3D-visualisering i havbruksnæringen: Hvordan teknologien revolusjonerer fiskeoppdrett

12 april, 2025

Havbruksnæringen står midt i en teknologisk transformasjon. Presset for økt effektivitet og bærekraft er stort, og tradisjonelle metoder for overvåking og drift møter sine begrensninger. Det er spesielt spennende å se hvordan avansert visualiseringsteknologi – som omfatter alt fra 3D-modeller av utstyr og biomasse til intelligent analyse av videostrømmer og sofistikert datavisualisering – nå transformerer næringen. Det handler ikke lenger bare om å se, men om å forstå, forutsi og optimalisere på måter som var utenkelige for få år siden. Denne artikkelen utforsker hvordan denne visuelle revolusjonen endrer spillereglene for fiskeoppdrett.

Fra manuell observasjon til datadrevet innsikt

Tradisjonelt har oppdrettere stolt på manuell inspeksjon, erfaring og enklere sensorikk for å vurdere forholdene i merdene. Dette er tidkrevende, kan være subjektivt og gir ofte et ufullstendig bilde av den komplekse virkeligheten under vann. I dag genererer havbruksnæringen enorme datamengder fra et mylder av kilder: sensorer som måler vannkvalitet, kameraer over og under vann, fôringssystemer, logistikkdata fra båter og slakterier, samt manuelle notater fra veterinærer og røktere. Ifølge prosjektet AquaGraph ligger utfordringen i å samle, strukturere og ikke minst visualisere denne informasjonen på en meningsfull måte for å utnytte potensialet fullt ut. Det er her kraften i moderne visualiseringsteknologi kommer til sin rett. Avanserte kamerasystemer og stadig smartere programvare gir oss muligheten til å skape detaljerte, dynamiske representasjoner av oppdrettsmiljøet. Dette skiftet fra sporadiske observasjoner til kontinuerlig, datadrevet innsikt er fundamentalt for å kunne ta bedre, raskere og mer presise beslutninger.

Teknologiske verktøy som former fremtiden

Autonome droner og KI for overvåking

En av de mest lovende utviklingene er bruken av autonome systemer, spesielt droner, kombinert med kunstig intelligens (KI). Forskning har demonstrert et skybasert system med autonome droner som en kostnadseffektiv løsning for omfattende overvåking. Slike systemer består typisk av droner utstyrt med kameraer og navigasjonssystemer, skybasert databehandling for analyse, og KI-modeller trent for objektgjenkjenning og aktivitetsanalyse. Dronene kan autonomt patruljere anlegget for å oppdage uautorisert adgang (ved hjelp av ansiktsgjenkjenning for å skille autorisert personell fra uvedkommende), inspisere merder og fortøyninger for skader, og til og med fungere som WiFi-gateways for undervannskameraer som estimerer fisketall og størrelse. Spesielt interessant er muligheten til å analysere fôringsintensitet ved hjelp av ‘optisk strømningsanalyse’ – en teknikk der KI analyserer bevegelsesmønstre i vannet fra videobilder for å vurdere hvor aktivt fisken spiser. Dette gir grunnlag for å justere fôrmengden automatisk, redusere svinn og dermed både kostnader og miljøpåvirkning.

Individuell fiskevelferd med datasyn

Teknologien går også dypere, helt ned på individnivå. Prosjekter som cAIge bruker avansert datasyn og KI for å automatisere velferdsvurderingen av laks. Ved å utvikle selvlærende algoritmer som automatisk gjenkjenner fiskens viktige kjennetegn – som øyne, finner og kroppsform – fra videostrømmer, kan systemet oppdage tidlige tegn på sykdom eller skader, som sår, øyeskader eller deformiteter. Enda mer banebrytende er utviklingen av biometriske teknikker, altså bruk av unike kjennetegn som mønstre, for å gjenkjenne og spore individuelle laks over tid. Å kunne følge helse- og velferdsutviklingen til enkeltfisk i en merd med tusenvis av individer gir enestående innsikt i hvordan ulike miljø- og driftsfaktorer påvirker fisken, og muliggjør en langt mer presis og proaktiv tilnærming til fiskehelse.

Videoanalyse i landbaserte anlegg

Den visuelle revolusjonen skjer også på land. I landbaserte resirkuleringsanlegg (RAS) har man tradisjonelt vært svært avhengig av den erfarne oppdretterens ‘blikk’ for å vurdere fiskens tilstand og justere driften – en subjektiv og tidkrevende prosess som krever omfattende opplæring. Prosjektet IntelliRAS jobber med å supplere dette erfaringsbaserte grunnlaget med datadrevet innsikt fra videoanalyse og dyp læring. Selv om videobaserte systemer er mer utbredt i sjøbaserte anlegg, tar IntelliRAS tak i utfordringene i RAS ved å lære datamaskiner å gjenkjenne normale og unormale atferdsmønstre hos fisken basert på store mengder videodata. Målet er å utvikle systemer for automatisert, lukket kretsløpsfôring som minimerer spill og optimaliserer vekst. Like viktig er potensialet for tidlig varsling av sykdom eller stress basert på subtile endringer i fiskens svømmemønster, pustefrekvens eller reaksjonsmønstre, lenge før det blir synlig for det menneskelige øyet. Dette representerer et skifte mot en mer kunnskapsbasert og presis styring av produksjonen i RAS-anlegg.

Helhetlig dataforståelse med grafdatabaser

Med den økende datamengden oppstår utfordringen med å forstå alle sammenhengene. Data fra sensorer, kameraer, fôring, helsejournaler og miljømålinger henger sammen på komplekse måter. Her kommer innovative tilnærminger som grafdatabaser inn. Prosjektet AquaGraph, et samarbeid mellom Clarify AS, Eide Fjordbruk AS og SINTEF Ocean, bruker nettopp slike databaser, som organiserer data som et nettverk av punkter (f.eks. en merd, et fôringsparti, en sykdomshendelse) og linjer som viser forbindelsene mellom dem. Dette er ulikt tradisjonelle tabeller og gjør det mulig å visualisere hele produksjonsflyten og se hvordan ulike hendelser og faktorer påvirker hverandre over tid. Tenk deg å kunne visuelt spore en fiskegruppe gjennom livssyklusen og se alle tilknyttede data – fôrtype, temperatur, behandlinger, vekst. Slike verktøy, utviklet med støtte fra Forskningsrådet, hjelper oppdrettere å identifisere flaskehalser og optimalisere driften basert på en helhetlig dataforståelse. For eksempel kan visualiseringen avdekke at gjentatte forsinkelser i rapportering av spesifikke helseobservasjoner ofte etterfølges av større utbrudd, noe som peker på en kritisk flaskehals i informasjonsflyten.

Hva betyr dette for næringen

Det er viktig å understreke at avansert visualisering og dataanalyse i havbruk handler om mye mer enn bare imponerende teknologi. Den virkelige verdien ligger i innsikten den gir. Ved å kunne ‘se’ og analysere oppdrettsmiljøet og fisken på et detaljnivå som tidligere var umulig, kan næringen oppnå betydelige fordeler:

Forbedret fiskehelse og velferd: Tidlig oppdagelse av sykdomstegn (f.eks. endret svømmeatferd fanget opp av kamera) og muligheten til å spore individer gir grunnlag for proaktiv helseforvaltning (f.eks. mulighet for raskere tiltak mot spesifikke merder basert på AI-varsler).
Optimalisert fôring: Presis overvåking av fôringsrespons (f.eks. KI som ser hvor mye fôr som faktisk spises via optisk strømningsanalyse) reduserer fôrspill, kutter kostnader og minimerer miljøpåvirkningen.
Økt effektivitet: Automatisering av overvåkings- og analyseoppgaver (f.eks. droner som inspiserer nøter reduserer behovet for tidkrevende manuell inspeksjon med båt) frigjør tid og ressurser, og muliggjør raskere respons på avvik.
Bedre ressursstyring: Mer nøyaktig biomasseestimering ved hjelp av kamerasystemer og KI (f.eks. automatisk telling og størrelsesvurdering under vann) gir bedre planlegging av produksjon og slakting.
Økt bærekraft: Redusert fôrspill, bedre sykdomskontroll og mer presis drift bidrar samlet sett til et lavere miljøavtrykk.
Styrket beslutningsgrunnlag: Visualisering av komplekse data (f.eks. sammenhengen mellom vannparametre og fiskens vekst i en grafdatabase som AquaGraph) gjør det enklere å ta informerte, datadrevne beslutninger.

Det er fascinerende å se hvordan teknologi kan bidra til å løse praktiske utfordringer og fremme en mer bærekraftig og effektiv matproduksjon. Det handler om å gi oppdretterne de verktøyene de trenger for å navigere i en stadig mer kompleks hverdag.

Havbrukets digitale horisont

Utviklingen går i et forrykende tempo, og det vi ser nå er bare begynnelsen. Fremtiden vil trolig bringe enda mer sofistikerte sensorer, kraftigere KI-modeller og mer integrerte systemer der data flyter sømløst fra sensor til analyse og visualisering. Vi vil se utstrakt bruk av ‘digitale tvillinger’ – dynamiske virtuelle kopier av fysiske oppdrettsanlegg som kontinuerlig oppdateres med sanntidsdata. Disse modellene gir unike muligheter for å simulere ulike scenarier (som effekten av endrede strømforhold), forutsi utfall (som potensiell sykdomsspredning) og optimalisere driften uten å påvirke den virkelige fisken. Kombinasjonen av ulike teknologier vil gi et stadig mer komplett bilde av livet i merden. Samtidig er det viktig å huske at teknologien ikke erstatter den erfarne oppdretterens kunnskap og intuisjon, men heller forsterker den. Ved å tilby bedre verktøy for observasjon og analyse, kan teknologien frigjøre tid til å fokusere på selve fisken og de biologiske prosessene. Avansert visualisering og KI er ikke bare verktøy for effektivisering; de er nøkler til en dypere forståelse og en mer ansvarlig forvaltning av havets ressurser, avgjørende for å møte verdens økende behov for sunn og bærekraftig sjømat i 2025 og fremover.