| Summary: | Norge er den globalt største produsenten av Atlantisk laks (Salmo salar). En av de største utfordringene ved produksjon i åpne merder er ektoparasitten lakselus (Lepeophtheirus salmonis). Dette problemet har gitt både biologiske og økonomiske tap for oppdrettsnæringen, til tross for at det finnes flere metoder for å forhindre og fjerne lakselus. En forståelse av dybdefordelingen til lakselus er sentralt for å videreutvikle behandlingsstrategier for å beskytte både oppdretts- og villfiskbestander mot lakselus. I denne studien har det blitt gjennomført innsamling av planktonprøver ved en kommersiell oppdrettslokalitet for laksefisk på Gudmundset, ved hjelp av pumpe og planktonhåv. Det ble pumpet vann fra 2 meters dybde i og utenfor merd, samt 10 meter og 20 meter utenfor merd. Sammenlagt ble det tatt 28 prøver. Prøvene ble innhentet 26.02.24-27.02.24 i tidsrommet 20:50-12:10. Prøvene har, ved hjelp av kunstig intelligens, blitt analysert og behandlet for å kartlegge hvor i vannsøylen det er høyest konsentrasjon av nauplii. Et flow-system ble benyttet for å filme prøvene før videoene ble analysert ved hjelp av YOLOv8n, en avansert modell for objektgjenkjenning innen kunstig intelligens. Videoene ble analysert av YOLOv8n i to separate gjennomkjøringer for å vurdere modellens evne til deteksjon av lakselus. Nøyaktigheten ble satt til 10 % og 60 %, der lavere prosent ga flere identifikasjoner, men en betydelig økning i falske positiver. Alle nauplii som ble identifisert befant seg på 2 og 10 meters dybde. 66,6 % av alle nauplii ble funnet på dybde 2 meter i merd. Det ble identifisert lus på alle tidspunkt med unntak av kl.12:10. Modellen identifiserte 23 mer nauplii med en nøyaktighet på 10 % sammenlignet med 60 %. Resultatene fra forsøket kan benyttes til å videreutvikle YOLOv8n slik at forekomsten av falske positiver reduseres samtidig som samtlige nauplii identifiseres. Det anbefales videreføring av arbeidet for å få en tydeligere forståelse av vertikalfordelingen av lakselus. Norway is the worlds´s largest ...
|
|---|