Бджільництво та Штучний інтелект

Відстежування здорової популяції бджолиних вуликів за допомогою новітніх технологій машинного зору

Готові рішення та реалізовані проекти з використанням IOT-технологій >> Штучний інтелект та машинне навчання

Бджільництво та Штучний інтелект

Задача

Бджолярі повідомляють що останніми роками кожної зими вони втрачають в середньому 30% усіх бджолиних сімей. Це вдвічі більше ніж вважається економічно допустимим. Популяції диких бджіл так само скорочуються.

За даними Центру досліджень та політики Environment America, ми орієнтуємось на бджіл, які запилюють 71 з 100 сільськогосподарських культур, які забезпечують 90% більшості світових продуктів харчування. Якщо подивитись на різноманітні причини відмови бджолиного вулика, від 25% до 40% втрат стається через проблеми бджоломатки. Серед інших причин - екологічні ризики, погане харчування, паразити та хвороби.

Тож, як дізнатись більше про здоров'я бджолиного вулика, поведінку бджіл та стан бджоломатки у спробі зменшити майбутні втрати бджолиного вулика? Компанія SAS, лідер в області аналітики за допомогою інноваційного програмного забезпечення та послуг, спробувала відповісти на ці питання.

SAS  традиційно прагне максимально використовувати дані та аналітику для рішення найбільш актуальних світових проблем тож компанія поставила собі мету - дізнатись більше про здоров'я бджолиних вуликів.

Аналізуючи вулики та бджіл, ми можемо отримати додаткові відомості, що допомагають сповільнити зниження їх популяції.

Серед додаткових цілей SAS з моніторингу та відстежуванню здоров'я бджолиних вуликів є наступні:

  • Відстеження стану здоров'я бджолиного вулика
  • Вимірювання та кількісна оцінка характеристик бджіл та вулику
  • Відстежування доступності  харчування вулика
  • Визначення часу цвітіння рослин
  • Спостереження за поведінкою бджіл
  • Визначення важливий подій вулика

Щоб досягти цих цілей SAS використовувала технології Інтернету речей (IoT), такі як -  машинне навчання, штучний інтелект (AI) та візуальна аналітика. Щоб отримати повну картину стану бджолиного вулика, SAS мала мати можливість збирати, візуалізувати та аналізувати різноманітні дані IoT, такі як:

  • Традиційні дані датчиків - вага, температура, вологість у вулику
  • Аудіопотоки з бджолиного вулика - акустична аналітика
  • Відеопотоки з-за меж вулика - комп'ютерний зір

Рішення

Датчики та система логічного виводу AI використовувались для збору необхідних даних з вуликів в кампусі SAS в Кері, Північна Кароліна. Вони почали передавати дані вулика прямо в хмару для вимірювання "опорних точок" всередині та навколо вулика, таких як вага, температура, вологість, літна діяльність та акустика. Моделі машинного навчання також використовувались для «прослуховування» звуків вулика, які можуть вказувати на стан здоров'я, рівень стресу, роїння та статус бджолиної матки.

SAS використовувала систему логічного виводу MIC-720AI від Advantech для обробки даних машинного зору з відеопотоків поза вуликом. Advantech MIC-720AI є частиною серії MIC Jetson, яка працює на платформі NVIDIA® Jetson™.

 

З MIC-720AI ви отримуєте всю продуктивність робочої станції на GPU у вбудованому модулі. Пристрій витримує промислову вібрацію, високі температури та має модульну компактну конструкцію.

Для даного проекту моніторингу бджолиних вуликів MIC-720AI був розміщений в атмосферостійкому корпусі в польових умовах.

Через детальну та скрупульозну природу зібраних даних - окремі бджоли на відеопотоках, гул вулику та т.п. - команді SAS необхідному було використовувати робастний аналіз основних компонентів (RPCA), техніку машинного навчання. Наприклад, RPCA допоміг відокремити зображення бджіл на передньому плані від трави на задньому плані, навіть якщо трава колишеться на вітру.

Потім дані були зібрані в приборній панелі для аналізу в реальному часі. Обладнання промислового класу, таке як MIC-720AI, дозволяло впроваджувати потокову передачу даних безпосередньо у вулик. Це було надзвичайно важливо для комп'ютерного зору, де SAS найбільше цікавилась результатами, а не "сирим" відео. Передача стільниковою мережею дозволила ефективно використовувати з'єднання.


 

Використана продукція

MIC-720AI

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

MIC-720AI - це система на базі ARM, інтегрована з модульним процесором NVIDIA® Jetson™ Tegra X2 System-on-Module. Він надає 256 ядер CUDA® на архітектурі NVIDIA® Pascal™ та розроблений для периферійних додатків, які підтримують розширений ввід/вивід з низьким енергоспоживанням.

Система має 4 ГБ пам'яті LPDDR4, декодування/кодування відео 4K, 2 порта USB3.0, Power-over-Ethernet (PoE) та розширення mSATA. Завдяки кронштейнам для настінного монтажу та безвентиляторній конструкції його легко встановлювати для експлуатації в суворих умовах.

Ця невелика вбудована система - ідеальна для периферійних додатків AI та глибокого навчання.

Обладнання, яке може бути використаним в цьому рішенні

Комп'ютерна система MIC-730AI для штучного інтелекту на NVIDIA Jetson® Xavier

Вбудовуваний ПК MIC-730AI

Комп'ютерна система MIC-730AI для штучного інтелекту на NVIDIA Jetson® Xavier