Gå til innhold
Annonse

- Skal optimalisere effektiviteten av lakseoppdrett

Bryton Shang, grunnlegger og daglig leder i AquaByte. Foto: Katarina Berthelsen.
Bryton Shang, grunnlegger og daglig leder i AquaByte. Foto: Katarina Berthelsen.

Aquabyte ønsker å implementere datasyn og maskinlæring i eksisterende fôrkameraer. Dette sier de skal optimalisere effektiviteten av lakseoppdrett i Norge.

Annonse

Bryton Shang er grunnlegger og administrerende direktør i selskapet Aquabyte, som utvikler teknologi for biomasseestimering og lusetelling, ved bruk av et kamera installert i merden.

Han forteller til Kyst.no at det er mange i Norge som utvikler kompliserte undervannskameraer for bruk til både oppdrett og undervannsproduksjon.

- Disse selskapene går i direkte konkurranse med eksisterende kameraleverandører, vi ønsker heller å samarbeide med disse, slik at våre algoritmer kan analysere de bildene som allerede kommer inn, sier Shang.

- Vi vil ikke utvikle hardware, men software. Den siste tiden har algoritmene for maskinsyn blitt såpass avanserte, slik at det er mulig å benytte seg av et mindre avansert kamera.

Bruker eksisterende kamera

Shang forklarer at selskapet erfarer at det kan oppnås like bra resultater med et «vanlig» kamera og avanserte og sofistikerte maskinsyn-algoritmer, som med et dyrt og høyteknologisk kamera.

- Vi vil derfor benytte oss av fôrkameraene som allerede er installert i merdene, slik at oppdrettere slipper å installere ytterligere utstyr.

Biomasse-estimering og lusetelling

Og et kamera kompatibelt med algoritmene selskapet nå utvikler, kan gi flere fordeler for norsk fiskeoppdrett. Resultatet skal være både biomasse-estimering og lusetelling.

- Ved rett biomasseestimering kan man generere en optimal fôringsmodell for anlegget. Dette er ikke bare praktisk for oppdretterne, men også for fôrleverandørene, som kan optimalisere sin prosess, og utvikle bedre fôrprogram for anleggene.

Shang jobbet tidligere med å diagnostisere kreft i vevsprøver, også ved bruk av maskinlæringsapplikasjoner. Han forteller at det etter hvert ble klart at algoritmene også med fordel kunne brukes i andre områder, og at de så begynte å se på hvordan implementere maskinlæring og maskinsyn i akvakultur.

- Etter vi bestemte oss for å satse mot akvakultur, ble Norge et naturlig valg. Men det var først etter at jeg var på Aqua Nor i Trondheim i år, at jeg virkelig forsto det store potensiale for å introdusere og utvikle kunstig intelligens til den norske næringen, sier han.

Lusetelling er prioritert

Så langt forteller Shang at tilbakemeldingene fra næringen har vært gode, og at flere selskap uttrykker interesse for å prøve det ut.

- Norge har vist seg å være både mottagelige og interesserte. Lus er et stort problem, og teknologi for lusetelling blir fort prioritert.

Han legger til at programmet lettere kan generere de rapportene myndighetene krever, og slik tilpasse seg pålagte reguleringer. I tillegg kan teknologien brukes til å predikere og bedre planlegge behandlinger.

I dag har selskapet flere piloter plassert ute i området rundt Bergen, og det er også etablert en egen fasilitet for forskning. I løpet av de neste månedene vil testene ferdigstilles, og etter dette kan de i løpet av tre til seks måneder ha et kommersialisert produkt.

- Vi jobber for å bestemme en pris på produktet. Kameraet er der jo allerede, og man betaler en abonnementspris for software-systemet.

Utvikles i Norge og USA

Aquabyte har kontorer både i Silicon Valley, USA og i Bergen. Mens utvikling av algoritmer og teknologi for maskinsyn skjer i USA, vil operasjon og produktutvikling finne sted i Norge.

- Det er den mest logiske løsningen. Miljøet for utvikling av kunstig intelligens er unikt i USA, mens vi finner nærhet til akvakulturindustrien her i Bergen.

Shang legger til at de også har tenkt til å utvide bedriften, noe som vil skje i begge land, og at han ser for seg at de vil doble antall ansatte i løpet av året. Etter det norske markedet er også planen å utvide til Chile, Canada og Skottland.

Har du en sak du
vil tipse oss om?

Annonse