De Nijltilapia is de op één na meest gekweekte zoetwatervis ter wereld, met een wereldwijde markt van 11 miljard dollar per jaar, die met 9% groeit jaar op jaar. Tilapia’s zijn populair vanwege hun lage kosten (2$ per kg), het gemak waarmee ze gekweekt kunnen worden en het vermogen om onder wisselende omstandigheden te reproduceren en te groeien. Ruim twintig jaar lang (vanaf 1980) kende hun groei in populariteit weinig tot geen nadelen. Maar sinds 2000 heeft de bacterie streptokokkose jaarlijks honderden miljoenen in verliezen veroorzaakt. In 2009 bedroegen de wereldwijde verliezen door streptokokkose $250 miljoen. In hetzelfde jaar brak TiLV voor het eerst uit, wat jaarlijks honderden miljoenen extra in verloren oogst veroorzaakte.
Inzet van kunstmatige intelligentie
Convolutionele neurale netwerkalgoritmen worden ontwikkeld en getraind voor de detectie van deze ziekten bij tilapia. Deze ziekten delen een aanzienlijke overlap in fysieke en gedragsmatige symptomen. Viskwekerijen geven vanwege de negatieve publiciteit niet snel de aanwezigheid van deze ziekten toe. Om dit tegen te gaan en toch gegevens te verzamelen voor algoritmetraining, modelleren, 3D-printen en schilderen we ‘zieke vissen’. Deze modellen maken het mogelijk om algoritmen specifiek te trainen voor elk meer, vijver of open water, waardoor ziektes effectief gedetecteerd kunnen worden.
Welke uitdaging lost het op?
Het gebruik van antibiotica of vaccins is niet beschikbaar, niet betaalbaar of beperkt in effectiviteit vanwege muterende ziekten. In plaats daarvan moeten verbeteringen worden aangebracht in de detectie van ziekten. De huidige ziektecontroles zijn afhankelijk van de observatie van sterfgevallen. Een kooi bevat ongeveer 250.000 vissen, dus tegen de tijd dat er ziektes geobserveerd worden, is het al door het hele kooi verspreid.
De toekomst
Het doel is nu om robuuste hardware te ontwikkelen voor de inzet van de AI, samen met een uitbreiding van de reeds ontwikkelde software. Het algoritme is al getraind. Ik werk ook aan het verzamelen van data van zieke vissen om de robuustheid van het onderliggende model te verbeteren en dit in de model-training te introduceren. Een verdere uitbreiding van de software is om ervoor te zorgen dat gesignaleerde zieke vissen worden gevolgd om nauwkeurige cijfers te geven over het aantal zieke vissen in een kooi en dubbeltellingen te voorkomen.
Meer informatie
Geïnteresseerd? Stuur een e-mail naar Floris van Rijn.
