Sechs Monate vom Konzept zur schwimmenden Hardware, die Mattilsynets klinische Taxonomie erfüllt.

Das Fundament

Warum Bildqualität das Fundament zuverlässiger KI in der Aquakultur ist

Künstliche Intelligenz ist nur so gut wie die Daten, aus denen sie lernt. Beim Training eines Modells zur Erkennung von Lachsläusen oder Wohlfahrtsverletzungen stützt sich der Prozess vollständig auf beschriftete Bilder — Fotografien, in denen ein menschlicher Experte bereits identifiziert und markiert hat, was die KI erkennen lernen soll. Sind diese Bilder unscharf, schlecht beleuchtet oder zeigen nur eine Seite des Fisches, sind die Labels bestenfalls unsicher und schlimmstenfalls falsch.

Bevor man fragt, was eine KI erkennen kann, sollte man eine einfachere Frage stellen: Kann ein ausgebildeter Experte die Läuse oder die Verletzung in diesem Bild klar sehen und identifizieren? Wenn die Antwort nein lautet, hat die KI nichts Verlässliches, aus dem sie lernen kann — und nichts Verlässliches, das sie liefern kann. Deshalb ist die Bilderfassung ebenso wichtig wie der Algorithmus selbst.

SelectAI Focus ist nach diesem Prinzip aufgebaut. Während jeder Fisch den Kanal passiert, nehmen drei synchronisierte Kameras die gesamte Oberfläche unter standardisierter Beleuchtung auf — dorsal, ventral und lateral, jeden Fisch, jeden Durchgang. Die Ergebnisse basieren auf vollständiger statistischer Abdeckung der Population, nicht auf Prognosen, die aus einer Teilansicht extrapoliert werden. Bei der Läusezählung und Wohlfahrtsbewertung ist das der Unterschied zwischen Wissen und Schätzen.

Konsistente, hochwertige Bilder, die unter identischen Bedingungen über Zeit gesammelt werden, erfüllen mehr als die heutigen Meldeanforderungen. Sie bauen einen wachsenden, beschrifteten Datensatz auf, der neue Modelle ermöglicht — frühzeitige Krankheitserkennung, Biomasseschätzung, Atemfrequenzüberwachung. Der Wert einer Aquakultur-KI-Plattform liegt nicht nur in dem, was sie heute leistet, sondern im Fundament, das sie für morgen legt.