Gjennom GreatView prosjektet har CreatView selskapet utviklet et automatisk system for opphenting (integrert og levert av Framo LiftUp), telling, estimering av død-fiskens vekt og avvik fra normalitet som er visuelt synlig for et kamera ut fra bl.a. Laksvel systemet. Gjennom død-fisk scanner systemet vil standardisert informasjon bli digitalt tilgjengelig og en ellers destruktiv jobb med håndtering av død fisk vil gå uten at det trengs noen hender for å gjøre jobben. Død-fisk informasjonen vil på den måten være lett tilgjengelig for oppdretter og fiske-helse tjenester for å sammenholde dette med øvrig informasjon om anlegget i arbeidet med å redusere dødeligheten i produksjonen.
Prosjektet har ledet fram til at det nå er kommersielt tilgjengelig et automatisk system for oppsamling, telling, vekt estimering og registreringer av avvik på død fisk som samles opp på anlegget uten behov for menneskelig håndtering - kaldt "Framo LiftUp Sentralsystem". LiftUp var den opprinnelige partneren for CreateView i oppstarten og i mesteparten av prosjektperioden, og er nå blitt en del av Framo. Partnerskapet med Framo har forsterket synligheten til død-fisk scanneren i markedet og har ledet til utrulling av scanneren i flere oppdrettsanlegg. Òg, død-fisk scanneren er godt mottatt med gode tilbakemeldinger både mhp nøyaktighet og pålitelighet.
Videre planer for død-fisk scanneren er:
- videre utrulling både i innenlands og utenlands markedet
- inkludering av flere velferds indikatorer som sår-klassifiseringer for en utvidet helsevurdering
- videre utvikling av algoritmene
- etablering av nye partnerskap for å utvide markedsadgangen
- videre utvikling av opplæring og støtte programmer for å sikre en effektiv utnyttelse av verktøyet
CAIR, UiA, har bidratt med en betydelig spredningen av informasjon om ML og AI utvikling – både m.h.p. på mer generell informasjon og spesielt i forhold til verktøyet. Createview har bidratt med relevant informasjon i media både om prosjektet og død-fisk scanneren og VI har bidratt særlig mhp å huse en master oppgave ved UiB mhp på betydningen av og potensialet i en automatisert død-fisk håndtering. HI har lagt til rett for ulike utprøvinger og dokumentasjon av opplegget, og d er også generert ideer til egne fordypnings- og/eller master oppgaver innenfor HI systemet.
Prosjektet og prosjekt eier erfarer at FoU resursene i prosjektet kunne blitt utnyttet bedre i henhold til prosjekteiers behov og ønsker. Noe av de anvendte FoU resursene har vært av større betydning for FoU institusjonene som sådan enn for den kommersiell prosjekt eieren og utviklingen av de kommersielle verktøyet – prosjektets hovedmål – død-fisk scanneren. Det har ført til innleie av kommersielle ressurser og en erfarer at ML og AI ressurser til en viss grad har vært lettere tilgjengelig gjennom kommersielle verktøy og aktører enn via FoU partnerne. Det relaterer seg til at utviklingen av ML/AI kunnskap og verktøy er i rask utvikling og det synes å være krevende å være oppdatert på "the state of art" særlig siden relatert FoU arbeidet er globalt og med store private selskaper/interesser som beveger seg raskt.
Død-fisk scanneren er en naturlig del av digitaliseringen av fiske oppdretts sektoren og bidrar med å gjøre manuelle prosesser mer og mer automatiserte slik at disse ressursene kan bli brukt på de mer kritiske oppgavene der menneskelig involvering er nødvendig. Videre så vil systemet bidra til innsamling av mer og mer presis - standardisert - informasjon om antall død fisk og årsaker til dødeligheten - som vil være digitalt tilgjengelig i realtime.
Create View vil tilby automatiserte løsninger og verktøy for å overvåke, analysere og gi beslutningstøtte mhp helse og velferd hos oppdrettsfisk. Den primære innovasjonen i dette omsøkte prosjektet, er å utvikle og tilby en bildescanner for dødfisk (CView LiftUp) og å koble denne informasjonen med diagnostikk (agens, blod-/vevsparametere), produksjonsparametere og miljøregistreringer, samt levendefisk bilder fra merden (CView Eye) som samles i en stor database (BigData). Òg, å analyseres denne massive informasjonsmengden ved bruk av avanserte datatekniske metoder som kunstig intelligens (AI) og maskinlæring. Disse metodene gjør det mulig å nyttiggjøre seg alle den samlede informasjon for å lete etter sammenhenger som mennesket vanskelig kan analysere seg fram til, og i hvert fall ikke på den tiden som disse dataverktøyene bruker.
I sum vil et slikt verktøy gi forbedret overvåkning og grunnlag for å fatte raske og analytisk baserte beslutninger til det beste for fiskens helse og velferd og oppdretterens produksjonen, før et fiskehelse problem eskalerer og kommer ut av kontroll. Det vil redusere økonomiske tap, bidra til økt lønnsomhet og ikke minst bidra til en bedre velferd for fisken i merden.
