Til hovedinnhold

RACE Digital Cage

RACE Digital Cage

En digital plattform for monitorering and visualisering av oppdrettsmerd og fordeling av fisk basert på instrumenter, sanntidssimulering og data assimilasjon (teoretiske matematiske modeller kombinert med observasjoner).

Oppdrettsindustrien har behov for å utvikle seg fra erfaringsbasert manuell observasjon til kunnskapsbasert datadreven resonnering ved å bruke prinsippene i Precision Fish Farming. Dette vil medføre mer presis produksjons- og operasjonsplanlegging og gi forbedret kontroll på fiskevelferd og teknisk integritet på anlegget.

DigitalCage har som målsetting å utvikle et overordnet grensesnitt for oppsamling, lagring, fortolkning og visualisering av forskjellige monitoreringsdata samt å utvikle et integrert rammeverk for modellering og simulering av not deformasjon og fordeling av fisk med data assimilasjon.

En mulig løsning for kontinuerlig monitorering av not deformasjon og fordeling av fisk vil være å inkludere samtidige data fra miljøforhold i en numerisk simuleringsmodell, og å bruke 

  • Akselerometre for måling og estimering av flytekragedeformasjoner
  • Lastsjakler for måling av forankringskrefter
  • Hydrostatiske trykksensorer og/eller akustiske sensorer for måling og estimering av not deformasjon
  • Ekkolodd for å måle vertikal fordeling av fisk på forskjellige steder i merden
  • Videokamera for å observere variasjon i fiskestørrelse og -oppførsel på individnivå

Et overordnet grensesnitt for datahåndtering og -assimilasjon vil bli utviklet, det skal sikre høy kvalitet på data og kombinasjoner av store og varierte datamengder med kunnskapsbaserte modeller for fremskriving.

Forbedring i simuleringshastighet er essensielt for sanntidssimuleringer. Komplekse scenarier og flere numeriske modeller må kjøres samtidig for å kunne presentere resultater og online fortolkning av situasjonen, som i sin tur vil gi viktig kunnskap til operatører og beslutningstagere i løpet av operasjoner.

DigitalCage er et steg mot en fullstendig digital tvilling av et oppdrettsanlegg. Det tverrfaglige prosjektet som inkluderer flere avdelinger vil utvikle og integrere tilgjengelig kunnskap om instrumentteknologi for merd monitorering, datahåndtering, numeriske simuleringer og data assimilasjon. Utfallet av dette prosjektet vil bli integrert som en del av fullskala laboratorier som er under utvikling i OceanLabs node 3.

Hovedmålsetting:

Utvikle en integrert metode for å kombinere sanntidssimulering av numeriske modeller med et antall målinger fra instrumenter, for kontinuerlig monitorering og visualisering av forhold i en oppdrettsmerd og fordeling av fisk ved varierende miljø- og operasjonsforhold.

Andre målsettinger: 

  • Studere eksisterende instrumentteknologi for kontinuerlig monitorering av forhold i en oppdrettsmerd og fordeling av fisk, bruke utvalgte instrumentsystemer fra feltforsøk, og utvikle algoritmer og et overordnet grensesnitt for oppsamling, lagring, fortolkning og visualisering av data fra instrumenter.
  • Utvikle et integrert rammeverk for modellering og simulering av fisk og merd med data assimilasjon. De numeriske modellene og estimeringsmetodene valideres gjennom spesialiserte feltstudier, og ytelsen til rammeverket evalueres.
  • Demonstrere hele systems gjennomførbarhet, og utvikle kunnskapsbasisen for fremtidige teknologier relevante for digitale tvillinger, Precision Fish Farming og virtuell testing.
  • Det utviklede rammeverket for monitorering og visualisering vil bli brukt for analyser og visuell fremstilling av data samlet fra OceanLabs node 3.
Publisert tirsdag 28. april 2020
Senior prosjektleder

Prosjektvarighet

2020 - 2022

Budsjett: 5,1 mill