Optimalisere fôring gjennom AI og videodokumentasjon

Bedre overvåking og analyse av fiskeatferd

Videodokumentasjon kombinert med AI-teknikker gir muligheten til å overvåke fiskeatferd i sanntid. Undervannskamera kartlegger fôret og fiskens bevegelser gjennom hele måltidet. Fiskens adferdsmønster kan kartlegges når fisken fôres, men også i perioder når den ikke fôres. AI-algoritmer kan deretter analysere videodataene og hente ut verdifull informasjon. Ved å evaluere disse dataene kan oppdrettere identifisere fôringsmønstre og tilpasse fôringsregimet for å maksimere effektiviteten.

Optimalisering av fôringsmengder

En vanlig utfordring i fiskeoppdrett er å bestemme riktig mengde fôr som skal tildeles for å unngå over- eller underfôring. I dag er fôring av fisk i høy grad en automatisert prosess, men dette gjelder kun for transport av fôr fra en fôrsilo ut til merden. Mengde fôr som gis til fisken er fortsatt en manuell prosess utført av fôringsoperatører som bestemmer hvilken mengde som skal tildeles hver enkelt merd. Volum, intensitet og lengde er fortsatt en subjektiv vurdering som gjøres av hver enkelt fôrer og vil variere fra dag til dag og mellom fôrer basert på fôringsoperatørens tolkning av fiskens adferd, gjerne påvirket av prognoser på hvor mye fôr som skal fôres hver dag.

AI-teknikker, som maskinlæring og dyp læring, kan lære av historiske data og kontinuerlig justere fôringsmengdene basert på individuelle fiskebehov. Ved å analysere parametere som vekt, størrelse, temperatur og vannkvalitet, kan AI-systemer forutsi best mulig fôringsmengde for hver enkelt fisk. Fôringsoperasjonen effektiviseres, fôrspill reduseres og vekstpotensialet utnyttes. Fisken vil i større grad kunne spise når den vil og den mengden den vil. Dette reduserer kostnader og fôrfaktor.

Mer gunstige tidspunkt for fôring

Fiskens naturlige adferd påvirkes av ulike faktorer. Ved å bruke AI-teknikker kan man analysere tidligere fiskeatferdsmønstre. Store mengder data gir innsikt i trender og man kan identifisere best mulige tidspunkter for fôring. For eksempel kan fisk være mer mottakelige for fôr på visse tidspunkter av dagen og i ulike perioder i måltidet. Ved å benytte AI kan man avdekke slike situasjoner og det gir muligheter for å justere fôringen som igjen resulterer i økt tilvekst og lavere fôrfaktor. AI-generert varsling ved potensielle overfôringer fører til mindre fôrspill og er positivt for både miljø og økonomien.