Smart fish crowding sensor
Master thesis
Permanent lenke
https://hdl.handle.net/11250/2828785Utgivelsesdato
2021Metadata
Vis full innførselSamlinger
Sammendrag
Havbruksnæringen lider av betydelige tap av Atlantisk laks i forbindelse med trengeprosesser. Prosessen går ut på å samle deler av den totale biomassen i en fiskeoppdrettsmerd for å effektivisere utpumping av fisk for slakting, avlusing eller sortering. Trenging er forbundet med stor risiko knyttet til fiskevelferd, dødelighet og produktkvalitet. Den påfølgende risikoen underbygger etterspørselen fra næringen etter et smart sensor observasjonssystem som overvåker laksens adferd og prosessutstyr under en trengeprosess.
Denne rapporten beskriver prototypen til et sensorfusjonssystem. Den er avhengig aven Raspberry Pi som mikroprosessor og fem sensorenheter. En Xsens bevegelsessensor for sporing av orientering og rotasjon av systemet, en MikroElektronika GNSS sensor for sporing av systemets posisjon, en LAUMAS lastcelle for måling av spenningen i tauet til en orkastnot, en Aanderaa oksygenoptode for å måle miljøparametere i vann og et Raspberry Pi kamera for visuell observasjon og validering. Prototypens programvare består av Python drivere som uthenter data fra alle sensorene samtidig for å oppdage ekstern påvirkning av systemet og lagre dataen permanent for uthenting etter test av prototypen.
Test av prototypen i et miljø som samsvarer det under en trengeprosess indikerer tydelige forskjeller mellom støy og simulert bevegelse fra fisk. I tillegg var systemets posisjon, strekk i prosessutstyr (tau til orkastnot) og vannkvalitet målt med fremtredende og nøyaktige endringer. Målt respons fra sensorene viser muligheter for videre utvikling av prototypen. Det er lagt et godt fundament for fremtidig implementering av et smart sensor trengesystem under en trengeprosess. The aquaculture industry suffers from substantial losses in correlation with crowding processes. The process gathers a part of the salmon biomass in a fish farm cage with a sweep net to streamline pumping out fish for slaughtering, delousing, or sorting. Crowding is associated with significant risks concerning fish welfare, mortality, and product quality. The consequent risks substantiate the demand for a smart sensor observation system that monitors the fish behavior and process equipment during a crowding process.
This report describes the prototype of a sensor fusion system. It relies on a Raspberry Pi as a microprocessor and five sensor units. An Xsens motion tracker for tracking orientatio and rotation of the system, a MicroElektronika GNSS tracker for tracking the position, a LAUMAS load cell for measuring tension in the rope of a sweep net, an Aanderaa oxygen optode for measuring environmental parameters in water, and a Raspberry Pi camera for visual observation. The prototype software consists of Python drivers that extract measured data from all the sensors simultaneously to capture external influence on the system and store the data persistently for retrieval after testing the prototype.
Test of the prototype in an environment resembling the one in a crowding process showed measurement readings indicating a difference between noise and simulated fish movements. In addition, the position of the system, the tension in the operational equipment (the top rope of a sweep net), and changes in water environment variables were prominent and accurate. The measurement responses demonstrate the possibilities for further development of the prototype. A good base is offered for the implementation of a smart sensor crowding system during a crowding process in the future.