Ziel von FishAI ist eine ökologisch und ökonomisch nachhaltige Versorgung mit Fischprodukten durch rezirkulierende Aquakultursysteme.
FishAI
1
2
Durch ein intelligentes, datenbasiertes Fütterungssystem soll der Futtermitteleinsatz effizienter gestaltet und damit die Produktivität der Anlagen unter Einsparung von Betriebskosten gesteigert werden.
3
Die Basis bilden autonome Sensoren der smarten Bilderkennung, mit denen eine Biomassenbestimmung und Bewertung der Futteraufnahme ermöglicht werden sollen.
Principal Investigator
Dr. Dirk Wert
Geschäftsführer und wissenschaftlicher Direktor
Kurz & Bündig
Was?
Mit dem Forschungsprojekt FishAI soll die Wirtschaftlichkeit von RAS Anlagen gesteigert und damit eine nachhaltige Versorgung mit Fischprodukten in Deutschland gemäß der NASTAQ Ziele für 2030 zu etabliert werden. Im Zentrum steht die Erreichung folgender Ziele:
- Steigerung des Automatisierungsgrades und Reduktion der Betriebskosten von RAS-Anlagen
- Verbesserung des Tierwohls durch optische, nicht-invasive Messmethoden zur Reduktion von Stress & Verletzungsgefahr und durch optimale, an die Umgebungsbedingungen (z.B. Wassertemperatur) angepasste Futtermengen
- Optimierung der Produktion & Futterzufuhr und dadurch Reduktion des Ressourceneinsatz (hier: Futtermittel)
- intelligente Datenauswertung zur Bereitstellung von Prognosen bzgl. Produktionsmengen und Produktqualität
Wie?
Zur Erreichung dieser Ziele wird im Rahmen von FishAI ein intelligentes, datenbasiertes Fütterungssystem entwickelt, das in bestehende RAS Anlagen integriert werden kann. Das System basiert auf vier Kernkomponenten: FishSizer (Größenbestimmung), FeedWatch (Futteraufnahme), Dynamische Wachstumsmodelle und Dashboard zum Besatzmanagement.
Die Basis bilden autonome Sensoren der smarten Bilderkennung, mit denen eine Biomassenbestimmung und Bewertung der Futteraufnahme ermöglicht werden sollen. Durch die Kombination mit Metadaten bzgl. der Haltungsbedingungen sollen dynamische Wachstumsmodelle erstellt werden, die arten- und haltungsspezifische Merkmale berücksichtigen. Mit dieser Datenbasis sollen zuverlässige Prognosen bzgl. der Futterzufuhr, Produktionsmenge und Produktqualität ermöglicht werden, mit denen die Wirtschaftlichkeit der Anlagen gesteigert werden kann.
Ausgangssituation
Aquakulturen gewinnen für die Ernährung der Bevölkerung immer mehr an Bedeutung, da die weltweit steigende Nachfrage nach Fisch- und Meeresprodukten über Wildfang nicht mehr ohne schwerwiegende Folgekosten für die Umwelt abgedeckt werden kann.
Rezirkulierende Aquakultursysteme bieten in diesem Zusammenhang als standortunabhängige Lösung auf dem Land, eine ressourcenschonende, transparente und dezentrale Alternative zur bisherigen Versorgung.
FishSizer
KI-basierte Ermittlung
von Größe und Gewicht
FeedWatch
KI-basierte Beurteilung
der Futteraufnahme
Das August-Wilhelm Scheer Institut entwickelt folgende Bestandteile:
Wir entwickeln die Module zur Größenbestimmung der Fische und zur Bestimmung der Futteraufnahme in den Wassertanks. Zudem werden die zugrundeliegende Datenbank, sowie die trainierten KI-Modellen in eine von uns entwickelte Cloudlösung integriert. Mit diesem System können Nutzende auf alle Funktionalitäten zugreifen.
FÖRDERHINWEIS
Das Projekt FishAI ist gefördert von dem Bundesministerium für Bildung und Forschung.
Förderkennzeichen: 031B1252B
Laufzeit: 01.08.2022 – 31.07.2025