Klekket lakseluslarver for å trene KI til kamp mot blodtørstige snyltere
Forskere lagde over 120 000 bilder av lakseluslarver i sjøvann og lot KI-modeller trene på dem. Modellene ble overlegent mye raskere og bedre enn erfarne biologer til å kjenne igjen parasittene som spiser skinn og blod av laksefisk.
Den har alltid plaget og snyltet på vill laksefisk, men oppdrettsboomen har ifølge forskere gitt Lepeophtheirus salmonis fantastisk gode levevilkår.
År med intenst arbeid, forskning, forebygging, tiltak og reguleringer til tross: Den livskraftige lusen er fortsatt en stor belastning for villfisk og ett av laksebransjens største problem.
Ny og treffsikker modell
Nå har forskere fra NTNU og Universitetet i Wageningen i Nederland utviklet en ny metode som kan gi bedre kontroll på snylterne, skriver forskningsmagasinet Gemini.
Ved hjelp av ekte bilder av luselarver i sjø, produksjon av syntetiske data (ekte data klippet og limt sammen på nye måter for å øke mengden med data) og kunstig intelligens har de utviklet store datasett som KI-modellene kan trene på for å kjenne igjen lus.
I en ny studie viser forskerne metoden, og hvordan den kan gjøre lusejakten mye mer effektiv.
Bedre enn erfarne biologer
Den siste studien viser at trente biologer brukte over 30 timer over flere dager på å identifisere 82 prosent av luselarvene i én stor og kompleks prøve med sjøvann.
KI-modellen forskerne utviklet, trengte 30 minutter på å identifisere 97,5 prosent av larvene i den samme prøven.
– Det brukes og prøves ut mange tiltak for å bekjempe lakselus. Det er gjerne den samlede effekten av flere tiltak som vil gi bedre helse både for oppdrettslaks og vill laksefisk, sier forsker Lars Christian Gansel.
Han leder Institutt for biologiske fag ved NTNU i Ålesund og har vært med og utvikle metoden.
– For å dokumentere effekten av metoder i bruk, samt utvikling og tilpasning av nye tiltak trenger vi mer informasjon om spredning av lakseluslarver. Modellen vår gjør det mulig å få denne informasjonen, sier han.
Trafikklys – for villfiskens skyld
Hvert år settes det ut mellom 400 og 450 millioner settefisk av laks og regnbueørret i merder i Norge.
Ett oppdrettsanlegg kan inneholde millioner av laks, og forskerne hevder dette kan spre millioner av luselarver ut i fjordene hver eneste dag.
Næringen reguleres gjennom trafikklysordningen som skal verne villfisken.
– Skal vi lykkes i å ta knekken på lusa, er det best å forebygge og hindre kontakt mellom parasitten og fisken. For å utvikle, evaluere og dokumentere effekt av metoder som kan forebygge, gjelder det å oppdage larvene mens de ennå driver rundt i sjøen, sier forskeren.
Vanskelig å telle lakselus
Det er ikke bare lakseluslarver som driver rundt i norske fjorder. Det kan være så mange som hundretusenvis eller millioner av andre organismer per lakseluslarve i sjøen.
I forhold til den totale mengden plankton og andre partikler kan lusen faktisk betegnes som en sjelden organisme, ifølge Gansel.
– Derfor må vi analysere store vannmengder for å overvåke lus i sjøen. Bruker vi for lite vann, kan vi lett over- eller underestimere antallet, sier han.
Mye er prøvd for å telle luselarver, men kort oppsummert: Med de metodene som er brukt til gjennomgående overvåking av lakseluslarver hittil, blir arbeidet både tungvint, upresist, tidkrevende og dyrt.
Lagde 120 000 lusebilder
– Tilgjengelige kamerasystem til analyse av plankton har gjerne for lite oppløsning til å skille arter og utviklingsstadier. Det finnes ennå ingen ferdig dokumentert metode til kontinuerlig overvåking av lakselus i sjøen, understreker Gansel.
Kunstig intelligens og maskinlæring har seilt opp som en mulighet. Utfordringen har vært mangel på høyoppløste, klare, beskrivende bilder av larver i ekte sjøvannsmiljø å trene KI-modellene på.
Forskerne ved NTNU og Universitetet i Wageningen kan ha funnet en løsning. De har laget et eget videomikroskop og mer enn 120 000 bilder beriket med utklipp av luselarver og andre organismer. De har latt KI-modeller trene på de syntetiske dataene.
– Modellene fungerte like bra som ekspertene som brukte mikroskop. Selv om noen andre arter i sjøen kan ligne, klarte modellen å skille ut hva som var lakselus i store ekte sjøvannsprøver, sier Gansel.
Klekket lakselus til KI-trening
Forskerne har konsentrert partikler på størrelse med lakselus fra hundrevis av sjøvannsprøver. Totalt har de hentet og filtrert flere tusen kubikkmeter sjøvann ved oppdrettsanlegg og sjøareal nær Ålesund.
Forholdene i sjøen kan variere med årstider og steder. Når det er få lakselus i omløp, tar det lang tid å lage gode datasett fra prøvene.
For å lage mer treningsmateriale, klekket forskerne ut lakseluslarver selv, som de tilsatte vannprøvene. Deretter lot de vannet renne sakte gjennom et glassrør, mens de filmet partiklene i vannstrømmen med et videomikroskop.
Klippe, kopiere, rotere
Ved hjelp av et program som kan spore og velge ut enkeltdeler i video, skilte de ut bilder av larver på to stadier: Nyklekkede lus eller nauplier, og de litt større kopepodittene som er klare til å feste seg på fisken.
– Enkeltbildene fra videoene vil ikke vise alle sider av larvene. Kanskje beveger de seg, og kanskje driver de bare i enkelte deler av røret. Fordi vi bare ser noen få av alle tilstander som er mulig, kan vi forbedre modellene ved å lage syntetiske data som brukes sammen med mange vanlige videoer.
– Lakselus kan variere litt i størrelse. For å ta hensyn til forskjellene kan vi skalere lusa, snu og vende på dem, og ta inn flere lus i samme bilde. Det samme kan vi gjøre med plankton og organismer som kan ligne lakselus, for å gjøre modellen enda bedre, forklarer Gansel.
Fjerner mye usikkerhet
Modellene kan brukes til å overvåke lusebelastningen i områder der det forventes villfisk. De kan brukes til å beregne frislipp av larver, og undersøke hvordan de spres, vokser og utvikler seg.
Overvåking kan være en støtte for å vurdere mulige tiltak, og er viktig når man skal anslå sjansen for smitte mellom oppdrett og vill laksefisk.
– Måling av larver direkte i sjø vil ta vekk en del av usikkerheten i dagens system, der mengden larver beregnes ut fra lusetallet på oppdrettsfisken. Det kan gjøre lakseluskartet mye mer presist. Produksjonen kan planlegges bedre, og vi kan ta bedre avgjørelser for hvor vi kan drive oppdrett, og hvilke tiltak vi kan sette inn mot lus, mener NTNU-forsker Lars Christian Gansel.
