Automatisering av biodlingsprocessen Realtidsanalys med maskininlärning på sensordata från bikupor

Examensarbete för kandidatexamen

Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12380/304701
Download file(s):
File Description SizeFormat 
Kandidatarbete_TIFX04-22-03.pdf6.36 MBAdobe PDFView/Open
Bibliographical item details
FieldValue
Type: Examensarbete för kandidatexamen
Title: Automatisering av biodlingsprocessen Realtidsanalys med maskininlärning på sensordata från bikupor
Authors: Anzelius, Tuss
Josefsson, Måns
Samuelsson, Lisa
Svensson, Kevin
Rydin, Filip
Åkesson, Lovisa
Abstract: 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.
Issue Date: 2022
Publisher: Chalmers tekniska högskola / Institutionen för fysik
URI: https://hdl.handle.net/20.500.12380/304701
Collection:Examensarbeten för kandidatexamen // Bachelor Theses



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.