Seks måneder fra konsept til flytende maskinvare som møter Mattilsynets kliniske taksonomi .

Fundamentet

Hvorfor bildekvalitet er fundamentet for pålitelig AI i havbruk

Kunstig intelligens er aldri bedre enn dataene den lærer fra. Når en modell trenes til å detektere lakselus eller velferdsskader, baserer prosessen seg fullt ut på merkede bilder — fotografier der en menneskelig ekspert allerede har identifisert og merket det AI-en skal lære å gjenkjenne. Er bildene uskarpe, dårlig belyst eller viser bare én side av fisken, er merkene usikre i beste fall og feil i verste.

Før du spør hva en AI kan detektere, still et enklere spørsmål: kan en opplært ekspert tydelig se og identifisere lus eller skade i dette bildet? Er svaret nei, har AI-en ingenting pålitelig å lære av — og ingenting pålitelig å levere. Derfor betyr bildekvalitet like mye som selve algoritmen.

SelectAI Focus er bygd rundt dette prinsippet. Etter hvert som hver fisk passerer gjennom kanalen, fanger tre synkroniserte kameraer hele overflaten under standardisert belysning — dorsal, ventral og lateral, hver fisk, hver passasje. Resultatene er basert på full statistisk dekning av populasjonen, ikke på prediksjoner ekstrapolert fra et delvis bilde. For lusatelling og velferdssvurdering er det forskjellen mellom å vite og å anta.

Konsistente, høykvalitetsbilder innsamlet under identiske forhold over tid gjør mer enn å støtte dagens rapporteringskrav. De bygger et voksende, merket datasett som muliggjør nye modeller — tidlig sykdomsdeteksjon, biomasseestimat, respirasjonsovervåking. Verdien av en havbruks-AI-plattform er ikke bare hva den gjør i dag — det er fundamentet den bygger for morgen.