Luselaser og AI: Slik endrer Stingray norsk oppdrett

Lusepresset inn mot vinteren er høyt, marginene er presset, og kravene til dokumentert bærekraft har aldri vært sterkere. Midt i dette bildet nearly dobler Stingray produksjonen av sine luselasere – og viser hvordan avansert sensorteknologi, bildeanalyse og kunstig intelligens er i ferd med å bli selve «behandlingsrommet» i merden.

Denne artikkelen er en del av serien «AI for norsk havbruk: Bærekraftig oppdrett», og vi ser nærmere på hva Stingrays vekst egentlig betyr for norske oppdrettere: økonomisk, operasjonelt og miljømessig. Vi går også gjennom hvordan luselaser-teknologien kan spille sammen med andre AI‑løsninger for helsemonitorering, fôroptimalisering og produksjonsplanlegging.

1. Hva ligger bak veksten i luselasere?

I løpet av drøyt ett år har Stingray nesten doblet den samlede produksjonen av luselaser‑noder, fra rundt 1 750 til over 3 000 enheter. Det er et tydelig signal om at etterspørselen etter automatisert, skånsom lusekontroll øker raskt i Norge.

Stingray opplyser at systemet nå er installert på omtrent en fjerdedel av norske lokaliteter, med en forventning om å nå rundt 35 % allerede neste år. Det betyr at titalls millioner laks og ørret allerede svømmer i merder hvor lus blir oppdaget og fjernet kontinuerlig ved hjelp av kamera, algoritmer og laser – uten håndtering, kjemikalier eller mekanisk påkjenning.

Denne utviklingen er ikke bare et teknologieventyr. Den springer ut av tre underliggende drivere:

Strengere regulering og rapportering av lus
Økende kostnader og dyrevelferdsutfordringer ved tradisjonell avlusing
Behov for mer forutsigbar produksjon, spesielt hos børsnoterte og eksportrettede aktører

Luselaserne er dermed ikke et nisjeprodukt, men en del av et bredere skifte mot datadrevet og kontinuerlig lusekontroll.

2. Slik fungerer luselaser i praksis

Selve teknologien er et godt eksempel på hvordan AI for havbruk allerede er i operativ drift – ikke bare på tegnebrettet.

Fra kamera til presis lasertreff

En typisk luselaser‑node kombinerer:

Høykvalitetskamera som overvåker fisken i merden
Kraftig lyskilde for god sikt under varierende lys- og siktforhold
Programvare (ofte med AI/bildeanalyse) som gjenkjenner lakselus på enkeltsfisk
Laser som skyter små, presise pulser mot lusa uten å skade fisken

Prosessen kan skisseres slik:

Kontinuerlig skanning: Kameraene fanger fortløpende bilder og video av fisk som svømmer forbi.
Objektgjenkjenning: Algoritmen analyserer bildene, identifiserer fisken og markerer potensielle lus.
Målutvelgelse: Systemet beregner avstand, vinkel og posisjon, og avgjør om lusa ligger trygt til for skudd.
Avlusing: Laseren aktiveres i millisekunder og varmer opp lusa lokalt, slik at den dør og faller av.
Løpende læring: Over tid kan algoritmene forbedres, blant annet ved å kjenne igjen flere luse‑stadier og ulike lysforhold.

Resultatet er en mild, men kontinuerlig behandlingsstrategi, i motsetning til sjeldne, intensive behandlinger.

Hvorfor dette er viktig for bærekraft

Luselaser‑teknologien støtter flere sentrale bærekraftsmål i norsk havbruk:

Mindre behov for kjemikalier og legemidler i sjø
Lavere dødelighet og bedre fiskevelferd ved redusert håndtering
Mindre risiko for resistensutvikling sammenlignet med ensidig medikamentbruk
Mer stabile produksjonsforløp, noe som gir bedre ressursutnyttelse og lavere klimafotavtrykk per kg produsert fisk

For både oppdrettere og myndigheter gir teknologien en mulighet til å kombinere økonomi, miljø og dyrevelferd i ett og samme verktøy.

3. Åpen sjø, lukkede systemer og Stingrays strategi

Parallelt med at luselaserne rulles ut, øker oppmerksomheten rundt lukkede og semilukkede anlegg og landbasert oppdrett. Noen spør derfor om luseproblemet «forsvinner» når fisken flyttes på land.

Stingray-sjefen peker på flere strukturelle forhold som gjør at dette neppe skjer over natten:

Norge har en unik kostnadsfordel ved å drive oppdrett i åpne merder i Golfstrømmen
Det ligger store verdier bundet i eksisterende konsesjoner og infrastruktur i sjø
Lukkede systemer vil trolig komplementere, ikke erstatte, tradisjonelle sjøanlegg på kort og mellomlang sikt

I et fremtidig produksjonsoppsett kan en typisk modell være:

Rogn til postsmolt (opp til ca. 1 kg) i landbaserte eller lukkede systemer
Postsmolt til slakt i åpne merder over 10–12 måneder

I en slik hybridmodell vil det fortsatt være betydelig tid i åpne merder, med tilhørende lusepress. Dermed vil teknologier som luselaser forbli høyst relevante – men konteksten rundt dem blir mer datadrevet og integrert.

4. Når luselaser møter AI‑økosystemet i merden

For oppdrettere som tenker mer helhetlig rundt AI for norsk havbruk, er det særlig interessant å se hvordan luselasere kan kobles mot andre digitale løsninger.

Integrert helsemonitorering

En luselaser genererer kontinuerlig data om:

Antall luseskudd per tidsenhet
Fordeling av lus i merd og dyp
Sammenheng mellom lusetrykk, temperatur, strøm og lys

Kobler man dette med andre datakilder, får man et kraftig beslutningsgrunnlag:

Velferdssensorer (svømmeadferd, sultrespons, dødfisk) kan si noe om hvordan fisken påvirkes av lusepress og tiltak
Miljøovervåking (oksygen, temperatur, salinitet) kan brukes til å forutsi perioder med høyt smittepress
Produksjonsdata (tilvekst, fôrfaktor, sortering) kan knyttes til lusetrykk og behandlingshistorikk

Med god datainfrastruktur kan dette gi automatiske varsel, anbefalte tiltak og mer treffsikre handlingsplaner.

Fôroptimalisering og lusekontroll i samspill

Fôring og lus henger tettere sammen enn mange tror. Eksempler:

Stress og hyppig håndtering kan svekke appetitt, påvirke fôrutnyttelse og vekst
Fôringsmønster påvirker vertikal fordeling av fisk i merden, noe som igjen påvirker hvor effektivt luselaserne jobber

AI‑baserte fôringssystemer kan i prinsippet:

Justere fôringsstrategi for å holde fisken mer i sonen der kameranoder og lasere har best dekning
Ta hensyn til sanntids lusedata når de optimaliserer fôring, for å balansere velferd, vekst og lusekontroll

Slik blir luselaser ikke bare et isolert tiltak, men en brikke i et større produksjonsoptimaliserende system.

5. Praktiske gevinster for norske oppdrettere

For beslutningstakere i norsk oppdrett handler spørsmålet ofte om mer enn teknologi: Hva betyr dette på bunnlinjen og i risikobildet?

Økonomiske effekter

Typiske gevinstområder ved å innføre luselaser og annen AI‑støttet lusekontroll:

Færre akutte avlusingsoperasjoner med brønnbåt, mannskap og tap av tilvekst
Lavere dødelighet og mindre kvalitetsnedklassinger knyttet til hard behandling
Høyere forutsigbarhet i produksjon, som igjen gir bedre prissikring og kontraktsoppfølging
Bedre utnyttelse av MTB, ved at mer fisk faktisk når slaktestørrelse innenfor gitt biomasseramme

Selv om investeringen i utstyr og infrastruktur ikke er ubetydelig, kan avkastningen bli god når teknologien brukes systematisk og integrert i driften.

Operasjonell og organisatorisk modning

For å realisere gevinsten trenger selskapet mer enn bare hardware:

Kompetansebygging i drift og IT – forståelse for sensordata, feilkilder og begrensninger
Rutiner for datakvalitet og vedlikehold, slik at systemene faktisk leverer det de skal over tid
Tydelig rollefordeling mellom biologi, drift, IT/OT og ledelse i bruk av innsikt og varsler

Oppdrettere som lykkes, er ofte de som ser på luselaser og andre AI‑løsninger som en kontinuerlig læringsprosess, ikke et engangsprosjekt.

6. Slik kan du komme i gang – eller ta neste steg

Enten du allerede har luselasere i drift eller vurderer å ta i bruk mer AI i havbruket, kan følgende trinn være nyttige:

Kartlegg nåsituasjonen
- Hvor stort er lusetrykket historisk på hver lokalitet?
- Hvilke tiltak brukes i dag, og hva koster de – inkludert skjulte kostnader (dødelighet, produksjonstap)?
Definer mål for lusekontroll og bærekraft
- Vil du redusere antall behandlinger? Dødelighet? Kjemikaliebruk? CO₂‑avtrykk?
Bygg en enkel dataplattform først
- Samle minst grunnleggende data: lusetall, dødelighet, behandlinger, miljødata, produksjonstall.
Start med én eller to nøkellokaliteter
- Innfør luselaser eller annen sensorteknologi der gevinsten potensielt er størst
- Følg nøye med på endringer i velferd, vekst, behandlinger og kostnader
Koble på AI‑analyse stegvis
- Begynn med enkle dashboards og rapporter
- Gå gradvis over til varsler, prediksjoner og anbefalte tiltak etter hvert som datagrunnlaget blir bedre
Evaluer og skalér
- Dokumenter hva som faktisk fungerer, og utvid til flere lokaliteter med justerte strategier.

Avslutning: Fra enkeltsystem til smart oppdrett

Den raske veksten i Stingrays produksjon av luselasere viser at AI‑drevet lusekontroll er på vei inn i mainstream i norsk havbruk. I stedet for å se teknologien isolert, bør oppdrettere spørre: Hvordan kan denne typen systemer spille sammen med helsemonitorering, fôroptimalisering, miljøovervåking og produksjonsplanlegging?

I vår serie «AI for norsk havbruk: Bærekraftig oppdrett» ser vi at de som lykkes, er de som bruker teknologien til å redusere risiko, styrke bærekraft og øke lønnsomhet samtidig. Luselaser er én brikke – men en viktig brikke – i dette større puslespillet.

Neste naturlige steg for mange oppdrettere er å ta en helhetlig gjennomgang av egen datastrategi: Har vi nok, god nok og tilgjengelig data til å utnytte AI‑løsninger fullt ut? Svaret på det spørsmålet vil i stor grad avgjøre hvem som leder an i norsk oppdrett de neste fem til ti årene.