Kunstig intelligens skal overvåge fiskefangster – ny testhal åbnet i Hirtshals

DTU Aqua har indviet et nyt anlæg, hvor kameraer og AI (kunstig intelligens) kan identificere fiskearter automatisk. Det kan få stor betydning for både fiskeri og havmiljø.

Det kan man blandt andet læse om i nyhederne fra DTU Aqua (Læs her)

DTU Aqua har netop åbnet en ny teknologisk testhal i Hirtshals, hvor kameraer og kunstig intelligens skal revolutionere måden, vi overvåger fiskefangster på. Med den nye facilitet kan forskere nu teste, hvordan automatisk artsgenkendelse fungerer i praksis på samlebånd, der efterligner fangsthåndteringen ombord på fiskekuttere.

Anlægget blev taget i brug under en international workshop i juni, hvor forskere fra både Danmark, Holland og Belgien deltog. Målet er at udvikle metoder, der gør fiskeriet mere skånsomt og gennemsigtigt.

»Vi har lært meget, og teknologien viser stort potentiale. Hvis det bruges rigtigt, kan det være en gevinst for både fiskerne og miljøet,« siger Jordan P. Feekings, seniorforsker og sektionsleder hos DTU Aqua.

Kameraer overvåger fiskene – helt automatisk

Tanken bag det nye system er enkel: Ved at placere kameraer over sorteringsområder på fiskerbåde kan man følge med i alt, der bliver fanget – både de ønskede fisk og dem, man helst skal undgå. Den kunstige intelligens klarer artsbestemmelsen løbende, uden at det kræver manuel gennemgang.

Til workshoppen havde DTU Aquas egen kutter Havfisken forinden hentet en blandet fangst, som blev registreret, målt og mærket, før den blev brugt i testanlægget. Det gav mulighed for at måle, hvor præcis den automatiske genkendelse er.

»Systemet kunne genkende arterne imponerende nøjagtigt,« fortæller Feekings.

Internationale eksperter og ægte testdata

Workshoppen samlede eksperter i fiskeriteknologi, kamerateknik, maskinlæring og genetisk analyse (eDNA). Sammen indsamlede de værdifulde testdata, som nu bruges til at forbedre systemets evne til at genkende arter og måle fisk.

Forsker Valentina Melli fra DTU Aqua var med til at samle data fra de realistiske tests og forklarer:

»Dataene kan sammenligne, hvor præcise forskellige metoder er – fra manuel sortering til automatisk overvågning og eDNA-analyse.«

Workshoppen viste, ifølge Melli, hvor stor værdi der er i at dele viden på tværs af forskningsprojekter.