Agricoltura

Proteggere le api mellifere dagli asiatici “Murder” Hornet con l’aiuto dell’IA

mm
Aggiungi Securities.io alle tue fonti preferite su Google
Informativa: Securities.io può ricevere un compenso quando utilizzi link a prodotti da noi recensiti. Ciò non influenza le nostre valutazioni editoriali. Non siamo un consulente finanziario registrato; queste non sono raccomandazioni di investimento. Leggi la nostra informativa sulle affiliazioni.

Invasione dei calabroni

“I Murder” hornet, noti anche come calabroni asiatici, calabroni dalle zampe gialle, vespe predatrici asiatiche, o con il loro nome scientifico Vespa Velutina, sono una specie invasiva che predano le api mellifere.

Contenere la sua espansione è stato finora una lotta, per lo più una battaglia persa, con la specie che si sta diffondendo nell’Asia orientale, in Europa e, più recentemente, in Nord America.

Finora, gli sforzi per limitare la loro diffusione si sono basati sull’identificazione manuale da parte di volontari, apicoltori e agenzie ambientali. Tuttavia, ciò si è rivelato inefficiente, con numerosi falsi allarmi e troppe colonie di calabroni rimaste non rilevate. Con ogni nido non individuato che produce nuove regine ogni anno, la moltiplicazione di questa specie invasiva sta diventando esponenziale.

Fortunatamente, un nuovo metodo basato sull’IA potrebbe aiutare, offrendo un sorprendente nuovo impiego del machine learning avanzato.

L’importanza delle api mellifere

Le api mellifere sono state addomesticate dall’umanità per millenni per produrre miele e altri prodotti preziosi come cera d’api e pappa reale.

Sono anche una parte vitale dell’ecosistema, contribuendo all’impollinazione sia dei fiori selvatici sia delle colture agricole importanti. Questo include la maggior parte degli alberi da frutto, gli alberi da noce, così come colture di alto valore come cioccolato, uva, pomodori, fragole, lamponi, agave, ecc.

In totale, si stima che le api mellifere forniscano “gratis” servizi di impollinazione per un valore di 15 miliardi di dollari solo negli Stati Uniti, e molto di più a livello globale.

Le popolazioni di api sono state sottoposte a forte pressione negli ultimi decenni, con declini dovuti a pesticidi, parassiti e patogeni, alla scomparsa di fiori e prati autoctoni, piante invasive e cambiamenti climatici.

Invasione dei calabroni

Una minaccia importante per le api mellifere sono i calabroni asiatici, che si concentrano sulle api quando le trovano in un nuovo ambiente.

Originario del Sud‑Est asiatico, il calabrone asiatico è un predatore potente delle popolazioni di api autoctone del Nord America, Europa e Asia orientale. Contrariamente alle specie native del Sud‑Est asiatico, le api in queste regioni faticano a sopravvivere alla predazione dei calabroni asiatici.

La sua prima comparsa in Europa è stata in Francia nel 2004, seguita dalla diffusione in Spagna nel 2010, Italia nel 2012 e Germania nel 2014. La prima rilevazione in Nord America è avvenuta in Canada e negli USA nel 2019.

È possibile che le api mellifere native possano adattarsi e imparare a sopravvivere ai calabroni asiatici, ma avranno bisogno di tempo per farlo. Pertanto, limitare la loro popolazione per i decenni a venire potrebbe essere assolutamente necessario per aiutare le specie di api autoctone a sopravvivere.

IA per tenere a bada i calabroni

La parte chiave per evitare la diffusione dei calabroni asiatici è rilevare il loro arrivo in un nuovo ecosistema il prima possibile. Se il nido iniziale o le prime dozzine di nidi vengono lasciati a diffondere più regine, il loro numero si moltiplica molto rapidamente, portando a costi ed effetti ambientali in crescita esponenziale.

L’identificazione manuale è troppo inaffidabile per essere sufficiente. Sono stati provati sistemi di rilevamento automatizzati precedenti, ma il loro tasso di identificazione era solitamente nell’intervallo ~74,5–83,3 %, con molti falsi positivi.

Sfruttando i progressi nell’IA e nella visione artificiale, ricercatori dell’Università di Exeter sono riusciti a raggiungere un tasso di rilevamento superiore al 99 %, con i loro risultati pubblicati su Nature nel documento scientifico “VespAI: a deep learning-based system for the detection of invasive hornets“.

Rilevatore di calabroni VespAI

Il prototipo del rilevatore di calabroni basato su IA, chiamato VespAI, è stato distribuito sull’isola di Jersey, vicino alle coste francesi.

Include una fotocamera, una fonte di energia (batteria + pannello solare da 40 W) e un hardware di calcolo minimo come il Raspberry Pi 4.

Fonte: Nature

I dati di addestramento sono stati raccolti da diversi punti in Europa e annotati manualmente affinché i calabroni asiatici potessero essere rilevati correttamente.

Fonte: Nature

 

Il sistema può distinguere tra i calabroni asiatici e le specie di calabrone native. Utilizza un metodo IA chiamato layer‑wise relevance propagation (LRP), che permette al sistema IA di identificare correttamente l’importanza di ogni pixel per rilevare accuratamente i calabroni asiatici.

Ad esempio, i pixel allineati con la banda arancione sul quarto segmento addominale, e quelli intorno al bordo esterno dell’ala, erano tra i punti dati importanti.

Fonte: Nature

Il software di visione artificiale utilizzato era YOLOv5 (You Only Look Once), creato da Ultralytics, un software anche al centro della tecnologia delle auto a guida autonoma.

Verso la neutralizzazione automatizzata dei calabroni

Grazie alla natura non letale del rilevatore, il calabrone asiatico può essere seguito fino al suo nido, che può essere successivamente distrutto. Inoltre, non uccide altre specie come fanno generalmente le trappole per calabroni.

Rilevando il suo obiettivo in modo continuo senza intervento umano, la capacità di VespAI di individuare i calabroni asiatici precocemente è di diversi ordini di grandezza superiore ai metodi di identificazione manuale.

Questo, possibilmente, lo rende l’unica opzione credibile per rilevare l’invasione abbastanza presto da fermarla completamente.

Infine, l’uso di software open‑source e hardware a basso costo rende la distribuzione di massa di questo sistema realistica e competitiva in termini di costi rispetto alle strategie di mitigazione dei calabroni esistenti.

Non dipende inoltre dal cloud computing e utilizza solo la connettività Wi‑Fi per inviare avvisi una volta che un calabrone asiatico è stato rilevato. Attivare l’analisi IA solo dopo che l’insetto è stato rilevato riduce il consumo energetico.

Aziende agricole con IA

La gestione degli ecosistemi e l’agricoltura sono spesso viste come industrie “non sexy”, per quanto si possa immaginare dal settore tecnologico e dall’IA.

Ciò non è più vero, con molte tecnologie innovative che entrano nel settore agricolo, anche se nessuna si occupa direttamente del calabrone asiatico al momento.

1. Arugga

Questa azienda, che ha raccolto finora 5,8 milioni di dollari, costruisce robot alimentati da IA che utilizzano la visione artificiale, sviluppata tramite la piattaforma NVIDIA (NVDA ) Metropolis, per identificare i fiori pronti per l’impollinazione e poi avviare il processo soffiando impulsi d’aria su di essi.

Mentre le prestazioni dei robot sono pari a quelle dei bombi e, in alcuni casi, migliori fino al 5 %, offrono anche la capacità di raccogliere e analizzare dati lungo il percorso.

I robot di Arugga hanno dimostrato miglioramenti di resa fino al 20 % senza sacrificare la qualità. Il suo robot terrestre itinerante, Polly, lavora con fragole, mirtilli, pomodori e altre colture.

Più recentemente, l’azienda ha convertito la serra di 4,6 ettari di Agrifutura in Finlandia nella prima struttura al mondo a utilizzare completamente la tecnologia di impollinazione robotica.

Sta inoltre valutando di aggiungere il rilevamento di parassiti e malattie ai suoi robot, attraverso una collaborazione con la startup israeliana ViewNetic. In futuro, mira anche ad aggiungere potatura senza contatto, previsione della resa e abbassamento delle piante.

2. Advanced.farm

I progressi nella visione artificiale possono essere impiegati anche oltre la questione dell’impollinazione. Per esempio, può essere usata per individuare e valutare correttamente la maturità dei frutti, e poi raccoglierli.

Questi compiti sono solitamente molto intensivi in termini di manodopera. Invece, Advanced.farm utilizza 6 bracci robotici, visione artificiale e una ventosa per raccogliere le mele senza la necessità di presenza umana, delicatamente.

Fonte: Advanced.farm

Può anche farlo di notte, consentendo un programma di raccolta 24/7. Advanced.farm ha anche progettato un raccoglitore di fragole, che è 5 volte più efficiente di un raccoglitore umano.

Quindi, nonostante un aspetto un po’ spettrale quando opera di notte (vedi sotto), è davvero sicuro ed efficiente.

Jonathan è un ex ricercatore biochimico che ha lavorato nell'analisi genetica e nelle sperimentazioni cliniche. Ora è un analista di titoli e scrittore finanziario con un focus su innovazione, cicli di mercato e geopolitica nella sua pubblicazione 'The Eurasian Century'.