Pesquisadores da Università Politecnica delle Marche, A Queen Mary University of London e o Alan Turing Institute colaboraram recentemente em um projeto de pesquisa com o objetivo de identificar estados colmeias usando o aprendizado de máquina. Seu estudo, pré-publicado no arXiv, investigou o uso de máquinas de vetores de suporte (SVMs) e redes neurais convolucionais (CNNs) para o reconhecimento do estado da colmeia, usando dados de áudio.

Os dados usados ​​neste estudo foram coletados como parte do projeto NU-Hive, um esforço de pesquisa que levou ao desenvolvimento de um sistema para monitorar as condições das colmeias, explorando os sons que elas emitem. Os pesquisadores treinaram algoritmos de aprendizado de máquina para analisar esses dados de áudio e identificar os estados de diferentes colméias.

"Nossa pesquisa é motivada pelo declínio das colônias de abelhas nos últimos anos na Europa e no resto do mundo, "Stefania Cecchi, um pesquisador que realizou o estudo, disse TechXplore. "Este declínio gerou um interesse crescente na salvaguarda das abelhas, devido a sua grande importância para a sustentação da vida humana. Nesse contexto, o objetivo principal da nossa pesquisa é o estudo e desenvolvimento de um sistema inovador para monitorar o estado das colmeias, usando o som produzido por abelhas e algoritmos de aprendizado de máquina. "

As abelhas são os polinizadores de culturas alimentares mais importantes do planeta; portanto, sua sobrevivência é de extrema importância. Nos últimos anos, as colônias de abelhas estão diminuindo, um problema que pode ter consequências graves para o sustento dos humanos, bem como de outros animais da cadeia alimentar.

Um dos principais indicadores de que uma colmeia requer intervenção humana urgente é a ausência da abelha rainha. Procurar a rainha manualmente é uma tarefa desafiadora e demorada para os apicultores, que em muitos casos interrompe o ciclo de vida normal da colmeia, causando estresse significativo para as abelhas que o habitam.

Os sons produzidos pelas colmeias oferecem pistas importantes sobre seu estado, incluindo a ausência da abelha rainha. Cecchi e seus colegas decidiram explorar a possibilidade de usar o aprendizado de máquina para analisar sons de colmeias, pois isso pode ajudar a identificar colmeias em risco sem estresse desnecessário para as abelhas, ao mesmo tempo que reduz os esforços humanos associados às intervenções manuais.

“Estamos no estágio inicial de desenvolvimento e neste momento somos capazes de identificar a presença ou ausência da abelha rainha, que é uma questão importante para a sobrevivência da colmeia, "Cecchi explicou." Nosso sistema é baseado em métodos de aprendizado de máquina que reconhecem automaticamente os diferentes estados da colmeia usando áudio como entrada. O sistema é treinado em um banco de dados criado por nossos sistemas de aquisição e o modelo é então aplicado para identificar a presença ou ausência da abelha rainha. "

Cecchi e seus colegas realizaram vários experimentos em configurações do mundo real que destacaram o potencial de explorar espectros de Mel e coeficientes cepstrais de frequência de Mel (MFCCs), e Hilbert Huang Transform (HHT) como recursos para determinar a presença de uma abelha rainha em uma colmeia. MFCCs e HHTs são representações de som ou formas específicas de decompor sinais de áudio.

Os pesquisadores testaram o desempenho de SVMs e CNNs na análise desses recursos sonoros específicos para determinar a ausência ou presença da abelha rainha. Verificou-se que SVMs generalizam melhor em colmeias invisíveis do que CNNs, no entanto, o último obteve bons resultados em cenários dependentes de colmeias. Geral, o estudo reuniu resultados muito promissores, particularmente ao combinar os recursos HHT e MFCC.

“O sistema é capaz de reconhecer a ausência da abelha rainha em uma colmeia, "Cecchi disse." Procurar a rainha é uma tarefa árdua e recorrente para os apicultores, que interrompe o ciclo de vida normal da colmeia. Nosso sistema pode reduzir significativamente o número de pesquisas e intervenções necessárias. Além disso, nossa abordagem permite intervenções imediatas do apicultor o mais cedo possível, evitando assim a dispersão da abelha e o declínio da colmeia devido à ausência da abelha rainha. "

As descobertas coletadas por Cecchi e seus colegas destacam o vasto potencial do aprendizado de máquina para analisar dados de áudio de colmeias e detectar efetivamente se estão em perigo. No futuro, o seu método pode ajudar na salvaguarda das abelhas e, consequentemente, de todas as espécies que se alimentam de culturas polinizadas. Os pesquisadores agora procuram aplicar o mesmo método a outros estados colmeias associados a riscos.

"Queremos estender esta abordagem para a identificação automática de outros estados importantes da colmeia, como a previsão da enxameação, detecção de situações anômalas, e a presença de ácaros varroa, "Cecchi disse." Isso nos permitirá construir um sistema completo para classificar os estados das colmeias, proporcionando aos apicultores uma análise contínua e autônoma de suas colmeias. "

© 2018 Science X Network