Dette er en videreføring av SalmID: Identifikasjon av lakseindivider: Biometri fase 1.
Hos lakseslakterier er det ønske om fleksibilitet når det gjelder hvor kvalitetsgradering skal gjøres, basert på ytre trekk og annet. For å spore laksen på individnivå gjennom slakteriet, f.eks. før og etter skylletank, hvor laksen samles i bulk, er det ønskelig med tagging som er så rimelig og enkel som mulig.
Biometrisk skanning gjør det mulig å spore enkeltlaks internt i et slakteri, uten bruk av fysiske merker. Dette betyr i praksis at ulike typer kvalitetsgradering (ytre, indre) og håndtering/sortering kan gjøres på det stedet i slakteriet hvor dette er mest praktisk og samtidig knytte all kvalitet og andre parametere til hver enkelt laks, uansett hvor individet befinner seg i slakteriet.
Med bakgrunn i dette er det ønskelig å utvikle teknologi for biometrisk skanning, som muliggjør sporing av enkeltlaks i slakteri, ved bruk av maskinsyn. Dette er teknologi som senere vil kunne tas i bruk i andre deler av verdikjeden.
I prosjektet "Identifikasjon av lakseindivider: Biometri fase 1" (FHF-901263), som også kan betegnes SalmID fase 1, har SINTEF Ocean demonstrert algoritmer som kan gjenkjenne enkeltindivider av laks med en nøyaktighet på mer enn 99 % fra en gruppe på om lag 360 laks. Med bakgrunn i det nevnte prosjektet er det ønskelig at algoritmene verifiseres på et større datasett som representerer typisk produksjonsvolum i løpet av én dag på et lakseslakteri.
Hovedhypotesen som ble framsatt i fase 1 av SalmID, var at laksen kan tagges digitalt utelukkende basert på det naturlige prikkemønsteret på utsiden.
Basert på denne hovedhypotesen, introduseres følgende to delhypoteser som skal utforskes i SalmID:
-
Prikkemønsteret på laksens hode/kropp er tilstrekkelig unikt til å identifisere laksen som individ, ut fra det antall laks som forventes å passere i en skylletanken i løpet av en fullproduksjonsdag.
-
Prikkemønsteret kan avbildes med maskinsyn og identifiseres ved egnede algoritmer.
Hensikten er å undersøke de fundamentale delene av problemstillingen, og vurdere hvorvidt og hvordan biometrisk skanning kan gjøres basert på prikkemønsteret på hodet/kroppen, på en måte som egner seg for internlogistikk i slakteri. Skanning og identifisering skal fortrinnsvis kunne fungere entydig på det antallet laks som forventes å være i produksjon på én dag. Her skal legges vekt på verifikasjon av algoritmer fra forprosjektet i en industriell relevant størrelsesorden.
Forventet nytteverdi
Biometrisk skanning av laks kan bli et hjelpemiddel til å sikre bedre dokumentasjon av kvalitetsdata til hver enkelt laks. Det forvetnes at prosjektet vil åpne muligheten for bedre styring og kontroll i produksjonen og spore informasjon både tilbake og frem i verdikjeden.
I fremtiden finnes det et større potensiale i biometrisk skanning, hvor den kan være en muliggjørende teknologi for sporbarhet i hele verdikjeden for laks, på individnivå, også helt frem til butikk. Per dags dato er det merking og logistikksystemer som ivaretar god sporbarhet på kasse-nivå.
Gjennomføring
Prosjektet er delt inn i hovedsakelig 2 arbeidspakker med forskning, og 2 pakker for formidling og administrasjon.
Hovedinnholdet i arbeidspakkene (AP-ene) er:
AP1: Datainnsamling
Her skal det settes sammen teknologi som muliggjøre biometrisk skanning av laks. Det skal vurderes flere aspekter for god installasjon, egnet maskinsynsteknologi, optimal belysningsgeometri og plassering på slakteri. Arbeidspakken vil også ta for seg en eller flere faser med avbildning av laks på laboratorium og slakteri av et tilstrekkelig antall laks, f.eks. bilder av hundretusen lakseindivider til å danne statistisk grunnlag for å kunne vurdere en verifisering av algoritmen for identifisering av lakseindivider.
AP2: Algoritmeverifikasjon
Algoritmer ble utviklet i prosjektet "Identifikasjon av lakseindivider: Biometri fase 1" (FHF-901263). Disse algoritmene ga resultater som tydet på entydig identifisering av lakseindivider, basert på prikkemønster på kroppen. I denne arbeidspakken vil denne algoritmen testes på store datasett med bilder hentet fra slakterianlegg. Resultater fra dette vil bekrefte eller avkrefte hypoteser beskrevet under avsnittet resultat mål.
AP2.b: Forbedring av algoritmer (mulig tilleggsaktivitet)
Dersom man ser at algoritmen fra fase 1 ikke gir forventet resultat, men kan modifiseres for å øke nøyaktigheten, vil utbedringer komme som en tilleggsaktivitet.
