挪威SINTEF正与SFI Exposed研究中心展开一合作项目开发人工智能系统，该系统即使在最恶劣的海况下也能帮助防止养殖鲑鱼从网箱逃逸。该项目应用深度学习开发并改进可识别鲑鱼网箱不平整性的系统，该系统是通过向数字神经网络提供完整未受损的网箱所有部位的图像，再与实拍图像加以比较而实现的。当系统发现实际拍摄的图像与完整未受损的网箱图像不符（如有洞）时就能做出反应。经常性地检查网箱有助于防止养殖鱼逃逸。挪威目前检查网箱有无破损的标准做法包括，安装摄像头，远程操控潜水器（ROV），对所拍摄的图像进行检查。对于一个远程操控人员来说，保持数小时的集中注意力查看单调的视频图像是有难度的。计算机人工智能则永远不会疲劳和枯燥，因此，此类工作应用自主航行器拍摄并进行图像识别是非常适合的。当然，导航一台ROV沿着海中的网箱箱壁航行是一项有技术要求的任务。摄像头必须和箱壁靠得足够近才能在不与其发生碰撞的情况下获得清晰的图像。项目开发人员还正在研究采用何种类型的传感器用以确定ROV在网箱内的空间位置，这对在任何时候都能确定ROV在检查网箱的哪个部位非常重要。项目最终确定采用一激光摄像系统用于他们所称的“相对网壁”导航。ROV与网壁的距离和角定向等信息则用照射在网壁上的两束平行的激光束获得。挪威在自主式机器人操作上投入了大量的研发，SINTEF把此看作是增强水产养殖业运营的系统开发之路的开端。