Sanntids måling av klekkeprosess for copepoder

Med C-Feed

Bedriften C-Feed produserer copepodeegg av arten Acartia tonsa til bruk som levende fôr i produksjon av marine fiskearter. Et viktig ledd både i produksjonen og i kvalitetssikringen av produktet er å måle klekkeraten til eggene. I denne oppgaven skal det utvikles en sensor som overvåker klekkeprosessen ved hjelp av maskinsyn og maskinlæring for å fortløpende måle andelen egg, tomme eggeskall og klekkede copepoder av naupliestadie 1 og 2.

I en tidligere masteroppgave er bildemateriale blitt etablert og en maskinsynalgoritme utviklet for å klassifisere partikler. I denne oppgaven skal det utvikles en fysisk prototype for måleinstrumentet som overvåker klekkeprosessen. Denne skal testes i samarbeid med C-Feed.

 

Prediksjonsmodell for lakselus på oppdrettsanlegg

Lakselus er et betydelig problem i den norske oppdrettsnæringen. Mengden lus per fisk måles regelmessig ved alle lokaliteter, og verdiene gjøres offentlig tilgjengelig. Figuren under viser et eksempel fra en spesifikk lokalitet fra 2021, og tidspunkt for lusebehandlinger er markert med vertikale streker. Lusetellingene er imidlertid usikre, både fordi det gjøres et begrenset utvalg av fisk, og fordi det kan være vanskelig å se spesielt de små stadiene av lus.

I denne oppgaven skal studenten ta i bruk en av de eksisterende matematiske modellene for lusepopulasjoner, og etablere en estimator basert på Ensemble Kalman Filter eller partikkelfilter som hensyntar usikkerheten i målingene og i modellen. Estimatoren skal vurderes ut fra hvor gode prediksjoner av fremtidige lusetall som kan oppnås, og det er i tillegg et mål å estimere smittetrykket av lus utenfra basert på modellen og målingene. Data fra alle de aktive lokalitetene i Norge er tilgjengelig for testing.

 

Måling og modellering av oksygennivå i oppdrettsenheter

Tilstrekkelig tilgang på oksygen er en forutsetning for god velferd og vekst i lakseproduksjon. En kan få lave oksygennivåer spesielt under forhold med lav strøm og høy temperatur. Når det nå utvikles både lukkede og delvis lukkede anlegg, og anlegg med betydelig større produksjonsenheter, er dette problemet mer aktuelt enn noen gang før. Oksygenkonsentrasjonen i en produksjonsenhet kan modelleres med en eksisterende modell basert på adveksjon-diffusjonslikningen, og slik danne grunnlag for bedre regulering av fôring eller andre pådrag for å sikre god fiskevelferd. Inngangsverdier til modellen er bl.a. strøm, utvendig oksygennivå i vannet og når og hvordan fisken fôres. Innledende tester har blitt gjort ved hjelp av måledata fra SalMars havmerd Ocean Farm 1 (se figur), og resultatene viser at modellen gir gode prediksjoner.

Det ble gjennomført et måleprogram ved en av Bjørøya Oppdrett sine lokaliteter sommeren 2022 med 15 oksygen- og temperatursensorer og en profilerende strømmåler. Målingene skal brukes til analyse, validering og evt. forbedring av modell, samt brukes til å teste oppsett for å estimere oksygennivå basert på modell og målinger.

Artikkel med beskrivelse av oksygenmodellen: https://www.sciencedirect.com/science/article/pii/S0044848621013831
Skalastudie basert på oksygenmodellen: https://www.sciencedirect.com/science/article/pii/S0044848622009486

Eksempel på modellerte O2-fordelinger i Ocean Farm 1. Høye konsentrasjoner av fisk nær de 16 undervanns utfôringsenhetene gir lokale reduksjoner i O2-nivå.

 

Maskinlæring for å detektere når fiskefartøy leter etter fisk

Med SINTEF Ocean

Norsk vårgytende sild gjennomfører en årlig gytevandring fra kysten utenfor Nord-Norge sørover til Midt-Norge. I prosjektet FishGuider skal det utvikles et beslutningsstøttesystem som skal bistå fiskere i å operere mest mulig effektivt, blant annet for å kunne spare drivstoff. Det er utviklet en matematisk modell av gytevandringen som skal simuleres i sanntid og korrigeres basert på observasjoner.

Vi har informasjon om når og hvor det fanges fisk, og hvor mye. I tillegg er det nyttig å kunne vite hvor fiskefartøy har lett etter fisk uten å finne noe. Det kan være mulig beregne dette ved hjelp av maskinlæring basert på detaljerte bevegelsesdata for fartøyene (basert på AIS). I denne oppgaven skal en eller flere maskinlæringsmetoder vurderes og testes for dette formålet.

Eksempel på modellerte geografiske fordelinger av sild under gytevandringen for samme dato to forskjellige år.

 

Validering og korreksjon av havmodell ved hjelp av ARGO-måledata

Havmodeller kan estimere temperatur, salinitet og strømretninger i havet, samt biologiske variable som algeoppblomstringer. De har imidlertid mange feilkilder og det er nødvendig å bruke målinger til å validere eller korrigere modellene. En rikholdig kilde til måledata er ARGO-programmet som består av tusenvis av driftere som måler temperatur og salinitet i havet. Det er også mulig å avlede estimat av strømhastigheter og -retninger basert på hvordan de beveger seg (se figur).

I denne oppgaven skal studenten bruke dataserier fra havmodellen SINMOD, og data fra ARGO-programmet. Det skal utvikles metoder for systematisk å validere modellen mot måledata. Oppgaven kan også utvides til å omfatte metoder for modellkorreksjon basert på ARGO-målingene.

Eksempel strømhastigheter og -retninger ved 1000 m dyp estimert ut fra posisjonene til ARGO-driftere (farge fra svart til rød indikerer strømhastighet og retning/lengde på strekene indikerer strømvektorene.

 

Prediksjonsmodell for vekst av dyrket tare, og tilstandsestimering basert på måledata

Med SINTEF Ocean v/Ole Jacob Broch

Det er utviklet gode dynamiske modeller (basert hovedsakelig på systemer av ordinære differensialligninger) for å simulere vekst og biomasse hos sukkertare i akvakultur. I løpet av de siste årene er det blitt flere som dyrker sukkertare i Norge, og NTNU og SINTEF har nylig blitt tildelt en stor nasjonal infrastruktur for tareakvakultur, RI Seaweed, der observasjonssystemer, automatisering og modellering inngår som integrerte deler.

Viktige miljøvariable for vekst hos tare er lys, temperatur og næringssaltkonsentrasjoner (nitrat). Tarevekstmodellen kan kjøres både med målte (fra bøyer, instrumenter) og simulerte (for eksempel fra havmodellsystemet SINMOD) miljøbetingelser som inngangsdata.

Prosjektoppgaven dreier seg om å bruke data fra målinger av tarebiomasse til å forbedre tilstandsestimatene fra modellen. Noen steder å starte:

• Bruke kalman filter / extended kalman filter / ensemble kalman filter for å estimere usikkerhet (i modell og målinger) og forbedre tilstandsestimatet fra modellen.
• Initialverdier: det er en del usikkerhet i initialverdier for tarevekstmodellene (startbiomasse). Hvor stor betydning har dette for tilstandsestimatene? Har det betydning for bruk av kalmanfilterteknikkene?

Det kan også være aktuelt å sammenligne resultater fra Kalman-filtrering med ren "modellrelaksering", der modellen dras direkte mot målingene.

Venstre: Modellbasert "kart" over hvor det bra / mindre bra å dyrke sukkertare langs norskekysten. Oppe til høyre: Dyrket sukkertare (SINTEF). Nede til høyre: Eksempel på simulert biomasse i en tarekultur (rød linje) sammenlignet med målte verdier (de blå prikkene m/standardavvik).

 

Robotbasert inspeksjon av ventiler og sensorer i industrianlegg

Med Equinor

Industrianlegg har gjerne tusenvis av ventiler, sensorer eller andre elementer som bør inspiseres visuelt med jevne mellomrom, og autonome roboter kan brukes til å automatisere denne prosessen. Det krever at roboten er i stand til å finne en tilgjengelig posisjon som gir god sikt til hvert aktuelle element. Dersom anlegget har en god digital tvilling kan planleggingen i mange tilfeller gjøres på forhånd ut fra 3D-modellen av anlegget. I en masteroppgave våren 2023 har det blitt utviklet en optimaliseringsalgoritme for inspeksjon basert på 3D-modeller, som kan lage "bestillinger" av robotinspeksjoner formatert for integrasjon med Equinor sine systemer.

I denne oppgaven skal systemet videreutvikles for bedre å kunne håndtere virkelige systemer med mulige forstyrrelser eller avvik fra den digitale tvillingen.

Eksempel på scene fra 3D-modell av anlegget Huldra. Roboten (delvis skjult ute til høyre) prøver å se ventilen lengst til venstre i bildet.

 

Data-driven current model as part of a digital twin for submarine drones

Med SINTEF Ocean / SINTEF Digital

A computationally cheap data-driven ocean model shall be developed as part of a digital twin for navigation of submarine drones from the sea surface to target positions at the sea floor (see figure). Full ocean models (such as the SINMOD model developed at SINTEF) are too computationally heavy to be used efficiently in real-time high resolution current estimation, so a combined approach using simplified models is needed. In this student project, one approach for simplified models will be tested.

In the project, a model will be set up based on a parameterization of the flow field using Gaussian radial basis functions (RBFs), initialized using data computed by the full ocean model SINMOD, and updated based on observations from the submarine drones using a Kalman filter [1]. This represents a data driven approach for high resolution current estimation. The model will be evaluated for an application with launching a swarm of drones over an ocean area of 50x50 km^2 and 3000m depth.

The modelling work will be made in close collaboration with researchers at SINTEF OCEAN, who participates with industrial partners and researchers at SINTEF Digital in a larger research project.

References:
[1] Real-time modeling of ocean currents for navigating underwater glider sensing networks, Chang, Dongsik, et al., Cooperative robots and sensor networks. Springer, Berlin, Heidelberg, 2014. 61-75.

 

Kollektiv effekt av fiskebevegelser på vannstrøm og turbulens i havbruksmerder

Vi mangler gode modeller for hvordan fiskens bevegelser påvirker strømmønster og turbulens inne i havbruksmerder. Kunnskap om disse effektene vil kunne gjøre modeller for fôrfordeling og oksygenfordeling i merder mer presise, samt gjøre det lettere å vurdere hydrodynamiske forhold i nye typer produksjonsenheter, f.eks. delvis eller helt lukkede anlegg, samt tanker i landbaserte anlegg. I denne oppgaven skal studenten med utgangspunkt i en individbasert modell for lakseatferd analysere fiskebestandens aksellerasjoner med tanke på å bygge opp en forståelse av den kollektive effekten, og om mulig etablere en matematisk modell for fiskens effekt på strømmønsteret.

Eksempel på skjermbilde av 200.000 modellerte laks i oppdrettsmerd.