Det er et uttalt mål at eksportverdien av sjømat fra Norge skal femdobles innen 2050. Imidlertid har oppdrettsnæringen en stor miljøutfordring de er nødt til å løse før næringen får lov til å vokse videre, nemlig lakselus.

- Hvordan næringen får lov til å vokse styres etter hvor store utfordringer de har med lakselus i de ulike regionene. Det ble nettopp innført et trafikklyssystem som er basert på lusestatus i 13 produksjonsområder. I de områdene som får grønt lys er luseproblemene så små at oppdrettsnæringen får lov til å vokse litt. Ved rødt lys kan myndighetene be om at produksjonen reduseres, mens gult lys betyr at situasjonen er stabil, men at man er under overvåkning, sier Björgólfur Hávarðsson som er innovation manager i NCE Seafood Innovation Cluster.

- Å behandle mot lakselus medfører mange ressurser i form av mannskap og utstyr. I tillegg mister oppdretterne gjerne litt vekst når fisken behandles siden fôring av fisken opphører litt før og litt etter hver behandling. Fisk som er svak i utgangspunktet kan i enkelte tilfeller også dø av lakselusbehandlingen, fortsetter han.

AquaCloud

NCE Seafood Innovation Cluster er i gang med et næringsdrevet prosjekt der eierne av sjømatklyngen, de store sjømatselskapene, er primus motor for å lage et overvåkningssystem som kan forutsi utbrudd av lakselus. Prosjektet har fått navnet AquaCloud.

- Lakselusa har en formidabel forplantningsevne. En hunnlus kan produsere store mengder avkom hvis hun ikke stoppes. En slik fremvekst kan både smitte internt i et enkelt oppdrettsanlegg, men også over til naboanleggene. Metoden vi holder på å utarbeide forutsier nye utbrudd av lakselus. Når vi vet hvor utbruddene kommer til å oppstå blir det langt enklere å stoppe dem siden vi kan sette inn tiltak i forkant. Det blir som om brannvesenet fikk vite hvor det ulmet før det brøt ut en stor brann. Da kunne de stoppet brannen på et langt tidligere tidspunkt, forklarer Hávarðsson.

For å kunne forutsi hvor og når neste utbrudd av lakselus kommer trengs det en rekke data fra hvert enkelt anlegg. Sjøtemperatur er et viktig parameter siden den avgjør utviklingshastigheten på lakselusa, de må også kjenne til antallet fisk som er i hvert område og hvor mye lus det er:

- Hele tiden foretas det manuell telling av antall lakselus ute på hvert anlegg og fra hver enkelt merde. Noen data får vi daglig, andre data kommer ukentlig. Tallene vi bruker er med andre ord helt ferske når vi benytter dem i modellen. Det gjør at vi hele tiden kan justere prognosene og holde dem helt oppdaterte.

De som leverer data direkte fra sine egen anlegg er Marne Harvest, Lerøy, Grieg Seafood og Bremnes Seashore. I tillegg får vi data fra den åpne kilden Barents Watch slik at vi også sikrer oss data fra de anleggene som ikke er direkte med. Havforskningsinstituttet og Lakselussenteret bidrar med kunnskap og kompetanse, blant annet for å analysere resultatene og kvalitetssikre informasjonen. De hjelper også til slik at datasystemet Watson får riktig informasjon å tolke informasjonen ut fra.

Kunstig intelligens

Systemet som benyttes er IBM Watson Data Platform, men kalles bare Watson:

- Watson har kunstig intelligens og er satt opp med flere moduler som gjør at den driver egen maskinlæring. Den trenger egentlig ingen ferdig utarbeidet modell å jobbe med. Det den trenger er hvor fort en lakselus vokser, informasjon om lusas livsløp, samt grunnleggende data som temperatur og antall lus. Vi ga Watson data som stammer fra to år tilbake i tid slik at han fikk nok data til å kunne lære. Da lagde Watson sin egen modell som klarer å forutsi hvordan luseutviklingen vil bli et par uker fremover i tid.

- Dette er et fascinerende og veldig sterkt verktøy som har mange muligheter. Vi får veldig god støtte og hjelp fra teamet i IBM som fôrer Watson med data og sørger for at vi får prognoser tilbake.

- Formålet er å gi varsel til de ulike anleggene om hvilke merder det kan komme stor fremvekst av lus. Når oppdretterne vet det kanskje 14 dager før, så kan de sette i verk taktiske tiltak og stoppe veksten. Derfor er dette et veldig sterkt verktøy i bekjempelsen av lakselus, forteller Hávarðsson til slutt.

 

Chalimus Telling og prognose på enkelt merd

LIVSSTADIE: Chalimus Telling og prognose på enkelt merd. Modellen ble kjørt på datasett som ikke inngår i utviklingen av modellen. Kilde: NCE

Bevegelig Telling og prognose på enkelt merd

LIVSSTADIE: Bevegelig Telling og prognose på enkelt merd. Modellen ble kjørt på datasett som ikke inngår i utviklingen av modellen. Kilde: NCE