Concept of a Robotic Beehive Based on a Case Study with a Beekeeping Company
Laen...
Kuupäev
Autorid
Ajakirja pealkiri
Ajakirja ISSN
Köite pealkiri
Kirjastaja
Tartu Ülikool
Abstrakt
Throughout history, beekeepers have developed new types of beehives to improve beekeeping efficiency and enhance honeybees' quality of life. In the past five years, the trend in innovation has shifted toward full automation, with many examples emerging. This thesis follows that direction by investigating one professional beekeeping company, using a case study as the primary research methodology. This thesis explores the research questions: 'Which parameters are inspected by beekeepers?' and 'How can the beehive be automated based on these parameters?'. Participant observation, the researcher's diary, a semi-structured interview and digital imaging were used as data collection methods to gather and validate information relevant to the automation of the beehive. A custom imaging device was developed and employed to acquire approximately 3000 frame images across more than 100 Langstroth beehives. These images served as input for evaluating Varroa destructor detection performance using the YOLO-based computer vision system. It was observed that the case study partner (whose core business is honey production) does not measure any specific parameters in the beehive to run a successful beekeeping business. Decisions and actions are based on the evaluation of 20 parameters, the most important of which are the queen's health, temperature, and available space for brood and honey. The greatest challenge in automating the beehive is the localisation of the queen. A magnetic tag and smart frames with digital magnetic sensors are proposed to address this issue. The second challenge involves moving frames that are stuck together, as breaking them loose can sometimes require more than 300 N of force. The third challenge is to move frames between beehive bodies while keeping honeybee losses as low as possible. The collected information was analysed, and the requirements for a robotic beehive are presented along with the overall concept of the robotic beehive. The case study partner describes the perfect beekeeper as someone who 'sees everything and remembers everything.' Since the partner relies on very general notes when making decisions in beehive management, and it is not feasible for humans to memorise images of thousands of frames, a robotic beehive equipped with computer vision and hive management functions is relevant from both scientific and commercial perspectives. It is recommended that the first development phase of robotic beehives be developed to explore possible visual patterns and sound or temperature signatures that could transform beekeeping operations in unprecedented ways.
Kirjeldus
Mesinduse tõhusust ja mesilaste elukvaliteeti parandades on mesinikud arendanud erinevaid mesitarude tüüpe. Viimasel viiel aastal on innovatsiooni suund muutunud täieliku automatiseerimise poole, millele tekib näiteid aina juurde. Käesolev magistritöö järgib sama suunda, uurides juhtumiuuringu käigus ühte professionaalset mesindusettevõtet. Antud töö otsib vastuseid järgmistele uurimisküsimustele: „Milliseid parameetreid mesinikud mesitaru juures kontrollivad?“ ja „Kuidas saab mesitaru automatiseerida nende parameetrite põhjal?“. Andmete kogumise meetoditeks olid osalusvaatlus, uurija päevik ja poolstruktureeritud intervjuu, mida kasutati mesitaru automatiseerimisega seotud teabe kogumiseks ja valideerimiseks. Antud töö raames valmistati pildistamise seade, et koguda umbes 3000 raamipilti rohkem kui 100 Langstrothi mesitarust. Saadud pildid sildistati, sorteeriti ning kasutati YOLO-põhise tehisnägemise katsetamiseks Varroalesta tuvastamise testimise näol. Juhtumiuuringu partner ei mõõda ega jäädvusta mesitaru parameetreid vaid sooritab otsuseid varasema kogemuse põhjal mesitaru juures parameetreid hinnates. Mesitaru automatiseerimiseks on aga vaja määrata konkreetsed parameetrid, mida mõõta ning töötada välja otsustuskriteeriumid ning töövood. Juhtumiuuringu käigus kaardistati mesiniku otsused ja tegevused ja selle tulemusel kirjeldati 20 parameetrit, millest kõige olulisemad on kuninganna olemasolu, temperatuur ja piisav ruum haudmele ning mee ladustamiseks. Mesitaru automatiseerimise esimene ja suurim väljakutse on kuninganna lokaliseerimine. Selle probleemi lahendamiseks pakutakse välja magnetiline silt (püsimagnet kuninganna seljal) ja nutikad raamid digitaalsete magnetiliste anduritega. Teine väljakutse on raamide automaatne liigutamine, eriti juhul, kui need on mesilaste poolt kokku kleebitud, kuna nende vabastamine võib mõnikord vajada rohkem kui 300 N jõudu. Kolmas väljakutse on raamide liikumine mesitarude vahel viisil, mis hoiaks mesilaste kaotusi võimalikult madalal tasemel. Kogutud teavet analüüsiti ja esitati nõuded robotiseeritud mesitaru jaoks koos targa kärjeraami kontseptsiooniga. Lisaks töötati välja robotiseeritud mesitaru üldkontseptsioon. Juhtumiuuringus osalenud mesinik kirjeldab täiuslikku mesinikku kui kedagi, kes „näeb kõike ja mäletab kõike“. Ta teeb mesitaru haldamisel otsuseid märkmetele tuginedes, aga inimestel ei ole võimalik meeles pidada parameetrite täpseid hinnanguid ning nende mustreid tuhandetel raamidel. Seetõttu on robotiseeritud mesitaru, mis on varustatud arvutinägemise ja mesitaru haldamise funktsioonidega, teaduslikest ja kaubanduslikest vaatenurkadest relevantne. Käesoleva magistritöö raames soovitatakse, et robotiseeritud mesitaru esimestes arendusfaasides pannakse rõhk sellele, et mesinike kogemused tõlgitakse roboti jaoks arusaadavateks mõõdetavateks parameetriteks ning protseduurideks. Välja pakutud etapiline arendus võib viia parameetrite mustrite ning omavaheliste seosteni, mis võivad mesindust põhimõtteliselt muuta.
Märksõnad
beehive, automation, robotics, computer vision, requirements