Fish Recognition and Metering Estimator (FRAME)

Offentlig prosjektsammendrag

Iserv Computing vil med dette prosjektet utvikle en maskinlæringsløsning basert på autoenkoding, nevrale nettverk og selvlæring for å identifisere og måle ulike fiskearter (f.eks. laks og leppefisk) og variasjoner innen en art (f.eks. laks og smolt) i vassdrag og fiskeoppdrettsanlegg. Analysene - ved hjelp av statistiske metoder og dynamisk simulering av økologimodeller - gir et unikt datasett om bestander i oppdrettsanlegg og vassdrag som det tidligere ikke har vært mulig å oppnå. Overvåking av tilstanden og utviklingen i økosystem på et detaljert nivå som til enhver tid vil utgjøre et grunnlag for korrigerende tiltak. Med utgangspunkt i erfaringsgrunnlag og eksisterende arkitektur vil kjerneteknologien (gjenkjenning, måling og infrastruktur) i prosjektet være premissgivende for en rekke anvendelser og identifisering av ulike karakteristika for fisk og miljø (f.eks. atferd, fiskevelferd, og skille oppdrettslaks fra villaks i vassdrag). Den automatiske læringskomponenten i løsningen vil kontinuerlig over tid forbedre kvaliteten på gjenkjenning og målinger, og dermed gi et bedre erfaringsgrunnlag i beslutningsprosessene. Læringskomponenten oppdaterer treningssettet automatisk basert på sannsynlighet for gjennkjenning og ved hjelp av egenutviklede prosessmodeller for 'human-in-the-loop' (interaktiv maskinlæring). Totalt vil dette gi et nytt nivå av innsikt, basert på faktiske data og årsakssammenhenger. Dette gjelder spesielt kritiske tiltak i forhold til foring og slakting i oppdrett samt bestandsutvikling i vassdrag for ulike arter.