挑戰

美國環境研究政策中心說，近年來，養蜂人一直在報告說，他們平均每年冬天都會失去30%的蜜蜂種群。這是經濟上可承受損失的兩倍。該組織還報告說，同樣，野生蜜蜂的數量也在下降。

根據美國環境研究與政策中心的數據，在依靠蜜蜂授粉的100種作物中，71種作物提供了世界上90%的糧食。當從蜂巢損失的各種原因來看，25%到40%的損失是由于蜂王損失造成的。其他原因可以追溯到環境風險、營養不良、寄生蟲和疾病。

那么，我們如何了解更多關于蜂箱健康、蜜蜂行為和蜂王損失的知識，以限制未來蜂箱的損失？SAS是通過創新軟件和服務進行分析的領導者，試圖回答這些問題。

作為其致力于利用數據和分析解決世界上最緊迫問題的一部分，SAS需要找到一種方法來了解更多關于蜂巢健康的知識，以減緩蜜蜂的損失。通過分析蜂箱，我們可以進一步了解可操作的目標，有助于減緩蜂巢的減少。

SAS的蜂蜂箱健康監測和跟蹤目標包括：

●了解蜂巢健康

●蜜蜂和蜂巢的測量和量化

●提供對飼料可用性的洞察

●確定植被開花時間

●觀察蜂行為的影響

●檢測重要蜂箱事件

為了實現這些目標，SAS必須有效地利用物聯網技術，如機器學習、人工智能（AI）和視覺分析。為了獲得蜂箱健康狀況的完整圖片，SAS必須能夠收集、可視化和分析各種物聯網數據，例如：

●傳統傳感器數據——蜂箱中的重量、溫度、濕度

●蜂巢內部的音頻流-聲學分析

●蜂巢外部的視頻流-計算機視覺

解決方案

傳感器和人工智能推理系統被用來從北卡羅來納州卡里市SAS校園的蜂巢收集所需的數據。他們開始將蜂巢數據直接傳輸到云服務器中，以測量蜂巢內部和周圍的數據，如重量、溫度、濕度、飛行活動和聲學。機器學習模型也被用來“聽”蜂巢的聲音，這些聲音可以顯示健康狀況、壓力水平、蜂群活動以及蜂王的狀態。

SAS利用工業平板電腦廠家的麥克-智能AI推理系統幫助處理蜂巢外視頻流中的機器視覺數據。工業平板電腦廠家麥克-智能AI是麥克 JETSON系列的一部分，它由NVIDIA®JETSON?組成。

使用麥克-智能AI，您可以在嵌入式模塊中獲得GPU工作站的所有性能。該裝置可承受工業級振動和高溫，并具有模塊化、緊湊的設計。對于這個蜂巢監測項目，麥克-智能AI被放置在野外的防風雨外殼中，必須能夠承受高溫和濕度。

由于采集到的視頻流、蜂巢的聽覺嗡嗡聲等數據的細致性，SAS團隊需要利用魯棒主成分分析（RPCA）這一機器學習技術。例如，RPCA有助于將前景中的蜜蜂和背景中的草分開，即使草在風中移動。

然后將數據匯編到儀表板中進行實時分析。工業級的邊緣硬件，比如麥克-智能AI，允許分析直接在蜂巢中傳輸。這對于計算機視覺非常重要，SAS最感興趣的是結果，而不是原始視頻。