I kjølvannet av store gjennombrudd innen maskinlæring og såkalt dyplæring har forskningsmiljøene ved Sintef utviklet metoder for automatisk inspeksjon av nøtene på oppdrettsanlegg. Målet er å hindre ulykker og rømming.
Å se etter skader eller hull i nota er en av de viktigste rutineoppgavene i oppdrettsnæringa. Hyppige inspeksjoner av nettet som henger under vann, er en del av det forebyggende arbeidet for å forhindre at fisk rømmer. Oppdrettsfisk på avveie kan bære smitte. De kan også gå opp i elvene med vill fisk og forstyrre og delta i gyting, noe som kan svekke de ville laksestammene.
Oppdaget lakserømming da fisken skulle slaktes
Vi skal holde oss på dypet, men ta en avstikker innom kunstig intelligens. Det er én av metodene forskningssenteret SFI Exposed har benyttet gjennom et sjuårig arbeid for å finne gode og forsvarlige løsninger for oppdrett på steder som er utsatt for heftige naturkrefter. Sammen med våre partnere har vi jobbet med mange ulike spørsmål, men til syvende og sist henger det hele sammen. La oss presentere et utvalg av løsningene vi har utviklet.
Du har kanskje hørt om dyplæring? Det er sentralt innen maskinlæring, der datamaskiner utvider kunnskapen sin ut fra det den blir matet med. Ved å gå igjennom eksempler på det den skal forstå, kan maskinhjernen lære ved å gjenkjenne sammenhenger. I en datastruktur inspirert av den menneskelige hjernen, blir enheter knyttet sammen i noe som kalles et nevralt nettverk. Når disse nettverkene har mange lag, er vi inne i det som kalles dyp læring.
Fiskeriministeren innkaller næringen for å stanse lakserømming
Sintef-forskere har utnyttet dyplæring til å utvikle og forbedre systemer for å finne hull i nettene på fiskemerder: nøtene. Vi har matet et digitalt nevralt nettverk med bilder om hvordan byggesteinene i en intakt not ser ut, slik at et program kan reagere når det ser noe uvanlig - som for eksempel et hull. Dagens standardløsning er at en ROV-operatør sitter og ser på filmer av nota. Time etter time med monotone videobilder av nettmasker under vann gjør det krevende for en menneskehjerne å holde seg skjerpet. Dette er materie som er egnet for autonomi og bildegjenkjenning. Hvis maskiner kan ta oppgaven med å gjenkjenne hull i nota, kan de ansatte heller overvåke hele operasjonen, følge med på utstyret, bølgene og været.
Uansett om bildene skal vurderes av mennesker eller maskiner, trengs det videofilm av selve notveggen. Tradisjonelt sett har det vært en dykkerjobb å inspisere nota slik. I økende grad blir jobben nå overtatt av en operatør som fjernstyrer et undervannsfartøy med kamera. Det er en teknisk krevende jobb å styre en ROV (remotely operated vehicle) inne i en bevegelig merd. Hvordan sikre at ROV-en får inspisert hele nota uten å kollidere med den?
Dagens løsning blir gjerne å legge inn en sikkerhetsavstand som går på bekostning av bildekvaliteten. Vi har utviklet et laserkamerasystem som gjør det mulig for en ROV å posisjonere seg automatisk i merda og holde passende avstand til notveggen, uten at operatøren må styre hver gang nota flytter seg på grunn av strøm eller bølger. Slik blir det mindre risiko for at ROV-en kommer i berøring med nota og forårsaker skade.
Lakserømming fra Salmars havmerd
Når vi er inne på risiko: ROV-en i seg selv har selvsagt ingen HMS-behov, men det har personellet som skal plassere den i merda – og få hentet den opp igjen. Oppgaven høres kanskje enkel ut, men krever at et skip med kran legger til og fortøyer til merdkanten. I mange tilfeller må personell ut på ringen for å få sjøsatt ROV-en med en del plunder og heft.
Gjennom konseptstudier for «Launch and Recovery» av ROV i merd har vi sett på ulike alternative løsninger. Det er generelt risikofylt å klatre mellom båt og merd, og mange av ulykkene i næringa skjer nettopp i slike situasjoner. På steder med mer strøm, bølger og vind – og der båter og anlegg vil være enda større – blir det enda farligere å forflytte seg mellom skip og merd. SFI Exposed har derfor jobbet med å demonstrere hvordan en avansert robotarm kan sørge for at operasjoner lar seg utføre uten kontakt mellom båt og merd, og hvordan folk kan unngå å forlate båten når de skal gjøre arbeid i eller ved merdene.
Ikke bekymret for villaksen
Hvis man slipper å sette folk over på merdkanten for å utføre operasjoner, vil det redusere risikoen for skader på både mennesker, fisk og anlegget. Det åpner dessuten et større værvindu for når det er mulig å utføre operasjoner. Og her skal vi tilbake til læring og dypet. Og overflata. For jo mer presis informasjon om bølge-, strøm- og værforhold, jo lettere er det å fatte en beslutning om en operasjon kan gjennomføres eller ikke. Derfor har Sintef Ocean bygd infrastruktur for datafangst fra bøyer, anlegg og fartøy.
Vi har hentet inn meteorologiske målinger samt målinger av vannets bevegelser og kvalitet, for å bygge solid statistikk. Når vi kobler statistikken med fysiske målinger og simuleringsmodeller i sanntid, får vi et svært godt grunnlag for operasjonsplanlegging. Det gjør det mulig å utnytte værvindu med gode forhold eller begrense eller stanse en operasjon hvis det blir sterk vind og grov sjø. Vi har utviklet kunnskap og metoder som gjør det mulig å sette operasjonelle grenser, altså ha objektive kriterier som bestemmer om det er forsvarlig eller ikke å gjennomføre en operasjon.
Havbruk kommer til å etablere seg på steder som er utsatt for harde naturkrefter med mer vind, bølger og strøm enn de skjermede fjordene der oppdrettsanlegg tradisjonelt sett har vært, og næringa trenger at vi tenker nytt. Vi er på ballen.
Interessert i debatt? Les flere innlegg her!
Bli med i Midtnorsk debatt sin Facebook-gruppe