Prosjektnummer
901937
Digitale verktøy for sikker identifisering av rømt og vill laksefisk (ldentiFisk)
FHF har tatt initiativ for å styrke kunnskapen om morfologiske kjennetegn for å skille mellom rømt oppdrettslaks og vill laksefisk. Betydelig variasjon i laksens morfologi skaper utfordringer for å utvikle pålitelige og omforente kriterier for manuell identifikasjon. Det er derfor ønskelig å utvikle et digitalt verktøy som kan gi en presis og objektiv klassifisering av laksefisk med tilhørende usikkerhet, uavhengig av bakgrunnskunnskapen til personen som driver overvåkning eller utfisking. I dette prosjektet vil prosjektgruppen bygge videre på egne erfaringer med utviklingen av et generelt og presist maskinsyn for å skille rømt og vill laksefisk.
Hovedmål
Å utarbeide en modell for å skille rømt oppdrettslaks fra vill laksefisk ved hjelp av maskinsyn, som kan distribueres for sportsfiskere og andre interessenter.
Delmål (med korresponderende arbeidspakker)
• Å bearbeide data samlet inn av det Nasjonalt overvåkingsprogram for rømt oppdrettslaks i vassdrag, feltstasjon i Etne, fiskefellen i Driva og Elveguiden (AP1).
• Å foreta modellutvikling ved hjelp av maskinlæring (AP2).
• Å utarbeide veileder for manuell identifikasjon (AP3).
• Å tilgjengeliggjøre digitale verktøy for automatisert identifisering (AP4).
Å utarbeide en modell for å skille rømt oppdrettslaks fra vill laksefisk ved hjelp av maskinsyn, som kan distribueres for sportsfiskere og andre interessenter.
• Å bearbeide data samlet inn av det Nasjonalt overvåkingsprogram for rømt oppdrettslaks i vassdrag, feltstasjon i Etne, fiskefellen i Driva og Elveguiden (AP1).
• Å foreta modellutvikling ved hjelp av maskinlæring (AP2).
• Å utarbeide veileder for manuell identifikasjon (AP3).
• Å tilgjengeliggjøre digitale verktøy for automatisert identifisering (AP4).
Prosjektet vil først og fremst gi en raskere og mer presis identifikasjon av rømt laksefisk som observeres i elv eller sjø. Modellen skal også kunne brukes ved videovervåking i elv, og på den måten gi effektivisert og mer presis overvåkning av oppvandrende fisk. Prosjektet forventes gjennom bedre data å gi økt kunnskap om andelen av rømt oppdrettsfisk. Det vil dermed ha nytteverdi både for næringsaktører, offentlig forvaltningen og forskningsinstitusjoner.
Prosjektet er organisert som i fire faglige arbeidspakker (AP-er):
I denne arbeidspakken tar man utgangspunkt i bilder av laksefisk fra ulike kilder, hvor det finnes tilknyttede skjellanalyser som gir informasjon om fisken er av naturlig opphav eller er rømt fra oppdrett. Følgende datasett vil være sentrale:
1.1 Video og bilder fra laksefellene i Etne og Driva
Ved feltstasjonen i Etne har det siden 2020 blitt samlet inn et stort videomateriale på villaks, rømt fisk og sjøørret med en spesialutviklet fototunnell. Det er i tillegg samlet inn videodata med tunnelen på individer av oppdrettslaks som går i HIs anlegg i Matre. Videotunnelen vil samle inn nye data i løpet av prosjektperioden som fast del av overvåkningen i Etne. Det er i tillegg tatt bilder av individer tatt i Etne-fella med fotokamera, hvor flesteparten er rømt laks. Dette vil man fortsette med gjennom prosjektperioden, og de vil også danne grunnlaget for utarbeidelse av ny veileder for manuell identifikasjon (AP3). Dette foto-datasettet vil suppleres med bilder fra Veterinærinstituttet sin fiskefelle i Driva.
1.2 Elveguidens bildedatabase
Elveguidens fangstdatabase har rapporteringer med foto av >17 500 villaks, >2000 sjøøret, 92 rømt laks og ~300 pukkelaks. Disse bildene er i utgangspunktet ikke knyttet til skjellprøver fra det nasjonale overvåkingsprogrammet, men lokalitet, fangstdato, lengde og vekt finnes i begge datasett, og ved å bruke unike kombinasjoner av disse variablene kan man finne et stort antall sikre matcher mellom Elveguidens data mot skjellprøve-arkivet.
AP1: Validert datasett av vill og rømt laksefisk
Ansvar: Havforskningsinstituttet (HI), Veterinærinstituttet, Norsk institutt for naturforskning (NINA), Rådgivende biologer AS og Elveguiden
Ansvar: Havforskningsinstituttet (HI), Veterinærinstituttet, Norsk institutt for naturforskning (NINA), Rådgivende biologer AS og Elveguiden
I denne arbeidspakken tar man utgangspunkt i bilder av laksefisk fra ulike kilder, hvor det finnes tilknyttede skjellanalyser som gir informasjon om fisken er av naturlig opphav eller er rømt fra oppdrett. Følgende datasett vil være sentrale:
1.1 Video og bilder fra laksefellene i Etne og Driva
Ved feltstasjonen i Etne har det siden 2020 blitt samlet inn et stort videomateriale på villaks, rømt fisk og sjøørret med en spesialutviklet fototunnell. Det er i tillegg samlet inn videodata med tunnelen på individer av oppdrettslaks som går i HIs anlegg i Matre. Videotunnelen vil samle inn nye data i løpet av prosjektperioden som fast del av overvåkningen i Etne. Det er i tillegg tatt bilder av individer tatt i Etne-fella med fotokamera, hvor flesteparten er rømt laks. Dette vil man fortsette med gjennom prosjektperioden, og de vil også danne grunnlaget for utarbeidelse av ny veileder for manuell identifikasjon (AP3). Dette foto-datasettet vil suppleres med bilder fra Veterinærinstituttet sin fiskefelle i Driva.
1.2 Elveguidens bildedatabase
Elveguidens fangstdatabase har rapporteringer med foto av >17 500 villaks, >2000 sjøøret, 92 rømt laks og ~300 pukkelaks. Disse bildene er i utgangspunktet ikke knyttet til skjellprøver fra det nasjonale overvåkingsprogrammet, men lokalitet, fangstdato, lengde og vekt finnes i begge datasett, og ved å bruke unike kombinasjoner av disse variablene kan man finne et stort antall sikre matcher mellom Elveguidens data mot skjellprøve-arkivet.
AP2: Modellutvikling og maskinlæring
Ansvar: HI
Maskinsynet som skal utvikles vil ta utgangspunkt i erfaringer gjort med et mindre, verifisert testdatasett. Per i dag har man svært lovende resultater med bilder av 198 villaks, 190 sjøørret og 201 rømte oppdrettslaks fra kameratunnellen i Etneelva hvor modellene oppnår en presisjon på 98,5 %. For å kunne lage en modell som også kan skille laks fra mange flere elver i Norge så er det behov for bildedata som favner bredden i hele morfologien til alle laksetypene.
Maskinsynet som skal utvikles vil ta utgangspunkt i erfaringer gjort med et mindre, verifisert testdatasett. Per i dag har man svært lovende resultater med bilder av 198 villaks, 190 sjøørret og 201 rømte oppdrettslaks fra kameratunnellen i Etneelva hvor modellene oppnår en presisjon på 98,5 %. For å kunne lage en modell som også kan skille laks fra mange flere elver i Norge så er det behov for bildedata som favner bredden i hele morfologien til alle laksetypene.
2.1 Bildeannotering
I forkant av modellutvikling og automatisering av bildeanalysen så er det behov for noe annotering og forprosessering av bildematerialet. Augmentering av bilder vil også bli brukt til å tilføre mer data og variasjon til datasettet. Augmentering er en teknikk som brukes til å transformere de originale bildene (rotering, zoom, utsnitt etc.), som kan øke ytelsen til modellene.
2.2 Modellutvikling
Maskinsynet som en to-trinnsmodell og med en visualisering av endelig modell.
1. Detektering: Detektoren oppdager og låser en boks eller en maske på fisk i bildet som så tas med videre i de neste stegene.
2. Klassifisering: Fisken blir deretter klassifisert til art og opphav (oppdrett/villaks). Målet er minimum 99 % presisjon på disse klassene.
3. Visualisering og identifisering av særlig viktige kjennetegn: Hvorvidt maskinsynet baserer seg på de samme kjennetegnene som ekspertene når de klassifiserer laksefisk har enda ikke blitt undersøkt. Det kan være subtile, men konsistente forskjeller i utseende til de ulike typene som hittil har vært ukjent, og som kan bidra til å øke forståelsen og kunnskapen rundt hva som er sikre kjennetegn. De nyeste teknikkene innen forklarbar bildeanalyse (“explainable AI”) vil brukes til å avdekke hvilke trekk som er mest informative.
AP3: Veileder for manuell identifikasjon
Ansvar: Havforskningsinstituttet (HI), Veterinærinstituttet, Norsk institutt for naturforskning (NINA) og Rådgivende biologer AS
I denne arbeidspakken vil en benytte seg av bildematerialet samlet inn fra HI sin feltstasjon i Etne og Veterinærinstituttet sin fiskefelle i Driva (AP1). Det vil benyttes en systematisk tilnærming for kategorisering av forskjellige karaktertrekk og morfologiske forskjeller som vil være relevante for å skille mellom rømt oppdrettslaks, villaks og andre lokale laksefisk. Resultater fra maskinsynmodellen vil aktivt brukes i arbeidet med veilederen for å øke sikkerheten i hvilke morfologiske trekk som best kan brukes for å sikkert identifisere og skille mellom rømt oppdrettslaks og vill laksefisk. Et team bestående av de fremste ekspertene på laksefisk vil få i oppgave å klassifisere verifiserte bilder av vill og rømt laks i en blindtest. Ekspertene vil markere morfologiske kjennetegn på fiskene de mener skiller de to typene, og man vil sammenligne ekspertenes vurderinger og maskinsynmodellene opp mot fasiten. Avslutningsvis vil en utvikle et brukervennlig grensesnitt for den digitale veilederen, som gjør det enkelt for brukere å laste den ned og analysere opp mot egne bilder eller selvfanget fisk.
Ansvar: Havforskningsinstituttet (HI), Veterinærinstituttet, Norsk institutt for naturforskning (NINA) og Rådgivende biologer AS
I denne arbeidspakken vil en benytte seg av bildematerialet samlet inn fra HI sin feltstasjon i Etne og Veterinærinstituttet sin fiskefelle i Driva (AP1). Det vil benyttes en systematisk tilnærming for kategorisering av forskjellige karaktertrekk og morfologiske forskjeller som vil være relevante for å skille mellom rømt oppdrettslaks, villaks og andre lokale laksefisk. Resultater fra maskinsynmodellen vil aktivt brukes i arbeidet med veilederen for å øke sikkerheten i hvilke morfologiske trekk som best kan brukes for å sikkert identifisere og skille mellom rømt oppdrettslaks og vill laksefisk. Et team bestående av de fremste ekspertene på laksefisk vil få i oppgave å klassifisere verifiserte bilder av vill og rømt laks i en blindtest. Ekspertene vil markere morfologiske kjennetegn på fiskene de mener skiller de to typene, og man vil sammenligne ekspertenes vurderinger og maskinsynmodellene opp mot fasiten. Avslutningsvis vil en utvikle et brukervennlig grensesnitt for den digitale veilederen, som gjør det enkelt for brukere å laste den ned og analysere opp mot egne bilder eller selvfanget fisk.
AP4: Digitale verktøy for automatisert identifisering
Ansvar: HI og Elveguiden
4.1 Åpen API-server
Maskinsynet som utvikles vil gjøres tilgjengelig i form av en serverløsning som implementeres og driftes av HI. Utviklingen av grensesnittet for maskinsynet vil gjøres i tett samarbeid med Elveguiden og Dugnad for Havet for å sikre at man støtter opp om behovene i disse nedstrømsapplikasjonene.
4.1 Åpen API-server
Maskinsynet som utvikles vil gjøres tilgjengelig i form av en serverløsning som implementeres og driftes av HI. Utviklingen av grensesnittet for maskinsynet vil gjøres i tett samarbeid med Elveguiden og Dugnad for Havet for å sikre at man støtter opp om behovene i disse nedstrømsapplikasjonene.
4.2 Dugnad for havet
Maskinsynet vil tilgjengeliggjøres via HIs folkeforskningsplattform “Dugnad for havet”. Her vil det opprettes et prosjekt “IdentiFisk” hvor brukere kan laste opp bilder av laksefisk og i retur får en prediksjon på art, opphav (rømt/vill) og kjønn med tilhørende usikkerhet.
Maskinsynet vil tilgjengeliggjøres via HIs folkeforskningsplattform “Dugnad for havet”. Her vil det opprettes et prosjekt “IdentiFisk” hvor brukere kan laste opp bilder av laksefisk og i retur får en prediksjon på art, opphav (rømt/vill) og kjønn med tilhørende usikkerhet.
4.3 App-løsning i Elveguiden
Elveguiden er den største leverandøren av fangstrapportering i Norge. Dette innebærer over 50.000 unike fangster årlig fra over 140 vassdrag. Modellen som inngår i prosjektet kan bygges inn i brukerreisen for å rapportere fangst, samt synliggjøres der fiskere følger med på fangster fra vassdragene.
Elveguiden er den største leverandøren av fangstrapportering i Norge. Dette innebærer over 50.000 unike fangster årlig fra over 140 vassdrag. Modellen som inngår i prosjektet kan bygges inn i brukerreisen for å rapportere fangst, samt synliggjøres der fiskere følger med på fangster fra vassdragene.
Resultatene vil bli formidlet gjennom Havforskningsinstituttets nettside, distribusjon av Elveguiden sin app, som medieoppslag samt presentasjoner på konferanser og fagseminar. Forskningen
i prosjektet vil ha internasjonal interesse og det er planlagt 1–2
artikler i tidsskrifter med fagfellevurdering i tillegg til sluttrapport. Det vil også bli publisert populærvitenskapelige artikler.
Prosjektet har som ambisjon å få etablert omforente kriterier for å skille rømt oppdrettslaks fra villaks. Resultatene fra prosjektet vil derfor bli lagt fram på årsmøtet til Nasjonalt overvåkingsprogram for rømt laks i vassdrag hvor representanter fra HI, Veterinærinstituttet, NINA, Rådgivende Biologer, NORCE, Fiskeridirektoratet og Miljødirektoratet vil være til stede. Videre vil prosjektgruppen ta initiativ til å få presentert resultatene på fagseminar, for eksempel i regi av Norges Jeger- og Fiskerforbund, samt Norske Lakseelver.
Prosjektet vil også ha kommunikasjon og dialog inn mot relevante fag og forvaltningsmiljøer, med det formål å samle næring, forskning og forvaltning om omforente kriterier for å skille rømt oppdrettslaks fra vill laksefisk.
Prosjektet har som ambisjon å få etablert omforente kriterier for å skille rømt oppdrettslaks fra villaks. Resultatene fra prosjektet vil derfor bli lagt fram på årsmøtet til Nasjonalt overvåkingsprogram for rømt laks i vassdrag hvor representanter fra HI, Veterinærinstituttet, NINA, Rådgivende Biologer, NORCE, Fiskeridirektoratet og Miljødirektoratet vil være til stede. Videre vil prosjektgruppen ta initiativ til å få presentert resultatene på fagseminar, for eksempel i regi av Norges Jeger- og Fiskerforbund, samt Norske Lakseelver.
Prosjektet vil også ha kommunikasjon og dialog inn mot relevante fag og forvaltningsmiljøer, med det formål å samle næring, forskning og forvaltning om omforente kriterier for å skille rømt oppdrettslaks fra vill laksefisk.