Hvordan modellerer Optoscale velferdsmodulen?

OptoScale sine velferdsmodeller er utviklet med utgangspunkt i Laksvel-rammeverket og bygger på systematisk annotering og maskinlæring.

Målet er å levere objektive, konsistente og skalerbare velferdsvurderinger.

1. Annotering etter Laksvel-protokoll

Utviklingen starter med manuell annotering av bilder, hvor:

• Annotører trenes i henhold til Laksvel sine definisjoner

• Det brukes en standardisert annoteringsguide

Annotørene lærer å gjenkjenne og klassifisere indikatorer basert på alvorlighetsgrad.

2. Maskinlæring

De annoterte datasettene brukes til å trene maskinlæringsmodeller.

Modellen lærer å:

• Identifisere relevante områder på fisken

• Klassifisere indikatorer

• Skille mellom alvorlighetsgrader

Ytelsen kan variere mellom indikatorer, avhengig av kompleksitet og visuell tydelighet.

3. Validering og testing

For å sikre kvalitet gjennomføres:

• Intern testing

• Validering mot uavhengige datasett

• Kontinuerlig forbedring basert på nye data

Dette sikrer at modellene leverer stabile og pålitelige resultater over tid.

Hva modellen trenger

For å få gode velferdsmålinger er modellene avhengig av:

• God bildekvalitet

• Et representativt utvalg av fisken

Se Hvordan oppnår jeg best mulig målinger?

Se også:

• Hva er laksvel?
• Hvordan bruker jeg velferdsdata fra Optoscale i praksis?