Gå videre til innhold
e-Lice

e-Lice

Dato 5. september 2023 00:00 – 31. desember 2024 00:00

Full tittel: Sanntids deteksjon av frittsvømmende luselarver

Finansiering:
FHF prosjekt 901871

Partnere: Veso AquaLab, Kongsberg Discovery, NIVA, Hydroptic, MP Consulting og Nova Sea.

Målsetting: Moderne teknologi, som kunstig intelligens og maskinlæring, kan spille en rolle arbeidet med å identifisere løsninger for å redusere lakselus utfordringen i norsk lakseoppdrett. I prosjektet e-Lice skal det anvendes avansert teknologi som undervannssensorer og kunstig intelligens for å detektere lakselus i vannsøylen.

Formålet med prosjektet "e-Lice" er å utvikle et tidlig varslingssystem basert på bilder av lakselus i vannsøylen. Dette skal gjennomføres ved å ta i bruk av en optisk sensor med en innebygd kunstig intelligens for databehandling. Systemet skal kunne anvendes til å identifisere, klassifisere og kvantifisere ulike livsstadier av lakselus i sanntid. Data rettet mot sluttbruker skal visualiseres på et e-dashbord. På denne måten vil sluttbrukere få tilgang på et tidlig varslingssystem som muliggjør igangsettelse av avbøtende tiltak for å redusere risikoen for luseinfeksjon.

Den optiske sensoren som skal anvendes i prosjektet er en Underwater Vision Profiler 6 (UVP6) (Picheral et al., 2022). Dette er en in-situ bildebehandlingsenhet som brukes til å studere plankton og andre partikler i vann. Sensoren er utstyrt med et høyoppløselig kamera som tar bilder av plankton og partikler når disse passerer gjennom et felt som er lyssatt ved hjelp av en laserdiode. Deretter analyseres bildene for identifikasjon og kvantifisering av ulike arter/partikler ved hjelp av en dedikert bildebehandlingsenhet som er basert på kunstig intelligens.

e-Lice konseptrigg
Vi utplassere en UVP6 ved en oppdrettslokalitet hos næringspartner i prosjektet, Nova Sea. Her en figur som viser en vertikal fortøyning hvor det er festet flere UVP6.
Om prosjektet lykkes med å utvikle et tidlig varslingssystem for frittsvømmende lakselus, så vil dette ha stor nytteverdi for oppdrettsnæringen. Et slikt system vil gjøre det mulig å raskt iverksette forebyggende og/eller avbøtende tiltak, noe som kan bidra til en betydelig reduksjon i luseangrep. Lokalt så vil kunnskap om når og hvor det kan forventes oppblomstring av lakselus, hjelpe oppdrettere i beslutninger om hvilke forebyggende strategier som skal anvendes på ulike lokaliteter og med hvilken intensitet. Det er etablert en referansegruppe og en brukergruppe for prosjektet.

Referanse

Picheral, M., Catalano, C., Brousseau, D., Claustre, H., Coppola, L., Leymarie, E., Coindat, J., Dias, F., Fevre, S., Guidi, L., Irisson, J.O., Legendre, L., Lombard, F., Mortier, L., Penkerch, C., Rogge, A., Schmechtig, C., Thibault, S., Tixier, T., Waite, A. and Stemmann, L. (2022), The Underwater Vision Profiler 6: an imaging sensor of particle size spectra and plankton, for autonomous and cabled platforms. Limnol Oceanogr Methods, 20: 115-129. https://doi.org/10.1002/lom3.10475

Kategorier

Kontakter

  • e-Lice logo
    e-Lice logo
    Lisens:
    All rights reserved
    Filformat:
    .jpg
    Størrelse:
    534 x 266, 20.5 KB
  • e-Lice logo
    e-Lice logo
    Lisens:
    All rights reserved
    Filformat:
    .jpg
    Opphavsrett:
    Akvaplan-niva
    Størrelse:
    2633 x 1323, 229 KB
  • elice_concept_rig
    elice_concept_rig
    Lisens:
    Bruk i media
    Filformat:
    .png
    Størrelse:
    540 x 437, 141 KB
    Last ned

Relatert innhold

  • Under optimale forhold kan ei lakselus legge flere tusen egg mens den sitter på laksen. Bildet viser kjønnsmoden lakselus av begge kjønn (Foto: Akvaplan-niva).

    Kan kunstig intelligens bidra til lusevarsling i sanntid?

    I en 20-års periode, frem til 2013, opplevde Norge en vekst i lakseproduksjon på rundt 10 % årlig. Fra 2013 har veksten stagnert og hovedårsaken til dette er lakselus problematikken. Nå skal forskere undersøke om kunstig intelligens og maskinlæring kan anvendes i arbeidet med å identifisere løsninger for å redusere lakselus utfordringen.
    Akvaplan-niva har, i samarbeid med Veso AquaLab, Kongsber

  • Sensoren UVP6 montert i en vanntank på VESO Aqualab (Photo: Ragnhild Pettersen/Akvaplan-niva)

    FHF prosjektet e-Lice: To laboratorieforsøk med optisk sensor i vanntanker med lakselus

    I FHF-prosjektet e-Lice skal vi teste om vi kan anvende den optiske sensoren UVP6 til å utvikle et sanntids overvåkingssystem for lakselus.
    Sensoren kan ta tusenvis av høykvalitets foto i et avgrenset vannvolum. Før sensoren skal settes ut i felt så har vi testet den gjennom to forsøk med lakselus i ulike stadier i vanntanker på VESO Aqualab.
    I en kort film beskriver vi hvordan vi gjennomfø

  • Oppsett med undervanns-sensor i test-tank med lakselus (Foto: Ragnhild Pettersen /Akvaplan-niva).

    Testing av undervannssensor for sanntids overvåking av lakselus

    I prosjektet e-Lice tar Akvaplan-niva og partnere i bruk avanserte undervanns-sensorer og kunstig intelligens for å identifisere og kvantifisere lakselus i vannsøylen. I oktober gjennomførte teamet en testing av undervanns-sensoren UVP6 og har på basis av dette utviklet en algoritme som kan identifisere lakselus i vannsøylen med 91 % nøyaktighet.


    Sensoren UVP6 (Foto: Trude Borch/Akvapla

  • Ragnhild Pettersen (Akvaplan-niva) and Lise-Merete Vågø (VESO Aqualab). (Photo: VESO Aqualab).

    Testing underwater sensor for real-time salmon lice detection

    In the project "Real-time detection of free-swimming sea lice larvae" (e-Lice), Akvaplan-niva and partners utilize advanced sensors and AI to detect and quantify salmon lice in the water column. In October was the start of the first experiment in the project, testing the underwater imager UVP6, and developing an algorithm to classify the lice.


    The underwater vison profiler, UVP6 (Photo: