Automatisering av biodlingsprocessen Realtidsanalys med maskininlärning på sensordata från bikupor
Typ
Examensarbete för kandidatexamen
Program
Publicerad
2022
Författare
Anzelius, Tuss
Josefsson, Måns
Samuelsson, Lisa
Svensson, Kevin
Rydin, Filip
Åkesson, Lovisa
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Som pollinatörer har bin en viktig roll då de säkerställer den globala livsmedelsproduktionen
och bevarar den biologiska mångfalden. För att gynna bins välmående och minska biodlares
arbetsbelastning är syftet med detta projekt att skapa en webbapplikation som biodlare kan
använda för att övervaka sina bikupor. Den slutgiltiga applikationen innehåller information om
miljön i den aktuella bikupan (inklusive vikt, temperatur och luftfuktighet) samt indikatorer på
om en bidrottning finns i kupan, hur mycket varroakvalster som har detekterats samt om svärmning
sker eller håller på att ske. Applikationen använder en sensoruppsättning som fanns innan
projektets början. Denna uppsättning bygger på att data från sensorer samlas in och analyseras
med en mikrodator.
Projektet har huvudsakligen fokuserat på utvecklingen av tre modeller. Maskininlärningsmodellen,
ResNet50, för varroakvalsterdetektion analyserades vid olika antal tränade epoker, och
dess högsta precision beräknades vara cirka 80%. Uträkning av modellens F1-precision samt
F1-känslighet resulterade i att F1-värdet blev maximalt. Bidrottningdetektion använder två knearest
neighbors modeller för analys av ljud. Modellerna hade precisionen 86,4% respektive
99,6% på testdata och när hela programmet kördes på tidigare data från sensorerna samt i
realtid indikerades korrekt svar i samtliga fall. För svärmningsdetektion utvecklades en analytisk
modell baserad på bestämda villkor för vikt, temperatur och väder. Modellen testades med
enhetstester och redan insamlad svärmningsdata, och gav då korrekta utslag.
Fortsatt arbete med fler tester på verkliga bikupor kommer att visa hur pålitliga modellerna
är. Projektet har resulterat i en fungerande webbapplikation där modellernas klassificeringar
ger en indikation på bisamhällets välmående. Denna applikation kan användas som ett underlättande
verktyg för biodlare, och projektets syfte anses därmed vara uppnått.