Colonies d'abeilles sur le campus de l'Università Politecnica delle Marche. Crédit :Cecchi et al.
Chercheurs de l'Università Politecnica delle Marche, L'Université Queen Mary de Londres et l'Institut Alan Turing ont récemment collaboré à un projet de recherche visant à identifier les états des ruches à l'aide de l'apprentissage automatique. Leur étude, prépublié sur arXiv, a étudié l'utilisation à la fois des machines à vecteurs de support (SVM) et des réseaux de neurones convolutifs (CNN) pour la reconnaissance de l'état des ruches, en utilisant des données audio.
Les données utilisées dans cette étude ont été collectées dans le cadre du projet NU-Hive, un effort de recherche qui a conduit au développement d'un système pour surveiller l'état des ruches en exploitant les sons qu'elles émettent. Les chercheurs ont formé des algorithmes d'apprentissage automatique pour analyser ces données audio et identifier les états de différentes ruches.
"Nos recherches sont motivées par le déclin des colonies d'abeilles domestiques ces dernières années en Europe et dans le reste du monde, " Stefania Cecchi, un chercheur qui a réalisé l'étude, a déclaré TechXplore. « Ce déclin a suscité un intérêt croissant pour la sauvegarde des abeilles mellifères, en raison de leur grande importance pour le maintien de la vie humaine. Dans ce contexte, l'objectif principal de nos recherches est l'étude et le développement d'un système innovant de suivi de l'état des ruches, en utilisant le son produit par les abeilles et des algorithmes d'apprentissage automatique."
Les abeilles sont les pollinisateurs les plus importants des cultures vivrières de la planète; Par conséquent, leur survie est de la plus haute importance. Dans les années récentes, les colonies d'abeilles sont en déclin, un problème qui pourrait avoir de graves conséquences pour la subsistance des humains, ainsi que celle des autres animaux de la chaîne alimentaire.
Installation du système d'acquisition. Crédit :Cecchi et al.
L'absence de la reine des abeilles est l'un des principaux indicateurs qu'une ruche nécessite une intervention humaine urgente. La recherche manuelle de la reine est une tâche difficile et chronophage pour les apiculteurs, ce qui dans de nombreux cas perturbe le cycle de vie normal de la ruche, provoquant un stress important pour les abeilles qui l'habitent.
Les sons produits par les ruches offrent des indices importants sur leur état, y compris l'absence de la reine des abeilles. Cecchi et ses collègues ont décidé d'explorer la possibilité d'utiliser l'apprentissage automatique pour analyser les sons des ruches, car cela pourrait aider à identifier les ruches à risque sans stress inutile pour les abeilles, tout en réduisant les efforts humains associés aux interventions manuelles.
"Nous sommes au stade précoce du développement et à ce stade, nous sommes en mesure d'identifier la présence ou l'absence de la reine des abeilles, qui est un enjeu important pour la survie des ruches, " a expliqué Cecchi. " Notre système est basé sur des méthodes d'apprentissage automatique qui reconnaissent automatiquement différents états de ruche en utilisant l'audio comme entrée. Le système est entraîné sur une base de données créée par nos systèmes d'acquisition et le modèle est ensuite appliqué pour identifier la présence ou l'absence de la reine des abeilles."
Cecchi et ses collègues ont réalisé plusieurs expériences dans des conditions réelles qui ont mis en évidence le potentiel d'exploitation des spectres Mel et des coefficients cepstraux à fréquence Mel (MFCC), et Hilbert Huang Transform (HHT) comme caractéristiques pour déterminer la présence d'une reine des abeilles dans une ruche. Les MFCC et les HHT sont des représentations sonores ou des moyens spécifiques de décomposer les signaux audio.
Interface logicielle pour une surveillance en temps réel. Crédit :Cecchi et al.
Les chercheurs ont testé les performances des SVM et des CNN en analysant ces caractéristiques sonores particulières pour déterminer l'absence ou la présence de la reine des abeilles. Les SVM se sont avérés mieux généraliser sur les ruches invisibles que les CNN, pourtant, ce dernier a obtenu de bons résultats dans les scénarios dépendant de la ruche. Globalement, l'étude a recueilli des résultats très prometteurs, en particulier lors de la combinaison des fonctionnalités HHT et MFCC.
"Le système est capable de reconnaître l'absence de la reine des abeilles dans une ruche, " a déclaré Cecchi. " La recherche de la reine est une tâche récurrente ardue pour les apiculteurs qui perturbe le cycle de vie normal de la ruche. Notre système peut réduire considérablement le nombre de recherches et d'interventions nécessaires. Par ailleurs, notre approche permet une intervention rapide des apiculteurs le plus tôt possible, évitant ainsi la dispersion de l'abeille et le déclin de la ruche dû à l'absence de la reine des abeilles."
Les résultats recueillis par Cecchi et ses collègues mettent en évidence le vaste potentiel de l'apprentissage automatique pour analyser les données audio des ruches et détecter efficacement si elles sont en danger. Dans le futur, leur méthode pourrait aider à la sauvegarde des abeilles et par conséquent à celle de toutes les espèces se nourrissant de cultures pollinisées. Les chercheurs cherchent maintenant à appliquer la même méthode à d'autres états de ruche associés à des risques.
"Nous voulons étendre cette approche à l'identification automatique d'autres états importants de la ruche tels que la prédiction d'essaimage, détection de situations anormales, et la présence de varroas, " a déclaré Cecchi. " Cela nous permettra de construire un système complet de classification des états des ruches, fournir aux apiculteurs une analyse continue et autonome de leurs ruches."
© 2018 Réseau Science X
