Edge ML System zum Schutz von Honigbienen

Die Nutzung von modernen Edge Machine Learning Systemen um Honigbienen vor den Asiatischen Hornissen zu schützen.

Die Erkennung einer Asiatischen Hornisse vor den Bienennestern.

Ausgangslage

Die Asiatische Hornisse, eine invasive Art, ernährt sich von Honigbienen und wird für Imkerinnen und Imker zunehmend zum Problem.

Aktuell ist die Erkennung der Asiatischen Hornisse äusserst Zeit intensiv. Imker müssen vor ihren Nestern warten und selbst Ausschau halten nach den Asiatischen Hornissen. Auch die Verbreitung wird über Meldungen durch Freiwillige überwacht

Zielsetzung

Schwarmgold, eine kleine Imkerei, die sich der artgerechten, naturnahen und nachhaltigen Bienenhaltung verschrieben hat, sucht einen anderen Ansatz: Hornissen sollen von einer Kamera durch Machine-Learning vor Ort erkannt und per Benachrichtigung gemeldet werden.

Zum Einsatz kommt ein angepasstes YOLO-Erkennungsmodell, das mit eigenen Daten trainiert wurde. Die selbst gesammelt und annotierten Daten erlauben es dem Modell die spezifischen Gegebenheiten der Aufgabenstellung gezielt erlernen.

Ergebnisse

Ergänzt wird das System durch SAHI, einen Ansatz zur Verbesserung der Erkennungsleistung, insbesondere bei hochauflösenden Aufnahmen. Das Erkennungssystem wird auf einem Raspberry Pi betrieben, um eine direkte Nutzung vor Ort zu ermöglichen. Obwohl solche Edge-Systeme generell über begrenzte Rechenleistung verfügen, kann durch den Einsatz von Hardware-Beschleunigern wie Hailo sowie durch Quantisierung eine hohe Performanz erreicht werden. Es wird gezeigt, dass ein leistungsfähiges Erkennungssystem auf Edge-Devices betrieben werden kann. Ein paar Highlights sind:

• Dauerhafte Überwachung im Sekundentakt.
• Verbesserte Erkennung durch moderne Ansätze wie SAHI.
• Sofortige Meldung per Mail.
• Die Möglichkeit remote Massnahmen auszulösen, beispielsweise ein Servo mit einem Schutznetz.
• Alles läuft lokal auf einem Raspberry Pi um den Datenschutz zu gewährleisten.

In Kombination mit einem Meldesystem ermöglicht die Lösung eine automatische Benachrichtigung. Wird eine Asiatische Hornisse in der Nähe von Bienennestern erkannt, werden Imkerinnen oder Imker direkt informiert. Dies erlaubt eine rasche Reaktion und erhöht die Überlebenschancen der betroffenen Honigbienenkolonien. Die Arbeit zeigt, dass moderne Edge-Machine-Learning-Systeme wirksam zum Schutz von Honigbienen eingesetzt werden können.

Technische Schlüsselbegriffe

• Edge-Systeme Dezentrale Systeme zur Datenverarbeitung direkt an der Quelle (z. B. IoT-Geräte).
• Raspberry Pi Ein kompakter Einplatinencomputer (Mini-PC) für Embedded- und Edge-Anwendungen.
• YOLO-Erkennungsmodell Echtzeit-Objekterkennungsmodell („You Only Look Once“) zur schnellen Bildanalyse.
• Slicing Aided Hyper Inference (SAHI) Methode zur Aufteilung hochauflösender Bilder in Segmente, um kleine Objekte genauer zu erkennen.

Kunde

Schwarmgold
Roger Buser
Sunnerain 3
5213 Villnachern
www.schwarmgold.ch

Team