Bildbasiertes Monitoring in der Aquakultur

Problem und Zielsetzung

Aquakulturelle Produktionssysteme erfordern belastbare Informationen zu Bestandsgröße, Wachstum, Gesundheitszustand und Verhalten der Tiere. In der Praxis beruhen zentrale Managemententscheidungen jedoch häufig auf manuellen Stichproben oder indirekten Annahmen. Diese Verfahren sind zeitaufwendig, erzeugen Stress für die Tiere und liefern nur begrenzt repräsentative Daten für große oder dichte Bestände.

Hinzu kommen anspruchsvolle Umweltbedingungen unter Wasser: eingeschränkte Sicht, wechselnde Lichtverhältnisse, hohe Tierdichten und kontinuierliche Bewegung. Daraus ergibt sich der Bedarf an robusten, nicht-invasiven und kontinuierlich einsetzbaren Monitoringsystemen, die unter realen Produktionsbedingungen valide und skalierbare Entscheidungsgrundlagen bereitstellen.

Vor diesem Hintergrund entsteht ein kamerabasiertes, KI-gestütztes Monitoring aquatischer Organismen, das Bestands-, Gesundheits- und Verhaltensdaten automatisiert erfasst und in managementrelevante Kennzahlen überführt.

Unterwasser-Bildverarbeitung und Systeminfrastruktur

Die Datenerhebung erfolgt über speziell entwickelte Unterwasserkamerasysteme, die autonom oder kabelgebunden betrieben werden können. Die Systeme sind mit eingebetteten Recheneinheiten ausgestattet und erlauben sowohl Edge- als auch Cloud-basierte Auswertung.

Der Einsatz ist in unterschiedlichen Produktionsumgebungen möglich, darunter Kreislaufanlagen (RAS), Fließgewässerstrukturen wie Fischaufstiege sowie Netzgehege in der Marikultur. Die Hardware- und Softwarearchitektur ist modular konzipiert und auf langfristigen Betrieb unter rauen Umweltbedingungen ausgelegt.

Automatisiertes Bestandsmonitoring

Ein zentraler Schwerpunkt liegt auf der KI-basierten Detektion, Klassifikation und Vermessung aquatischer Organismen. Computer-Vision-Algorithmen identifizieren Individuen innerhalb dichter Schwärme, unterscheiden (Sub-)Spezies und erfassen Längen- sowie Volumenparameter.

Auf dieser Grundlage lassen sich Bestandsgrößen, Längenverteilungen und Biomasse kontinuierlich bestimmen. Die Verfahren werden darauf ausgelegt, auch bei Überlagerungen, Trübungen und variierenden Lichtbedingungen robuste Ergebnisse liefern zu können.

Physische Gesundheitsindikatoren

Neben der quantitativen Bestandsbestimmung werden visuell erfassbare Gesundheitsparameter integriert. Dazu zählen Wachstums- und Haltungsparameter, dimensionsbasierte Messungen (Höhe, Breite, Länge) sowie die Detektion äußerlich sichtbarer Anomalien, beispielsweise Verletzungen im Bereich von Kiemendeckel oder Schwanzflosse.

Die kontinuierliche Erfassung dieser Merkmale ermöglicht eine frühzeitige Identifikation von Abweichungen auf Individual- oder Gruppenebene und schafft eine objektive Grundlage für tierwohlorientierte Managemententscheidungen.

Verhaltensanalyse und Bewegungsparameter

Ergänzend werden Bewegungs- und Verhaltensmuster automatisiert analysiert. Zeitreihenbasierte Auswertungen erfassen Schwimmgeschwindigkeit, Bewegungsrichtung, vertikale Verteilung im Sichtfeld sowie Schwarmdynamik.

Abweichungen vom typischen Bewegungsprofil können auf Stress, suboptimale Umweltbedingungen oder beginnende Gesundheitsprobleme hinweisen. Die Verhaltensanalyse wird damit zu einem integralen Bestandteil eines ganzheitlichen Monitoringsystems.

Rearing Environment und Fütterungsbezug

Das Monitoring bezieht zudem Parameter der Aufzuchtumgebung ein. Dazu gehören die Erfassung von Futtereintrag und Futterverwertung sowie deren Kopplung an Wachstums- und Verhaltensdaten.

Durch die Zusammenführung biologischer und managementbezogener Informationen entsteht eine datenbasierte Grundlage zur Optimierung von Fütterungsstrategien, Besatzdichten und Erntezeitpunkten.

Spezifische Anwendungen: Garnelenzucht

Die methodischen Bausteine sind übertragbar (z. B. Detektion/Tracking), erfordern aber eine artspezifische Domänenanpassung. Am Beispiel der Garnelenzucht werden KI-basierte Ansätze zur automatisierten Zählung, Bestimmung von Längenverteilungen und Zustandsbewertung eingesetzt. Zusätzlich kann der Füllstand des Verdauungstrakts visuell analysiert und als Indikator für Futteraufnahme und Stoffwechselzustand herangezogen werden.

Damit wird das Monitoring auch in hochdynamischen und kleinstrukturierten Produktionssystemen möglich.

Förderung: