Endrer oppdrettsnæringen byte for byte

Knappe tre år senere har Aquabyte gått fra en prototyp i et badekar i San Fransisco, til et etablert programvareselskap som letter arbeidet for oppdrettsnæringen langs norskekysten, hver eneste dag.

Lanserer automatisk lusetelling

Nå er Aquabyte klare med programvare for automatisk lusetelling basert på kunstig intelligens og maskinlæring, og om kort tid kommer en modul for å måle vekten på fisk i merden og kunne estimere vektdistribusjon og biomasse.  For Bryton Shang og Aquabyte har ting skjedd raskt, men det er han også vant til. Aquabyte er hans fjerde selskap siden han gikk ut av Princeton University i 2012.

Etter å ha utviklet algoritmer for å effektivisere aksjehandel på Wall Street og for å diagnostisere kreft i vevsprøver, begynte han å se på andre måter å bruke maskinlæringsteknologi på. Med på laget hadde han NEA, et av de største venture capital-selskapene fra Silicon Valley-miljøet.

Fra prototype til virkelighet

– Jeg begynte etter hvert å se på hvordan jeg kunne bruke teknologien i oppdrettsbransjen. Jeg hadde en idé om å utvikle et system for å kunne måle vekten på fisken med datasyn. Så jeg lagde en enkel prototype i badekaret mitt hjemme i San Francisco og kjøpte noen robotfisk på Amazon, for å se om jeg kunne beregne størrelse og vekt på fisken ved hjelp av kamera og dataalgoritmer. Jeg brukte to linser for å kunne måle avstanden til fisken, lage en 3D-modell og deretter anslå vekten.  Prototypen virket. Neste steg var å få systemet til å fungere i virkeligheten: Under langt røffere forhold, i en merd med titusenvis av fisk.

– Jeg vurderte forskjellige fiskeoppdrett i California og British Columbia, men hadde hørt mye om Norge og norsk akvakultur, og om Aqua Nor i Trondheim. Så jeg endte opp med å booke en tur til Norge.  Det vil si: Shang fløy inn til København, bestilte en leiebil, tok ferjen fra Hirtshals og kjørte opp hele norskekysten. På veien besøkte han flere fiskeoppdrettere, blant annet Blom visningssenter i Øygarden, før han endte opp på AquaNor i Trondheim i august 2017.

Overbevist om Norge

– Jeg ble forbløffet over hvor stor akvakulturindustrien var her, hvor godt utviklet den var. Og jeg ble også overbevist om at Aquabyte var nødt til å etablere seg i Norge for å bli et suksessfullt selskap. Bryton Shang tok entusiasmen med tilbake til USA og sine investorer. De hadde knapt hørt om norsk oppdrettsnæring og var skeptiske. Likevel endte han opp med å få inn nye 3,5 millioner dollar i selskapet. Ikke bare fra amerikanske investeringsselskaper og universiteter, men også fra norske Alliance Venture.

Dermed kunne Aquabyte starte etableringen i Norge. De første to ansatte kom på plass i slutten av 2017. I løpet av 2019 har tallet vokst til 40, fordelt på Silicon Valley og Bergen.

Amerikansk innovasjonskultur og norsk oppdrettsekspertise

– Det har vært viktig for oss at dette ikke skulle være et Silicon Valley-selskap med en ferdigutviklet teknologi som vi bare tok med inn i det norske markedet. Det var nødvendig å utvikle produktene og selskapet her, som et norsk selskap i kraft av seg selv. Vi ville høste fagkunnskap og lytte til den norske oppdrettsnæringens behov.  Shang ser denne kombinasjonen av erfaringer som den største styrken ved Aquabyte.

– Vi ønsker å kombinere det beste fra innovasjonskulturen i Silicon Valley med den fremste ekspertisen fra norsk oppdrettsnæring. Derfor er vi begge steder. Ikke i form av et hovedkontor og et avdelingskontor, men med to likeverdige miljøer, som er i stadig dialog med hverandre. For det er kombinasjonen av disse to miljøene, teknologi og akvakultur som er så kraftfull. Interessant nok er nå Bergens-kontoret vårt større enn San Francisco-kontoret vårt. Og teknologiutviklingen i San Francisco skjer med et blikk mot Norge, det er behovene her som bestemmer hva som trengs å bygges av software, ikke omvendt.

Partnerskap på maskinvare

En annet viktig mål har vært å konsentrere seg om å være et rent programvareselskap. 

– Det er et bevisst valg. En del av konkurrentene lager fysisk maskinvare, i tillegg til å utvikle programvare og algoritmer, alt på begrensede ressurser. Vi har dedikert alle våre ressurser mot å bygge den beste programvaren og de beste algoritmene og få testet dem ut, og så inngår vi heller partnerskap på maskinvaren. Det har gjort at vi har greid å utvikle oss så raskt som vi har gjort.

Et eksempel er partnerskapet Aquabyte har gjort med Imenco Havbruk på kamerasiden.

– Norge er gode på å utvikle undervannsteknologi, så vi overlater til Imenco å utvikle gode kameraløsninger, mens vi kan bygge den beste programvaren. Til forskjell fra en del konkurrenter har vi gått for et standard kamera, i motsetning til hyperspektrale eller multispektrale kameraer. Det bruker tradisjonell RGB-teknologi, på samme måte som i et vanlig kamera, eller på telefonen din, for den del.

Ett kamera for alt

Dette gir en del ekstra utfordringer på algoritmesiden.

– Da er det også vanskeligere å analysere bildet. Du trenger enda mer avanserte algoritmer. Men det har også den fordelen at du får flere bruksområder.  Det er dette som er visjonen vår: Du trenger ikke ett separat kamera for lus, ett for biomasse og ett for fôring. All programvare kan kjøre på samme kamera, og vi utvikler alle våre produkter og algoritmer med det utgangspunktet. Dermed kan vi gjøre flere tjenester tilgjengelig uten å måtte oppgradere utstyrspakken.

Eksempelvis vil kunder som nå kjøper vårt system for lusetelling enkelt kunne oppgradere til også å kjøre vektmåling og biomassestimering. Det er en softwareoppgradering, der man bruker samme type hardwaren.

Kvaliteten på algoritmene er nøkkelen til suksess her:

– Det å kunne tolke bilder tatt under vann er ganske komplisert.  Du må hanskes med andre lysforhold, partikler og uklarhet i vannet, oppførselen til fisken – det er en rekke ulike faktorer å ta hensyn til. Det å bygge en enkel algoritme som estimerer vekt eller teller lakselus er ikke den vanskeligste delen. Det vanskelige er å få algoritmene til å fungere i alle disse ulike miljøene. Det krever en rekke ulike algoritmer: For eksempel noen som kan identifisere hvilke bilder som er gode nok og ikke, noen som kan identifisere enkeltfisk på basis av prikkmønsteret eller noen som kan identifisere lus. Og som kan gjøre det under vanskelige og skiftende forhold.

Trening og atter trening

Men den viktigste jobben er å trene opp algoritmene.

– I begynnelsen vet ikke algoritmen hva en fisk veier eller hvordan en lakselus ser ut. Derfor har vi et team av erfarne fagfolk som trener algoritmene opp, slik at de blir stadig mer presise.

Algoritmetreningen foregår ved å bygge opp datasett med treningsbilder som allerede er blitt korrekt analysert av menneskelige eksperter. Når maskinen gjennomgår datasettet, kan det korrigeres underveis der det er avvik mellom maskin og menneske.

– Jeg tror disse grundige testprosedyrene også er noe som skiller oss fra andre. Det er ikke slik at vi bare bygger programmet, og så virker det. Vi trener og forbedrer algoritmene konstant, med stadige tilbakemeldinger fra fagfolk og forskere.

På vei mot automatiserte anlegg

Resultatene er også kommet. Programvaren for automatisk lakselustelling er alt lansert, og til sommeren kommer altså en modul for vektdistribusjon og biomasseestimering.

– Visjonen har hele tiden vært å kunne gi nøyaktigere informasjon og bedre beslutningsgrunnlag for oppdretterne. Da trenger du å forstå veksten til hver fisk og kalkulere fôrfaktoren, slik at du har en målestokk for veksten. Her er vårt system for å estimere vektdistribusjon og biomasse i merden et viktig verktøy.

– Hvordan syns du oppdrettsbransjen har endret seg på de vel to årene siden du kom til Bergen?

– Det har blitt en større interesse og aksept for maskinlæring i akvakultur. I de siste årene er det kommet stadig flere selskaper til som jobber med dette. Vi ser også at stadig flere oppdrettere er villig til å ta i bruk ny programvareteknologi, og det er veldig spennende. For mange oppdrettere er det jo uvant at det er programvaren som er selve produktet, at det ikke er noe håndfast.  Men til forskjell fra andre produkter du kjøper, er dette produkter som blir bedre jo lenger du har dem.

Bidra til vekst for oppdrettsnæringen

– Hvor er Aquabyte om fem år, tror du?

– Om fem år kan man tenke seg at maskinlæring blir brukt på enda flere områder: At du kan få lakselusen telt, at du forstår veksten til fisken, og at alt dette er integrert med de ulike systemene på anlegget.

– Og så vil vi vokse oss inn i nye markeder, vi er jo nå i ferd med å etablere oss i Skottland og Chile. Etter hvert kan vi levere produkter som også er relevant for andre arter og andre typer anlegg, for eksempel oppdrett i RAS-anlegg (resirkuleringsanlegg) eller i mer eksponerte havanlegg. I offshore-baserte anlegg vil en jo ha enda større behov for automatisering, siden du ikke kan ha folk på anlegget hele tiden.

– Hvis du tar det store perspektivet, trenger vi å få opp produksjonen av sjømat i verden. Havet dekker 70 prosent av jorden, men bare rundt 2 prosent av maten vi spiser kommer herfra. Fiskeoppdrett er jo langt mer effektivt enn kjøttproduksjon, både i form av fôrfaktor og i et klimaperspektiv. Jeg tror at vi gjennom våre produkter kan bidra til den veksten.

Bestill demo                            Jeg ønsker tilbud