Ved å utvikle et sofistikert og dynamisk system basert på kunstig intelligens har vi satt oss et ambisiøst mål om å få akvakulturbransjen til å bevege seg mer mot en datadrevet hverdag – vi kaller det «From Art to Science».
Lakseoppdrett har ekspandert betydelig gjennom de siste 30 årene. Det har gitt en fenomenal vekst, som også har ledet til at de fleste, kystnære og godt egnede lokaliteter nå er i bruk og maksimalt utnyttet. For å fortsette veksten er industrien avhengig av å kunne optimalisere eksisterende anlegg og industrialisere nye konsepter både innaskjærs og ute i åpent hav. Det er en kjensgjerning at de fleste anlegg i dag har potensial til ytterligere å optimalisere både fiskevelferd og fôring, som utgjør mer enn 50 prosent av driftskostnadene.
{{cta('4de71a12-1402-4686-a00f-d8b60e337f1b')}}
Vekt på kunstig intelligens
Mens tidligere innovasjoner har fokusert på maskinvare og datafangst, ser vi nå at utfordringen ikke er mangel på data, men det rigide og konstante presset på oppdrettere for å tyde dataene og avdekke sammenhenger mellom fiskens aktivitet, fôringsmønstre, sensordata, fôringspartikler og annen historisk informasjon. I 2018 inngikk AKVA group et partnerskap med Observe Technologies og formet AKVA Observe for å bringe en ny intelligent fôringsassistent til markedet. Ved å designe et sofistikert og dynamisk system basert på kunstig intelligens, er vårt ambisiøse mål med AKVA Observe å få akvakulturbransjen til å bevege seg mot en praksis basert på fakta og viten framfor magefølelse og individuell dyktighet. Responsen i markedet har vært svært god, og i skrivende stund er systemet i bruk på 20 oppdrettsanlegg over hele verden.
Oppdrettere erfarer et overveldende press for å kontinuerlig tolke og handle i tråd med korrelasjoner mellom fiskens aktivitet, fôringsmønstre og mer. AKVA Observe gir kontinuerlig analytiske og objektive bevis på hvordan fisken reagerer på mat og ulike forhold.
Bruker eksisterende video- og datastrømmer
AKVA Observe er enkelt å tilpasse og styrker oppdretteren uten å introdusere nytt utstyr i merdene. Vi bruker datastrømmer som allerede er tilgjengelig, analyserer dem i løpet av millisekunder, gir et standardisert overblikk over fiskens aktivitet og påvisning av fôringspartikler på ulike dybder. Gjennom å kombinere disse faktorene kan vi lære trender på merdnivå og følge utviklingen i fiskens appetitt for å avdekke optimalt fôringsnivå i sanntid. Sensorer, fôringssystem og andre støttedata kan også kobles til for å gjøre analysen mer omfattende og automatiseringen enda mer presis.
Eksisterende datastrømmer blir analysert i løpet av millisekunder, gir et standardisert overblikk over fiskens aktivitet og avdekker fôrpartikler på ulike dybder.
Analyse på lokalitetsnivå
For første gang får lokaliteter nå konstant tilgang på analytiske og objektive bevis for hvordan fisken responderer på fôret under ulike forhold. Etterhvert som akvakulturbransjen blomstrer, og flere lokaliteter blir regulert, vil AI-systemene våre også kunne utnytte sky-infrastruktur som gjør det mulig å kjøre benchmark-analyser av lokaliteter fra sentralt hold og påvise avvik.
Bare begynnelsen
Vi har satt oppdretterne i sentrum for utviklingsarbeidet. For å få en bred forståelse for utfordringene røkterne står overfor, har vi jobbet på oppdrettsanlegg på ulike kontinent. Slik sikrer vi at det skapes trygghet og tillit til at løsningen faktisk er treffsikker, og at man kan overlate flere beslutninger til AI-algoritmen. Målet har vært å ikke bare utvikle et enkeltstående produkt, men en plattform for videre utvikling, hvor vi sørger for at de som investerer i våre løsninger, også får en løsning de kan vokse med inn i framtiden. Dette har vi fått gode tilbakemeldinger på fra kunder over hele verden.
Framover planlegger vi at AKVA Observe skal kunne automatisere deler, eller hele aspekter, av fôringsprosessen, noe som vil kunne gi en signifikant økning i produktivitet. Vi planlegger også å introdusere systemer for automatisk biomassemåling, som igjen reduserer det manuelle arbeidet ute på anleggene. Når vi skalerer dette opp, ser vi at innvirkningen på økonomien og miljøet er enorm. Oppdretteren kan overvåke helsen i merdene, bruke avviksidentifikasjon for å identifisere risiko, samt forebygge og unngå uheldige konsekvenser.
{{cta('d49b8423-2d36-448f-9e2d-653945b2db93')}}