A.P.I.S. - APISCAN
About
_ Artificial Protective Intelligences System, kurz A.P.I.S., ist ein Projekt, bei dem es um die Erforschung der Möglichkeiten zur Erkennung der Varroa Milbe sowie den präventiven und aktiven Schutz der Bienen geht.
_ Die Milbe ist ein aus Asien eingeschleppter Parasit, der neben Pestiziden und Monokulturen eine große Gefahr für die Honigbiene und Wildinsekten darstellt.
_ Im Rahmen des A.P.I.S. Projektes wird erforscht, wie sich die Künstliche Intelligenz für die Erkennung und Schutz vor der Varroa-Milbe nutzen lässt.
_ Der nur 1,1 bis 1,6 Millimeter große Parasit ist mit dem bloßen Auge nur schwer zu entdecken. Er gelangt mit den Bienen in die Beute des Bienenstaates und vermehrt sich in den Brutzellen der Bienen. Die Milbe hat eine rot-braune Färbung ohne Auffälligkeiten im Infrarot- oder Ultraviolettspektrum, was der Milbe eine gute Tarnung verleiht.
_ Eine herkömmliche K.I. ist in der Regel sehr leistungshungrig, weshalb man diese oft auf Grafikkarten oder leistungsstarken VPUs betreibt, denn Prozessoren liefern selbst heutzutage nicht die erforderliche Rechenleistung.
_ Das Auffinden der Milbe ohne die Bienen mit Stress zu belasten ist eine weitere Herausforderung. Imker wissen von einer Milbeninfektion erst durch Totenfall von Milben in der Windel der Beute oder bei einer Begutachtung der Waben. Die Infektion zeigt sich in diesem Fall nur im fortschreitenden Befall. Direkt auf den Bienen erkennt man die Milben nur mit entsprechender übung, was man in unserem BEISPIEL selbst ausprobieren kann.
Module
Dies sind im Feldtest aktiven Einheiten. Neben ihrer primären Aufgabe liefern sie Live-Bilder, die auf dieser Seite auszugsweise mit einer maximalen Verzögerung von ca. 10 Minuten dargestellt werden. Da zur Zeit Umbauarbeiten durchgeführt werden, sind statt der Livebilder Beispiele zu sehen.
DASHCAM 0 liefert die Außenansicht auf das Modul_1 und Modul_0
DASHCAM 2 liefert die Außenansicht auf das Modul_1 und Modul_0 aus einer anderen Perspektive
MODULE_0 ist das zuerst gebaute Modul, was dazu diente, erste Daten zu sammeln und einige erste KI-Systeme zu testen. Es verfügt über nur eine Kamera, die von einem Raspberry PI ausgelesen und ausgewertet wird.
MODULE_1 ist eine der neueren Varianten. Diese Einheit verfügt über zwei Kameras, die die Bienen von oben und von unten zeitgleich beobachten. Ausgewertet werden die Daten von einem rechenstarken Computer, der direkt daneben aufgestellt ist. In der Live-Ansicht beobachtet man den Eingang der Beute aus Sicht der oberen Kamera.
Neben den hier genannten Modulen, sind im Hintergrund einige weitere Systeme aktiv, die z.B. Daten verwalten, neue K.I.s trainieren oder die sich noch in der Testphase der Entwicklung befinden.
Roadmap
_ Versuche unter Laborbedingungen [ Abgeschlossen 2018]
In den ersten Tests erprobte man die Machbarkeit des Unterfangens, indem man Bienen, mit einer auf dem Rücken platzierten Milbe von denen ohne Milbe unterscheiden konnte.
_ Bau einer Überwachungseinheit
Bei einem Überwachungsmodul sind einige Kriterien zu beachten. Der Eingang muss mindestens 180mm breit und 20mm hoch sein. Die Bienen nutzen ihn nicht nur als Ein- und Ausgang, sondern auch für die Belüftung der Beute. Da künstliches Licht einige unerwünschte Effekte auf die Bienen und das Kamerasystem hatte, ist das Tageslicht die einzige Lichtquelle. Um die Bienen beim hinein- und herauslaufen optimal zu beobachten, sind im Modul_1 zwei Kameras installiert, die von oben und unten auf die Bienen schauen. Das Modul ist der Witterung ausgesetzt und muss auch starkem Regen und Sturm standhalten. - Upgrade ausstehend: einfachere Wartung, Verbesserung der Witterungsresistenz und Verbesserung in der Lichtverteilung.
_ Software
Die anfängliche Software diente nur dazu Bilder von den Bienen aufzunehmen und zu speichern oder weiterzuleiten. Später wurde die Software mit weiteren Funktionen versehen, wie das Erkennen und Tracken von Bienen sowie einige Leistungstests der Künstlichen Intelligenz. Ziel ist es, ein Programm zu entwickeln, das bei Erkennung einer Milbe eine Meldung ausgeben oder eine Aktion ausführen kann und optional einfache Untersuchungen durchführt. Videoerkennung im fruehem Stadium.
_ Klassifizierende Künstliche Intelligenz
Der Bau einer K.I. für diesen Einsatz erfordert eine Fehlerquote von < 0,001%, da es im Feldeinsatz durch das seltene Auftreten einer Milbe im Eingangsbereich zu häufig zu Falsch-Positiv-Ergebnissen kommt. Außerdem haben wir festgestellt, dass selbst bei hoher Milbenlast nur 6 Milben pro Tag im Eingangsbereich auftauchen. Eine Hochrechnung auf dieser Basis wäre unrealistisch. Es werden mehrere K.I.s mit verschiedenen Netzkonfigurationen und Größen in mehreren Etappen trainiert, mit einem steigenden Schwierigkeitsgrad. Nach dem Komprimierungsprozess erfolgt ein Nachtraining und die Feinjustierung, denn der Einsatz im Echtzeit erfordert eine besonders schlanke Software. K.I. Trainer
Diese Seite ist eine Arbeitsplattform, die uns zu Testzwecken bei der Entwicklung dient. Der Inhalt ändert sich deshalb laufend. Es werden nur Auszüge unserer Arbeit sichtbar. Auch der Versuchsbienenstand verfolgt keine wirtschaftliche Interessen, sondern dient der Forschung und Erprobung unserer Entwicklungen in der Praxis.
Fachliche Beratung und Unterstützung durch Imkermeister Ralf Bertram http://www.boerdehonig.de/