描述

背景

蜜蜂得到了很多關(guān)注，但它們只是北美數(shù)千種蜜蜂中的一種（而且它們甚至不是本地蜜蜂！）。

本地蜜蜂與本地植物共同進化，它們的授粉服務(wù)對許多本地植物物種的生存至關(guān)重要。

本土蜜蜂也是重要的農(nóng)業(yè)傳粉者，可以提高許多農(nóng)作物的產(chǎn)量。AirBeeNBee 是一家智能蜜蜂旅館，為本地蜜蜂種群提供筑巢棲息地，直接解決競賽挑戰(zhàn) 5：精準(zhǔn)農(nóng)業(yè)、智能畜牧業(yè)和本地糧食生產(chǎn)。

獨居的本地蜜蜂在各種不同的巢穴中開始它們的家庭。一些蜜蜂在地上筑巢（挖掘蜂、礦工蜂），一些在木頭上鉆孔（木匠蜂），還有一些在空心管狀植物莖中產(chǎn)卵（石蜂、切葉蜂）。其中一些物種將使用人類提供的人工巢穴結(jié)構(gòu)（蜜蜂旅館），這為我們提供了研究它們的絕好機會。

設(shè)計

AirBeeNBee 是一個帶有集成傳感器的蜜蜂旅館，允許主人調(diào)查可能影響蜜蜂是否選擇人工巢穴的各種變量。巢穴可以填充不同的材料以評估巢穴偏好，而 Seed Studio SenseCap K1100 使我們能夠輕松確定濕度、溫度和空氣質(zhì)量如何影響巢穴利用率。人工智能視覺傳感器可以快速確定蜜蜂種類和占有率。因為這些計劃都是開源的，使用創(chuàng)客空間中常用的設(shè)備 - AirBeeNBee 滿足競賽挑戰(zhàn) 4：開放科學(xué)。

我們的蜜蜂旅館旨在監(jiān)控蜜蜂，而無需使用目前使用的破壞性和勞動密集型方法。我們將使用攝像頭監(jiān)控人工蜂巢中的本地蜜蜂種群，目的不僅是跟蹤進出 AirBeeNBee 的蜜蜂數(shù)量，還可以了解蜂巢內(nèi)部發(fā)生的情況。

該結(jié)構(gòu)是一座帶有傾斜屋頂?shù)姆课?，以保持房屋干燥并提供安裝相機的空間。我們了解到，在人工巢穴前放置網(wǎng)狀物并不會阻止蜜蜂使用它們，因此對于蜜蜂來說，擁有攝像頭應(yīng)該不是問題。使用的材料將是木材，以防止巢內(nèi)腐爛和發(fā)霉。

在房子里，我們將插入可拆卸的木塊，上面鉆有蜜蜂隧道。這些隧道將一直穿過街區(qū)，以便在必要時觀察蜜蜂及其巢穴。隧道將有多種尺寸以適應(yīng)不同種類的蜜蜂。根據(jù) Bumblebee Conservation Trust 的說法，它們應(yīng)該至少長 15 厘米，直徑在 3-10 毫米之間。

?

?

?

?

1 / 2 ?蜜蜂酒店效果圖

?

蜜蜂旅館背后的技術(shù)是 SenseCAP K1100 傳感器設(shè)備。該設(shè)備主要與內(nèi)置傳感器（光、聲音和位置）和可連接傳感器（土壤濕度、溫度/濕度、氣體傳感器和視覺）以及屏幕或終端一起使用，以查看讀數(shù)、視覺日志檢測，并通過網(wǎng)絡(luò)將數(shù)據(jù)發(fā)送到在線數(shù)據(jù)可視化平臺進行進一步分析。

要使用 SenseCAP 設(shè)備，我們遵循此處的設(shè)置說明 ( https://wiki.seeedstudio.com/K1100-quickstart/#vision-ai-real-time-analysis )。使用 LoRa WAN 設(shè)置好 SenseCAP 來傳輸數(shù)據(jù)后，我們就可以開始設(shè)置它來監(jiān)控蜜蜂了！

為了監(jiān)控蜜蜂，我們使用了 Seeed Studio 入門套件附帶的 Grove AI 視覺傳感器。我們將相機插入終端并將其配置為與終端一起工作。攝像頭目前只能檢測到人，因此我們不得不重新訓(xùn)練支持 Grove AI 視覺傳感器的模型來檢測蜜蜂（有關(guān)此內(nèi)容的更多信息，請參見代碼）。簡而言之，我們捕獲了數(shù)百張蜜蜂圖像，標(biāo)記了圖像以顯示蜜蜂在照片中的位置，并使用這個標(biāo)記的數(shù)據(jù)集重新訓(xùn)練 Grove AI 視覺傳感器模型。

團隊

開發(fā)該項目的團隊是佐治亞州亞特蘭大市佐治亞理工學(xué)院生活建筑科學(xué)垂直綜合項目團隊的本科生。他們與佐治亞理工學(xué)院城市蜜蜂項目合作確定了一個項目，使他們能夠?qū)⑺麄冊谟嬎銠C科學(xué)方面的專業(yè)知識應(yīng)用于一項重要的可持續(xù)性挑戰(zhàn)：保護傳粉者。

Air BeeNBee的創(chuàng)新與未來

Air BeeNBee 是一個對消費者友好的參與式科學(xué)項目，任何人都可以通過它觀察和了解其環(huán)境中的傳粉者。通過利用計算機視覺模型的力量，用戶不僅可以了解附近有哪些傳粉者，還可以預(yù)測環(huán)境條件的變化將如何影響它們的數(shù)量。對于這個項目的未來，我們計劃使用 Grove AI 視覺傳感器來檢測我們蜜蜂旅館中的蜜蜂，以監(jiān)測我們城市周圍的蜜蜂數(shù)量。我們還計劃將我們的 Seeed Studio 套件連接到 Microsoft Azure IoT Central 以可視化數(shù)據(jù)。使用 Microsoft Azure 將使我們能夠利用該技術(shù)附帶的強大分析和集成工具，并解決我們未來遇到的任何存儲解決方案。使用云技術(shù)不僅可以使 Air BeeNBee 的數(shù)據(jù)分析更快、更高效、更可控，而且隨著項目的發(fā)展，它也將變得非常容易訪問和擴展。全世界“打開”Air BeeNBees 的人越多，我們就越了解和了解如何保護授粉媒介和我們的食物供應(yīng)。

?