FishAI

Bestehen­de Füt­te­rungs­sys­te­me basie­ren auf sta­ti­schen Wachs­tums­mo­del­len aus der Lite­ra­tur und berück­sich­ti­gen weder die Grö­ßen­ver­tei­lung der Fische im Becken, noch Feed­back bzgl. der Fut­ter­auf­nah­me. Dies kann nicht nur zu einer Fut­ter­ver­schwen­dung, son­dern eben­so zu einer zusätz­li­chen Belas­tung des Was­sers, der Anlagen­tech­nik und der Tie­re füh­ren und dar­über hin­aus die Qua­li­tät des Pro­duk­tes beeinträchtigen.

Ziele von FishAI

1. Ziel von FishAl ist eine öko­lo­gisch und öko­no­misch nach­hal­ti­ge Ver­sor­gung mit Fisch­pro­duk­ten durch rezir­ku­lie­ren­de Aquakultursysteme.
2. Durch ein intel­li­gen­tes, daten­ba­sier­tes Füt­te­rungs­sys­tem soll der Fut­ter­mit­tel­ein­satz effi­zi­en­ter gestal­tet und damit die Pro­duk­ti­vi­tät der Anla­gen unter Ein­spa­rung von Betriebs­kos­ten gestei­gert werden.
3. Die Basis bil­den auto­no­me Sen­so­ren der smar­ten Bil­der­ken­nung, mit denen eine Bio­mas­sen­be­stim­mung und Bewer­tung der Fut­ter­auf­nah­me ermög­licht wer­den sollen.

Zur Errei­chung die­ser Zie­le wird im Rah­men von FishAl ein intel­li­gen­tes, daten­ba­sier­tes Füt­te­rungs­sys­tem ent­wi­ckelt, das in bestehen­de RAS Anla­gen inte­griert wer­den kann.

Das Sys­tem basiert auf vier Kern­kom­po­nen­ten: Fish­Si­zer (Grö­ßen­be­stim­mung), Feed­Watch (Fut­ter­auf­nah­me), Dyna­mi­sche Wachs­tums­mo­del­le und Dash­board zum Besatz­ma­nage­ment. Die Basis bil­den auto­no­me Sen­so­ren der smar­ten Bil­der­ken­nung, mit denen eine Bio­mas­sen­be­stim­mung und Bewer­tung der Fut­ter­auf­nah­me ermög­licht wer­den sol­len. Durch die Kom­bi­na­ti­on mit Meta­da­ten bzgl. der  Hal­tungs­be­din­gun­gen sol­len dyna­mi­sche Wachs­tums­mo­del­le erstellt wer­den, die arten- und hal­tungs­spe­zi­fi­sche Merk­ma­le berück­sich­ti­gen. Mit die­ser Daten­ba­sis sol­len zuver­läs­si­ge Pro­gno­sen bzgl. der Fut­ter­zu­fuhr, Pro­duk­ti­ons­men­ge und Pro­dukt­qua­li­tät ermög­licht wer­den, mit denen die Wirt­schaft­lich­keit der Anla­gen gestei­gert wer­den kann.

Mit unse­rem Part­ner, dem August-Wil­helm Scheer Insti­tut für digi­ta­le Pro­duk­te und Pro­zess gGmbH, ent­wi­ckeln wir die Modu­le zur Grö­ßen­be­stim­mung der Fische und zur Bestim­mung der Fut­ter­auf­nah­me in den Was­ser­tanks. Zudem wer­den die zugrun­de­lie­gen­de Daten­bank sowie die trai­nier­ten KI-Model­len in eine eigens ent­wi­ckel­te Cloud­lö­sung inte­griert. Mit die­sem Sys­tem kön­nen Nut­zen­de auf alle Funk­tio­na­li­tä­ten zugreifen.

Erste Forschungsergebnisse:

Mit den bereits ent­wi­ckel­ten und trai­nier­ten Model­len künst­li­cher Intel­li­genz kön­nen bereits bild­ba­siert die Fische im Tank erkannt und seg­men­tiert wer­den. Dazu wird im Bild jeder Pixel ana­ly­siert und einer bestimm­ten Klas­se (Fisch1, Fisch2, kein Fisch) zuge­wie­sen. Die sich dar­aus erge­ben­de Seg­men­tie­rung wird über ein Algo­rith­mus erwei­tert, sodass die Län­ge der Fische in Pixeln erfasst wird. Dazu wird eine Linie durch die erho­be­ne Mas­ke gezo­gen. Im Bereich der Akus­tik wur­den Audio­auf­nah­men erfasst, pro­zes­siert und klas­si­fi­ziert. Die­se erho­be­nen Daten sol­len dazu ver­wen­det wer­den, ein Klas­si­fi­ka­ti­ons­mo­dell zu trai­nie­ren. Damit soll es mög­lich sein, ver­schie­de­ne Geräu­sche im Cube von­ein­an­der zu unter­schei­den. So kön­nen Fil­ter­ge­räu­sche, Stim­men und die Fut­ter­auf­nah­me klas­si­fi­ziert werden.

Weiterführende Informationen 

fin­dest Du auf der Web­site des August-Wil­helm Scheer Instituts.