| dc.description.abstract | Denne masteroppgaven har vært en del av det tverrfaglige prosjektet Profylax, som har hatt fokus på å øke kunnskapen om lakselus som er et økende problemet i oppdrettsnæringen. Muligheten for å bruke datasynverktøy til å kvantifisere den fototaktiske oppførselen til lakselus (Lepeophtheirus salmonis) når den blir utsatt for lystimuli har blitt undersøkt. Målet har vært å finne en metode for å kvantifisere hvordan ulike typer lysinnstillinger, som bølgebånd, lysintensitet og pulseringsrate, tiltrekker lakselus, og på hvilket tidspunkt denne responsen oppstår.
Lakselus lever og reproduserer seg på laks [1]. De spiser slim, hud og blod, noe som resulterer i skader og dårlig laksvelferd, samt økt laksedødelighet i norsk akvakultur [2]. Grunnet en økende resistens mot medisinske behandlinger av laksen, har nye metoder blitt utviklet [3]. I dag finnes det mange mekaniske behandlinger. Disse behandlingene har imidlertid vist seg å ha en negativ innvirkning på laksevelferden på grunn av hard håndtering av laksen [4]. Dette resulterer også i store økonomiske tap for oppdretterne. Målet med dette prosjektet har vært å utforske hvordan lysfølsomhet kan brukes i utviklingen av nye metoder for å forhindre oppblomstring av lakselus i oppdrettsnæringen.
Ett eksperimentelt pilotforsøk og to eksperimentelle hovedforsøk ble gjennomført. Basert på resultatene fra pilotforsøket ble nye lysinnstillinger valgt i hovedeksperimentene. Det ble brukt bølgebånd som tilsvarer grønt, blått og hvitt lys, og tre nivåer av lysintensitet ble brukt. Fire forskjellige pulseringsrater ble testet, der pulseringsratene hadde et på/av-forhold på 0.1/0.1 s, 2.0/3.0 s og 5.0/5.0 s. I tillegg ble konstant lys uten pulsering testet. Forsøkene ble utført i en liten tank, med en lyskilde plassert i den ene enden. Infrarødt (IR) lys ble brukt til å belyse lusene fra undersiden av tanken. For å analysere det fototaktiske svømmemønsteret til lakselusen ble forsøkene filmet. Datasynverktøy for deteksjon og sporing ble brukt på videoene, inkludert bakgrunnsubtraksjon, filtre og egenskapsuttrekking. For hvert bilde ble koordinatene for de detekterte lusene hentet ut for videre analyse. Disse koordinatene ble også brukt til å spore hver lus over tid. Responsen på de ulike lysinnstillingene ble målt ved hjelp av avstands- og hastighetsberegninger, og ved å se på endringen i svømmeadferden før og etter at lyset ble slått på. Til slutt ble lysforplantningen av de seks ulike lyskildene brukt i forsøkene beregnet i havvann ved Hosenøyan i Norge. Disse ble beregnet for videre å kunne undersøke de potensielle effektene av kunstig lys i havet med hensyn til tiltrekning av lakselus.
Ved den utviklede metoden var det mulig å måle forskjeller i lakselusas oppførsel ved ulike lysstimuli. Deteksjonsalgoritmen viste at lusa hadde en overordnet respons mot lysstimuli. Ved sporing av hver enkelt lus ble det observert at svømmemønsteret var forskjellig med varierende pulseringsrater og bestrålingsnivåer. Av totalt ni eksperimenter med tre forskjellige lysinnstillinger var medianen i maksimal svømmehastighet for lus i samme forsøk i intervallet 23.01-36.56 mm/s, hvor den absolutt maksimale hastighet som ble målt var 115.64 mm/s. Disse svømmehastighetene sammenfaller med tidligere funn i litteraturen. Hvor målbevisst lusa var da den ble utsatt for lysstimuli har også blitt målt. Det ble observert at lakselusen hadde et mer rettet svømmemønster etter lysstimuli enn før lyset ble slått på i alle lysinnstillingene.
Med de gitte dempningskoeffisientene fra Hosenøyan viste det grønne lyset å forplante seg lengst (58 m) før lysintensiteten ble redusert til et nivå hvor tiltrekningen av lakselus ble var på et minimum. For hvitt og blått lys skjedde tilsvarende reduksjon etter henholdsvis 47 og 42 meter.
Tiltrekning av lakselus mot lyskilden ble observert for de fleste lysinnstillingene, men det var stor variasjon i observasjonene. Siden lakselus er levende organismer med individuell adferd, var variasjonen til en viss grad forventet. De ulike replikatene brukte ulike populasjoner av lus, noe som kan underbygge den høye variasjonen i resultatene.
Deteksjonsalgoritmen fungerte godt for deteksjon av lus i eksperimentelle videoer. Den fungerte best for videoene uten pulserende lys. Ved pulsering fungerte algoritmen best for lysinstillinger hvor lysintensiteten var høy. Lakselusen ble sporet over tid, noe som ga innsikt i når lusene responderte, og om de svømte mot eller fra lyskilden.
Sporingsalgoritmens utførelse var avhengig av deteksjonsalgoritmen, ettersom den bygget videre på denne. Sporingsalgoritmen var i stand til å fange opp raske hopp og bevegelser, og å kartlegge hastighetsprofiler over tid.
Så konklusjonen er at det er mulig å skille mellom lysresponsen hos lakselusa for ulike lysinstillinger ved hjelp av maskinsyn for deteksjon og sporing, samt at lys har en påvirkning på lakselusens oppførsel. | |
| dc.description.abstract | This thesis has been part of the multidisciplinary project Profylax, focusing on increasing the knowledge about salmon lice, which is an increasing problem in the fish farming industry. The possibility of using computer vision tools to quantify the phototactic swimming behavior of salmon lice (Lepeophtheirus salmonis) in the copepodid stage when exposed to different light settings, has been investigated. The aim was to find a method for quantifying how different types of light settings attract salmon lice with respect to wavebands, light irradiance and pulsation rates, and at what time this response happens. In further writing, the term salmon lice refers to salmon lice in the copepodid stage.
Salmon lice live and reproduce on salmonid fish [1]. They eat mucus, skin, and blood, resulting in injuries and poor salmon welfare, as well as an increased mortality rate in Norwegian aquaculture [2]. With increased resistance towards medicinal treatments, new methods have emerged [3]. Today, many mechanical treatments exist; however, these treatments have shown to harm the salmon due to the rough handling of the fish [4]. The result is significant economic losses for the breeders. The aim of this project was to exploit the light sensitivity in the development of new methods to overcome the problems regarding the salmon louse.
One pilot experiment and two main experiments have been completed. The results from the pilot experiments laid the basis for the chosen light settings in the main experiment. Wavebands corresponding to green, blue and white light were selected. Additionally, three different irradiance levels and four different pulsation rates were tested. The pulsation rates had an on/off ratio of 0.1/0.1 s, 2.0/3.0 s, and 5.0/5.0 s. Constant light without pulsation was also tested. The experiments were executed in a small tank, with the light source placed at one end, and infrared (IR) light was used to illuminate the lice from beneath the tank. To analyze the phototactic swimming behavior of the salmon louse, the experiments were recorded. Computer vision tools for feature detection and object tracking were used on the videos, including background subtraction, thresholding, blurring, and moment calculations. For each frame, the centroid locations of the detected lice were extracted and used for further analysis, including computation of tracks for each salmon louse over time. The response towards the different light settings was measured using distance and speed calculations, and by looking at the change in swimming behavior before and after turning on the light. Lastly, the light attenuation for six of the light settings used in the experiments was calculated using coefficients from oceanic water at Hosenøyan in Norway to investigate the potential effects of artificial light in the ocean with regards to the attraction of salmon lice.
The developed method was able to distinguish between salmon lice behavior when exposed to different light stimuli. The detection algorithm showed an overall attractive response towards light stimuli. When tracking each salmon louse, it was seen that the swimming behavior differed with different pulsation rates and irradiance levels. From a total of nine experiments with three different light settings, the median maximum swimming velocities were in the range 23.01-36.56 mm/s, where the maximum velocity registered was 115.64 mm/s. These swimming velocities coincide with previous findings in the literature. How determined the swimming behavior was before and after light stimuli was measured. It was seen that the salmon lice had more directed swimming patterns after light stimuli than in the dark periods for all light settings. With the given attenuation coefficients, green light shows to propagate furthest (58 m) before the irradiance is reduced to a level where the attraction of salmon lice is at a minimum. The same reduction is seen after 47 m and 42 m for white and blue light, respectively.
When considering the color of the light source, attraction of salmon lice was seen for blue, green, and white light. The white light gave the highest response when considering median displacement; however, these results were more dispersed than the results for green and blue light. Green light gave the second highest displacement, with the lowest dispersion. High pulsation frequencies gave less response than lower frequencies. Increased swimming velocities were seen during the periods of light for the lower pulsation frequencies.
The algorithm performed sufficiently for the detection of a group of lice in the experimental videos. The algorithm worked well for the videos without pulsating light. When pulsation was present, the algorithm worked better for light settings having high irradiance values than for lower irradiance values. The salmon lice positions were mapped over time for the whole experiment, giving insight into when the lice started to respond, and whether they swam towards or away from the light sources. The performance of the tracking algorithm was dependent on the detection algorithm, as the tracking algorithm was an extension of the algorithm developed for detecting salmon lice. The tracking algorithm was able to map the quick jumps of the salmon lice and the velocities and tracks over time. Hence, it can be concluded that it is possible to differentiate between the light responses and track the swimming behavior of salmon lice for different light settings with the use of computer vision for feature detection and object tracking. | |
