Den globala efterfrågan på fisk ökar samtidigt som vilda bestånd är hårt belastade. För att möjliggöra en hållbar expansion av landbaserad fiskodling (RAS) krävs förbättrad resurseffektivitet, minskat foderspill och ökad leveransprecision. Inom projektet HIFAI (Hållbar Industriell produktion av Fisk med AI och avancerad dataanalys) har en modulär och kostnadseffektiv prototyp utvecklats för kontinuerlig biomassaestimering och behovsstyrd utfodring i RAS-anläggningar. Systemet kombinerar bildanalys från kamera ovan vattenytan med akustisk analys via hydrofoner i tanken samt mätning av syrehalt. Genom AI-baserade algoritmer uppskattas fiskarnas längd och därmed biomassa löpande, samtidigt som aktivitetsnivå vid utfodring analyseras för att identifiera när fiskarna uppnår mättnad.
Resultaten visar att bildbaserad biomassaestimering möjliggör kontinuerlig uppföljning av tillväxt över en hel produktionscykel, även om viss systematisk underskattning av vikt observerades. Aktivitetsbaserad styrning av utfodring indikerar en potentiell minskning av foderspill på upp till 18 %, baserat på analyser av över 280 utfodringstillfällen i två olika RAS-miljöer med skilda arter och produktionsförutsättningar. Kombinationen av bild- och ljudanalys ökar systemets robusthet i varierande miljöförhållanden, medan syremätningar bidrar till att koppla vattenkvalitet till fiskens aptit och beteende. Projektet visar att AI-baserade, sensorintegrerade beslutsstöd kan implementeras i befintliga RAS-system utan ombyggnation och har potential att stärka både lönsamhet, resurseffektivitet och miljöprestanda i svenskt vattenbruk. Vidare validering i fullskalig drift krävs för att kvantifiera långsiktiga effekter på fodereffektivitet, biomassa och fiskvälfärd.