Schutz von Honigbienen vor asiatischen ‘Mord’-Hornissen mit Hilfe von KI

Hornisseninvasion

„Mord“-Hornissen, auch bekannt als Asiatische Hornissen, Gelbbein-Hornissen, Asiatische Raubwespen oder unter ihrem wissenschaftlichen Namen Vespa Velutina, sind eine invasive Art, die Honigbienen jagt.

Die Eindämmung ihrer Ausbreitung war bisher ein Kampf und meist ein verlorener Krieg, wobei die Art sich in Ostasien, Europa und sogar kürzlich in Nordamerika ausbreitet.

Bisher beruhten die Bemühungen, ihre Verbreitung zu begrenzen, auf manuelle Identifizierung durch Freiwillige, Imker und Umweltbehörden. Dies hat sich jedoch als ineffizient erwiesen, mit vielen Fehlalarmen und zu vielen Hornissennestern, die unentdeckt bleiben. Da jedes unentdeckte Nest jedes Jahr neue Königinnen verbreitet, vermehrt sich diese invasive Art exponentiell.

Glücklicherweise könnte eine neue, auf KI basierende Methode helfen und eine überraschende neue Anwendung von fortgeschrittenem maschinellen Lernen bieten.

Die Bedeutung von Honigbienen

Honigbienen werden vom Menschen seit Jahrtausenden domestiziert, um Honig und andere wertvolle Produkte wie Bienenwachs und Gelée Royale zu produzieren.

Sie sind zudem ein wesentlicher Bestandteil des Ökosystems und tragen zur Bestäubung sowohl von Wildblumen als auch von wichtigen landwirtschaftlichen Kulturen bei. Dazu gehören die meisten Obstbäume, Nussbäume sowie hochwertige Nutzpflanzen wie Kakao, Trauben, Tomaten, Erdbeeren, Himbeeren, Agave usw.

Insgesamt wird geschätzt, dass Honigbienen „kostenlos“ 15 Mrd. $ an Bestäubungsleistungen allein in den USA bereitstellen, und weltweit noch viel mehr.

Bienenvölker stehen in den letzten Jahrzehnten unter starkem Druck, bedingt durch Pestizide, Parasiten und Krankheitserreger, das Verschwinden einheimischer Blumen und Wiesen, invasive Pflanzen und den Klimawandel.

Hornisseninvasion

Eine bedeutende Bedrohung für Honigbienen stellen die Asiatischen Hornissen dar, die sich auf Honigbienen konzentrieren, wenn sie diese in einer neuen Umgebung finden.

Ursprünglich aus Südostasien stammend, ist der Asiatische Hornisse ein starker Räuber einheimischer Bienenpopulationen in Nordamerika, Europa und Ostasien. Im Gegensatz zu den einheimischen Arten Südostasiens kämpfen die Bienen in diesen Regionen mit dem Überleben der Prädation durch Asiatische Hornissen.

Ihr erstes Auftreten in Europa war 2004 in Frankreich, gefolgt von ihrer Ausbreitung nach Spanien 2010, Italien 2012 und Deutschland 2014. Die erste Entdeckung in Nordamerika erfolgte 2019 in Kanada und den USA.

Es ist möglich, dass einheimische Honigbienen sich anpassen und lernen könnten, Asiatischen Hornissen zu überleben, doch sie benötigen dafür Zeit. Daher könnte es in den kommenden Jahrzehnten unbedingt nötig sein, ihre Population zu begrenzen, um das Überleben einheimischer Bienenarten zu unterstützen.

Quelle: Unsplash by USGS 

KI, um Hornissen fernzuhalten

Der entscheidende Faktor, um die Ausbreitung Asiatischer Hornissen zu verhindern, ist, ihr Auftreten in einem neuen Ökosystem so früh wie möglich zu erkennen. Wenn das erste Nest oder die ersten Dutzend Nester unbeobachtet bleiben und weitere Königinnen ausbreiten, vervielfacht sich ihre Zahl sehr schnell, was zu exponentiell steigenden Kosten und Umweltschäden führt.

Manuelle Identifizierung ist zu unzuverlässig, um ausreichend zu sein. Frühere automatisierte Erkennungssysteme wurden ausprobiert, aber ihre Identifizierungsrate lag meist im Bereich von ~74,5–83,3 %, bei vielen Fehlalarmen.

Durch die Nutzung von Fortschritten in KI und maschinellem Sehen haben Forscher der University of Exeter eine Erkennungsrate von über 99 % erreicht, wobei ihre Ergebnisse in Nature in dem wissenschaftlichen Artikel “VespAI: ein Deep-Learning-basiertes System zur Erkennung invasiver Hornissen” veröffentlicht wurden.

VespAI Hornissen-Detektor

Der Prototyp des KI-Hornissen-Detektors, genannt VespAI, wurde auf der Insel Jersey in der Nähe der französischen Küste eingesetzt.

Er umfasst eine Kamera, eine Stromquelle (Batterie + 40 W Solarpanel) und so wenig Rechenleistung wie die Raspberry Pi 4-Hardware.

Quelle: Nature

Trainingsdaten wurden an mehreren Standorten in Europa gesammelt und manuell annotiert, damit Asiatische Hornissen korrekt erkannt werden können.

Quelle: Nature

Das System kann zwischen Asiatischen Hornissen und einheimischen Hornissenarten unterscheiden. Es verwendet eine KI-Methode namens Layer-wise Relevance Propagation (LRP), die es dem KI-System ermöglicht, die Bedeutung jedes Pixels bei der genauen Erkennung Asiatischer Hornissen korrekt zu identifizieren.

Zum Beispiel waren die Pixel, die mit dem orangefarbenen Streifen am vierten Bauchsegment ausgerichtet sind, sowie jene um den äußeren Rand des Flügels, wichtige Datenpunkte.

Quelle: Nature

Die für die maschinelle Bildverarbeitung verwendete Software war YOLOv5 (You Only Look Once), erstellt von Ultralytics, einer Software, die ebenfalls im Kern der Technologie selbstfahrender Autos steht.

Hin zu automatisierter Hornissenneutralisierung

Dank der nicht-tödlichen Natur des Detektors kann der Asiatische Hornisse bis zu ihrem Nest zurückverfolgt und das Nest anschließend zerstört werden. Außerdem tötet er nicht andere Arten, wie es Hornissenfallen üblicherweise tun.

Durch die kontinuierliche Erkennung des Ziels ohne menschliches Eingreifen ist VespAIs Fähigkeit, Asiatische Hornissen frühzeitig zu erkennen, um mehrere Größenordnungen besser als manuelle Identifizierungsmethoden.

Dies könnte es zur einzigen glaubwürdigen Option machen, die Invasion früh genug zu erkennen, um sie vollständig zu stoppen.

Schließlich macht die Nutzung von Open-Source-Software und kostengünstiger Hardware die Massenimplementierung dieses Systems realistisch und kosten­wettbewerbsfähig im Vergleich zu bestehenden Hornissen‑Bekämpfungsstrategien.

Es ist zudem nicht auf Cloud‑Computing angewiesen und nutzt nur WLAN‑Konnektivität, um Warnungen zu senden, sobald ein Asiatischer Hornisse erkannt wurde. Das Auslösen der KI‑Analyse nur nach Erkennung eines Insekts reduziert den Energieverbrauch.

KI‑Landwirtschaftsunternehmen

Das Management von Ökosystemen und die Landwirtschaft werden oft als „unsexy“ Branchen angesehen, zumindest aus Sicht der Tech‑Industrie und KI.

Das ist heute nicht mehr der Fall, da zahlreiche innovative Technologien in den Agrarsektor vordringen, auch wenn bislang keine direkt mit Asiatischen Hornissen zu tun hat.

1. Arugga

Dieses Unternehmen, das bisher 5,8 Mio. $ eingeworben hat, entwickelt KI‑gesteuerte Roboter, die mithilfe von Computer Vision, entwickelt über die NVIDIA (NVDA ) ‑Metropolis‑Plattform, Blüten erkennen, die zur Bestäubung bereit sind, und den Vorgang durch Luftstöße initiieren.

Während die Leistung der Roboter mit der von Hummeln vergleichbar ist und in einigen Fällen um bis zu 5 % besser, bietet sie zudem die Möglichkeit, unterwegs Daten zu sammeln und zu analysieren.

Die Roboter von Arugga haben Ertragssteigerungen von bis zu 20 % gezeigt, ohne die Qualität zu beeinträchtigen. Ihr mobiler Bodenroboter Polly arbeitet mit Erdbeeren, Heidelbeeren, Tomaten und anderen Kulturen.

Zuletzt hat das Unternehmen das 4,6‑Hektar‑Gewächshaus von Finnish Agrifutura in die weltweit erste Anlage umgewandelt, die die robotergestützte Bestäubungstechnologie vollständig nutzt.

Es plant zudem Schädlings- und Krankheitsdetektion zu seinen Robotern hinzuzufügen durch eine Zusammenarbeit mit dem israelischen Startup ViewNetic. In Zukunft soll außerdem kontaktloses Beschneiden, Ertragsvorhersage und Pflanzenabsenkung hinzugefügt werden.

2. Advanced.farm

Fortschritte im maschinellen Sehen können auch über die Bestäubung hinaus eingesetzt werden. Beispielsweise können sie verwendet werden, um den Reifegrad von Früchten zu erkennen, korrekt zu beurteilen und sie anschließend zu ernten.

Diese Aufgaben sind normalerweise sehr arbeitsintensiv. Stattdessen nutzt Advanced.farm sechs Roboterarme, maschinelles Sehen und einen Saugnapf, um Äpfel schonend ohne menschliche Präsenz zu ernten.

Quelle: Advanced.farm

Es kann dies auch nachts tun, wodurch ein 24/7‑Ernteplan ermöglicht wird. Advanced.farm hat zudem einen Erdbeer-Erntegerät entwickelt, das 5‑mal effizienter ist als ein menschlicher Erntearbeiter.

Obwohl es bei nächtlichem Betrieb ein wenig unheimlich wirkt (siehe unten), ist es wirklich sicher und effizient.