Til innholdet

Prosjektnummer

901976

Prosjektinformasjon

Prosjektnummer: 901976
Status: Pågår
Startdato: 01.07.2024
Sluttdato: 01.10.2026
Fagfelt: Villfisk; Fiskeri- og fartøyteknologi

Sanntidsovervåkningteknologi for beslutningsstøtte i trålfiske

Rekefisket i Norge opplever store utfordringer med effektivitet, lønnsomhet og bærekraft. I Norskerenna/Skagerrak er det dårlig rekruttering av bestanden, utfordrende å finne gode rekeaggregater og lav effektivitet. Mye leting, høye drivstoffpriser og opptrapping av CO2-avgiften truer lønnsomheten. Nord for 62°N er det derimot en sunn rekruttering og en bærekraftig bestand med potensiale for større uttak og lønnsomhet. 

SINTEF har over lengre tid innhentet data fra reketråling hvor man også har peilet drivstofforbruket om bord slikt at en kan regne seg frem til liter diesel brukt per kg rundvekt reker fanget. Basert på historiske trender observerer man at begynnelsen av reketrål er særdeles dyrt og til tross for start av haling, kan ta opp til et døgn eller mer før de treffer godt. Dermed er det en faktor på 21 mellom start og når de treffer rekestimen godt. Gjennom dette prosjektet kan man korte ned tiden det tar å finne stimen når rekene først treffer trålen. 

I tillegg har rekefisket store miljøutfordringer. Bunntråling er den fiskemetoden med størst negativ påvirkning på bunnfauna og EU planlegger innen 2030 å fase ut all bunntråling i de 30 % av havområdene som omfattes av FNs naturvernavtale av 19. desember 2022 (European Commision, 2023). Dette vil redusere tilgjengelige områder for rekefiske betydelig i den form det praktiseres i dag. I tillegg sliter rekefisket med høye CO2-utslipp og bifangstrater, som for eksempel av ungtorsk, hyse og uer. 

En sentral utfordring i dagens trålfiske er at fangsten som oftest først observeres om bord etter haling, slik at en har svært lite faktainformasjon om hva som går inn i trålen under fisket. Det er en hovedutfordring å få fram sanntids fangstinformasjon for å aktivt kunne gi beslutningsstøtte under fiskeoperasjonen som gjerne pågår i 5 timer eller mer. Med sanntids overvåkning av hva som faktisk går inn i trålen, vil en kunne ta grep for å styre unna områder med stor bifangst og fokusere på der en får mest reker i løpet av halet. Selv om det finnes kommersielle trålkamerasystem, er det problematisk for fiskerne at disse medfører en ekstra kabel for overføring av videobildet (Krag et al 2023), og ekstra kompliserende dersom en må integrere presenning i bunnen av trålen for å dempe oppvirvling av sedimenter. Det er derfor viktig å få utviklet et kommersielt system som overfører fangstinformasjonen trådløst til bro-systemet uten at det er for komplisert i praktisk bruk.
​Hovedmål
Å utvikle et operativt beslutningsstøttesystem for rekefiske basert på den trådløse sensoren CamSounder som bidrar til presisjonsfiske og økt fangsteffektivitet ved å gi sanntids informasjon om reker og bifangst.  

Delmål
1. Å spesifisere og prioritere systemkrav til deteksjon, informasjonsoverføring og presentasjon for beslutningsstøtte samt iterativ  datainnsamling for algoritmeutvikling.
2. Å tilpasse og optimalisere CamSounder for bruk under rekefiske med Nordnes tråler M/S Vollerosa for iterativ datainnsamling og utprøving.
3. Å etablere treningssett for maskinlæring for fangstdeteksjon i rekefiske basert på innsamlede data.
4. Å utvikle maskinlæringsalgoritmer for deteksjon og kvantisering av reker og bifangst tilpasset prosesseringsenheten i CamSounder.
5. Å implementere akustisk informasjonsoverføring for fangst, sensorstyring og grafisk brukergrensesnitt for beslutningstøtte.
6. Å gjennomføre tokt for utprøving av systemet under fangst.
I dette prosjektet vil man utvikle et system for beslutningsstøtte, både i sanntid og strategisk. I sanntid får fiskeren informasjon om reker i trålen, antall og lengde, i tillegg til bifangst. Fiskeren identifiserer fangsten raskere, bruke mindre tid på å lete og fylle kvotene, og optimaliserer fangsten til mest lønnsom størrelse. Fiskeren tjener mer på kvotene samtidig som utgifter til drivstoff og CO2-avgift går ned. Fangsten kan også landes raskere, noe som gir bedre pris og kvalitet på rekene. Fangsteffektivitet og relevante målinger for bærekraftsindikatorer vil integreres med FiskInfo så langt mulig. Integrasjon av data i FiskInfo gir fiskeren et verktøy for å ta gode strategiske beslutninger om hvor det lønner seg å fiske. FiskInfo har allerede tilgang på data om fartøy, redskap og historiske fangstdata. Data fra prosjektet kan legges til for det enkelte fartøy og rederi og gi et godt bilde av rekeaggregatenes forekomst og hvor det lønner seg å gå på fiske. I Norskerenna/Skagerrak gir dette mindre leting på en hardt presset bestand og nord for 62°N muligheten til å ta ut mer av en bestand med god tilvekst. 
​Prosjektet består av fem faglige arbeidspakker (AP-er) som hver har et definert mål, oppgaver, leveranser og ansvarlig partner.

AP1 vil bidra med krav om ytelse og funksjon til algoritmer AP3, og brukerkrav til AP4. AP2 vil stå for datainnsamling for data som brukes AP3. AP2 vil også evaluere algoritmene fra AP3 og brukergrensesnittet fra AP4. Resultater fra AP2, AP3 og AP4 vil være grunnlag for optimalisering i AP5. AP5 vil beskrive optimalisering og overføringsverdi til ulike fartøygrupper og bruksområder.

SINTEF Nord og SINTEF Digital står for utvikling av algoritmer og prosjektledelse. Scantrol Deep Vision skal videreutvikle og prøve ut algoritmer på sin CamSounder. Nordnes skal samle data fra og prøve ut løsningen på sitt fartøy M/S Vollerosa.
​Prosjektet vil bruke interne sosiale mediekanaler og delta på konferanser og møter med næringen. Oceanovation 2024, Det internasjonale havforskningsrådet (ICES) og FNs matvareorganisasjon (FAO) sin felles Working Group on Fishing Technology and Fish Behavour (WGFTFB) 2024, ICES sin Annual Science Conference (ASC) 2024, ONE OCEAN Conference 2025, Oceanology International | Marine Tech & Ocean Science Events 2026, Fiskeridirektoratets FangstID symposium 2025. I tillegg fire ganger i året på internasjonal workshop for kunstig intelligens for havforskning sammen med deltakere fra NOAA, DTU Aqua, Thunen Institute, IFREMER, Merinov, Trident Seafood, Girona Vision Research, Havforskningsinstituttet og Ireland Seafood Development Agency.

Relaterte FHF-prosjekter

FiskInfo: Fase 3 – Helhetlig løsning for digital distribusjon av viktig informasjon til fiskeflåten: Fase 3 Prosjektnummer: 901427