Abstract
Den teknologiske utviklingen i oppdrettsnæringen har skutt fart, og det er nå mulig å bruke teknologi for å analysere velferden til laks. Man kan hente ut mye informasjon gjennom bilde og video data gjennom maskinlæringsmetoder som utnytter dyplæringsprinsippet. For å kunne automatisere velferdsestimeringen av laks i oppdrettsnæringen, må man kunne identifisere laksen for å gi hvert enkelt individ et veldferdsestimat.
I denne masteroppgaven er det laget en programvare som bruker dyp læring for å identifiserer laks basert på bilder av kroppsdeler. Programvaren er brukt til å finne ut hvilke kroppsdeler som er mest informative og best egnet til re-identifisering. Arbeidet er gjort med videoer av laks i tanker, som er levert av Sintef Ocean. For å trene modellene som inngår i programvaren, er tre datasett laget. I programvaren inngår modeller for deteksjon av laks, deteksjons av kroppsdeler og individuell re-identifisering. Evalueringen av programvaren viser at re-identifiseringsnøyaktigheten for bilder av hver kroppsdel er som følger: Bryst (87.7\%), ryggfinne (86.3\%), øyne (50.0\%), brystfinne (43.1\%), og halefinne (49.3\%).