Gå videre til innhold

Kategorier: e-lice

  • 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:

  • 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