Solen var knap stået op, da nettet blev trukket op over rælingen på fiskekutteren, og dagens første fangst landede på rensebordet.
Som sædvanligt skulle fiskene nu artsbestemmes, måles og tælles, så man sikrede, at det kun var de rigtige fisk, som blev renset og efterfølgende solgt på havnen.
Umiddelbart en helt normal dag på havets evigt vuggende arbejdsgulv. Og så alligevel ikke.
Big data er ikke kun for de store fisk
Tidligere skulle skipperen manuelt notere, hvor mange fisk han hev op, hvilke arter og hvor store de var, så fiskerimyndighederne senere kunne tjekke, om båden overholdt sine tildelte fiskekvoter.
En nødvendig men ressourcetung administration, når man samtidig også skulle håndtere alle de praktiske arbejdsgange på den lille mobile virksomhed, som en fiskekutter er.
Men denne morgen var alt ikke som det plejer.
Logbøgerne var erstattet med små kameraer, der filmede fiskene, når de blev hevet op på båden samt en lille sort boks, der efterfølgende kunne sende data og GPS-informationer videre til myndighederne.
De intelligente kameraer kunne se, hvilke fisk der blev hevet op og hvor mange der blev fanget. Var der utilsigtede bifangster, fik myndighederne en alarm, så de blev opmærksomme på om, der var noget de skulle følge op på.
Dukkede der nye fiskearter op, som den kunstige intelligens ikke genkendte, blev AI’en efterfølgende trænet i netop denne art, så den fremover også kunne genkende den type fisk.
En hjælp til både myndigheder og fiskere
Systemet hjælper myndighederne med at kontrollere, om fiskerne overholder kvoterne samtidig med, at fiskerne slipper for en del af det administrative arbejde.
Men også forskere kan få glæde af de mange data, de får adgang til en masse livedata om, hvor store fiskebestandene er og hvor godt de trives.
Systemet er så lovende, at myndighederne i australske Queensland er gået ind som partner for at få videreudviklet systemet.
Målet er, at systemet på sigt bliver et krav at have installeret, hvis man vil have en fiskerilicens hos dem.
Fang mere end blot fisk med Big Data
Intelligente kameraer der kan kontrollere mængder, størrelser og kvalitet, kan dog bruges til langt mere end blot rensebordet på en fiskekutter.
”Uanset om det er fødevarer, pakker eller smådele i en produktionsvirksomhed, der kører hen over transportbåndet, så kan kameraerne fange afvigelser og sortere flere tusinde genstande med langt større sikkerhed og hastighed, end et menneske kan. Der er ingen tvivl om, at vi vil se langt flere af disse kameraer og bedre brug af Big Data i produktionen fremover, da business casen for dette ofte er rigtig god,” siger Frances Luk, ansvarlig for Norden i Alphazetta, der sammen med Anchor Lab har været med til at udvikle løsningen til fiskeriet.
Hendes erfaring er dog, at virksomheder ofte har svært ved at komme i gang, da de ikke ved, hvad Big Data reelt er, hvor i virksomheden det befinder sig, og hvad det skal bruges til.
Derfor anbefaler hun, at man ikke lader sig rive med af en evt. hype og store salgstaler, men i stedet tager udgangspunkt i sin forretning.
”Start med at definere din forretningsudfordring og find ud af, om data kan hjælpe med at løse det faktiske problem. Derefter skal du lave en business case, hvor du kan se en værdi af indsatsen allerede efter 2-3 måneder. Er det en succes, kan du så altid udvide scopet på business casen,” fortæller Frances Luk.