Optimar har satset på en to-kameraløsning for å sortere fisk om bord. Det setter krav til håndteringen.Foto: Optimar
Optimar har satset på en to-kameraløsning for å sortere fisk om bord. Det setter krav til håndteringen.Foto: Optimar
Optimar har satset på en to-kameraløsning for å sortere fisk om bord. Det setter krav til håndteringen.Foto: Optimar

To kamera og en datahjerne gjør sorteringsjobben om bord

Et Optimar-ledet prosjekt gjør sortering av fisken helautomatisert. Tre fartøy har allerede tatt det i bruk.

Det er maskinlæring og optisk bildegjenkjenning av fisk som er nøkkelen til systemet, som så smått har rukket å bli kommersialisert.

- Vi har solgt systemet til flere, selv om det ennå gjenstår litt arbeid, forteller prosjektleder Eivind Storøy til Tekfisk.

Tok kontroll over prosjektet

I starten samarbeidet Optimar med et spansk firma, Roboconcept.

- Det var tungrodd, og vi var avhengige av eksterne leverandører, sier han.

For et år siden tok Optimar kontroll over prosjektet selv. Siden har det vært en rivende utvikling, forteller Storøy.

Prosjektet som har tre millioner i støtte fra Fiskeri- og havbruksnæringens forskningsfinansiering (FHF), skal være ferdig i slutten av juni i år. Halstensen Granit AS er inne i prosjektet med 1,4 millioner kroner, mens Roboconcept SA opprinnelig var inne med knappe 700.000 i midler. 

zoomSortering av fisk har tradisjonelt vært manuelt arbeid, der sorteringsrister langt fra har gjort hele jobben.
Sortering av fisk har tradisjonelt vært manuelt arbeid, der sorteringsrister langt fra har gjort hele jobben.

Lovende resultater

Testing om bord «er i oppstartsfasen», men viser lovende takter.

Opprinnelig skulle det 81,2 meter lange flaggskipet «Granit» hos K. Halstensen AS være testlab for prosjektet. For tiden er imidlertid den flytende filetfabrikken «Granit» på et ikke helt systemkompatibelt rekefiske. 

Målet i prosjektet var en feilmargin på 2 prosent, og Storøy mener at det er der de er nå. Selv ønsker de 100 prosent rett svar. 

- Kameraene i seg selv gir over 99 prosent riktig tolkning, understreker han.

zoomEmil Dale Bjørlykhaug (til høyre) og Lars Giske har jobbet med sine doktorgradsavhandlinger på arbeidsplassen sin hos Optimar gjennom forskningsprosjektet «Robotisert vasking av lakseslakteri». Nå har Bjørlykhaug ledet Optimars prosjekt for automatisk sortering av fisk.
Emil Dale Bjørlykhaug (til høyre) og Lars Giske har jobbet med sine doktorgradsavhandlinger på arbeidsplassen sin hos Optimar gjennom forskningsprosjektet «Robotisert vasking av lakseslakteri». Nå har Bjørlykhaug ledet Optimars prosjekt for automatisk sortering av fisk.

Egne folk

I dag har selskapet egne eksperter som jobber med maskinlæring og bildegjenkjenning. Kamera og maskinvare er det Optimars team som har valgt ut.

Emil Bjørlykhaug leder gruppen på tre som utvikler maskinlæring og maskinsyn. Han har jobbet for Optimar i et og et halvt år, og gikk inn i prosjektet da spanjolene gikk ut av det.

Til Tekfisk forteller han at det nå er finpussen som gjenstår. 

- Systemet fungerer i praksis, og det gjenstår bare å produktifisere det, sier han.

Bjørlykhaug forteller at oppstarten bød på utfordringer. «Granit» har derfor fått testselskap av både «Geir» og «Atlantic» det siste halve året. 

Avstand viktig

Prosessen er todelt, og kameraene er avhengige av ryddige forhold. Det betyr at hver fisk må holde avstand til neste fisk. Timing i bånd og avskrapere må stemme for at kameraene - for der er to - skal få kikket på fiskekroppen.

Forhold om bord kan altså spille inn på resultatet.

En gjenkjennelsesprosent redusert til 98 er likevel svært bra, mener Storøy.

Tallene ikke er verifisert ennå, og han forteller at Optimar er 95 prosent ferdige med prosjektet.

- Vi skal skrive sluttrapporter for FHF, og det vil også foregå en del justering parallelt med levering til kunder.

- Småting, mener han.

zoomMaskinlæring og maskinsyn gjør sortering av fangst om bord helautomatisk.
Maskinlæring og maskinsyn gjør sortering av fangst om bord helautomatisk.

Fiskeøye på fisken

Om bord vil to kamera ta bilder av fisken mens den passerer på båndet.

Et kamera med fiskeøyeobjektiv - en ekstrem vidvinkel - tar bilde for artsbestemmelse, mens en linjeskanner estimerer både størrelse og vekt.

Etter hvert som prosjektet har skredet frem, har noe teknologi blitt vraket, og noe har kommet til.

I starten gjorde fysiske begrensninger om bord at tre bilder måtte settes sammen til ett.

- Teknologien har utviklet de siste årene, spesielt på maskinlæring. Der har utviklingen vært ekstrem, sier Storøy.

Fra bar bakke

Bjørlykhaug forteller at i starten av et slikt prosjekt står man bokstavelig på bar bakke. 

- Man må bygge opp en bildedatabase, og først når denne er stor nok kan systemet begynne å fungere.

Han berømmer arbeidsgiveren for satsingen på maskinlæring, og at de velger å holde det internt på huset. Totalt er syv personer involvert i prosjektet. 

zoomTredimensjonal prinsipptegning av Optimars løsning. 
Tredimensjonal prinsipptegning av Optimars løsning. 

Flere prosjekter

Optimar har flere prosjekter som skal landes i år. Et av prosjektene, som også griper inn i produksjonslinjene om bord, er utvikling av en automatisk bløggerobot for hvitfisk. Også her er det Optimars bildegjenkjenningssystem som blir tatt i bruk.

Optimar har ennå ikke landet på et produktnavn for denne delen av konseptet. 

- Internt bruker vi bare begrepet computer vision - maskinsyn, forteller Bjørlykhaug.

Sortering om bord

Som i andre slike prosjekt er det effektivisering og kvalitetsheving som er grunntanken.

Sortering om bord gjøres i første rekke for at filétmaskinene skal ha en ens størrelse fisk å jobbe med. På større fartøy betyr dette flere filétskjærere, på mindre båter at en maskin må stilles om for hver størrelse.

zoomTestlab i prosjektet har vært K. Halstensens «Granit», men der er også blitt installert pilotanlegg i to andre fartøy. 
Testlab i prosjektet har vært K. Halstensens «Granit», men der er også blitt installert pilotanlegg i to andre fartøy. 

Gradering om bord

Bifangst og ulike størrelser blir ofte valgt ut ved hjelp av såkalte rulle- eller vektgraderere. Slike maskinelle sorteringsmaskiner gir grov sortering, og er avhengig av manuell arbeidskraft.

Automatisering vil derfor redusere graden av monotont arbeid og antall folk om bord. Det kan også redusere omfanget av utstyr som kreves i fabrikken på båten.

Teknologien rundt bildegjenkjenning og maskinlæring har hatt en rivende utvikling de siste årene. Både oppdrettsnæringen og havforskerne har forsket på, og tatt i bruk automatisert gjenkjenning av både art og tendenser i bilder. Ansiktsgjenkjenning er i utstrakt bruk, på så vel flyplasser som i totalitære regimer.

Maskinlæring og stordata

Om bord på et fiskefartøy vil maskinlæring kunne vurdere skrei mot hyse, på bakgrunn av hva datamaskinen er blitt fortalt. Da har den blitt matet med store mengder data på hva som kjennetegner en bestemt art. En slik vurdering kan også være selvlærende, der datamaskinens erfaring kontinuerlig korrigerer flere og flere typer feil.

Et fullt dataovervåket og datastyrt fangstsystem gir også verdifull informasjon, som kan brukes både internt og eksternt. Statistikk på klokkeslett, sted, innblanding av arter og størrelse er bare noe som kan hentes ut. Også fartøyet og fabrikkens drift kan på denne måten logges og optimaliseres.

zoomRiktig innlesing og tolkning krever at fisken passerer enkeltvis under skannerne. 
Riktig innlesing og tolkning krever at fisken passerer enkeltvis under skannerne. 

Commander for datahåndtering

Optimar sitt Commander-system er et av flere datahåndteringssystem som gir verdifull informasjon både for styrmann og for en kunde i supermarked i Europa.

- Big data er et fullt ut kommersielt produkt, sier Storøy.

På et fartøy i fullt fiske kan som nevnt feilkilder oppstå. En datamaskin som skal identifisere fangsten og gi et estimat av størrelse og kvalitet, kan la seg forvirre av to fisk oppå hverandre. Nøkkelordet er singulering, og rytme.

Automatisering trumfer

- Vi har løst det ved at hodekapperen tar inn én og én fisk, forteller Storøy.

Han vil ikke si at den automatiske sorteringen kommer til kort overfor et menneskelig blikk.

- Det er uansett en såpass lav prosent som går i feil, og vi snakker tross alt om 98 prosent av jobben gjort automatisk.

For tiden er det de tre pilotinstallasjonene som er i drift, men Optimar har seks andre kunder som har signert for løsningen. 

( VILKÅR )
 
Del saken