iFarm fullskala prototypeutvikling 2020-2022

Offentlig prosjektsammendrag

IFARM - DIGITALISERING AV NORSK LAKS iFarm er et kvantesprang for havbruksnæringen. Gjennom kunstig intelligens og maskinlæring vil man for første gang kunne identifisere, gjenkjenne og kunne følge opp hver eneste fisk i en merd. HVA ER IFARM? iFarm er basert på kunstig intelligens og maskinlæring. Ved hjelp av iFarm kan vi få til et skifte fra bestandsbasert oppfølging til individbasert omsorg i havbruk. iFarm er et samarbeid mellom Cermaq og teknologieier BioSort og er tildelt 4 utviklingskonsesjoner. . HVA LØSER IFARM? iFarm vil kunne bidra med å løse noen av de viktigste utfordringene for havbruksnæringen: FISKEHELSE OG -VELFERD: med detaljert informasjon om fiskens vekst og utvikling, kan oppfølgingen i større grad tilpasses fiskens behov, og dermed forbedre fiskehelse og -velferd. LAKSELUS: iFarm vil kunne telle lus på alle fiskene, og også oppdage lus mens de fortsatt er små. Fisk med lus vil kunne skilles ut fra den øvrige fisken og behandles. TAP I SJØ: svak og syk fisk kan oppdages tidlig, og tiltak kan settes inn for å hindre smittespredning i populasjonen. RØMNINGSFARE: de mest rømningsutsatte situasjonene er lusebehandling og andre «risikooperasjoner». Ved å skille ut og behandle kun de fiskene som trenger det, unngår man slike operasjoner. UTSLIPP FRA NÆRINGSTOFFER: med full oversikt over fisken i merda blir fôringen mer presis, og det går mindre til spille. HVORDAN FUNGERER IFARM? En merd har ca. 200 000 fisk. Med iFarm kan disse individene behandles separat. Når fisken svømmer til overflaten for å fylle svømmeblæren ledes den iFarm-sensoren som skanner hver fisk og bruker automatisk bildebehandling for å gjenkjenne hvert enkelt individ. Vekt og vektutvikling på hvert individ måles. Lus telles på hele fisken og eventuelle sår og sykdomstegn registreres i fiskens helsejournal. iFarm kan sortere fisken slik at behandling tilpasses individets behov og man behandler kun fisk som trenger det – uten at håndtering eller stress av fisken.