansvarlige kan bruke systemet som et varslings- og beslutningsstøttesystem, og få indikasjoner på pågående spredning av smittsomme larvestadier. Varslingen vil gi oppdretterne verdifull tid til å gjennomføre forebyggende tiltak som installasjon av luseskjørt eller for å skaffe og overføre mer rensefisk til merdene, og dermed unngå alvorlige smitte. I tilfeller der behandling er uunngåelig, kan systemet gi råd om hvilken behandling som er mest effektiv, og hvilke merder som ikke har forhøyede lusetall. Alt vil dette minimere behovet for behandlinger, samt fokusere på den korrekte behandlingen der den er uunngåelig, og gi oppdretterne reell verdi for alle dataene de høster og rapporterer.
I nær fremtid kan man forestille seg sammenkobling av ytterligere datakilder, som vær og strømforhold, og integrere varslinger om ugunstige forhold som bølgebølgehøyde og/eller strøm, som igjen gjør behandlingsregimet mer forutsigbart og effektivt.
Å høste resultater
Prosjektet genererer også mer enn lusevarsler for oppdretteren. Flere verdifulle ”spin-offs” er blitt identifisert allerede i innledende fase av prosjektet.
En spinn-off er standardisering av innsamling av miljødata, både parametere (temperatur / saltholdighet / oksygen mv.) og antall prøvetakingsstasjoner (dybde) i hver merd. Ved å standardisere slik datainnsamling blir det enklere å sammenlikne og trekke konklusjoner på likt grunnlag
En annen spinn-off av prosjektet er å fokusere på bedre lusetellingen ved å implementere datasyn og AI for å tolke og rapportere statusen oftere og fra et større prøveuttak enn det som er mulig med dagens metoder. For å lette innføringen av nyskapende teknologi skal det gjennomføres en undersøkelse på teknologinivået på eksisterende autonome lusetellingsmetoder, der entreprenører og bedrifter på ulike nivåer av utvikling vil bli invitert til å presentere sine tellemetoder.
Resultatene vil bli brukt til å gi næringen et sårt tiltrengt overblikk over hvilken teknologi som er tilgjengelig / nærmer seg markedsberedskap og i fremtiden hjelpe til å velge riktig teknologi for deres behov.
AquaCloud prosjektet representerer en sterk trend i teknologiutviklingen i alle deler av samfunnet og bruken av kunstig intelligens representerer en innovativ tilnærming til utfordringer og verdiskapning. Norsk havbruksnæring har tidligere vist stor evne til å møte utfordringer, og har potensialet til å vise veien i digitalisering av nye og eksisterende industrier.
