Beskytte honningbier mod asiatiske ‘mord’ hvepse med AI’s hjælp

Hvepsinvasion

“Mord” hvepse, også kendt som asiatiske hvepse, gulbenede hvepse, asiatiske rovdyrhvepse, eller ved deres videnskabelige navn Vespa Velutina, er en invasiv art, der lever af honningbier.

At indeholde deres udbredelse har indtil videre været en kamp og for det meste et tabt slag, med arten der spreder sig i Østasien, Europa og endda for nylig i Nordamerika.

Indtil nu har bestræbelserne på at begrænse deres spredning været afhængige af manuel identifikation af frivillige, biavlere og miljømyndigheder. Dette har dog vist sig ineffektivt, med mange falske alarmer og for mange hvepsenæste, der forbliver uopdagede. Med hvert uopdaget rede, der hvert år spreder nye dronninger, vokser multiplikationen af denne invasive art eksponentielt.

Heldigvis kan en ny metode, der bygger på AI, hjælpe og give en overraskende ny anvendelse af avanceret maskinlæring.

Vigtigheden af honningbier

Honningbier har været domesticeret af menneskeheden i årtusinder for at producere honning og andre værdifulde produkter som bivoks og royal jelly.

De er også en vital del af økosystemet og bidrager til bestøvning af både vilde blomster og vigtige landbrugsafgrøder. Dette inkluderer de fleste frugttræer, nødde træer samt højt værdifulde afgrøder som chokolade, druer, tomater, jordbær, hindbær, agave osv.

I alt anslås det, at honningbier leverer “gratis” 15 mia. $ i bestøvningstjenester alene i USA, og meget mere globalt.

Biepopulationer har i de sidste årtier været under stort pres, med faldende bestande på grund af pesticider, parasitter og patogener, forsvinden af hjemmehørende blomster og enge, invasive planter og klimaforandringer.

Hvepsinvasion

En vigtig trussel mod honningbier er de asiatiske hvepse, som fokuserer på honningbier, når de finder dem i et nyt miljø.

Oprindeligt fra Sydøstasien er den asiatiske hveps en kraftfuld rovdyr af hjemmehørende biebestande i Nordamerika, Europa og Østasien. I modsætning til de hjemmehørende arter i Sydøstasien kæmper bierne i disse regioner for at overleve predationen fra de asiatiske hvepse.

Dens første optræden i Europa var i Frankrig i 2004, efterfulgt af spredning til Spanien i 2010, Italien i 2012 og Tyskland i 2014. Den første påvisning i Nordamerika var i Canada og USA i 2019.

Det er muligt, at hjemmehørende honningbier kan tilpasse sig og lære at overleve de asiatiske hvepse, men de vil have brug for tid til det. Så at begrænse deres population i de kommende årtier kan være absolut nødvendigt for at hjælpe hjemmehørende biearter med at overleve.

Kilde: Unsplash af USGS 

AI for at holde hvepse på afstand

Den vigtigste del i at undgå spredning af asiatiske hvepse er at opdage deres ankomst i et nyt økosystem så tidligt som muligt. Hvis det første rede eller de første dusin reder får lov til at sprede flere dronninger, multiplicerer deres antal sig meget hurtigt, hvilket fører til eksponentielt stigende omkostninger og miljøskader.

Manuel identifikation er for upålidelig til at være tilstrækkelig. Tidligere automatiserede påvisningssystemer er blevet forsøgt, men deres identifikationsrate lå typisk i området ~74,5–83,3 %, med mange falske positiver.

Ved at udnytte fremskridt inden for AI og maskinsyn har forskere ved University of Exeter formået at opnå en påvisningsrate på over 99 %, med deres resultater offentliggjort i Nature i den videnskabelige artikel “VespAI: et dyb læringsbaseret system til påvisning af invasive hvepse“.

VespAI Hvepsedetektor

Prototypen af AI-hvepsedetektoren, kaldet VespAI, blev implementeret på øen Jersey, tæt på de franske kyster.

Den omfatter et kamera, en strømkilde (batteri + 40 W solpanel) og så lidt beregning som Raspberry Pi 4 hardware.

Kilde: Nature

Træningsdata blev indsamlet fra flere punkter i Europa og manuelt annoteret, så asiatiske hvepse kunne blive korrekt påvist.

Kilde: Nature

Systemet kan skelne mellem asiatiske hvepse og hjemmehørende hvepsarter. Det bruger en AI-metode kaldet layer-wise relevance propagation (LRP), som gør AI-systemet i stand til korrekt at identificere vigtigheden af hver pixel i præcis påvisning af asiatiske hvepse.

For eksempel var pixelne, der var justeret med den orange bånd på det fjerde abdominalsegment, og dem omkring den ydre kant af vingen, blandt de vigtige datapunkter.

Kilde: Nature

Den maskinsynssoftware, der blev brugt, var YOLOv5 (You Only Look Once), skabt af Ultralytics, en software der også er kernen i selvkørende bilteknologi.

Mod automatiseret neutralisering af hvepse

Takket være det ikke-dødelige ved detektoren kan den asiatiske hveps følges tilbage til sit rede, og rebet kan derefter destrueres. Det dræber heller ikke andre arter, som hvepsfælder generelt gør.

Ved kontinuerligt at opdage sit mål uden menneskelig indgriben er VespAIs evne til at opdage asiatiske hvepse tidligt flere størrelsesordener bedre end manuelle identifikationsmetoder.

Dette gør den muligvis til den eneste troværdige mulighed for at opdage invasion tidligt nok til at stoppe den fuldstændigt.

Endelig gør brugen af open-source software og lavpris hardware masseudrulning af dette system realistisk og omkostningskonkurrencedygtigt sammenlignet med eksisterende hvepsbekæmpelsesstrategier.

Det er også uafhængigt af cloud computing og bruger kun WiFi-forbindelse til at sende advarsler, når en asiatisk hveps er blevet opdaget. At udløse AI-analysen kun, når et insekt er opdaget, reducerer strømforbruget.

AI-landbrugsvirksomheder

Økosystemforvaltning og landbrug betragtes ofte som “ikke-sexede” industrier, så vidt man kan forestille sig fra tech-industrien og AI.

Det er ikke længere sandt, med masser af innovative teknologier, der gør deres vej ind i landbrugssektoren, selvom ingen endnu beskæftiger sig direkte med asiatiske hvepse.

1. Arugga

Denne virksomhed, som indtil nu har rejst $5,8 millioner, bygger AI-drevne robotter, der bruger computer vision, udviklet via NVIDIA (NVDA ) Metropolis-platformen, til at identificere blomster klar til bestøvning og derefter igangsætte processen ved at skyde luftimpulser på dem.

Mens robotternes præstation er på niveau med humlebier og i nogle tilfælde bedre med op til 5 %, kommer den også med evnen til at indsamle og analysere data undervejs.

Arugga’s robotter har demonstreret udbytteforbedringer på op til 20 % uden at gå på kompromis med kvaliteten. Dens mobile jordrobot, Polly, arbejder med jordbær, blåbær, tomater og andre afgrøder.

For nylig omdannede virksomheden den finske Agrifutura’s 4,6 hektar store drivhus til verdens første facilitet, der fuldt ud udnytter robotbestøvningsteknologi.

Den ser også på at tilføje skadedyrs- og sygdomsdetektion til sine robotter gennem et samarbejde med den israelske startup ViewNetic. I fremtiden har den også til hensigt at tilføje kontaktløs beskæring, udbytteforudsigelse og plante-nedbringning.

2. Advanced.farm

Fremskridt inden for maskinsyn kan også anvendes ud over spørgsmålet om bestøvning. For eksempel kan det bruges til at spotte og korrekt vurdere modenheden af frugter og derefter plukke dem.

Disse opgaver er normalt meget arbejdskraftintensive. I stedet bruger Advanced.farm 6 robotarme, maskinsyn og en sugekop til forsigtigt at høste æbler uden behov for menneskelig tilstedeværelse.

Kilde: Advanced.farm

Den kan også gøre det om natten, hvilket muliggør en 24/7 høstsplan. Advanced.farm har også designet en jordbærhøster, som er 5 x mere effektiv end en menneskelig høster.

Så på trods af et lidt uhyggeligt udseende, når den opererer om natten (se nedenfor), er den virkelig sikker og effektiv.