Smarta bikupor
| dc.contributor.author | Hellström, Adina | |
| dc.contributor.author | Källander, Elliot | |
| dc.contributor.author | de Flon, Hampus | |
| dc.contributor.author | Möller, Marcus | |
| dc.contributor.author | Rauf, Mohammed | |
| dc.contributor.author | Sulaiman, Omar | |
| dc.contributor.department | Chalmers tekniska högskola / Institutionen för fysik | sv |
| dc.contributor.department | Chalmers University of Technology / Department of Physics | en |
| dc.contributor.examiner | Swenson, Jan | |
| dc.contributor.supervisor | Wickman, Björn | |
| dc.contributor.supervisor | Lindberg Ericsson, Lars-Erik | |
| dc.date.accessioned | 2023-10-05T11:07:47Z | |
| dc.date.available | 2023-10-05T11:07:47Z | |
| dc.date.issued | 2023 | |
| dc.date.submitted | 2023 | |
| dc.description.abstract | Honungsbin spelar en avgörande roll som pollinatörer och bidrar till livsmedelsproduktion och eko logisk mångfald globalt. Som biodlare utförs manuellt arbete som ofta är tidskrävande. Syftet med detta projekt är att automatisera biodlingsprocessen med hjälp av smarta bikupor och skapa en web baserad applikation som använder sensordata, dataanalys och artificiell intelligens. Applikationen inne håller modeller för ljudavvikelse och ljudklassificering, objektavvikelse, myrdetektion, pollendetektion, svärmningsrisk och beräkning av bikupans hälsotillstånd. Alla modeller utom den för pollendetektion skapades under projektets gång, genom att använda tidigare insamlad data från sensorer och sedan implementeras i realtid. Maskininlärningsalgoritmerna K-nearest neighbors och Isolation Forest används för ljudklassificering och avvikelsemodeller, respektive. En objektdetektionsmodell används för pollen- och myrdetektion, och två olika expertsystem med definierade villkor för vikt, temperatur och väder används för svärm ningsrisk och beräkning av bikupans tillstånd. Under testning visade ljudklassificeringen ett F1-värde på 0,91-1 för tre av fyra klasser och myrdetektionen visade en precision på 97 %. Svärmningsriskmo dellen kan användas för att indikera om en del av bina är på väg att att lämna sin bikupa för att bilda ett nytt samhälle någon annanstans, vilket är en oönskad företeelse för biodlare. När modellen testades med historisk data identifierade den korrekt att svärmning inte skedde för 357 av 359 fall. Expertsy stemet för hälsotillstånd fungerade korrekt när det testades på nuvarande hälsotillstånd. Resultaten av avvikelsemodellerna kunde bara analyseras, inte testas. Men flera avvikelser identifierades i båda modellerna, vilket visar deras värde. Implementeringen av pollen detektionsmodellen för realtidskör ning var lyckad och applikationen fungerade som förväntat vid körning. Integreringen av modellerna i den webbaserade applikationen avslutade utvecklingsprocessen och projektets syfte anses uppnått. Vidareutveckling och ytterligare utvärdering av modellerna kommer att vara möjlig när mer varierad data kan samlas in. Applikationen har anpassats för att passa biodlare med både få och många bikupor och anses kunna användas för att underlätta biodlingsprocessen. Projektet har breddat kunskapen om användning av smarta bikupor och kan därför bidra till framtida innovationer inom teknik för hållbar utveckling. | |
| dc.identifier.coursecode | TIFX11 | |
| dc.identifier.uri | http://hdl.handle.net/20.500.12380/307189 | |
| dc.language.iso | swe | |
| dc.setspec.uppsok | PhysicsChemistryMaths | |
| dc.title | Smarta bikupor | |
| dc.type.degree | Examensarbete för kandidatexamen | sv |
| dc.type.degree | Bachelor Thesis | en |
| dc.type.uppsok | M2 |