Kako inovativna metoda strojnog učenja i IoT-a, s podacima opažanja planete zemlje može pomoći u predviđanju pogodnih područja za ispašu pčela?
Europska svemirska agencija (ESA) želi omogućiti korištenje satelitskih tehnologija u raznim projektima za razvoj gospodarstva. Tako i poljoprivrede, stoga je raspisala natječaj za RH na kojem je odobren projekt „Intelibee“. Tvrtke ListLabs iz Zagreba, vrijedan oko 91tisuće e, koji je trajao 12mj i ovih dana je završen.
Podrška u pčelarenju
U tom projektu koristili su se IoT senzori, podaci opažanja Zemlje i podaci s terena za podršku pčelarima u planiranju i upravljanju njihovim aktivnostima korištenjem pristupa temeljenog na podacima. O projektu smo razgovarali s Damirom Matićem, voditeljem tima za razvoj u tvrtki ListLabs iz Zagreba koji je arhitekt rješenja u ovom projektu.
- Možete li nam na početku reći koji je zapravo cilj projekta?
–Krajnji cilj projekta je osmisliti i razviti temelje za aplikativno rješenje koje će kontinuirano podržavati pčelara u odabiru potrebne strategije za održivu proizvodnju meda. Čime će pozitivno utjecati na stabilnost i prinos hrane i drugih vitalnih usjeva. Glavni tehnički cilj projekta je osmisliti metodologiju za korištenje EO, senzorskih i in-situ podataka. Oni će omogućiti predviđanja i klasifikaciju optimalnih lokacija za ispašu pčela s točnošću većom od 90%.
- Koje su bile etape/faze projekta?
–Projekt je započeo dizajniranjem ankete za pčelare u svrhu prikupljanja korisničkih zahtjeva i općenito korisnih informacija o pčelarskoj praksi u RH. Samom anketom su prikupljeni podaci o pčelinjim ispašama, prinosu meda i ostalim korisnim informacijama za treniranje modela strojnog učenja.
–Nakon definiranja korisničkih zahtjeva i zahtjeva sustava, pristupilo se implementaciji senzora (digitalne vage) na 2 testne lokacije u Zagrebu. Agronomski fakultet i Savska opatovina. Zatim je započela faza izrade i treniranja modela strojnog učenja koristeći podatke prikupljene na terenu. Sa senzora i iz satelita te drugih dostupnih (otvorenih) izvora. Nakon uspješnog treniranja modela pristupilo se ocjeni točnosti i testiranju modela u stvarnim uvjetima.
- Što su rezultati pokazali?
–Postignuta je točnost od 93%. Korištenjem EO podataka, senzora i podataka s terena. GNN (Graph Neural Network) model uspješno predviđa i klasificira optimalne lokacije za ispašu pčela, premašujući željeni prag točnosti. Ovi rezultati potvrđuju učinkovitost GNN modela kao metodologije za točno predviđanje i klasifikaciju u ovoj domeni.
- Hoće li se razvoj nastaviti i koja je budućnost aplikacije?
–Daljnjim razvojem, može se poduzeti više koraka kako bi se unaprijedilo istraživanje i primjena predviđanja i klasificiranja optimalnih lokacija za ispašu pčela. Inženjering značajki i poboljšanje modela putem istraživanja dodatnih značajki. Kao što su podaci o pokrovu zemlje, indeksi vegetacije i svojstva tla. Mogu unaprijediti prediktivne mogućnosti modela,. Uz kontinuirano usavršavanje i poboljšanje modela na temelju novih spoznaja i napretka u tehnikama strojnog učenja. Integracija podataka senzora u stvarnom vremenu iz košnica za pružanje ažuriranih informacija o uvjetima u košnici, ponašanju u traženju hrane i proizvodnji meda može poboljšati točnost i pravodobnost predviđanja i klasifikacija.
- Možda je moguć doprinos i nekih institucija?
–Naravno, poželjna je i potrebna suradnja s agencijama za zaštitu okoliša. Također suradnja s agencijama i organizacijama za zaštitu okoliša radi pristupa i uključivanja relevantnih ekoloških podataka. Kao što su razdoblja cvatnje medonosnih vrsta, dinamika krajolika i pokazatelji klimatskih promjena. Ovo partnerstvo može pružiti vrijedne uvide u širi ekološki kontekst i poboljšati ekološku relevantnost modela.
–Također se provođenjem terenskih validacija i demonstracija procijenjuje praktična izvedivost i upotrebljivost metodologije u pčelarstvu u stvarnom svijetu. Angažiranje pčelara, ekoloških stručnjaka i dionika u prikupljanju povratnih informacija osigurava usklađenost metodologije s njihovim potrebama i zahtjevima. Na kraju je vrlo bitno širenje znanja i obrazovanje. Dijeljenje rezultata istraživanja, metodologije i najboljih praksi s pčelarskom zajednicom, znanstvenim forumima i kreatorima politike. Pruža materijale za obuku i edukaciju za osnaživanje pčelara u razumijevanju i korištenju metodologije za održive prakse pčelarenja.
–Slijedeći ove buduće korake, istraživanje i primjena predviđanja i klasificiranja optimalnih lokacija za ispašu pčela može doprinijeti očuvanju i očuvanju populacija medonosnih pčela. Također poboljšati procese donošenja odluka kod pčelara i promicati održive pčelarske prakse suočene s izazovima okoliša. Aplikacija sad prelazi iz PoC (Proof of concept) faze u MVP (Minimum Viable Product) fazu. Uskoro će biti dostupna pčelarima.
–U košnice na testnim pčelinjacima ugrađeni su senzori koji putem GPS komunikacije mogu javljati točnu lokaciju košnice, senzor promjene težine u košnici, te senzori vlage i temp. Na temelju povratnih informacija pčelara i Agronomskog fakulteta, senzori se dalje mogu unaprijediti. Podaci se šalju na server i korisnik će ih moći vidjeti i uspoređivati u aplikaciji na svom računalu ili mobitelu.
–Razvoj prototipa senzora trajao je oko 6mj, a javeća prednost mu je što je integriran sa satelitskim podacima. Budući da je rađen modularno, tako da se mogu prilagoditi pokazatelji, pa uz spomenute dodati i još 15 dr., ovisno o potrebama korisnika. Komercijalna cijena uređaja s aplikacijom na bazi serijske proizvodnje od oko 1000 komada. Iznosila bi između 400 i 500e, što je i ispod cijene postojećih uređaja koji nemaju sve nabrojane opcije, naglasio je Dario Vuljanko, iz tvrtke 3DMS, koja je kreirala ovaj uređaj.
Utjecaj klimatskih promjena na pčelarstvo
Na projektu je sudjelovao i prof. dr. sc. Dragan Bubalo sa Zavoda za ribarstvo, pčelarstvo, lovstvo i specijalnu zoologiju na Agronomskom fakultetu u Zagrebu. Na zavodskom pčelinjaku testirao se uređaj sa senzorima.
–Imamo sve više mlađih pčelara koji su skloni novitetima, umjetnoj inteligenciji i sigurno će biti mnogo zainteresiranih za ovaj uređaj i aplikaciju. Ona uvelike može pomoći i zbog sve težih uvjeta pčelarenja zbog nepovoljnih vremenskih prilika iz godine u godinu. Sad je „in“ govoriti o klimatskim promjenama, ali baš i nema mnogo opipljivih podataka. Vjerujem da će se ovim projektom dobiti mnogo potrebnih informacija i uz povijesne podatke može se napraviti simulacija pojavnosti naših pčelinjih paša.
–Globalno zatopljenje svakako utječe na pčele i njihov biološki sat i nema više nekadašnje sinkronizacije. Zato dolazi do problema, ponajviše zbog visokih temp. zimi koje potiču ne samo biljke na cvjetanje, već i pčelinje zajednice na aktivnost na koju još nisu spremne. Nastaju teškoće s razvojem legla bez pojavnosti peludi, bez koje nema ni matične mliječi odnosno hrane kojom se hrane ličinke stare do 3d, a matica zbog tih viših temp. kreće s polaganjem jajašaca. Svi znamo da je najveći štetnik u pčelarstvu nametnik Varroa destructor. Kako leglo kreće, i sama varoa ima više prostora da invadira određenu pčelinju zajednicu. Stoga se i tu stvaraju dodatne teškoće o kojima treba razmišljati.
–Klimatske promjene utječu i na preklapanje paša medonosnih vrsta za koje smo godinama znali razdoblje medenja i sve je teže napraviti uniflorni med. Med koji se proizvode bude multiflorni. Nabraja teškoće profesor Bubalo kojeg mnogi pčelari znaju pitati zašto je uniflorni med cijenjeniji od multiflornog.
–Za uniflorni med koji je cijenjeniji i skuplji, treba se više i pripremiti, „očistiti“ ranije pristgli nektar i spremiti zajednicu za unos nektara od kojeg očekujete pašu. Bilo da se radi o bagremu, kestenu, lipi ili kaduljnoj paši. I potrebno je naći i dobru lokaciju. To isto nije lako, a da ne bude konkurencije drugih pčelara, naglasio je profesor Bubalo.
