Search

Wild caught saithe were fed on commercial diets made for salmon or cod from October 2006 to June 2007. Several flesh quality measurements were made. Growth turned out to be very low for a part of the population, while the rest were growing well. From those we could find clear differences in quality parameter connected to growth, like liver size and condition factors. Differences in colour and pH were also found. It is not recommended to feed saithe on a salmon diet, while the use of a leaner cod diet will mainly giva saithe of a good quality. Norsk: I det gjennomførte eksperimentet vart villfanga sei fôra opp med laksefôr eller torskefôr frå oktober 2006 til juni 2007 og ei rekke parametrar knytta til kvalitet vart målt. Det vart tidleg i eksperimentet tydeleg at det kun var ein del av fisken som vaks, medan ein relativ stor del av fisken hadde liten eller ingen vekst. Den andre delen av fisken var i god vekst, og vi har bevisst valt ut individ frå desse til kvalitetsmålingane for å få representative målingar frå fisk som eter tørrfôr. Det som viste tydelegast forskjell mellom fôrgruppene og mellom fôrgruppene og villfisk var parametrar knytta til vekst. I tillegg fann vi forskjell i farge mellom sei fôra på laksefôr og torskefôr, samt forskjellar i pH mellom villsei og mellom fôrgruppane. Det er ikkje å anbefale å fôra villfanga sei med laksefôr, medan bruk av eit magrare fôr i hovudsak vil gje sei av god kvalitet.

I dette prosjektet har gruppen hatt som oppgave å designe og konstruere en ny flytende protein skimmer for Ode Group AS sitt landbaserte settefiskanlegg lokalisert på Stadsbygd i Trøndelag. Protein skimmere er i akvakultur brukt for å fjerne organisk materie fra hele vannsøylen. Viktige oppløste organiske stoffer som fjernes inkluderer proteiner, aminosyrer, amin, fosfater, urea, humussyrer og fettsyrer. Partikulære og kolloidale organiske stoffer, inkludert mikroorganismer (bakterier, virus, sopp og alger), avføring og fôravfall, kan også fjernes. Med dette kan en protein skimmer også sees på som en desinfeksjonsmetode. Høye konsentrasjoner av næringsstoffer og høy tetthet av fisk vil skape gunstige forhold for opportunistiske patogene bakterier. Det er også antatt at stabilt høye nivåer av bakterier fører til en lav tilstedeværelse av opportunister grunnet lavere konkurransedyktighet i høyere populære miljø hvor det er mer konkurranse om mattilgang. Overflateskimmeren som opprinnelig er brukt hos samarbeidsbedriften Ode Group dekker ikke hele karets radius, og røktes manuelt med periodiske mellomrom ved bruk av øsekar. Dette gjøres av driftsteknikere på Ode sitt anlegg. For å finne en enklere prosess på dette ble det av gruppen bestemt å lage en konstruksjon som både dekker hele karets radius og en forenkling av røkteprosessen. For å sikre best mulig sluttresultat blir det i starten utarbeidet en utviklingsstrategi for at prosjektet blir en gjennomgående effektiv og grundig prosess gjennom fem prosjektfaser. Hver fase ender opp med et resultat som blir tatt med videre inn i neste fases arbeid. Metoden gjort i prosjektet er grundig beskrevet med stor bruk av bilder og skisser for å vise hele veien fra starten av utvikling til en endelig funksjonell konstruksjon var på plass. All testing og konstruering ble gjort på Ode sitt mekaniske verksted tilhørende settefiskanlegget. Konstruksjonen som gruppen til slutt fant tilfredsstillende bra nok for oppgaven er bygd i rør av polypropylen, og består av små hull plassert på linje hvor det organiske materialet suges ut ved bruk av våtstøvsuger. Det ble videre funnet at 32 millimeter rør fungerer bedre enn 50 millimeter rør for å skape stort nok vakuum uten at skimmeren ble dratt under vann. Det ble gjennomført to vellykkede utsugninger med et tidsintervall på 15 minutter for oppsamling av organisk materiale. Resultatet viste seg å ikke inneha faren for å suge ut levende fisk. Det er også antatt at valg av runde hull istedenfor tynne slisser gir bedre strukturstabilitet i skimmeren, og at sjansen for sprekker eller andre skader ikke er til stede. Ved bruk av runde hull er det også svært enkelt å kunne adaptere metoden til andre kar med mindre fisk på Ode sitt anlegg på Stadsbygd slik at ikke fisk heller ikke der blir sugd inn, men organisk materiale blir fjernet. Et viktig punkt gruppen kan finne som problem er at små hull i kombinasjon med svært liten fisk kan føre til at fisken suges mot røret, men ikke nødvendigvis inn. Det vil derfor være viktig ved vurdering av skimmerens bruk for mindre fisk, å finne en nedre størrelsesgrense på fisken hvor den har god nok svømmekapasitet eller at sugeeffekten reduseres for å forhindre stress. In this project, the group has been tasked with constructing a new floating protein skimmer for a land based hatchery owned by Ode Group located at Stadsbygd in Trøndelag, Norway. Protein skimmers are used in aquaculture to remove organic matter from the entire water column. Important dissolved organic substances removed include proteins, amino acids, amine, phosphates, urea, humic acids and fatty acids. Particulate and colloidal organic matter, including micro-organisms (bacteria, viruses, fungi and algae), faeces and feed waste, can also be removed. With this, a protein skimmer can also be seen as a disinfection method. High concentrations of nutrients and high density of fish will create favorable conditions for opportunistic pathogenic bacteria. It is also assumed that stably high levels of bacteria lead to a low presence of opportunists due to lower competitiveness in highly popular environments where there is more competition for access of food. The surface skimmer originally used by Ode Group does not cover the entire radius of the fish tank, and the organic matter is removed at periodic intervals using a shovel by operating technicians at Ode's facility. In order to find a simpler process for this, the group decided to create a construction that both covers the entire radius of the fish tank and a simplification of the process for removing organic matter. In order to ensure the best possible end result, a development strategy is drawn up at the start so that the project becomes a thoroughly efficient and thorough process through five project phases. Each phase ends up with a result that is taken forward into the next phase's work. The method used in the project is thoroughly described with extensive use of pictures and sketches to show the whole way from the start of development until a final functional construction was in place. All testing and construction was done at Ode's mechanical workshop belonging to the facility. The construction that the group finally ended up constructing is built in polypropylene tubes, and consists of small holes placed in a line where the organic material is sucked out using a wet vacuum cleaner. It was also found that 32 millimeter pipes work better than 50 millimeter pipes to create a large enough vacuum so that the skimmer was not dragged under water. Two successful extractions were carried out with a time interval of 15 minutes for the collection of organic material. The result proved not to contain the danger of sucking out live fish. It is also assumed that choosing round holes instead of thin slits provides better structural stability in the skimmer, and that the chance of cracks or other damage is not present. By using round holes, it is also very easy to be able to adapt the method to other vessels with smaller fish at Ode's facility in Stadsbygd, so that fish are not sucked in, but organic material is removed. An important point the group can find as a problem is that small holes in combination with very small fish can lead to the fish being sucked towards the pipe, but not necessarily into it. It will therefore be important when assessing the skimmer's use for smaller fish, to find a lower size limit for the fish where it has a good enough swimming capacity or that the suction effect is reduced to prevent stress.

Resirkulerende akvakultursystemer (RAS) har økt i popularitet som en bærekraftig og effektiv metode for oppdrett av fisk. Dette er lukkede systemer hvor vannet kontinuerlig blir resirkulert gjennom ulike vannbehandlingskomponenter for å opprettholde en stabil vannkvalitet. Dette reduserer behovet for vannutskiftning og minimerer miljøpåvirkningen sammenlignet med tradisjonelle oppdrettsmetoder. Formålet med bacheloroppgaven var å undersøke hvordan implementering av proteinskimmer påvirker vannturbiditet og nivåer av finpartikler i et RAS-anlegg, og hvilken effekt det har på vannkvalitet og fiskehelse og -velferd hos Atlantisk laks. I oppgaven ble det brukt metodetriangulering for å få mer innsikt og en dypere forståelse av bruken av proteinskimmer i resirkulerende akvakultursystemer. Det ble utført et grundig litteraturstudie ved å undersøke eksisterende litteratur og forskning for å kunne si noe om forventet effekt ved implementering av proteinskimmer. Resultatene indikererte at høyere konsentrasjoner av suspenderte og oppløste partikler kan øke turbiditet og vannfarge, samtidig som de kan redusere effekten av desinfiserende behandlingsmetoder som UV og ozon. Finpartikler og turbiditet kan påvirke fiskehelsen både direkte og indirekte. Resultatene av studiet avdekket imidlertid motstridende forskning når det gjaldt den direkte påvirkningen av suspenderte partikler på fiskehelsen. Oppgaven konkluderer med at implementering av proteinskimmer i resirkulerende akvakultursystemer har vist seg å være en effektiv metode for å redusere turbiditet og finpartikler i vannet. På grunn av begrenset litteratur og forskning er det usikkert hvordan turbiditet og finpartikler påvirker fiskehelse og -velferd i RAS-anlegg. Det er derfor viktig å utforske denne sammenhengen for å kunne sikre optimale miljøforhold, samt bidra til optimalisering av RAS som en bærekraftig og effektiv metode for oppdrett av atlantisk laks. Recirculating aquaculture systems (RAS) have gained popularity as a sustainable and efficient method for fish farming. These closed systems continuously recycle water through various water treatment components to maintain stable water quality, reducing the need for water exchange and minimizing environmental impact compared to traditional farming methods. The aim of the bachelor's thesis was to investigate how the implementation of a protein skimmer affects water turbidity and levels of fine particles in a RAS, and its impact on water quality, fish health, and welfare in Atlantic salmon. The thesis is based on methodological triangulation to gain insights and a deeper understanding of the use of protein skimmers in recirculating aquaculture systems. A comprehensive literature review was conducted to examine existing literature and research, in order to assess the expected effects of implementation of a protein skimmer. The results indicated that higher concentrations of suspended and dissolved particles can increase turbidity and water color, while also reducing the effectiveness of disinfection treatment methods such as UV and ozone. Fine particles and turbidity can have both direct and indirect effects on fish health. However, the study revealed conflicting research findings regarding the direct impact of suspended particles on fish health. The study concludes that the implementation of protein skimmers in recirculating aquaculture systems has proven to be an effective method for reducing turbidity and fine particles in the water. Due to limited literature and research, it remains unclear how turbidity and fine particles affect fish health and welfare in RAS facilities. Therefore, it is important to explore this in order to ensure optimal environmental conditions and contribute to the optimization of RAS as a sustainable and efficient method for farming of Atlantic salmon.

Innenfor landbasert lakseoppdrett benyttes resirkulerende akvakultursystemer for å gjenbruke driftsvannet flere ganger. Fiskens metabolisme og fôring produserer avfallsstoffer som kan forårsake redusert vannkvalitet i anlegget dersom de ikke fjernes, og vannet må derfor gjennom en renseprosess. For å vite at vannkvaliteten tilfredsstiller laksens behov benyttes en rekke sensorer som måler ulike parametere. Det er mange vannkvalitetsparametere å ha kontroll på til enhver tid, i tillegg til at flere parametere har innvirkning på hverandre. For driftspersonell som skal vurdere tiltak til forbedring av vannkvalitet, er det derfor mange faktorer å ta hensyn til. I denne oppgaven utforskes muligheten for å anvende maskinlæring til analyse av data fra disse sensorene, og videre bruke maskinlæring til å utvikle et brukerstøttesystem for driftspersonell. Vi ser for oss en maskinlæringsmodell som kan visualisere nåværende vannkvaliteten i en digital plattform, predikere fremtidig vannkvalitet og foreslå tiltak til forbedring av vannkvalitet med bakgrunn i relevante data. Dette tror vi vil være til nytte for driftspersonell, og at dette vil kunne oppleves som betryggende situasjoner der viktige avgjørelser må tas raskt. I denne oppgaven tar vi for oss en utforskende problemstilling, og anvender kvalitativ metode for å skape en helhetlig forståelse av problemet. For å kartlegge relevant litteratur og forskning gjennomfører vi et strukturert litteratursøk. Videre har vi intervjuet relevante aktører med bakgrunn fra resirkulerende akvakultursystemer eller maskinlæring for å kartlegge næringens syn på bruk av maskinlæring som brukerstøtte i RAS. Dermed bygger oppgavens resultater på innsikt hentet fra både strukturert litteratursøk og intervju. I løpet av de siste årene er det blitt publisert en rekke forskningsartikler som utforsker bruk av tingenes internett (“Internet of Things” - IoT) og maskinlæring innenfor akvakultur. Resultatene av vår studie viser at maskinlæring er et kjent konsept, men at ikke alle ser behovet og nytteverdien av maskinlæring i næringen på grunn av manglende kunnskap og forståelse. Til tross for at nye resirkulerende akvakultursystemer har etablerte systemer for IoT og digital overvåking av vannkvalitet, anser mange oppdrettere inlinesensorer for overvåking av flere parametere som lite lønnsomt grunnet høye investeringskostnader. I dag utføres målinger av flere viktige vannkvalitetsparametere manuelt og analyseres på laboratoriet. Kontinuerlige sanntidsdata fra inlinesensorer vil kunne si noe om vannkvaliteten gjennom hele døgnet, og brukes til å se på utvikling over tid. Videre viser resultatet at maskinlæring krever omfattende datamengder, og det er viktig at dataene lagres i samme format. Det bør derfor etableres standarder for måling av parametere, inkludert hvilke parametere som skal måles, hvor de skal måles og hvor ofte. På grunn av betydelige forskjeller i mikrobiologi og teknologi mellom anleggene, må det trolig lages ulike maskinlæringsalgoritmer for ulike anlegg for prediksjon av vannkvalitet. Før maskinlæring kan baseres på forhåndsbestemte grenseverdier for vannkvalitetsparametere bør det forskes mer på vannkvalitet og fiskevelferd i resirkulerende akvakultursystemer. Dagens anbefalte grenseverdier fra Mattilsynet er basert på laboratorieforskning og erfaringer fra gjennomstrømningsanlegg, og er ikke nødvendigvis tilpasset forholdene i kommersielle resirkulerende akvakultursystemer. I arbeidet med denne oppgaven har vi konkludert med at det er mulig å implementere maskinlæring som et effektivt analyse- og beslutningsstøtteverktøy i daglig drift av resirkulerende akvakultursystemer, med potensial for å forbedre kontrollen over vannkvaliteten og dermed øke fiskevelferden. Imidlertid innebærer dette en betydelig ressursinnsats, store datamengder og standardisering av datainnsamling. Selv om moderne resirkulerende akvakultursystemer allerede har implementert IoT-systemer og digital overvåking av vannkvalitet, kan de høye investeringskostnadene for ytterligere inlinesensorer gjøre dette lite attraktivt for oppdrettere. Det er derfor viktig å veie nytteverdien av denne teknologien mot kostnadene og vurdere hvordan maskinlæring og avansert overvåking, kan bidra til en mer bærekraftig og effektiv drift i akvakultur. Det er også viktig å påpeke at det finnes en rekke utfordringer som må adresseres før maskinlæring kan implementeres som et brukerstøtteverktøy i daglig drift. Dette krever videre forskning og en dypere forståelse av både maskinlæring og fiskevelferd i resirkulerende akvakultursystemer. In land-based salmon farming, recirculating aquaculture systems are used to reuse water several times. The metabolism and feeding of the fish produce waste products that can cause reduced water quality in the facility if not removed, and the water must therefore go through a treatment process. In order to ensure that the water quality satisfies the salmon's needs, a number of sensors are used that measure various parameters. There are many water quality parameters to control at all times, in addition to several parameters having an impact on each other. Therefore, for operating personnel who are considering measures to improve water quality, there are many factors to consider. This thesis explores the possibility of applying machine learning to analyze data from these sensors, and further use machine learning to develop a support system for operating personnel. We envisage a machine learning model that can visualize current water quality in a digital platform, predict future water quality and suggest measures to improve water quality based on relevant data. We believe this will benefit operating personnel, and that this may be perceived as reassuring situations where important decisions must be made quickly. In this thesis, we address an exploratory problem, and apply qualitative methods to create a comprehensive understanding of the problem. In order to map relevant literature and research, we conduct a structured literature search. Furthermore, we have interviewed relevantactors with backgrounds in recirculating aquaculture systems or machine learning in order to map the industry's view of the use of machine learning as user support in RAS. Thus, the results of the thesis are based on insights gained from both structured literature searches and interviews. In recent years, a number of research articles have been published exploring the use of the Internet of Things (IoT) and machine learning in aquaculture. The results of our study show that machine learning is a well-known concept, but that not everyone sees the need and usefulness of machine learning in the industry due to lack of knowledge and understanding. Despite the fact that new recirculating aquaculture systems have established systems for IoT and digital monitoring of water quality, many fish farmers consider in-line sensors for monitoring several parameters to be unprofitable due to high investment costs. Today, measurements of several important water quality parameters are performed manually and analyzed in the laboratory. Continuous real-time data from in-line sensors will be able to say something about water quality throughout the day, and be used to look at developments over time. Furthermore, the results show that machine learning requires extensive amounts of data, and it is important that the data is stored in the same form. Therefore, standards should be established for measuring parameters, including which parameters should be measured, where they should be measured and how often. Due to significant differences in microbiology and technology between the plants, different machine learning algorithms will probably need to be created for different plants for prediction of water quality. Before machine learning can be based on predetermined limit values for water quality parameters, more attention should be paid to water quality and fish welfare in recirculating aquaculture systems. The current recommended limit values from the Norwegian Food Safety Authority are based on laboratory research and experience from flow-throughfacilities, and are not necessarily adapted to conditions in commercial recirculating aquaculture systems. In preparing this thesis, we have concluded that it is possible to implement machine learning as an effective analysis and decision support tool in the daily operation of recirculating aquaculture systems, with the potential to improve control over water quality and thus increase fish welfare. However, this entails a significant resource input, large amounts of data and standardisation of data collection. Although modern recirculating aquaculture systems have already implemented IoT systems and digital water quality monitoring, the high investment costs for additional in-line sensors may make this unattractive to fish farmers. It is therefore important to weigh the benefits of this technology against the costs and consider how machine learning and advanced monitoring can contribute to a more sustainable and efficient operation in aquaculture. It is also important to point out that there are a number of challenges that must be addressed before machine learning can be implemented as a support tool in daily operations. This requires further research and a deeper understanding of both machine learning and fish welfare in recirculating aquaculture systems.

Dagens situasjon på ODE sitt gjennomstrømninganlegg for torsk på Stadsbygd gjennomføres røkting av fiskekar ved et hevertsystem. På grunn av lave strømningshastigheter i karene fører dette til oppsamling av partikler på karbunnen. Oppgavens problemstilling omhandler å teste ut en ny type utstyr (melkemaskin) for å gjennomføre røkteprosessen og sammnenligne det med det tradisjonelle hevertsystemet. Sammenligningsgrunnlaget er faktorer som tidsbruk, fiskevelferd, vannkvalitet og brukervennlighet. Gruppens mål for forsøket er å kartlegge dagens situasjon ved tradisjonell røkting og bruke analysen for videre arbeid. Videre å sammenligne utstyrene basert på faktorer nevnt ovenfor, samt gjennomføre en FMECA av det nye utstyret for å identifisere sviktmoduser. Resultatene som fremkommer etter å ha gjennomført forsøket var at faktorer som tidsforbruk økte, fiskevelferd ble bedre, vannkvaliteten uforandret, samt at brukevennligheten ble sterkt redusert. Rapporten konkluderer ved at det nye utstyret per dags dato ikke er en god erstatning som røkteutstyr, men har et stort potensiale ved tilpasninger og forenklinger. The current situation at the ODE flow-through facility for cod at Stadsbygd involves using a siphon system for fish tank maintenance. However, due to low flow velocities in the tanks, this leads to the accumulation of particles on the tank bottom. The objective of the task is to test a new type of equipment (milking machine) for conducting the maintenance process and compare it with the traditional siphon system. The basis for comparison includes factors such as time consumption, fish welfare, water quality, and user-friendliness. The group's goal for the experiment is to assess the current situation with traditional maintenance and utilize the analysis for further work. Additionally, they aim to compare the equipment based on the mentioned factors and conduct a Failure Modes, Effects, and Criticality Analysis (FMECA) of the new equipment to identify failure modes. The results obtained after experimenting indicated that factors such as time consumption increased, fish welfare improved, water quality remained unchanged, and user-friendliness decreased significantly. The report concludes that the new equipment, as of today, is not a suitable replacement for maintenance equipment but has excellent potential with adjustments and simplifications.