Roboten utstyres med «øyne» som ser hvor god laksen er. På den måten kan den sortere ut de beste filetene.
De har funnet det største problemet for å sette i gang roboter på filetfabrikken: Det er trangt!
– Plassbegrensninger er en viktig faktor. Prosesseringslinjen har liten plass, slik at den trenger en kompakt og effektiv løsning, forklarer Antonio Candea Leite.
Robot med sensor
Han er førsteamanuensis ved NMBU. Der leder han RoboSense-teamet, som er en del av DigiFoods-prosjektet. Sammen med postdoktor Abhaya Pal Singh og avdelingsingeniør Michael Angelo Amith Fenelon utvikler han bedre robotløsninger som kan brukes på samlebåndet i fabrikken.
Det de gjør, er å kombinere sensorer med roboter.
– De sensorene som finnes på markedet, er slike som operatørene i industrien holder i hendene for å skanne laksen. Roboter kan bevege seg mye mer effektivt og presist. For mennesker er dette tungt og belastende arbeid. Robotene, derimot, kan arbeide 24 timer i døgnet uten å klage, konstaterer Leite.
Teknologien må tåle forholdene på fabrikken
Forskerne har vært hos Lerøy Aurora på Skjervøy for å arbeide med robotene i praksis.
– Dermed kan vi se hvordan industrien opererer. Målet vårt er å se på hvordan det vi gjør i RoboSense-prosjektet, kan integreres i driften på fabrikken, forteller Abhaya Pal Singh.
Han peker på at ikke bare er det trangt på en filetfabrikk – det er også fuktig. Dermed er det ikke nok bare å utvikle ny teknologi. Den må også tåle forholdene den skal arbeide i.

Sjekker kvalitet
– Målet er å bygge inn en sensor i robotarmen. Det kan være en hvilken som helst type, men i vårt tilfelle er det en ramansensor, sier Michael Angelo Amith Fenelon.
Det er en type sensorer som bruker spektroskopi – det vil si at de ser på farger og annen elektromagnetisk stråling. I første omgang bruker forskerne sensorene til å finne ut hvor mye omega-3 det er i laksefiletene.
– Hvis sensoren blir en del av produksjonslinjen på fabrikken, så kan vi gradere fisken etter kvalitet. Det som gjør det vanskelig, er at vi må skanne et bestemt område på fisken, forklarer Fenelon.
Sensoren må finne frem til buken på fisken, som har et høyt omega-3-innhold. Det gjør den samtidig som fisken beveger seg raskt bortover samlebåndet.
Finner flekker på fisken
– Vi knytter et kamera til kunstig-intelligens-modeller som finner buken. Så begynner jobben til roboten. Roboten beveger seg helt ned til fisken og følger buken, men uten å røre ved den. Der registrerer den et spektrum som kan brukes til å sortere fileten etter kvalitet, forteller Leite.
Så langt har forskerne brukt KI-modellene til å finne melaninflekker – de svarte flekkene i laksefilet som fører til store tap i oppdrettsnæringen.
– De er ikke skadelige, og de gjør ikke at filetene ikke kan spises, men forbrukerne ønsker dem ikke, fastslår han.
Må bli raskere
Det som byr på vansker akkurat nå, er at samlebåndet går for raskt. Laksefiletene kan bevege seg gjennom produksjonslinjen med en fart på 40 centimeter i sekundet.
– Løsningen vår kan håndtere 20 centimeter i sekundet. Det er andre roboter som kan bevege seg veldig raskt, men vi har fremdeles litt arbeid igjen for å få til dette, sier Antonio Candea Leite.
I disse dager bruker forskerne roboten til å skanne rundt 1000 laksefileter på NMBU. Så sammenligner de kvaliteten på skannerresultatene med resultatene fra et menneske som gjør skanningen manuelt.
– Det er den første virkelige testen vår, slår han fast.
Foreløpig må en operatør starte ramansensoren manuelt. Målet er å integrere den helt i robotsystemet slik at den kan operere uavhengig og automatisk, og å komme så langt at løsningen kan brukes i praksis i industrien.
Fakta
NMBU er partner i SFI DigiFoods - Centre for Research-Based Innovation in Digital Food Quality.
Senteret er finansiert av Norges forskningsråd og koordinert av NOFIMA.
Hensikten med SFI DigiFoods er å utvikle smarte sensorløsninger for vurdering av matkvalitet direkte i prosesseringslinjen, gjennom hele verdikjeden.
Informasjonen skal brukes til å optimalisere prosessene og verdikjedene og gjøre matindustrien mer effektiv og bærekraftig.