Prosjektnummer
901736
Kunnskapsgrunnlag for biologisk relevante velferdsindikatorer for laks i akvakultur (BIORELEVANS)
Kunnskapsgrunnlag for implementering av automatisert helse- og velferdsovervåking for laks
• Video (YouTube®: Om resultater i prosjektet: BIORELEVANS: Exploring Biological Welfare Indicators in Salmon Aquaculture.
• Metode for individuell gjenkjenning og automatisk registrering av munnåpningsfrekvens (MOF) ble utviklet, og ble verifisert som et mål på respirasjon i respons på temperatur og hypoksi. Dette gir grunnlag for utvikling av kamerateknologi for å anvende MOF som en velferdsindikator.
• Skjelltap kan registreres automatisk og gi grunnlag for implementering av automatiserte helse- og velferdsregistreringer.
• Stressmestring hos laks kan måles ved analyse av hjerneaktivitet (serotonerg aktivitet) som en indikator på kronisk stress, hvis det settes i sammenheng med andre morfologiske velferdsindikatorer.
• Metode for individuell gjenkjenning og automatisk registrering av munnåpningsfrekvens (MOF) ble utviklet, og ble verifisert som et mål på respirasjon i respons på temperatur og hypoksi. Dette gir grunnlag for utvikling av kamerateknologi for å anvende MOF som en velferdsindikator.
• Skjelltap kan registreres automatisk og gi grunnlag for implementering av automatiserte helse- og velferdsregistreringer.
• Stressmestring hos laks kan måles ved analyse av hjerneaktivitet (serotonerg aktivitet) som en indikator på kronisk stress, hvis det settes i sammenheng med andre morfologiske velferdsindikatorer.
Video
Følgende video er tilgjengelig på YouTube®:
• Om resultater i prosjektet: BIORELEVANS: Exploring Biological Welfare Indicators in Salmon Aquaculture.
Sammendrag av resultater fra prosjektets faglige sluttrapport (English summary further below)
Results achieved
Summary of results from the project’s final reporting
Følgende video er tilgjengelig på YouTube®:
• Om resultater i prosjektet: BIORELEVANS: Exploring Biological Welfare Indicators in Salmon Aquaculture.
Sammendrag av resultater fra prosjektets faglige sluttrapport (English summary further below)
Hovedmålet med BIORELVANS var å verifisere den biologiske relevansen av etablerte og nye velferdsindikatorer som egner seg til automatisk registrering. Dette for å bygge en kunnskapsbase som kan brukes til å utvikle et digitalt verktøy for å styre produksjonen basert på fiskens biologiske forutsetninger.
En ny metode for å gjenkjenne individer og kvantifisere munnåpningsfrekvens (mouth opening frequency (MOF)) ble utviklet i prosjektet. Metoden har blitt brukt til å kartlegge normal MOF i ulike situasjoner og graden av endring som følge av miljøendringer og stress. Resultatene viser at MOF øker med høyere temperaturer, lavere oksygennivåer og stress, med interaktive effekter observert mellom temperatur og oksygen. Variasjon mellom individer, og koblingen til serotonerg signalering i hjernen (en sentral mestringsrespons) understreker behovet for å kartlegge velferdsresponser hos individer fremfor fokus på gruppegjennomsnitt. Graden av endring i MOF som følge av hendelser eller miljøendringer, samt tiden det tar å gjenopprette normal respirasjon etterpå, kan gi verdifull informasjon om velferdspåvirkningen av hendelsen. Videre forskning bør fokusere på å kartlegge sammenhenger mellom MOF-respons, fiskens mestringsevne og dermed velferdspåvirkningen.
Relasjonen mellom stressmestring og individbaserte operasjonelle velferdsindikatorer (OWI-er) ble undersøkt i forsøksmerder der det var stor spredning i fiskens ytre karakteristika. Her ble det konkludert med at kondisjonsfaktoren påvirket forholdet mellom OWI-er og stressindikatorer betydelig, og at stressmestringsevnen begynner å svekkes hos fisk med K-faktor under 1,0. Andre karakteristika inkluderte nedregulering av gener assosiert med betennelse og stress hos fisk med bedre velferd. Oppsummert støtter funnene oppfatningen om at kondisjonsfaktoren er en pålitelig velferdsindikator.
I en studie av sjøoppdrettet laks med stor spredning i ytre karakteristika, ble det funnet at lav kondisjonsfaktor reflekterer redusert stressmestringsevne, og at andre eksternt synlige velferdsindikatorer (summen av OWI og skjelltap %) var økt hos fisk med lav kondisjonsfaktor (i området 0,6–1,1). Endringer inkluderte nedregulering av gener assosiert med betennelse og stress. Funnene støtter den eksisterende vitenskapelige oppfatningen om at lav kondisjonsfaktor er assosiert med kompromittert stressmestringsevne. Andre OWI-er varierte ikke i samme grad og ble ikke funnet å bidra merkbart til den observerte variasjonen i stressmestringsevne.
Velferdsindikatoren skjelltap ble viet spesiell oppmerksomhet i prosjektet. Kombinasjonen av funn fra laboratorie- og fullskala studier i prosjektet, samt funn fra tidligere studier, indikerer at høyere nivåer av skjelltap (>20–30 %) enn det som ble observert i dette prosjektets studier (inntil 14 % i gruppegjennomsnitt) kan indikere kompromittert velferd. Gitt den raske tilhelingen av epidermis (ytre hudlag) og slim hos fisk, er denne terskelverdien sannsynligvis avhengig av tiden siden skjelltapet skjedde. Nivået av skjelltap som kreves for å utgjøre en risiko for patogeninfeksjon er uklart og varierer sannsynligvis, men kan muligens oppstå ved lavere skjelltapsnivåer, spesielt kort tid etter at skjellene er tapt, og under forhold som øker patogeniteten (f.eks. lave temperaturer eller stress hos verten). Metoder for sanntidsovervåking av både graden av skjelltap og status for skjelltapsheling kan forbedre vår forståelse av viktigheten av denne velferdsindikatoren for fiskehelse.
Nåværende, kommersielt tilgjengelig teknologi (f.eks. kamerateknologi) tilbyr muligheter for sanntidsovervåking av kondisjonsfaktor, vekst og andre relevante velferdsindikatorer som skjelltap, kjønnsmodning eller sår. Avvik fra forventet vekst og kondisjonsfaktor gir innsikt i fiskens velferdstilstand. Det er imidlertid viktig å merke seg at endringer i vekst og kondisjonsfaktor utvikler seg sakte og kan være forårsaket av flere underliggende faktorer. En måte å identifisere negativ utvikling tidligere på er å bruke teknologi for sanntids adferdsmåling, f.eks. ved hjelp av videoanalyse og/eller ekkolodd. Ved å kombinere informasjon om atferd (f.eks. respirasjonsfrekvens, fôringsatferd eller svømmemønster) med miljøsensorer og vekstmønstre (inkludert kondisjonsfaktor) kan man få ny innsikt om fiskens respons og velferdsutvikling, som muliggjør utvikling av produksjons- og håndteringsstrategier som øker velferd hos oppdrettsfisk. For øyeblikket er utviklingen av slik informasjonsbasert presisjonsoppdrett bare i startfasen, og fortsatt begrenset av praktiske utfordringer som databehandlingskapasitet, datalagring og tilkoblingsproblemer for avsidesliggende oppdrettsanlegg.
Results achieved
Summary of results from the project’s final reporting
The main aim of BIORELVANS was to verify the biological relevance of established welfare indicators suitable for automatic registration, to build a knowledge base for the use of digital welfare records as a tool for managing production based on biological parameters and outcomes.
A method for tracking individuals and quantifying mouth opening frequency (MOF) was developed in the project which yielded reliable individual data trajectories. Results validated significant increases in MOF with higher temperatures, lower oxygen levels and stress, with interactive effects observed between these factors. Relationships between brain serotonergic signalling (a central coping response) and respiration emphasize the need for technologies that allow for individual monitoring rather than relying on group averages. Specifically, the magnitude of the respiratory responses in response to stressful events, and the time to regain baseline respiration subsequently could provide information about the welfare impact of the event. Still, further studies linking MOF responses to other measures of coping capability are needed to understand the link between measured MOF and welfare impact.
In a study capturing a broad range of visible appearance in sea farmed salmon it was found that low condition factor reflects reduced stress coping capability, and that other externally visible welfare indicators (sum of OWI and scale loss %) were increased in fish with low condition factor (in the range of 0,6–1,1). In addition, notable patterns included the downregulation of genes associated with inflammation and stress in fish with better welfare. The findings support the existing scientific opinion that low condition factor is associated with compromised stress coping capability. Other OWI’s did not vary to the same extent and was not found to contribute noticeably to the observed variation in stress coping capability.
Scale loss received special attention. Key findings from the project , along with those from previous studies (literature review), indicate that higher levels of scale loss (>20–30%) than what was generally observed in commercial scale cages in the studies in this project (6–14 %) may indicate compromised welfare. Given the rapid healing of epidermis (outer skin layer) and mucus, a threshold for compromised welfare is likely to depend on the time since scale loss occurred. The level of scale loss required to pose a risk of pathogen infection is unclear and is likely to vary in response to factors affecting pathogenicity, but may possibly occur at lower scale loss levels, particularly shortly after scales are lost. Methods for real-time monitoring of both scale loss degree and scale loss healing status may improve our understanding of the importance of this welfare indicator for fish health in the future.
Current commercially available technologies (e.g. camera technology) offer possibilities for real-time monitoring of condition factor, growth and other relevant welfare indicators such as scale loss, sexual maturity or wounds. Deviations from expected growth and condition factors provide insights into the welfare state of the fish. However, it is important to note that changes in growth and condition factor develop quite slowly and can be caused by multiple underlying factors. One way to enable earlier identification of compromised stress coping ability, and consequently poor welfare and robustness in farmed salmon, is to use technology for real-time behavioural measurements, e.g. via cameras and/or echosounders. Combining information on behaviour (such as respiration frequency, feeding behaviour or swimming pattern), with environmental sensors and growth patterns (including condition factor) may provide new insights for future planning of production and operations that ensures the highest possible welfare status of the farmed fish. Currently, the development of such information-based precision farming is only at a starting point, and still limited by practical challenges such as data processing capacity, data storage, and connectivity issues for remote farming facilities.
Prosjektet har fått fram grunleggende kunnskap som kan gi grunnlag for automatisert velferdsovervåkning med kamera, sensorer m.m. Åpner for muligheter for å overvåke bl.a. skinnhelse og stress.
-
SINTEF Ocean. Rapportnr. 2024:01154. 17. desember 2024. Av Mette Remen.
-
Article in Aquaculture, no. 595 (2025) 741535. By Espen Berntzen Høgstedt (Department of Engineering Cybernetics and Department of Computer Science, Norwegian University of Science and Technology (NTNU)), Christian Schellewald (SINTEF Ocean), Rudolf Mester (Department of Computer Science, NTNU), and Annette Stahl (Department of Engineering Cybernetics, NTNU).
-
Article in IFAC PapersOnLine, no. 58-20 (2024), 313–318. By Christian Schellewald (SINTEF Ocean), Aya Saad ((SINTEF Ocean), and Annette Stahl (Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU).
-
NMBU – Norges miljø- og biovitenskapelige universitet, NIVA (Norsk institutt for vannforskning), Akvaplan-niva AS og SINTEF AS. 23. januar 2025. Av Judit Vas, Erik Höglund, Christian Schellewald, Mette Remen, Harald Ian Muri, Ane Vigdisdatter Nytrø og Øyvind Øverli.
Prosjektet bygger direkte på og vil implementere resultater fra prosjektgruppens tidligere og
pågående FoU-arbeid innen utvikling av operasjonelle velferdsindikatorer (VI)
for laks i oppdrett, automatisk registrering av VI og produksjonsparametere
ved hjelp av maskinsyn og kunstig intelligens (AI)-teknologi samt grunnleggende forskning på sammenhengen mellom stressmestringsevne, velferd og helsetilstand hos fisk.
Norsk lakseoppdrett har over få tiår etablert noen av verdens mest effektive produksjonssystemer for fisk, og preges i dag av innovativ og svært teknologidrevet utvikling innen produksjonsformer, -styring og -effektivisering. Sammen med arealmessige begrensninger kan imidlertid intensiv produksjon skape suboptimale produksjonsmiljøer, der sykdom, parasitter og stress forekommer. Tett oppfølging og overvåking av velferd er derfor en viktig del av driften i dagens oppdrettsnæring. Dette arbeidet er typisk basert på intern og ekstern scoring av fiskevelferd ved bruk av etablerte velferdsindikatorer. Dyrebaserte velferdsindikatorer som fysiologiske mål, utseende, eksterne skader, kondisjon, og atferd gir imidlertid som regel utslag kun etter at et problem har oppstått, og det krever mye erfaringsbasert kunnskap for å ta produksjonsmessige avgjørelser. Sensorer og systemer for kontinuerlig og automatisert overvåking av oppdrettsfisk utvikles i dag raskt. På dette feltet mangler imidlertid avgjørende kunnskapsgrunnlag med tanke på hvor relevante slike data faktiske er i forhold til laksens biologiske tilstand, pålitelighet, repeterbarhet og egnethet til formålet som indikatorer for å kunne oppfylle velferdsbehov hos fiskene i et bestemt oppdrettssystem eller oppdrettsrutine.
Norsk lakseoppdrett har over få tiår etablert noen av verdens mest effektive produksjonssystemer for fisk, og preges i dag av innovativ og svært teknologidrevet utvikling innen produksjonsformer, -styring og -effektivisering. Sammen med arealmessige begrensninger kan imidlertid intensiv produksjon skape suboptimale produksjonsmiljøer, der sykdom, parasitter og stress forekommer. Tett oppfølging og overvåking av velferd er derfor en viktig del av driften i dagens oppdrettsnæring. Dette arbeidet er typisk basert på intern og ekstern scoring av fiskevelferd ved bruk av etablerte velferdsindikatorer. Dyrebaserte velferdsindikatorer som fysiologiske mål, utseende, eksterne skader, kondisjon, og atferd gir imidlertid som regel utslag kun etter at et problem har oppstått, og det krever mye erfaringsbasert kunnskap for å ta produksjonsmessige avgjørelser. Sensorer og systemer for kontinuerlig og automatisert overvåking av oppdrettsfisk utvikles i dag raskt. På dette feltet mangler imidlertid avgjørende kunnskapsgrunnlag med tanke på hvor relevante slike data faktiske er i forhold til laksens biologiske tilstand, pålitelighet, repeterbarhet og egnethet til formålet som indikatorer for å kunne oppfylle velferdsbehov hos fiskene i et bestemt oppdrettssystem eller oppdrettsrutine.
I dette prosjektet ønsker man derfor å verifisere den biologiske relevansen av etablerte velferdsindikatorer som egner seg for automatisk registrering, for å bygge kunnskapsgrunnlaget for at digitale velferdsregistreringer kan tas i bruk som verktøy for å styre produksjonsbiologiske parametere og utfall. Neurobiologiske og molekylærbiologiske indikatorer på redusert stressmestringsevne vil bli relatert til digitale velferdsregistreringer, som igjen vil bli ytterligere verifisert gjennom miljøregistreringer og produksjonsdata. Resultatene vil bli forløpende kommunisert til næringsaktører og forvaltningen gjennom arenaer som etableres i dette og parallelle prosjekter i konsortiet, med tanke på direkte implementering av felles grenseverdier og rammeverk som vil bidra til å opprettholde dyrevelferden på et akseptabelt nivå.
Hovedmål
Å fremskaffe nødvendig biologisk kunnskapsgrunnlag for implementering av automatiserte helse- og velferdsregistreringer fra laks i akvakultur.
Å fremskaffe nødvendig biologisk kunnskapsgrunnlag for implementering av automatiserte helse- og velferdsregistreringer fra laks i akvakultur.
Delmål (tilknyttet arbeidspakker)
1. Å verifisere at utvalgte indikatorer er relevante for helse og velferd, definert som fiskens immunstatus og evne til å mestre sitt miljø.
2. Å innhente automatiske og manuelt verifiserte målinger av utvalgte VI fra praktisk oppdrett i stor skala, og analysere deres relasjon til miljø- og produksjonsdata.
3. Å fremskaffe praktisk implementerbare grenseverdier for når ulike indikatorer reflekterer normalsituasjon jf. tiltakskrevende forhold for laks i matfiskproduksjon.
4. Å sørge for effektiv kommunikasjon og informasjon, formidling og administrasjon av prosjektet.
Fiskens helsetilstand er et produkt av samspillet mellom fiskens egen biologi og miljøet den lever i. Forståelse av god
fiskevelferd er altså ikke bare viktig for å sikre etisk forsvarlig og
bærekraftig produksjon, men også for å fremme sykdomsforebygging. En sterk
fiskehelse og god fiskevelferd er identifisert som et sentralt
konkurransefortrinn for norsk oppdrettsnæring fremover, både fra et økonomisk perspektiv og med hensyn på bærekraftsmål. Spørsmål om dyrevelferd er
også noe forbrukerne blir stadig mer opptatt av, både i Norge og
internasjonalt, og det kreves stadig mer detaljert dokumentasjon på hvorledes
velferd forstås og ivaretas av den enkelte bedrift.
Prosjektbakgrunn, sammensetning av konsortiet, og plan for gjennomføring og formidling er definert med tanke på sluttmålene å verifisere sammenhengen mellom automatisk registrerbare parametere og faktisk helse-/velferdsstatus, samt å fremskaffe praktisk implementerbare terskelverdier for når ulike indikatorer reflekterer en normal holdbar situasjon jf. forhold der det kreves ekstra tiltak.
Tilnærmingen er i utgangspunktet basert på digitalisert visuell overvåking av enkeltindikatorer, og prosjektet er ikke dimensjonert for en dyptgående evaluering av et større antall potensielle VI på individ- eller gruppenivå. Grunnleggende biologiske prinsipper og algoritmer for maskinlæring som utvikles i prosjektet er imidlertid teknologinøytrale, og kan appliseres på andre indikatorer og andre typer sensordata ettersom disse nærmer seg tilfredsstillende grad av teknologimodenhet (TRL-nivå). Direkte nytteverdi ligger da i at man kan ta i bruk ny teknologi som gir høy datakvalitet og øker automatiseringsgraden ved innsamling, standardisering og deling av data, samt AI-teknologi som sporer batcher og enkeltfisk og kan forhåndsvarsle om problemer.
Kunnskapsfronten vil også bringes betydelig fremover for PFF (presisjonsfiskeoppdrett) og bidra til å bedre praksis av 3R-prinsippet (veiledende prinsipper for mer etisk bruk av dyr i produkttesting og vitenskapelig forskning, dvs. redusere (reduce), raffinere (refine) og erstatte (replace)) i utprøving og testing. I sluttfasen av prosjektet er det prioritert å effektivt sammenstille og formidle prosjektets resultater. Nytt kunnskapsgrunnlag vil bli formidlet både interaktivt og kreativt gjennom fagdag for næringsaktører, ved grafisk presentasjon eller animasjon tilgjengelig i media, samt tradisjonell formidling via FHF og konsortiets eget nettverk, tilknyttede nettsider, vitenskapelig og faglig publisering og rapportering.
Prosjektbakgrunn, sammensetning av konsortiet, og plan for gjennomføring og formidling er definert med tanke på sluttmålene å verifisere sammenhengen mellom automatisk registrerbare parametere og faktisk helse-/velferdsstatus, samt å fremskaffe praktisk implementerbare terskelverdier for når ulike indikatorer reflekterer en normal holdbar situasjon jf. forhold der det kreves ekstra tiltak.
Tilnærmingen er i utgangspunktet basert på digitalisert visuell overvåking av enkeltindikatorer, og prosjektet er ikke dimensjonert for en dyptgående evaluering av et større antall potensielle VI på individ- eller gruppenivå. Grunnleggende biologiske prinsipper og algoritmer for maskinlæring som utvikles i prosjektet er imidlertid teknologinøytrale, og kan appliseres på andre indikatorer og andre typer sensordata ettersom disse nærmer seg tilfredsstillende grad av teknologimodenhet (TRL-nivå). Direkte nytteverdi ligger da i at man kan ta i bruk ny teknologi som gir høy datakvalitet og øker automatiseringsgraden ved innsamling, standardisering og deling av data, samt AI-teknologi som sporer batcher og enkeltfisk og kan forhåndsvarsle om problemer.
Kunnskapsfronten vil også bringes betydelig fremover for PFF (presisjonsfiskeoppdrett) og bidra til å bedre praksis av 3R-prinsippet (veiledende prinsipper for mer etisk bruk av dyr i produkttesting og vitenskapelig forskning, dvs. redusere (reduce), raffinere (refine) og erstatte (replace)) i utprøving og testing. I sluttfasen av prosjektet er det prioritert å effektivt sammenstille og formidle prosjektets resultater. Nytt kunnskapsgrunnlag vil bli formidlet både interaktivt og kreativt gjennom fagdag for næringsaktører, ved grafisk presentasjon eller animasjon tilgjengelig i media, samt tradisjonell formidling via FHF og konsortiets eget nettverk, tilknyttede nettsider, vitenskapelig og faglig publisering og rapportering.
Prosjektet er inndelt i tre faglige arbeidspakker (AP-er):
AP1: Biologisk verifisering av utvalgte velferdsindikatorer (VI)
Utføres av: NIVA (AP-leder), Akvaplan-niva, SINTEF Ocean og NMBU.
I AP1.1 skal det gjennomføres et fiskeforsøk med post-smolt laks under kontrollerte betingelser i laboratorium, hvor individbaserte analyser av skjelltapsgrad sammenstilles med individenes stressmestringsevne og immunstatus, for å validere indikatorens betydning for velferd og robusthet med hensyn til parasitter og sykdom. I forsøket skal fisk fotograferes under forhold som utløser ulik grad av stress og utvikling av lyter. For ytterligere verifikasjon, vil andre individbaserte morfologiske VI bli registrert på de samme individene. I AP1.2 vil sammenhengen mellom stressmestringsevne og respirasjonsfrekvens bli registrert med hjelp av maskinsyn og AI (kunstig intelligens)-baserte algoritmer. Her vil det også utføres forsøk der laks eksponeres for ulike temperaturer og oksygenkonsentrasjoner, for å skape et rammeverk for tolkning av digitale registreringer under ulike miljøforhold (identifisere grenseverdier for normalsituasjon versus avvik) i produksjon.
AP2: Verifisering av visuelle målinger av VI i full skala
Utføres av: SINTEF Ocean (AP-leder), Akvaplan-niva, Norsk institutt for vannforskning – NIVA og NMBU.
Målsettingen med denne AP-en er å verifisere normal variasjon i utvalgte VI og identifisere indikasjoner på redusert helse og velferd, basert på miljø- og gruppebaserte VI i kommersielle oppdrettsmerder. Til dette formålet innhentes presise målinger av utvalgte VI fra praktisk oppdrett i stor skala, og samsvar med registrert sykdomsutvikling og dødelighet gjennom produksjonssyklusen kartlegges. Langsiktige VI basert på skjelltap og kortsiktige VI basert på ventilasjonsfrekvenser vil bli korrelert med produksjonsdata som miljøregistreringer, dødelighetsrate eller sykdomsutbrudd. Slike produksjonsdata blir hentet inn fra ukentlige rapporter fra oppdrettere og offentlige data fra Barentswatch, samt fra rapporter under avlusning og transport.
AP3: Praktisk bruk av VI til beslutningsstøtte
Utføres av: Akvaplan-niva (AP-leder), SINTEF Ocean, NMBU og NIVA.
Målsettingen med denne AP-en er å fremarbeide praktisk implementerbare grenseverdier for når ulike indikatorer reflekterer normalsituasjon jevnfør tiltakskrevende forhold for laks i matfiskproduksjon. Tilgjengelig kunnskap og erfaring, resultater fra laboratorieforsøk (AP1) og fra studier gjennomført i kommersielle oppdrettsmerder (AP2) vil oppsummeres, og praktiske grenseverdier for de ulike indikatorene skal fremarbeides. Syntesen av prosjektresultatene skal inkludere en beskrivelse av normalvariasjon i utvalgte VI og faktorer som bidrar til normalvariasjon. Registreringer som indikerer redusert helse eller velferd skal beskrives, og alvorlighetsgrad skal vurderes. Deretter skal de praktiske grenseverdiene presenteres og diskuteres med referansegruppe, før resultatene formidles til sluttbrukere i form av populærvitenskapelig artikkel, presentasjon på konferanse og i faglig sluttrapport. I AP3.2 vil det bli utarbeidet en oversikt over eksisterende og nyutviklede teknologiske metoder som kan brukes for å måle de utvalgte indikatorene. Metodeoversikten skal muliggjøre en evaluering av nye verktøy opp mot eksisterende metoder, og være vurderingsunderlag for valg av riktige metoder i framtidig velferds- og helseovervåking. Det er også en målsetting å synliggjøre kunnskapsbehov.
Kommunikasjon til sluttbrukere vil bli
gjennomført interaktivt med næringslivsaktører og gjennom ulike
relevante fagkanaler. Våren 2023 vil det bli gjennomført en fagdag
rettet mot oppdrettere, beslutningstakere, utstyrsleverandører,
forskere, og myndigheter med arbeidstittel “Nye referansepunkter for
biologiske grenseverdier og VI til bruk for objektiv måling med
eksisterende og nye overvåkningsteknologier”. Underveis vil resultater produsert i AP1–AP3 bli presentert på konferanser som Havbrukskonferansen, TEKMAR, Frisk Fisk, Aquaculture Europe i regi av European Aquaculture Society (EAS) og på fagspesifikke konferanser i regi av FHF eller sjømatorganisasjonene.
-
NMBU – Norges miljø- og biovitenskapelige universitet, NIVA (Norsk institutt for vannforskning), Akvaplan-niva AS og SINTEF AS. 23. januar 2025. Av Judit Vas, Erik Höglund, Christian Schellewald, Mette Remen, Harald Ian Muri, Ane Vigdisdatter Nytrø og Øyvind Øverli.
Medieomtale
Automatisert overvåking løfter fiskevelferden i norsk oppdrett
kyst.no
Automatisert overvåking løfter fiskevelferden i norsk oppdrett
kyst.no
BIORELEVANS: Exploring Biological Welfare Indicators in Salmon Aquaculture
YouTube
Denne metoden avslører hvordan fisken har det
Gemini.no
Hvordan har fisken det egentlig?
kyst.no
Hvordan har laksen det egentlig?
fhf.no
Er skjelltap og finneskader utviklet i settefiskanlegget årsak til sårdødelighet etter vinterutsett?
TEKSET