Face Value – Fish Farmer Magazine

Maskinene lærer seg å identifisere individuelle fisk av tusenvis.

Hvis du tror at all laks har samme ansiktsuttrykk, kan det være på tide å tenke igjen, ifølge ny forskning.
En fersk studie av SINTEF, en av Europas største uavhengige forskningsorganisasjoner, og Norges teknisk-naturvitenskapelige universitet (NTNU), antyder at det er mulig å skille ett ansikt fra et annet.
De baserer resultatene sine på kunstig intelligens (AI) -teknologi som har hjulpet dem med å få utført mye av arbeidet. Ved å tilpasse typen eksisterende kunstig intelligensteknologi som gjenkjenner menneskelige ansikter, tror forskerne at de kan lære mer om oppdrettsfisk og hvordan de har det til enhver tid.
Ved tilfeldig valg av 100 laks fra et bur som inneholder mer enn 100 000 individer, var identifikasjonssuksessraten litt over 96, noe som er ekstremt høy.
NTNU-forsker og SINTEF-forsker Bjørn Magnus Mathisen sier det er vanskelig å forklare hvorfor teknologien har vært så nøyaktig, men han har jobbet med maskinlæring og kunstig intelligens i 10 år, og det ser ut til å fungere.
Han sa: ”Vi er ikke sikre på hvordan de faktisk kjenner igjen laks, men vi har en teori om at det er gjennom pigmentflekker i ansiktet. De har et særegent pigment, akkurat som geparden eller sjiraffen. “
Noe av det Mathisen synes var spesielt interessant med forskningen, er om de kan identifisere den samme laksen gjennom hele livssyklusen. Han sa: “Jeg vil virkelig teste om dette fungerer på smolt og se om maskinen er i stand til å gjenkjenne fisken når den vokser.
Det som tilfører mysteriet litt er at maskiner også kan se ting som mennesker ikke kan, foreslår han.
For å studere bilder av laks tatt av undervannskameraer, bruker Mathisen en type maskin som kalles et dypt nevralt nettverk som er basert på måten hjerneceller er organisert på.
En SINTEF-rapport om deres arbeid sier at disse nevrale nettverkene er i stand til å identifisere dyr, mennesker og gjenstander gjennom lyd og bilder på en måte som det tidligere var vanskelig å gjøre matematisk.
SINTEF sier: “Du kan ikke fortelle en maskin hvordan du skal se forskjellen på hver fisk. I likhet med oss ​​mennesker, må den lære på egenhånd.
Mathisen legger til: “Metodisk lærer maskiner litt på samme måte som mennesker. Vi lærer ved å se forskjellene. “
Forskningen er også støttet av SINTEFs senter for akvakulturinnovasjon, SFI Exposed, og ble startet som et masterprosjekt av Espen Meidell og Edvard Schreiner Sjøblom, veiledet av Kerstin Bach, Håkon Måløy og Mathisen. For å trene programvaren for å identifisere fisk, måtte gruppen først gjøre betydelig manuelt arbeid.
Forskerne fikk tilsendt en videofil med tusenvis av fotografier av laksen i et bur.
Da startet oppgaven med å merke fiskehodene for hånd, med 500 laksehoder manuelt identifisert og lagret i en database. Denne samlingen lærte det nevrale nettverket å kutte laksene fra selve bildene, og på kort tid hadde nettverket gjort den samme jobben tusenvis av ganger. Arbeidet ga også teamet en ny og større database som ble brukt til å trene nye nevrale nettverk for å gjenkjenne hver enkelt laks gjennom hele merden.
Ansiktsgjenkjenning blir stadig mer vanlig i menneskelig handel, men bruken av den til applikasjoner som rettshåndhevelse har ført til intense etiske debatter. Anders Bryhni, en forretningsutvikler i SINTEF, sier: “Ved å bruke ansiktsgjenkjenning på fisk, unngår vi selvfølgelig disse personvernrelaterte problemene. Vi er som alle andre, opptatt av å gjøre en god etisk evaluering når vi bygger et system basert på kunstig intelligens.
“Samtidig ønsker vi at norsk næringsliv skal gripe de store mulighetene som teknologien gir så snart som mulig.”
Mathisen sier at systemet har en rekke fordeler for havbruk: ”Ved å lære mer om hver enkelt laks, lærer vi mer om hva som gjør dem syke eller hvorfor de er sunne og hvorfor de er glade eller triste. Teknologi lar deg trygt vite hvordan en individuell laks har det til enhver tid.
Han legger til: ”Jeg er ganske sikker på at dette vil være en gullgruve for biologer. Ved å følge mennesker gjennom hele livet, kan vi finne ut enda mer om spisevaner for fisk, sosiale hierarkier, generell trivsel og tendens til å tiltrekke seg lus.
Vi trenger heller ikke ta stikkprøver ved manuelle metoder som ikke bare er kostbare og unøyaktige, men som også er skadelige for fisk.
“Det kan også skape en ny forretningsmodell, for hvis vi kjenner fiskens livssyklus, er det mulig å skille prisen på en filet basert på hvordan laksen levde.”

Bjørn mathisen

Legg att eit svar

Epostadressa di blir ikkje synleg. Påkravde felt er merka *