Dataflyt i havbruksnæringen

Tekna Havåker

Kunstig intelligens, maskinlæring, tingenes internett (IoT) og stordata vil i framtida gjøre det mulig å overvåke og styre hele produksjonskjeden, fra settefiskanlegg via slakteri og transport til forbruker. Data fra leverandørene vil også gi bedre fiskehelse og fiskevelferd, og gjøre det lettere for myndighetene å føre tilsyn med anleggene og forebygge sykdomsutbrudd.

1

Settefiskanlegg

De første 10-16 månedene lever lakseyngelen i ferskvann på land og blir til smolt. Sanntidsdata om vannkvalitet, temperatur, oksygennivå kan brukes til planlegging, drift, og til å forebygge sykdom. Data kan brukes av oppdretter, men også deles med andre i «skyen».

Brønnbåt

Brønnbåtene bruker kameraer og miljømålinger til overvåking av last. Vannrensing gjøres ved behov. Prosedyrer ved flytting av fisk gjennom områder med fiskehelseutfordringer overvåkes digitalt. Utstyret om bord rapporterer hele tiden om status slik at rederiet kan drive behovsbasert vedlikehold.

2

Matfisk

Fôrkontroll

Tingenes internett gjør det mulig å samle og analysere mange typer data på matfiskanlegget.

Brønnbåter frakter smolt ut til merder i fjorden eller på havet. Fra merdene hentes data om alger, strømforhold, lufttemperatur, oksygennivå, saltinnhold, havtemperatur, vind og bølger.

Kameraer og kunstig intelligens kan identifisere enkeltlaks og varsle om lus eller sykdom. Helsedata fra fisken kan registreres i et felles system som kan gi datagrunnlag og samarbeid mellom oppdrettere til å f.eks sette i gang rett behandling til rett tid for bedre fiskevelferd.

Fôrbåt

Avanserte overvåkingsmetoder av fisk og fôring gir stoppsignal når fisken er mett. Sensorer i silo rapporter bruk av fôr og sørger for automatisk bestilling av nytt. Fôr produseres etter behov.

Fôrfabrikk

Fôr produseres etter behov på fôrfabrikk og transporteres med båt til anlegget.

Sensorer på utstyr, nøter, fortøyning og andre kritiske komponenter på anlegg på land, sjø og båter reduserer vedlikeholdskostnader.

Etter 14-22 måneder er fisken slakteklar. Fraktes i brønnbåt til slakteriet.

Fiskehelse

Å vurdere fiskens helsetilstand i merda er en krevende oppgave. Obduksjon og prøvetaking av død fisk og «svimere» kan delvis bidra til oppklaring av hvorfor fisken døde. En diagnose sier derimot lite om hvorfor fisken faktisk ble syk og om negativ påvirkning som kan ha bidratt til sykdomsutvikling og død kunne ha vært forhindret på et mye tidligere tidspunkt. Økt bruk av videoovervåkning, kunstig intelligens, analyse av historiske produksjonsdata, helsedata og miljødata vil gi et bedre grunnlag for vurdering og beslutningsstøtte i arbeidet for bedre fiskehelse og velferd.

Brønnbåt

Brønnbåter frakter fisken til land hvor den leveres til lakseslakteriet.

3

Slakteri

Laksen slaktes, pakkes og klargjøres for videre transport til markedet, til innfrysing eller videreforedling.

Produktdata om mengde, vekt, størrelse og opprinnelse er viktig for salg og eksportklarering. Informasjon om eventuelle kvalitetsavvik brukes til forbedring i produksjon og transport.

4

Transport

Laksen fraktes på bil til Europa eller med fly til markeder i Asia, USA, Midtøsten og Afrika. Lastebiler spores med GPS og temperaturdata fra lastecontainere sikrer kvalitet og holdbarhet.

5

Forbruker

Data om hvor laksen kommer fra og når den er slaktet følger produktene ut i butikk. Her kan forbruker lese av data ved å skanne en QR-kode.

Produsenter

Gjennom skytjenester henter produsentene inn data langs hele verdikjeden til bruk for produksjon, salg, logistikkplanlegging, men også for å sikre fiskehelse og fiskevelferd.

Tilsynsmyndigheter

Stordata om fiskehelse og fiskevelferd gir kunnskapsgrunnlag for fiskehelsepersonell og oppdrettere. Løpende data fra brønnbåter, settefiskanlegg og sjøanlegg oppdaterer helse- og biomassestatus i offentlige registre sammen med daglige lusetellinger. Mange av de registreringene av fiskehelse og fiskevelferd som i dag skjer manuelt kan automatisere ved bruk av sensorer, kameraer og dataprogrammer.

Ordliste

Stordata

Stordata, eller Big Data, er informasjonsmengder som er så store eller komplekse at de er vanskelig å håndtere med tradisjonelle metoder. Informasjonen kan være sammensatt, for eksempel sensordata, data fra regneark og databaser, tekstdokumenter, bilder, video, lydopptak, værdata og digitale kart. Ved hjelp av big-data-analyse kan man sammenstille og analysere dataene, forutsi trender og gi beslutningsstøtte. Aquacloud er et godt eksempel på bruk av big data i havbruksnæringen. Her settes data fra ulike oppdrettere sammen med offentlige miljødata og brukes til å forutsi utbrudd av lus. (lenke)

Kunstig intelligens (KI/AI)

Kunstig intelligens setter datamaskiner i stand til å løse (avgrensede) oppgaver som tradisjonelt bare mennesker har kunnet løse, eller som mennesker har gjort mye bedre enn datamaskiner. Eksempler er det å gjenkjenne en person eller telle antall fisk i et bilde. De største fremskrittene innen kunstig intelligens skjer i dag i maskinlæring.

Maskinlæring

Maskinlæring er systemer som lærer ved å bli vist en rekke eksempler, eller ved å prøve seg frem selv. Teknologien trenger datamaskiner med stor kapasitet og store mengder data, for å blant annet gjenkjenne mønstre. I stedet for at det programmeres inn en fasit, lærer datamaskinen gjennom opplæring basert på treningsdata, eller simulering. For eksempel vil et system, hvis det får tilgang på et stor datasett med bilder av fisk som har skader på kroppen, kunne gjenkjenne skader på live-bilder fra videokameraer i en oppdrettsmerd og melde fra om dette.

Internet of Things (IoT)

Tingenes internett er gjenstander som er koblet på nettet og kan dele data med hverandre automatisk. Mye av sensorene som finnes i oppdrettsmerder er eksempler på IoT, hvor data fra sensorene i merdene lagres og sendes opp i skyen av seg selv, da de er koblet direkte på internett.

Tekna Havåker

Dataflyt i havbruksnæringen

Kunstig intelligens, maskinlæring, tingenes internett (IoT) og stordata vil i framtida gjøre det mulig å overvåke og styre hele produksjonskjeden, fra settefiskanlegg via slakteri og transport til forbruker. Data fra leverandørene vil også gi bedre fiskehelse og fiskevelferd, og gjøre det lettere for myndighetene å føre tilsyn med anleggene og forebygge sykdomsutbrudd.

Settefiskanlegg

De første 10-16 månedene lever lakseyngelen i ferskvann på land og blir til smolt. Sanntidsdata om vannkvalitet, temperatur, oksygennivå kan brukes til planlegging, drift, og til å forebygge sykdom. Data kan brukes av oppdretter, men også deles med andre i «skyen».

Brønnbåter

Brønnbåtene bruker kameraer og miljømålinger til overvåking av last. Vannrensing gjøres ved behov. Prosedyrer ved flytting av fisk gjennom områder med fiskehelseutfordringer overvåkes digitalt. Utstyret om bord rapporterer hele tiden om status slik at rederiet kan drive behovsbasert vedlikehold.

Matfisk

Tingenes internett gjør det mulig å samle og analysere mange typer data på matfiskanlegget.

Kameraer og kunstig intelligens kan identifisere enkeltlaks og varsle om lus eller sykdom. Helsedata fra fisken kan registreres i et felles system som kan gi datagrunnlag og samarbeid mellom oppdrettere til å f.eks sette i gang rett behandling til rett tid for bedre fiskevelferd.

Les mer om matfisk

Fôrkontroll

Avanserte overvåkingsmetoder av fisk og fôring gir stoppsignal når fisken er mett. Sensorer i silo rapporter bruk av fôr og sørger for automatisk bestilling av nytt. Fôr produseres etter behov.

Fôrbåt

Brønnbåter frakter smolt ut til merder i fjorden eller på havet. FFra merdene hentes data om alger, strømforhold, lufttemperatur, oksygennivå, saltinnhold, havtemperatur, vind og bølger.

Fôrfabrikk

Fôr produseres etter behov på fôrfabrikk og transporteres med båt til anlegget. Sensorer på utstyr, nøter, fortøyning og andre kritiske komponenter på anlegg på land, sjø og båter reduserer vedlikeholdskostnader.

Etter 14-22 måneder er fisken slakteklar. Fraktes i brønnbåt til slakteriet.

Fiskehelse

Å vurdere fiskens helsetilstand i merda er en krevende oppgave. Obduksjon og prøvetaking av død fisk og «svimere» kan delvis bidra til oppklaring av hvorfor fisken døde. En diagnose sier derimot lite om hvorfor fisken faktisk ble syk og om negativ påvirkning som kan ha bidratt til sykdomsutvikling og død kunne ha vært forhindret på et mye tidligere tidspunkt. Økt bruk av videoovervåkning, kunstig intelligens, analyse av historiske produksjonsdata, helsedata og miljødata vil gi et bedre grunnlag for vurdering og beslutningsstøtte i arbeidet for bedre fiskehelse og velferd.

Brønnbåter

Brønnbåter frakter fisken til land hvor den leveres til lakseslakteriet.

Slakteri på land

Laksen slaktes, pakkes og klargjøres for videre transport til markedet, til innfrysing eller videreforedling.

Produktdata om mengde, vekt, størrelse og opprinnelse er viktig for salg og eksportklarering. Informasjon om eventuelle kvalitetsavvik brukes til forbedring i produksjon og transport.

Transport

Laksen fraktes på bil til Europa eller med fly til markeder i Asia, USA, Midtøsten og Afrika. Lastebiler spores med GPS og temperaturdata fra lastecontainere sikrer kvalitet og holdbarhet.

Forbruker

Data om hvor laksen kommer fra og når den er slaktet følger produktene ut i butikk. Her kan forbruker lese av data ved å skanne en QR-kode.

Produsenter

Gjennom skytjenester henter produsentene inn data langs hele verdikjeden til bruk for produksjon, salg, logistikkplanlegging, men også for å sikre fiskehelse og fiskevelferd.

Tilsynsmyndigheter

Stordata om fiskehelse og fiskevelferd gir kunnskapsgrunnlag for fiskehelsepersonell og oppdrettere. Løpende data fra brønnbåter, settefiskanlegg og sjøanlegg oppdaterer helse- og biomassestatus i offentlige registre sammen med daglige lusetellinger. Mange av de registreringene av fiskehelse og fiskevelferd som i dag skjer manuelt kan automatisere ved bruk av sensorer, kameraer og dataprogrammer.

Ordliste

Stordata

Stordata, eller Big Data, er informasjonsmengder som er så store eller komplekse at de er vanskelig å håndtere med tradisjonelle metoder. Informasjonen kan være sammensatt, for eksempel sensordata, data fra regneark og databaser, tekstdokumenter, bilder, video, lydopptak, værdata og digitale kart. Ved hjelp av big-data-analyse kan man sammenstille og analysere dataene, forutsi trender og gi beslutningsstøtte. Aquacloud er et godt eksempel på bruk av big data i havbruksnæringen. Her settes data fra ulike oppdrettere sammen med offentlige miljødata og brukes til å forutsi utbrudd av lus.

Kunstig intelligens (KI/AI)

Kunstig intelligens setter datamaskiner i stand til å løse (avgrensede) oppgaver som tradisjonelt bare mennesker har kunnet løse, eller som mennesker har gjort mye bedre enn datamaskiner. Eksempler er det å gjenkjenne en person eller telle antall fisk i et bilde. De største fremskrittene innen kunstig intelligens skjer i dag i maskinlæring.

Maskinlæring

Maskinlæring er systemer som lærer ved å bli vist en rekke eksempler, eller ved å prøve seg frem selv. Teknologien trenger datamaskiner med stor kapasitet og store mengder data, for å blant annet gjenkjenne mønstre. I stedet for at det programmeres inn en fasit, lærer datamaskinen gjennom opplæring basert på treningsdata, eller simulering. For eksempel vil et system, hvis det får tilgang på et stor datasett med bilder av fisk som har skader på kroppen, kunne gjenkjenne skader på live-bilder fra videokameraer i en oppdrettsmerd og melde fra om dette.

Internet of Things (IoT)

Tingenes internett er gjenstander som er koblet på nettet og kan dele data med hverandre automatisk. Mye av sensorene som finnes i oppdrettsmerder er eksempler på IoT, hvor data fra sensorene i merdene lagres og sendes opp i skyen av seg selv, da de er koblet direkte på internett.