Prosjektnummer
901736
Kunnskapsgrunnlag for biologisk relevante velferdsindikatorer for laks i akvakultur (BIORELEVANS)
-
Rapport: Observasjon av skjelltap som indikator for fiskevelferd: hvordan vurdere effekt på helse og velferd? En litteraturgjennomgang.
SINTEF. Rapport nr 2024:01154. 31.okt. 2024. Forfatter: Mette Remen,
Prosjektet bygger direkte på og vil implementere resultater fra prosjektgruppens tidligere og
pågående FoU-arbeid innen utvikling av operasjonelle velferdsindikatorer (VI)
for laks i oppdrett, automatisk registrering av VI og produksjonsparametere
ved hjelp av maskinsyn og kunstig intelligens (AI)-teknologi samt grunnleggende forskning på sammenhengen mellom stressmestringsevne, velferd og helsetilstand hos fisk.
Norsk lakseoppdrett har over få tiår etablert noen av verdens mest effektive produksjonssystemer for fisk, og preges i dag av innovativ og svært teknologidrevet utvikling innen produksjonsformer, -styring og -effektivisering. Sammen med arealmessige begrensninger kan imidlertid intensiv produksjon skape suboptimale produksjonsmiljøer, der sykdom, parasitter og stress forekommer. Tett oppfølging og overvåking av velferd er derfor en viktig del av driften i dagens oppdrettsnæring. Dette arbeidet er typisk basert på intern og ekstern scoring av fiskevelferd ved bruk av etablerte velferdsindikatorer. Dyrebaserte velferdsindikatorer som fysiologiske mål, utseende, eksterne skader, kondisjon, og atferd gir imidlertid som regel utslag kun etter at et problem har oppstått, og det krever mye erfaringsbasert kunnskap for å ta produksjonsmessige avgjørelser. Sensorer og systemer for kontinuerlig og automatisert overvåking av oppdrettsfisk utvikles i dag raskt. På dette feltet mangler imidlertid avgjørende kunnskapsgrunnlag med tanke på hvor relevante slike data faktiske er i forhold til laksens biologiske tilstand, pålitelighet, repeterbarhet og egnethet til formålet som indikatorer for å kunne oppfylle velferdsbehov hos fiskene i et bestemt oppdrettssystem eller oppdrettsrutine.
Norsk lakseoppdrett har over få tiår etablert noen av verdens mest effektive produksjonssystemer for fisk, og preges i dag av innovativ og svært teknologidrevet utvikling innen produksjonsformer, -styring og -effektivisering. Sammen med arealmessige begrensninger kan imidlertid intensiv produksjon skape suboptimale produksjonsmiljøer, der sykdom, parasitter og stress forekommer. Tett oppfølging og overvåking av velferd er derfor en viktig del av driften i dagens oppdrettsnæring. Dette arbeidet er typisk basert på intern og ekstern scoring av fiskevelferd ved bruk av etablerte velferdsindikatorer. Dyrebaserte velferdsindikatorer som fysiologiske mål, utseende, eksterne skader, kondisjon, og atferd gir imidlertid som regel utslag kun etter at et problem har oppstått, og det krever mye erfaringsbasert kunnskap for å ta produksjonsmessige avgjørelser. Sensorer og systemer for kontinuerlig og automatisert overvåking av oppdrettsfisk utvikles i dag raskt. På dette feltet mangler imidlertid avgjørende kunnskapsgrunnlag med tanke på hvor relevante slike data faktiske er i forhold til laksens biologiske tilstand, pålitelighet, repeterbarhet og egnethet til formålet som indikatorer for å kunne oppfylle velferdsbehov hos fiskene i et bestemt oppdrettssystem eller oppdrettsrutine.
I dette prosjektet ønsker man derfor å verifisere den biologiske relevansen av etablerte velferdsindikatorer som egner seg for automatisk registrering, for å bygge kunnskapsgrunnlaget for at digitale velferdsregistreringer kan tas i bruk som verktøy for å styre produksjonsbiologiske parametere og utfall. Neurobiologiske og molekylærbiologiske indikatorer på redusert stressmestringsevne vil bli relatert til digitale velferdsregistreringer, som igjen vil bli ytterligere verifisert gjennom miljøregistreringer og produksjonsdata. Resultatene vil bli forløpende kommunisert til næringsaktører og forvaltningen gjennom arenaer som etableres i dette og parallelle prosjekter i konsortiet, med tanke på direkte implementering av felles grenseverdier og rammeverk som vil bidra til å opprettholde dyrevelferden på et akseptabelt nivå.
Hovedmål
Å fremskaffe nødvendig biologisk kunnskapsgrunnlag for implementering av automatiserte helse- og velferdsregistreringer fra laks i akvakultur.
Å fremskaffe nødvendig biologisk kunnskapsgrunnlag for implementering av automatiserte helse- og velferdsregistreringer fra laks i akvakultur.
Delmål (tilknyttet arbeidspakker)
1. Å verifisere at utvalgte indikatorer er relevante for helse og velferd, definert som fiskens immunstatus og evne til å mestre sitt miljø.
2. Å innhente automatiske og manuelt verifiserte målinger av utvalgte VI fra praktisk oppdrett i stor skala, og analysere deres relasjon til miljø- og produksjonsdata.
3. Å fremskaffe praktisk implementerbare grenseverdier for når ulike indikatorer reflekterer normalsituasjon jf. tiltakskrevende forhold for laks i matfiskproduksjon.
4. Å sørge for effektiv kommunikasjon og informasjon, formidling og administrasjon av prosjektet.
Fiskens helsetilstand er et produkt av samspillet mellom fiskens egen biologi og miljøet den lever i. Forståelse av god
fiskevelferd er altså ikke bare viktig for å sikre etisk forsvarlig og
bærekraftig produksjon, men også for å fremme sykdomsforebygging. En sterk
fiskehelse og god fiskevelferd er identifisert som et sentralt
konkurransefortrinn for norsk oppdrettsnæring fremover, både fra et økonomisk perspektiv og med hensyn på bærekraftsmål. Spørsmål om dyrevelferd er
også noe forbrukerne blir stadig mer opptatt av, både i Norge og
internasjonalt, og det kreves stadig mer detaljert dokumentasjon på hvorledes
velferd forstås og ivaretas av den enkelte bedrift.
Prosjektbakgrunn, sammensetning av konsortiet, og plan for gjennomføring og formidling er definert med tanke på sluttmålene å verifisere sammenhengen mellom automatisk registrerbare parametere og faktisk helse-/velferdsstatus, samt å fremskaffe praktisk implementerbare terskelverdier for når ulike indikatorer reflekterer en normal holdbar situasjon jf. forhold der det kreves ekstra tiltak.
Tilnærmingen er i utgangspunktet basert på digitalisert visuell overvåking av enkeltindikatorer, og prosjektet er ikke dimensjonert for en dyptgående evaluering av et større antall potensielle VI på individ- eller gruppenivå. Grunnleggende biologiske prinsipper og algoritmer for maskinlæring som utvikles i prosjektet er imidlertid teknologinøytrale, og kan appliseres på andre indikatorer og andre typer sensordata ettersom disse nærmer seg tilfredsstillende grad av teknologimodenhet (TRL-nivå). Direkte nytteverdi ligger da i at man kan ta i bruk ny teknologi som gir høy datakvalitet og øker automatiseringsgraden ved innsamling, standardisering og deling av data, samt AI-teknologi som sporer batcher og enkeltfisk og kan forhåndsvarsle om problemer.
Kunnskapsfronten vil også bringes betydelig fremover for PFF (presisjonsfiskeoppdrett) og bidra til å bedre praksis av 3R-prinsippet (veiledende prinsipper for mer etisk bruk av dyr i produkttesting og vitenskapelig forskning, dvs. redusere (reduce), raffinere (refine) og erstatte (replace)) i utprøving og testing. I sluttfasen av prosjektet er det prioritert å effektivt sammenstille og formidle prosjektets resultater. Nytt kunnskapsgrunnlag vil bli formidlet både interaktivt og kreativt gjennom fagdag for næringsaktører, ved grafisk presentasjon eller animasjon tilgjengelig i media, samt tradisjonell formidling via FHF og konsortiets eget nettverk, tilknyttede nettsider, vitenskapelig og faglig publisering og rapportering.
Prosjektbakgrunn, sammensetning av konsortiet, og plan for gjennomføring og formidling er definert med tanke på sluttmålene å verifisere sammenhengen mellom automatisk registrerbare parametere og faktisk helse-/velferdsstatus, samt å fremskaffe praktisk implementerbare terskelverdier for når ulike indikatorer reflekterer en normal holdbar situasjon jf. forhold der det kreves ekstra tiltak.
Tilnærmingen er i utgangspunktet basert på digitalisert visuell overvåking av enkeltindikatorer, og prosjektet er ikke dimensjonert for en dyptgående evaluering av et større antall potensielle VI på individ- eller gruppenivå. Grunnleggende biologiske prinsipper og algoritmer for maskinlæring som utvikles i prosjektet er imidlertid teknologinøytrale, og kan appliseres på andre indikatorer og andre typer sensordata ettersom disse nærmer seg tilfredsstillende grad av teknologimodenhet (TRL-nivå). Direkte nytteverdi ligger da i at man kan ta i bruk ny teknologi som gir høy datakvalitet og øker automatiseringsgraden ved innsamling, standardisering og deling av data, samt AI-teknologi som sporer batcher og enkeltfisk og kan forhåndsvarsle om problemer.
Kunnskapsfronten vil også bringes betydelig fremover for PFF (presisjonsfiskeoppdrett) og bidra til å bedre praksis av 3R-prinsippet (veiledende prinsipper for mer etisk bruk av dyr i produkttesting og vitenskapelig forskning, dvs. redusere (reduce), raffinere (refine) og erstatte (replace)) i utprøving og testing. I sluttfasen av prosjektet er det prioritert å effektivt sammenstille og formidle prosjektets resultater. Nytt kunnskapsgrunnlag vil bli formidlet både interaktivt og kreativt gjennom fagdag for næringsaktører, ved grafisk presentasjon eller animasjon tilgjengelig i media, samt tradisjonell formidling via FHF og konsortiets eget nettverk, tilknyttede nettsider, vitenskapelig og faglig publisering og rapportering.
Prosjektet er inndelt i tre faglige arbeidspakker (APer):
AP1: Biologisk verifisering av utvalgte velferdsindikatorer (VI)
Utføres av: NIVA (AP-leder), Akvaplan-niva, SINTEF Ocean og NMBU.
I AP1.1 skal det gjennomføres et fiskeforsøk med post-smolt laks under kontrollerte betingelser i laboratorium, hvor individbaserte analyser av skjelltapsgrad sammenstilles med individenes stressmestringsevne og immunstatus, for å validere indikatorens betydning for velferd og robusthet med hensyn til parasitter og sykdom. I forsøket skal fisk fotograferes under forhold som utløser ulik grad av stress og utvikling av lyter. For ytterligere verifikasjon, vil andre individbaserte morfologiske VI bli registrert på de samme individene. I AP1.2 vil sammenhengen mellom stressmestringsevne og respirasjonsfrekvens bli registrert med hjelp av maskinsyn og AI (kunstig intelligens)-baserte algoritmer. Her vil det også utføres forsøk der laks eksponeres for ulike temperaturer og oksygenkonsentrasjoner, for å skape et rammeverk for tolkning av digitale registreringer under ulike miljøforhold (identifisere grenseverdier for normalsituasjon versus avvik) i produksjon.
AP2: Verifisering av visuelle målinger av VI i full skala
Utføres av: SINTEF Ocean (AP-leder), Akvaplan-niva, Norsk institutt for vannforskning – NIVA og NMBU.
Målsettingen med denne AP-en er å verifisere normal variasjon i utvalgte VI og identifisere indikasjoner på redusert helse og velferd, basert på miljø- og gruppebaserte VI i kommersielle oppdrettsmerder. Til dette formålet innhentes presise målinger av utvalgte VI fra praktisk oppdrett i stor skala, og samsvar med registrert sykdomsutvikling og dødelighet gjennom produksjonssyklusen kartlegges. Langsiktige VI basert på skjelltap og kortsiktige VI basert på ventilasjonsfrekvenser vil bli korrelert med produksjonsdata som miljøregistreringer, dødelighetsrate eller sykdomsutbrudd. Slike produksjonsdata blir hentet inn fra ukentlige rapporter fra oppdrettere og offentlige data fra Barentswatch, samt fra rapporter under avlusning og transport.
AP3: Praktisk bruk av VI til beslutningsstøtte
Utføres av: Akvaplan-niva (AP-leder), SINTEF Ocean, NMBU og NIVA.
Målsettingen med denne AP-en er å fremarbeide praktisk implementerbare grenseverdier for når ulike indikatorer reflekterer normalsituasjon jevnfør tiltakskrevende forhold for laks i matfiskproduksjon. Tilgjengelig kunnskap og erfaring, resultater fra laboratorieforsøk (AP1) og fra studier gjennomført i kommersielle oppdrettsmerder (AP2) vil oppsummeres, og praktiske grenseverdier for de ulike indikatorene skal fremarbeides. Syntesen av prosjektresultatene skal inkludere en beskrivelse av normalvariasjon i utvalgte VI og faktorer som bidrar til normalvariasjon. Registreringer som indikerer redusert helse eller velferd skal beskrives, og alvorlighetsgrad skal vurderes. Deretter skal de praktiske grenseverdiene presenteres og diskuteres med referansegruppe, før resultatene formidles til sluttbrukere i form av populærvitenskapelig artikkel, presentasjon på konferanse og i faglig sluttrapport. I AP3.2 vil det bli utarbeidet en oversikt over eksisterende og nyutviklede teknologiske metoder som kan brukes for å måle de utvalgte indikatorene. Metodeoversikten skal muliggjøre en evaluering av nye verktøy opp mot eksisterende metoder, og være vurderingsunderlag for valg av riktige metoder i framtidig velferds- og helseovervåking. Det er også en målsetting å synliggjøre kunnskapsbehov.
Kommunikasjon til sluttbrukere vil bli
gjennomført interaktivt med næringslivsaktører og gjennom ulike
relevante fagkanaler. Våren 2023 vil det bli gjennomført en fagdag
rettet mot oppdrettere, beslutningstakere, utstyrsleverandører,
forskere, og myndigheter med arbeidstittel “Nye referansepunkter for
biologiske grenseverdier og VI til bruk for objektiv måling med
eksisterende og nye overvåkningsteknologier”. Underveis vil resultater produsert i AP1–AP3 bli presentert på konferanser som Havbrukskonferansen, TEKMAR, Frisk Fisk, Aquaculture Europe i regi av European Aquaculture Society (EAS) og på fagspesifikke konferanser i regi av FHF eller sjømatorganisasjonene.