Havforskningsinstituttet tester nå ut kunstig intelligens for å drive bestandsovervåkning uten å måtte drive fysisk forsøksfiske. Inne på grunne farvann er videoovervåkning et godt alternativ, som blant annet har vært brukt i overvåkning av kongekrabbe i nord.
Etterarbeidet er svært krevende så lenge man må sette mennesker til å tolke bildene. Men kunstig intelligens endrer dette, og nå driver Havforskninga et prosjekt som skal lære datamaskinen å skille de ulike artene – og på sikt kanskje de ulike individene.
Tredimensjonalt
For å lære maskinen hva den ser, bruker forskerne et fotokammer der fisk blir grundig fotografert.
– QuadEye er utstyrt med fire kamera i et LED-opplyst kammer med 60 liter vatn. Vi kan slippe oppi en grøngylt og få nøytrale, tredimensjonale bilder som er representative for denne fisken, sier havforsker Kim Halvorsen i en artikkel på Havforskningsinstituttets nettsider.
Bygger et leksikon
– Vi er overbeviste om at vi kan automatisere oppgaven med å tolke videoopptakene. Men da trenger vi godt materiale å trene datamaskinane på, sier Halvorsen.
Sammen med forskerkollega Tonje Knutsen Sørdalen utviklet han derfor ideen om den bærbare fotoboksen QuadEye.
– Tanken er at vi skal kunne ta med QuadEye på tokt eller ut i felt og mate den med arter og individer som vi ikke har bilde av fra før, forteller forskeren.
Etter hvert samler de opp et stort og variert bildemateriale av arter og individer, som kyndige forskere setter navn på. Dette blir et «leksikon» som en kunstig intelligens får pugge. Målet er at den skal bli i stand til å identifisere kystfisk som grøngylt og lyr i naturen.
Baner veg for bedre kystovervåkning
– Da vil vi i teorien kunne dekke kysten med kamera, og la datamaskiner telle de ulike fiskene på egenhånd. Det er framtida, sier Halvorsen.
Det er særlig vanskelig å overvåke de grunne kystområdene, for i fjæra kan ikke forskerne kjøre faste kurslinjer med trål og ekkolodd slik man gjør ute på havet.
