Пчеловодство и Искусственный интеллект

Отслеживание здоровых популяций пчелиных ульев с помощью новейших технологий машинного зрения

Готовые решения и реализованные проекты с использованием IOT-технологий >> Искусственный интеллект и машинное обучение

Пчеловодство и Искусственный интеллект

Задача

В последние годы пчеловоды сообщают, что каждую зиму они теряют в среднем 30% всех пчелиных семей. Это вдвое больше, чем считается экономически приемлемым. Популяции диких пчел также сокращаются.

По данным Центра исследований и политики Environment America, мы полагаемся на пчел, которые опыляют 71 из 100 сельскохозяйственных культур, которые обеспечивают 90% большинства мировых продуктов питания. Если посмотреть на различные причины отказа пчелиного улья, от 25% до 40% потерь происходит из-за проблем пчеломатки. Другие причины могут быть связаны с экологическими рисками, плохим питанием, паразитами и болезнями.

Итак, как нам узнать больше о здоровье пчелиного улья, поведении пчел и состоянии пчеломаток в попытке ограничить будущие потери пчелиного улья? Компания SAS, лидер в области аналитики с помощью инновационного программного обеспечения и услуг, постаралась ответить на эти вопросы.

SAS  традиционно стремится максимально использовать данные и аналитику для решения самых насущных мировых проблем и компания поставила себе цель - узнать больше о здоровье пчелиных ульев.

Анализируя ульи и пчел, мы можем получить дополнительные сведения, которые помогают замедлить  снижение их популяции.

Цели SAS по мониторингу и отслеживанию здоровья пчелиных ульев включали следующее:

  • Отслеживание состояния здоровья пчелиного улья
  • Измерение и количественная оценка характеристик пчел и улья
  • Отслеживание доступности питания улья
  • Определение время цветения растительности
  • Наблюдение за поведение пчел
  • Обнаружение важных событий улья

Чтоб достигнуть этих целей SAS использовала технологии Интернета вещей (IoT), такие как -  машинное обучение, искусственный интеллект (AI) и визуальная аналитика. Чтобы получить полную картину состояния пчелиного улья, SAS должна была иметь возможность собирать, визуализировать и анализировать различные данные IoT, такие как:

  • Традиционные данные датчиков - вес, температура, влажность в улье
  • Аудиопотоки из пчелиного улья - акустическая аналитика
  • Видеопотоки из-за пределов улья - компьютерное зрение

Решение

Датчики и система логического вывода AI использовались для сбора необходимых данных из ульев в кампусе SAS в Кэри, Северная Каролина. Они начали передавать данные улья прямо в облако для измерения "опорных точек" внутри и вокруг улья, таких как вес, температура, влажность, летная деятельность и акустика. Модели машинного обучения также использовались для «прослушивания» звуков улья, которые могут указывать на состояние здоровья, уровень стресса, роение и статус пчелиной матки.

SAS использовала систему логического вывода MIC-720AI от Advantech для обработки данных машинного зрения из видеопотоков вне улья. Advantech MIC-720AI является частью серии MIC Jetson, которая работает на платформе NVIDIA® Jetson™.

 

С MIC-720AI вы получаете всю производительность рабочей станции на GPU во встроенном модуле. Устройство выдерживает промышленную вибрацию, высокие температуры и имеет модульную компактную конструкцию.

Для данного проекта мониторинга пчелиных ульев MIC-720AI был размещен в атмосферостойком корпусе в полевых условиях.

Из-за детальной и скрупулезной природы собранных данных - отдельные пчелы на видеопотоках, слуховой гул улья и т.д. - команде SAS необходимо было использовать робастный анализ основных компонентов (RPCA), технику машинного обучения. Например, RPCA помог отделить изображения пчёл на переднем плане от травы на заднем плане, даже если трава колышется на ветру.

Затем данные были собраны в приборной панели для анализа в реальном времени. Оборудование промышленного класса, такое как MIC-720AI, позволяло осуществлять потоковую передачу данных непосредственно в улей. Это было чрезвычайно важно для компьютерного зрения, где SAS больше всего интересовалась результатами, а не "сырым" видео. Передача по сотовой сети позволила эффективно использовать соединение.


 

Оборудование

MIC-720AI

Система AI Inference на базе NVIDIA® Jetson™ Tegra X2 256 ядер CUDA

MIC-720AI - это система на базе ARM, интегрированная с модульным процессором NVIDIA® Jetson™ Tegra X2 System-on-Module. Он предоставляет 256 ядер CUDA® на архитектуре NVIDIA® Pascal™ и разработан для периферийных приложений, которые поддерживают расширенный ввод/вывод с низким энергопотреблением.

Система имеет 4 ГБ памяти LPDDR4, декодирование/кодирование видео 4K, 2 порта USB3.0, Power-over-Ethernet (PoE) и расширение mSATA. Благодаря кронштейнам для настенного монтажа и безвентиляторной конструкции его легко установить для эксплуатации в суровых условиях.

Эта небольшая встраиваемая система - идеальна для периферийных приложений AI и глубокого обучения.

Оборудование, которое можно использовать для реализации решения

Компьютерная система MIC-730AI для искусственного интеллекта на NVIDIA Jetson® Xavier

Встроенный ПК MIC-730AI

Компьютерная система MIC-730AI Advantech для искусственного интеллекта на NVIDIA Jetson® Xavier