Tilbake til søkeresultatene

HAVBRUK2-Stort program for havbruksforskning

Autonomous underwater monitoring of kelp-farm biomass, growth, health and biofouling using optical sensors.

Alternativ tittel: Kelp-farm biomass and health monitoring using autonomous techniques.

Tildelt: kr 7,2 mill.

Ettersom kommersielle tareoppdrett fortsetter å ekspandere i Norge, blir autonome metoder for overvåking av vekst, biomasse og begroing stadig viktigere. Dette prosjektet har som mål å utvikle optiske metoder for disse formålene. Brunalger (inkludert tare) regnes som en av de største uutnyttede bærekraftige biomasseressursene vi har for å levere mat og energi til en global befolkning som antas å bli 9 milliarder mennesker innen 2050. Selv om taredyrking er godt etablert i Asia, er det en stor potensial for dette i Norge. Norge, med sin lange kystlinje og kaldt vann, er en av nasjonene som leder an. Nøkkelen til Norges konkurranseevne vil være dets evne til å implementere høyteknologiske, autonome løsninger for taredyrking. Kommersielle tareoppdrett må overvåkes regelmessig. I løpet av denne prosessen blir det tatt målinger av algebiomasse, vekst og pågroing av andre organismer. Disse målingene kan brukes til å forutse høstens biomasse og kvalitet, og gir også verdifulle vekst data til bønder - som kan brukes til å optimalisere vekst av biomasse for fremtidig produksjon. Nåværende overvåkingsmetoder er imidlertid arbeidskrevende, destruktive (krever at verdifull biomasse fjernes fra oppdrettet) og dette er en tidskrevende prosess. Autonome løsninger er derfor påkrevd hvis tareoppdrett skal fortsette å vokse i større skala. Hovedmålet med dette forskningsprosjektet er å ta noen store skritt mot autonom undervannsovervåking av tareoppdrett ved å bruke optiske sensorer som undervanns hyperspektral bildebehandling (UHI), montert på et fjernstyrt undervannskjøretøy (ROV), for å estimere algestørrelse, biomasse og pågroing. Disse teknikkene vil bli raffinert på en kommersielt tareoppdrett, drevet av Seaweed Solutions, på øya Frøya i Trøndelag. Det er håp at disse teknikkene vil tjene som et "bevis på konseptet" der interessenter i fremtiden kan bruke disse for å maksimere høstbar biomasse og implementere potensielle strategier for å redusere pågroingsorganismer.

The project aims to apply already established protocols for Underwater Hyperspectral Imager (UHI) and adjust and validate them for the use on two kelp species, in the context of performing autonomous monitoring of biomass, growth and biofouling in a commercial kelp farm in central Norway. These protocols will then be available for stakeholders wishing to implement regular autonomous monitoring of their own farms using UHI. Once these protocols have been refined, they will be used for monitoring macroalgal growth and will address issues that currently limit seaweed biomass production in Norway: seasonal difference in growth conditions and biofouling detection/prediction. These will be addressed by surveying and quantifying key parameters, such as macroalgae health and growth rate and biofouling (detection and estimation of coverage), in addition to environmental conditions that impact macroalgal growth and bryozoan settlement: nutrient concentrations, temperature, salinity and phytoplankton composition and biomass (chlorophyll a). Ultimately, we aim to construct a simple user-friendly method for estimating optimum deployment and harvest times in order to optimize growth and minimize biofouling. This method will serve as a tool for Norwegian seaweed farmers to maximize production, regardless of their geographical location.

Aktivitet:

HAVBRUK2-Stort program for havbruksforskning