Gjenkjenning av miljøbetingede adferdsmønstre med dyp læring

PhD-kandidat: Håkon Måløy

Veiledere:

Professor Keith L. Downing (NTNU)
Førsteamanuensis Kerstin Bach (NTNU)
Seniorforsker Ekrem Misimi (SINTEF Ocean)

Periode: Q2 2018 – Q2 2022


«Fish biology in exposed aquaculture» er et fireårig forskningsprosjekt som involverer IMR, NTNU, SINTEF Ocean, Cermaq, Salmar, Marine Harvest og Kongsberg Maritim. Målet med prosjektet er å evaluere fundamentale velferdsindikatorer hos atlantisk laks både på individ- og gruppenivå.

«Fish biology in exposed aquaculture» har som mål å avdekke og validere operasjonelle velferdsindikatorer for bruk inne i oppdretsmerder. Det ventes at dette vil øke innsikt i hvordan produksjonen påvirker laksens velferd samt forbedrede obesrvasjonsmetoder og verktøy. Gjennom bruk av datadrevne metoder og maskinlæring vil sensordata samlet fra inne i oppdrettsmerder analyseres for avdekke sammenhenger mellom eksterne miljøfaktorer og adferdsmønstre hos nordatlantisk laks.

Tidligere forsøk med lignende metoder har resultert i  gode resultater [1] og tilgang på mer og bedre sensordata muliggjør utprøving og evaluering av kandidatmetoder i labscenarier. De mest lovende metodene vil deretter gjennomgå en storskala evaluering i operativt miljø.

Resultater så langt:

  • PhD prosjektet har pågått siden april 2018. Den første publikasjonen kom i 2019 med resultater på bruk av video og dype nevrale nettverk for å forstå fôringsmønster hos laks [1].

Status og videre arbeid:

  • En publikasjon er under produksjon med fokus på bruk av ekkodata for deteksjon av sykdom hos laksen.
  • Fusjon av ekko- og videodata er en mulig videre vei for større forståelse av laksens behov.
  • De metoder som viser lovende resultater vil testes i fullskala produksjonsmiljø i merd mot slutten av prosjektet.

[1] Måløy, Håkon; Aamodt, Agnar; Misimi, Ekrem. (2019) A spatio-temporal recurrent network for salmon feeding action recognition from underwater videos in aquaculture. Computers and Electronics in Agriculture. vol. 167.