Prosjektnummer
901677
Undervannsdrone for automatisk inspeksjon av oppdrettsnot
Det er utviklet undervannsdrone for bedre og mer effektiv inspeksjon av not i oppdrettsanlegg
• Det er utviklet en konvensjonell maskinsynalgoritme og en KI-algoritme som automatisk oppdager hull under inspeksjoner.
• En drone med selvstyrte funksjoner er utviklet og produsert.
• Et realistisk trenings- og utviklingsmiljø er bygget opp i en simulator, som gjør det mulig å teste løsninger og trene operatører trygt og effektivt.
• Et brukervennlig system som samler og viser både inspeksjonsdata og funn på en oversiktlig måte, gjør det enklere å gjennomføre og forstå inspeksjonene.
• En drone med selvstyrte funksjoner er utviklet og produsert.
• Et realistisk trenings- og utviklingsmiljø er bygget opp i en simulator, som gjør det mulig å teste løsninger og trene operatører trygt og effektivt.
• Et brukervennlig system som samler og viser både inspeksjonsdata og funn på en oversiktlig måte, gjør det enklere å gjennomføre og forstå inspeksjonene.
Sammendrag av resultater fra prosjektets faglige sluttrapport
Det har blitt utviklet et brukervennlig og relativt intuitivt brukergrensesnitt som selv uerfarne operatører skal kunne bruke.
Algoritme for deteksjon og hull er utviklet og testet i mindre skala samt i simulator. Den viser stort potensial for fullskala anlegg, men mer treningsdata er nødvendig for en markedsklar løsning.
Det er gjort fremskritt innen lokal posisjonsestimering, men det gjenstår fortsatt en del mer arbeid for å kunne oppnå robust og pålitelig global posisjoneringsestimering. Metoder som Simultaneous Localization and Mapping (SLAM) har vist lovende resultater i simulator og kontrollerte miljøer, men krever videre utvikling og innsamling av mer reell og variert data for å fungere stabilt over tid.
Visualisering av skader for pilot er utviklet. En 3D-modell genereres av merden på bakgrunn av blant annet størrelse og antall panel. Denne modellen er lagt til i brukergrensesnittet og vil gi en operatør oversikt over hvor hull er detektert samt hvilke områder som er inspisert. Det er også lagt inn visualisering av deteksjoner i grensesnittet, der mulige hull vil bli markert av en rød boks.
Siste versjon av dronen bruker strøm fra merdkant/båt. I tillegg er det kommunikasjon til en PC via den samme kabelen for strøm. I løpet av prosjektet har man i dialog med bransjen funnet ut at det er viktig å kunne kjøre operasjoner over lang tid (12 timer++) og at det også vil være en betydelig verdi i å kunne kjøre manuelle inspeksjoner av f.eks. forankringer, enkelthendelser, overvåke operasjoner osv. Dette lar seg kun gjøre om man benytter en umbillical (sammensatt kabel) for strømforsyning og sanntids dataoverføring.
Lading og datasynkroniseringsbehovet er blitt forenklet. Det vil trolig uansett være tilfeller der anlegg ikke har tid til å forholde seg til dronen, og det er dermed veldig bra at den nå kan ligge trygt i merden knyttet til internett og operatører som følger med fra sentralen.
Det har blitt utviklet et brukervennlig og relativt intuitivt brukergrensesnitt som selv uerfarne operatører skal kunne bruke.
Algoritme for deteksjon og hull er utviklet og testet i mindre skala samt i simulator. Den viser stort potensial for fullskala anlegg, men mer treningsdata er nødvendig for en markedsklar løsning.
Det er gjort fremskritt innen lokal posisjonsestimering, men det gjenstår fortsatt en del mer arbeid for å kunne oppnå robust og pålitelig global posisjoneringsestimering. Metoder som Simultaneous Localization and Mapping (SLAM) har vist lovende resultater i simulator og kontrollerte miljøer, men krever videre utvikling og innsamling av mer reell og variert data for å fungere stabilt over tid.
Visualisering av skader for pilot er utviklet. En 3D-modell genereres av merden på bakgrunn av blant annet størrelse og antall panel. Denne modellen er lagt til i brukergrensesnittet og vil gi en operatør oversikt over hvor hull er detektert samt hvilke områder som er inspisert. Det er også lagt inn visualisering av deteksjoner i grensesnittet, der mulige hull vil bli markert av en rød boks.
Siste versjon av dronen bruker strøm fra merdkant/båt. I tillegg er det kommunikasjon til en PC via den samme kabelen for strøm. I løpet av prosjektet har man i dialog med bransjen funnet ut at det er viktig å kunne kjøre operasjoner over lang tid (12 timer++) og at det også vil være en betydelig verdi i å kunne kjøre manuelle inspeksjoner av f.eks. forankringer, enkelthendelser, overvåke operasjoner osv. Dette lar seg kun gjøre om man benytter en umbillical (sammensatt kabel) for strømforsyning og sanntids dataoverføring.
Lading og datasynkroniseringsbehovet er blitt forenklet. Det vil trolig uansett være tilfeller der anlegg ikke har tid til å forholde seg til dronen, og det er dermed veldig bra at den nå kan ligge trygt i merden knyttet til internett og operatører som følger med fra sentralen.
Inspeksjon av not og deteksjon av skader kan gjøres raskere, billigere og sikrere, noe som på sikt kan bety mindre rømming av oppdrettslaks.
Skader på oppdrettsanlegg under drift og etterfølgende
rømning av oppdrettslaks er et gjentakende problem i bransjen.
De siste ti årene har det i snitt rømt mer enn 200 000 laks og
regnbueørret i året fra norske oppdrettsanlegg.
Det er naturlig å anta at en god del av rømningene kommer som et resultat av et mindre, uoppdaget hull som får vokse over tid. Når et notlin ryker, må de naboliggende trådene ta opp lasten og dette fører til økt sannsynlighet for at også disse ryker. Om man kan oppdage skader mens de ennå er så små at de ikke medfører rømningsfare vil trolig en stor del av rømningsproblematikken løses.
Prosjektet bør gjennomføres for å gi næringen tilgang på et nytt og revolusjonerende verktøy for inspeksjon av anlegg.
Prosjektet passer godt inn i Mohn Technology sin satsning på autonomi og automatisering av havbruksnæringen. Mange oppgaver er krevende, dyrt og kjedelig for personell å utføre, og et godt eksempel på dette er å se over tusenvis av kvadratmeter not per merd.
Det er naturlig å anta at en god del av rømningene kommer som et resultat av et mindre, uoppdaget hull som får vokse over tid. Når et notlin ryker, må de naboliggende trådene ta opp lasten og dette fører til økt sannsynlighet for at også disse ryker. Om man kan oppdage skader mens de ennå er så små at de ikke medfører rømningsfare vil trolig en stor del av rømningsproblematikken løses.
Prosjektet bør gjennomføres for å gi næringen tilgang på et nytt og revolusjonerende verktøy for inspeksjon av anlegg.
Prosjektet passer godt inn i Mohn Technology sin satsning på autonomi og automatisering av havbruksnæringen. Mange oppgaver er krevende, dyrt og kjedelig for personell å utføre, og et godt eksempel på dette er å se over tusenvis av kvadratmeter not per merd.
• Å utvikle et kamerasystem med tilhørende
maskinsynprogramvare som kan automatisk inspisere
oppdrettsnoten i et anlegg.
• Å utvikle en undervannsdrone med tilhørende styringsprogramvare som nøyaktig og pålitelig kan gjennomføre inspeksjon av noten.
• Å gi næringen kunnskap om denne nye teknologien via artikler, rapporter m.m.
• Å utvikle en undervannsdrone med tilhørende styringsprogramvare som nøyaktig og pålitelig kan gjennomføre inspeksjon av noten.
• Å gi næringen kunnskap om denne nye teknologien via artikler, rapporter m.m.
Resultatet av prosjektet vil på sikt bety mindre rømming av
oppdrettslaks om næringen tar produktet i bruk. Man regner med
at produktet kan levere daglige inspeksjoner for lavere pris enn
hva næringen betaler for inspeksjoner etter hver vask. Dette vil
spare næringen direkte, i tillegg til at det vil gi rimeligere
reparasjoner da skadene er mindre, samt at det vil gi mindre sjanse
for dyre rømninger. Prosjektet vil altså direkte kunne spare
næringen for store summer årlig i tillegg til å gi et bedre
resultat og lavere risiko enn dagens løsninger.
Rømning av oppdrettslaks er i tillegg til lus en av de største miljøutfordringene bransjen stå ovenfor, og ved å satse på ny teknologi som dette viser bransjen at de tar ansvar.
For Mohn Technology vil prosjektet gi et viktig produkt i porteføljen og øke kompetansen på autonomi og maskinsyn. Dette vil medføre at man kan satse videre på ny og revolusjonerende teknologi for fiskeri- og havbruksnæringen.
Rømning av oppdrettslaks er i tillegg til lus en av de største miljøutfordringene bransjen stå ovenfor, og ved å satse på ny teknologi som dette viser bransjen at de tar ansvar.
For Mohn Technology vil prosjektet gi et viktig produkt i porteføljen og øke kompetansen på autonomi og maskinsyn. Dette vil medføre at man kan satse videre på ny og revolusjonerende teknologi for fiskeri- og havbruksnæringen.
Prosjektet har som mål å utvikle en prototype for autonom
inspeksjonsdrone klar for pilottesting hos utvalgte kunder i
havbruksnæringen. I prosjektet vil det også bli lagt vekt på å
dokumentere og formidle autonome systemers effektivitet og
fordeler, slik at næringene i større grad kan vurdere denne
typen teknologi.
Prosjektet er tiltenkt inndelt i følgende faser:
Fase 1: Utarbeide kravspesifikasjon og utvikling av produksjonsunderlag
Dette omhandler produktutvikling av kamerasystem, sensorløsninger, dronehardware og programvare til både styring og inspeksjon. Utviklingen skjer med vektlegging på kunde/brukers behov. Videre vil man gjøre research på hvilken hardware som bør kjøpes ferdig (f.eks. kamera, mikro-PC-er osv.) og hva som må designes til formålet. Videre sys alle komponentene sammen til et produkt ved hjelp av 3D modelleringsprogramvare, og produksjonsunderlag utvikles. Programvaren vil i hovedsak utvikles i ROS (robot operating system), OpenCV (maskinsyn) og revisjoner, krav, forslag, hendelser osv. holdes rede på via versjonskontrollprogramvaren GitHub.
Fase 2: Bygging, funksjonstesting og revisjon av prototype(r)
I denne fasen bygges det fysiske produktet som er utviklet i fase 1, og delene funksjonstestes i lab og basseng i Mohn Technology sine lokaler i Bergen for å oppdage eventuelle feil som ikke er funnet under design/ simuleringsarbeidet. Videre vil man gjennomføre tester og kalibreringer i basseng.
Fase 3: Testing i fullskalaanlegg med revisjoner
I denne fasen testes produktet i fullskala anlegg med og uten drift. Det vil drives konvensjonell inspeksjon under hele forsøket for å ikke risikere noen rømning pga. feil ved prototypen. Det vil sammenlignes resultater mellom konvensjonell og automatisk notinspeksjon, og loggføres problemer/ utfordringer med dronen, samt behov for menneskelig interaksjon.
Prosjektorganisering
Mohn Technology har hovedansvar for utvikling og testing, men Firda vil etterse at fiskehelsen ikke påvirkes og komme med innspill til krav og brukererfaringer. Mohn Technology har hovedkompetanse innen teknisk utvikling, mens Firda har lang og bred erfaring innen oppdrett og bruk av forskjellig utstyr i driften.
Prosjektet er tiltenkt inndelt i følgende faser:
Fase 1: Utarbeide kravspesifikasjon og utvikling av produksjonsunderlag
Dette omhandler produktutvikling av kamerasystem, sensorløsninger, dronehardware og programvare til både styring og inspeksjon. Utviklingen skjer med vektlegging på kunde/brukers behov. Videre vil man gjøre research på hvilken hardware som bør kjøpes ferdig (f.eks. kamera, mikro-PC-er osv.) og hva som må designes til formålet. Videre sys alle komponentene sammen til et produkt ved hjelp av 3D modelleringsprogramvare, og produksjonsunderlag utvikles. Programvaren vil i hovedsak utvikles i ROS (robot operating system), OpenCV (maskinsyn) og revisjoner, krav, forslag, hendelser osv. holdes rede på via versjonskontrollprogramvaren GitHub.
Fase 2: Bygging, funksjonstesting og revisjon av prototype(r)
I denne fasen bygges det fysiske produktet som er utviklet i fase 1, og delene funksjonstestes i lab og basseng i Mohn Technology sine lokaler i Bergen for å oppdage eventuelle feil som ikke er funnet under design/ simuleringsarbeidet. Videre vil man gjennomføre tester og kalibreringer i basseng.
Fase 3: Testing i fullskalaanlegg med revisjoner
I denne fasen testes produktet i fullskala anlegg med og uten drift. Det vil drives konvensjonell inspeksjon under hele forsøket for å ikke risikere noen rømning pga. feil ved prototypen. Det vil sammenlignes resultater mellom konvensjonell og automatisk notinspeksjon, og loggføres problemer/ utfordringer med dronen, samt behov for menneskelig interaksjon.
Prosjektorganisering
Mohn Technology har hovedansvar for utvikling og testing, men Firda vil etterse at fiskehelsen ikke påvirkes og komme med innspill til krav og brukererfaringer. Mohn Technology har hovedkompetanse innen teknisk utvikling, mens Firda har lang og bred erfaring innen oppdrett og bruk av forskjellig utstyr i driften.
Prosjektet vil formidles fortløpende via artikler på Mohn Technology sine nettsider, i fagtidsskrifter og innlegg i sosiale medier. Man vil fremheve gjennombrudd i
prosjektet, gjerne i sammenheng med milepæler som nåes. I tillegg vil det informeres om utviklingen på ulike havbruksmesser hvor Mohn Technology har stand. Produktet vil vises fram på AqKva- eller
Aqua Nor-konferansen etter at prosjektet er avsluttet.
Sluttrapporten, som vil være åpent tilgjengelig, vil forklare systemets funksjon og effektivitet.
Mohn Technology har vitenskapelig samarbeid med Universitetet i Bergen (UiB) og Høgskulen på Vestlandet (HVL), der det legges opp til flere samarbeidsoppgaver/prosjekter med studenter. Mohn Technology vil forsøke å knytte master- og/eller bacheloroppgaver innen relevante spesialiseringer opp mot dette prosjektet. I tillegg er Mohn Technology med på praksisordningen for havteknologi-masterutdanningen, og disse studentene vil være med på testing av utstyr. På den måten vil også prosjektet formidles i disse miljøene og gi studenter innblikk i interessante arbeidsoppgaver i teknologiutvikling knyttet til havbruksnæring. Det er viktig å sørge for at studenter vet om muligheter og potensiale til høyteknologiske lokale arbeidsplasser knyttet til denne næringen.
Sluttrapporten, som vil være åpent tilgjengelig, vil forklare systemets funksjon og effektivitet.
Mohn Technology har vitenskapelig samarbeid med Universitetet i Bergen (UiB) og Høgskulen på Vestlandet (HVL), der det legges opp til flere samarbeidsoppgaver/prosjekter med studenter. Mohn Technology vil forsøke å knytte master- og/eller bacheloroppgaver innen relevante spesialiseringer opp mot dette prosjektet. I tillegg er Mohn Technology med på praksisordningen for havteknologi-masterutdanningen, og disse studentene vil være med på testing av utstyr. På den måten vil også prosjektet formidles i disse miljøene og gi studenter innblikk i interessante arbeidsoppgaver i teknologiutvikling knyttet til havbruksnæring. Det er viktig å sørge for at studenter vet om muligheter og potensiale til høyteknologiske lokale arbeidsplasser knyttet til denne næringen.