Av AI Trends Staff
Fiskeoppdrettere i Norge bruker AI-modeller designet for å kutte kostnader og effektivisere innsatsen for å oppdrette laks, en av landets største eksportvarer, takket være innsats fra Norwegian Open AI Lab.
Innsatsen er en del av en økende trend med å anvende AI-automatisering til akvakultur, som er oppdrett av fisk, krepsdyr, bløtdyr, vannplanter, alger og andre organismer.
AI-modellene er designet for å optimalisere fôring, holde fisken ren og sunn og hjelpe bedrifter med å ta bedre beslutninger angående oppdrettsdrift, ifølge en beretning i WSJ Pro. Norwegian Open AI Lab drives av norsk teleoperatør Telenor AS A, som sammen med andre selskaper leverer teknologitjenester som testing av 5G mobil tilkobling, til lakseoppdrettsanlegg.
Lakseeksporten i 2019 var på rundt 11.3 milliarder dollar, ifølge Norges sjømatråd. Næringsgruppen, som representerer fiskeri- og oppdrettsnæringer, rapporterte at fiskeeksporten økte om lag én prosent mellom januar og august 2020.
Under press for å forbedre miljøstandarder og redusere avfall, har industrien samarbeidet med teknologiselskaper for å begynne å levere AI-verktøy til norske oppdrettsanlegg.
For eksempel, Alphabet Inc.s Tidal-initiativ samarbeider med sjømatselskapet mowi AS A å bruke AI til å analysere og overvåke fisk og miljøforhold. Microsoft, Sveitsisk ingeniørfirma Fig Ltd. og oppdrettsoperatør Norway Royal Salmon ASA piloterer en AI-løsning for fjernsporing av fiskebestander. Og IBM har laget et maskinlæringsverktøy som forutsier utbrudd av lakselus, som er parasitter som truer oppdrettsfisk.
Norwegian Open AI Lab har basert sine AI-initiativer på nevrale nettverk, som lærer basert på store sett med treningsdata, og en type AI kjent som «tiny machine learning», som omfatter maskinvare og programvare som er i stand til å utføre sensordata på enheten. analyser med ekstremt lav effekt.
En av de nevrale nettverksapplikasjonene er utviklet for å hjelpe oppdrettsarbeidere til å forstå laksens fôringsatferd. Den analyserer data fra undervannskameraer for å fastslå atferdsendringer som signaliserer at fisken ikke lenger er sulten, ifølge Bjørn Taale Sandberg, leder for Telenor Research. Rundt 40 % av kostnadene ved fiskeoppdrett er fôr.
Selskapet utvikler også små datamaskiner som kan forbli på stedet ved et oppdrettsanlegg og til slutt ta avgjørelser automatisk basert på hva kameraene oppdager. Datamaskinene bruker «liten maskinlæring», noe som kan være spesielt nyttig for fjerntliggende oppdrettsanlegg der internettnettverkene kanskje ikke er sterke. Systemet kan automatisere noen avgjørelser uten å koble til land, noe som reduserer manuelt arbeid som kreves for å overvåke gården.
"I havet eller i en vill fjord vil du unngå de mange gangene du besøker gården for å se etter problemer," sa Sandberg.
Mulighet for kunstig intelligens i akvakultur som tiltrekker startups
Trenden med økt bruk av AI til akvakultur har tiltrukket seg noen oppstartsbedrifter som ser en mulighet, som skissert i en nylig beretning fra Fiskestedet.
For eksempel, Observer teknologier tilby å spore målbare mønstre når aksjer mates. Målet deres er å gi bøndene empirisk og objektiv veiledning om hvor mye de skal mate. Systemet samler data fra kilder, inkludert sensorer, kameraer og akustikk, trekker deretter ut relevant informasjon for sine algoritmer, og sender varsler til bønder om når de skal øke eller redusere fôring. Programvaren lærer mens den går, blir smartere over tid og kan fjernstyres.
En annen spiller ringte eFishery har utviklet et system som bruker sensorer for å oppdage sultnivåer i reker og fisk, og kontrollerer dispensere som slipper ut riktige mengder mat; selskapet hevder dette kan redusere fôrkostnadene med opptil 21 %. Selskapet ble grunnlagt i 2013 og er basert i Indonesia.
Andre steder, japansk og singaporisk akvakulturteknologifirma Umitron-celle tilbyr en smart fiskemater som kan fjernstyres. «Bønder får datadrevne beslutningsråd for å optimalisere fôringsplanene. Dette reduserer avfall, forbedrer både lønnsomhet og bærekraft, samtidig som det gir brukerne en bedre balanse mellom arbeid og privatliv ved å eliminere behovet for å være ute i vannet under farlige forhold,” sa Umitrons produktsjef Andy Davison.
Blant de siste prosjektene, Umitron leder et prosjekt for å utvikle en dataplattform for rekeoppdrett i ASEAN-regionen ved å bruke IoT- og AI-teknologier. Prosjektet tar sikte på å forbedre rekeoppdrettsproduktiviteten og arbeidsforholdene samtidig som det bevarer det naturlige miljøet.
Selskapet annonserte også nylig Pulse-mobilapplikasjonen for Android-brukere, for å gi et havkart med høy oppløsning over kritiske miljøparametere som vanntemperatur, klorofyll, oppløst oksygen, saltholdighet og bølgehøyde.
oppstart XpertSea fokuserer om å optimalisere økonomien ved høsting, som de fleste bønder vurderer basert på utdannede gjetninger. Selskapets produkt bruker datasyn og kunstig intelligens for å beregne veksten til reker, og hjelper bøndene med å forutsi de mest lønnsomme innhøstingsperiodene. Dyplæringsteknikker brukes til å finne tidsrammer ved kontinuerlig å bruke maskinlæring på historiske vekstsyklusdata.
«Selskapets Vekstplattform leverer online administrasjonsprogramvare som bruker AI til å fange, innta, lagre og behandle feltdata for å gi bønder og industrieksperter handlingskraftig, datadrevet innsikt gjennom hele produksjonssyklusen," sa Valérie Robitaille, administrerende direktør i XpertSea. "Denne plattformen brukes av bønder, men også fôr-, helse-, genetikk- og sertifiseringsbedrifter for å tilby datadrevne tjenester til bønder."
En annen del av produktet, XperCount, samler inn kritiske dyredata ved å bruke kameraer og maskinlæring som brukes til å telle, størrelse og veie dyr på sekunder.
Selskapet melder å ha over 600 bønder og andre kunder, og har det siste året behandlet over 2.3 milliarder dyredatapunkter og optimert ytelsen til 6,000 avlinger.
Det gjøres fremskritt i automatiseringen av akvakultur for å produsere mer sjømat for å brødfø verdensbefolkningen, samtidig som virksomhetens miljømessige fotavtrykk.
Les kildeartiklene i WSJ Pro og Fiskestedet.
