Torsken på dette bildet er på vei gjennom en trål, og skal snart bli foreviget av et automatisk kamera. (Foto: Kongsberg Maritime/Simrad)

En fotoboks for fisk

Her går torsken rett i fotoboksen. Bildene skal gjøre det enklere å fastette de riktige fiskekvotene. Se video fra Barentshavet.

– Jeg tror jeg har undersøkt rundt tre millioner bilder av fisk, sier Shale Rosen, postdoktor ved Havforskningsinstituttet, og ler.

Han leder arbeidet med å utvikle en fotoboks som tar bilde av fisken mens den er på vei gjennom trålen. All fisken som går inn i trålen, må også gå gjennom fotoboksen, som heter Deep Vision.

Rosen sitter og ser gjennom bildene fra siste test i et improvisert kontor på forskningsfartøyet G.O. Sars. Nå foregår det forskning på bærekraftige fangstmetoder utenfor kysten av Troms og Finnmark.

Shale Rosen ved Havforskningsinstituttet, som jobber med Deep Vision-systemet. (Foto: Lasse Biørnstad)

– Det er stort sett torsk, men det dukker opp en annen art en gang iblant, sier Rosen.

– For eksempel uer.                           

– Mer nøyaktig fiskemengde

En av Norges aller største næringer dreier seg om å hente fisk opp fra sjøen. Fiskerne får utdelt en fiskekvote, som er basert på anslag over hvor mye fisk det er i havet.

Anslagene over hvor mye fisk som finnes i sjøen, er svært viktige for fiskenæringen og fiskebestandene. Hvis fiskekvoten er for stor, kan det bli tatt opp for mye fisk, slik at det går ut over bestanden. Kvoten bør heller ikke være for liten, siden fiskerne gjerne vil ta opp så mye de kan.

– Deep Vision kan være et nyttig verktøy for å få mer nøyaktige målinger av fiskemengde, sier John Willy Valdemarsen, forsker ved Havforskningsinstituttet og toktleder om bord på G.O. Sars. Han er også leder for Crisp – forskningssenter for miljøvennlig fangst.

Fotoboksen

Selve systemet har vært under utvikling i flere år, og består av en kasse som står mellom trålen og oppsamlingsposen hvor den fangede fisken havner. Inne i denne kassen er det et kamerasystem med blitzer, som tar bilder av all fisk som passerer gjennom boksen.

Trålen leder fisken gjennom boksen, der den blir avbildet. Bak boksen er trålposen hvor fangsten blir samlet opp, men posen kan også være åpen så fisken svømmer rett gjennom. (Foto: Lasse Biørnstad)

Deep Vision har et stereoskopisk kamera, som består av to kameraer som står ved siden av hverandre, omtrent som et par menneskeøyne. Dette gir dybde i bildene og gjør det lettere å vurdere fiskens størrelse.

Ute i havet utenfor Nord-Norge testes den nyeste varianten av Deep Vision. Alle mulige funksjoner ved boksen må testes ut og undersøkes. Teknikken må fungere, og utformingen på boksen må være god nok til at den lett kan slepes og hales inn og ut av fiskebåten.

Fiskeliv på forskjellige dybder

Forskjellige fiskearter lever på forskjellige dybder i havet. Dette er en utfordring for forskere som vil undersøke nøyaktige bestander og fiskemengder. Vitenskapelige prøver av fisk og sjødyr tas ofte med trål fordi det er en effektiv måte å fange fisken på.

Når trålen settes ut, beveger den seg ned fra grunt vann, og dypere og dypere ned i havet. Når trålen trekkes opp, må den hales opp fra dypet. Dermed trekker trålen med seg mange forskjellige arter fra forskjellige lag i havet.

– Du får en pose med fangst, uten å vite nøyaktig hvor fisken befant seg da den ble fanget, sier Valdemarsen.

Hvor er torsken?

Her kommer Deep Vision inn. Boksen kan trekkes på forskjellige vanndybder, og ta bilde av de forskjellige fiskeartene som lever for eksempel på 100 meters dyp. Denne informasjonen kan være svært interessant sammen med bilder fra ekkoloddet, som blant annet brukes til å finne store fiskestimer eller måle fiskemengde.

Et signal sendes gjennom vannet, treffer en eller mange fisk og blir reflektert tilbake til sensorer på båten. Dermed dukker det opp fiskeekko på skjermene i båten. Dette kan kanskje si noe om hvor stor fisken er eller hvilken art som sendte fra seg ekkoet, men informasjonen er usikker.

For eksempel er det mange fisker som kan dukke opp mellom 0 og 300 meter under havoverflaten, men hvor er torsken og hvor stor er den?

Her kan Deep Vision for eksempel brukes til å ta prøver i forskjellige vanndybder. Prøvene kan brukes til å få bedre oversikt over hvor fisken faktisk befinner seg, og hvilke arter som lever sammen i små økosystemer i vannlagene i havet.

– Hvis du bare bruker ekkolodd, så får du ikke denne informasjonen, sier Valdemarsen.

Folkene bak Deep Vision ser for seg at den kan brukes til å ta ut fiskeprøver i forksjellige lag i sjøen. Denne grafikken viser både bilder fra ekkoloddet, banen som ble trålet, og hva slags fisk som forskerne fant på forskjellige havdyp med kamerasystemet. (Foto: (Bilde: Shale Rosen))

Død fisk

Noen ganger må forskningsfartøy kaste en del tonn med fisk. Forskningsfartøy kan ikke selge fisken videre, men de har lov til å kaste fangst over bord, i motsetning til fiskebåter.

– For eksempel da vi skulle undersøke makrellbestanden, ble det kastet 150–200 tonn med fisk gjennom hele toktet. Båtene har ikke kapasitet til å håndtere fiskemengdene, forteller Valdemarsen.

– Men vi prøver å kaste så lite som mulig.

En av tankene bak Deep Vision er at forskere kan ta bilde av fisken som lever på forskjellige havdyp, uten å måtte ta fisken opp. Da er trålposen åpen, så fisken går rett gjennom hele trålen.

– Ideen er at man kan gjøre disse undersøkelsene uten å måtte drepe fisken, sier Shale Rosen.

Ikke helt i mål

Deep Vision testes ut, og ikke alt er klart for daglig bruk.

– Det er enda en vei å gå før det blir et nyttig forskningsverktøy, sier John Willy Valdemarsen.

Dette er først og fremst på grunn av datasystemene som skal analysere alle bildene som kommer ut av boksen mens den er nede i havet. Det blir tatt fem bilder i sekundet, og hvis trålen er ute i to timer, blir det 36 000 bildepar som må analyseres.

­– Målet er at art og størrelse blir automatisk bestemt, men det er ikke helt på plass ennå, sier Shale Rosen.

Colaboks i fotoboks

Det har også ført til at Rosen har sett på enormt mange bilder av forskjellige fisk, sjødyr, colabokser og alt annet som har gått igjennom Deep Vision. Nå er arbeidet lettere, siden analyseprogrammene klarer å luke vekk alle bildene som ikke viser fisk.

– Jeg har brukt noen måneder på å kikke gjennom bildene, sier han.

– Dette er veldig tidkrevende, og det må bli automatisert før det kan tas i bruk, sier Valdemarsen.

Prøver under vann

John Willy Valdemarsen nevner også at forskerne har behov for å ta representative prøver av fisken som blir undersøkt, for å for eksempel bedømme hvor gamle de er eller kikke på mageinnholdet.

– Men da trenger vi bare 100–200 fisk, ikke mange tonn.

Dette kan løses med en luke nede i boksen, som sluser noen uheldige fisk inn i en prøvebeholder. Rosen forteller at dette er under utvikling.

Rosen forteller også at de håper å lage en kommersiell variant av Deep Vision, ved siden av en forskningsutgave.

– Den kan for eksempel brukes på en trål, hvor man kan skille mellom store og små fisk. Fiskere vil helst ha store torsk og kan dermed følge med på hva slags fisk som går inn i trålen.

Referanser

Crisp – Havforskningsinstituttet

Underwood MJ mfl: Deep Vision: An In-Trawl Stereo Camera Makes a Step Forward in Monitoring the Pelagic Community. PLoS ONE, 2014. doi:10.1371/journal.pone.0112304

Rosen, Shale mfl: DeepVision in-trawl imaging: Sampling the water column in four dimensions. Fisheries Research, November 2013. doi:10.1016/j.fishres.2013.08.002. Sammendrag

Powered by Labrador CMS