带有集成传感器的AirBeeN蜜蜂

描述

背景

蜜蜂得到了很多关注，但它们只是北美数千种蜜蜂中的一种（而且它们甚至不是本地蜜蜂！）。

本地蜜蜂与本地植物共同进化，它们的授粉服务对许多本地植物物种的生存至关重要。

本土蜜蜂也是重要的农业传粉者，可以提高许多农作物的产量。AirBeeNBee 是一家智能蜜蜂旅馆，为本地蜜蜂种群提供筑巢栖息地，直接解决竞赛挑战 5：精准农业、智能畜牧业和本地粮食生产。

独居的本地蜜蜂在各种不同的巢穴中开始它们的家庭。一些蜜蜂在地上筑巢（挖掘蜂、矿工蜂），一些在木头上钻孔（木匠蜂），还有一些在空心管状植物茎中产卵（石蜂、切叶蜂）。其中一些物种将使用人类提供的人工巢穴结构（蜜蜂旅馆），这为我们提供了研究它们的绝好机会。

设计

AirBeeNBee 是一个带有集成传感器的蜜蜂旅馆，允许主人调查可能影响蜜蜂是否选择人工巢穴的各种变量。巢穴可以填充不同的材料以评估巢穴偏好，而 Seed Studio SenseCap K1100 使我们能够轻松确定湿度、温度和空气质量如何影响巢穴利用率。人工智能视觉传感器可以快速确定蜜蜂种类和占有率。因为这些计划都是开源的，使用创客空间中常用的设备 - AirBeeNBee 满足竞赛挑战 4：开放科学。

我们的蜜蜂旅馆旨在监控蜜蜂，而无需使用目前使用的破坏性和劳动密集型方法。我们将使用摄像头监控人工蜂巢中的本地蜜蜂种群，目的不仅是跟踪进出 AirBeeNBee 的蜜蜂数量，还可以了解蜂巢内部发生的情况。

该结构是一座带有倾斜屋顶的房屋，以保持房屋干燥并提供安装相机的空间。我们了解到，在人工巢穴前放置网状物并不会阻止蜜蜂使用它们，因此对于蜜蜂来说，拥有摄像头应该不是问题。使用的材料将是木材，以防止巢内腐烂和发霉。

在房子里，我们将插入可拆卸的木块，上面钻有蜜蜂隧道。这些隧道将一直穿过街区，以便在必要时观察蜜蜂及其巢穴。隧道将有多种尺寸以适应不同种类的蜜蜂。根据 Bumblebee Conservation Trust 的说法，它们应该至少长 15 厘米，直径在 3-10 毫米之间。

 

 

 

 

1 / 2 •蜜蜂酒店效果图

 

蜜蜂旅馆背后的技术是 SenseCAP K1100 传感器设备。该设备主要与内置传感器（光、声音和位置）和可连接传感器（土壤湿度、温度/湿度、气体传感器和视觉）以及屏幕或终端一起使用，以查看读数、视觉日志检测，并通过网络将数据发送到在线数据可视化平台进行进一步分析。

要使用 SenseCAP 设备，我们遵循此处的设置说明 ( https://wiki.seeedstudio.com/K1100-quickstart/#vision-ai-real-time-analysis )。使用 LoRa WAN 设置好 SenseCAP 来传输数据后，我们就可以开始设置它来监控蜜蜂了！

为了监控蜜蜂，我们使用了 Seeed Studio 入门套件附带的 Grove AI 视觉传感器。我们将相机插入终端并将其配置为与终端一起工作。摄像头目前只能检测到人，因此我们不得不重新训练支持 Grove AI 视觉传感器的模型来检测蜜蜂（有关此内容的更多信息，请参见代码）。简而言之，我们捕获了数百张蜜蜂图像，标记了图像以显示蜜蜂在照片中的位置，并使用这个标记的数据集重新训练 Grove AI 视觉传感器模型。

团队

开发该项目的团队是佐治亚州亚特兰大市佐治亚理工学院生活建筑科学垂直综合项目团队的本科生。他们与佐治亚理工学院城市蜜蜂项目合作确定了一个项目，使他们能够将他们在计算机科学方面的专业知识应用于一项重要的可持续性挑战：保护传粉者。

Air BeeNBee的创新与未来

Air BeeNBee 是一个对消费者友好的参与式科学项目，任何人都可以通过它观察和了解其环境中的传粉者。通过利用计算机视觉模型的力量，用户不仅可以了解附近有哪些传粉者，还可以预测环境条件的变化将如何影响它们的数量。对于这个项目的未来，我们计划使用 Grove AI 视觉传感器来检测我们蜜蜂旅馆中的蜜蜂，以监测我们城市周围的蜜蜂数量。我们还计划将我们的 Seeed Studio 套件连接到 Microsoft Azure IoT Central 以可视化数据。使用 Microsoft Azure 将使我们能够利用该技术附带的强大分析和集成工具，并解决我们未来遇到的任何存储解决方案。使用云技术不仅可以使 Air BeeNBee 的数据分析更快、更高效、更可控，而且随着项目的发展，它也将变得非常容易访问和扩展。全世界“打开”Air BeeNBees 的人越多，我们就越了解和了解如何保护授粉媒介和我们的食物供应。