Beskytte honningbier mot asiatiske ‘mord’veps med AI‑hjelp

Hornet-invasjon

“Mord”-veps, også kjent som asiatiske veps, gulbente veps, asiatiske rovdyrveps, eller ved deres vitenskapelige navn Vespa Velutina, er en invasiv art som jakter på honningbier.

Å begrense spredningen har vært en kamp og for det meste et tapt slag så langt, med arten som sprer seg i Øst-Asia, Europa og nylig også i Nord-Amerika.

Hittil har innsatsen for å begrense spredningen vært avhengig av manuell identifikasjon av frivillige, birøktere og miljøbyråer. Dette har imidlertid vist seg ineffektivt, med mange falske alarmer og for mange vepsreir som forblir uoppdaget. Med hvert uoppdaget reir som sprer nye dronninger hvert år, blir multiplikasjonen av denne invasive arten eksponentiell.

Heldigvis kan en ny metode basert på AI hjelpe, og gir en overraskende ny anvendelse av avansert maskinlæring.

Viktigheten av honningbier

Honningbier har blitt domestisert av menneskeheten i årtusener for å produsere honning og andre verdifulle produkter som bivoks og royalgelé.

De er også en viktig del av økosystemet, og bidrar til pollinering av både villblomster og viktige landbruksavlinger. Dette inkluderer de fleste frukttrær, nøttetrær, samt høyt verdsatte avlinger som sjokolade, druer, tomater, jordbær, bringebær, agave osv.

Totalt er honningbier anslått til å gi “gratis” 15 milliarder dollar i pollineringstjenester bare i USA, og enda mer globalt.

Biepopulasjoner har vært under sterkt press de siste tiårene, med synkende bestander på grunn av pesticider, parasitter og patogener, forsvinning av innfødte blomster og enger, invasive planter og klimaendringer.

Hornet-invasjon

En viktig trussel mot honningbier er de asiatiske vepsene, som fokuserer på honningbier når de finner dem i et nytt miljø.

Opprinnelig fra Sørøst-Asia er den asiatiske vepsen en kraftig rovdyr av innfødte biepopulasjoner i Nord-Amerika, Europa og Øst-Asia. I motsetning til innfødte arter i Sørøst-Asia sliter biene i disse regionene med å overleve predasjonen fra asiatiske veps.

Den første forekomsten i Europa var i Frankrike i 2004, etterfulgt av spredning til Spania i 2010, Italia i 2012 og Tyskland i 2014. Den første oppdagelsen i Nord-Amerika var i Canada og USA i 2019.

Det er mulig at innfødte honningbier kan tilpasse seg og lære å overleve asiatiske veps, men de vil trenge tid for å gjøre det. Så å begrense deres populasjon i årtier fremover kan være helt nødvendig for å hjelpe innfødte biearter å overleve.

Kilde: Unsplash by USGS 

AI for å holde veps på avstand

Den viktigste delen i å unngå spredning av asiatiske veps er å oppdage deres ankomst i et nytt økosystem så tidlig som mulig. Hvis det første reiret eller de første dusinene reir får lov til å spre flere dronninger, multipliseres antallet svært raskt, noe som fører til eksponentielt økende kostnader og miljøskader.

Manuell identifikasjon er for upålitelig til å være tilstrekkelig. Tidligere automatiserte deteksjonssystemer har blitt prøvd, men deres identifikasjonsrate var vanligvis i området ~74,5–83,3 %, med mange falske positiver.

Ved å utnytte fremskritt innen AI og maskinsyn har forskere ved University of Exeter oppnådd en deteksjonsrate på over 99 %, med resultatene publisert i Nature i den vitenskapelige artikkelen “VespAI: a deep learning-based system for the detection of invasive hornets“.

VespAI Hornet-detektor

Prototypen av AI-veisdetektoren, kalt VespAI, ble distribuert på øya Jersey, nær de franske kystene.

Den inkluderer et kamera, en strømkilde (batteri + 40 W solcellepanel), og så lite databehandling som Raspberry Pi 4-maskinvare.

Kilde: Nature

Treningsdata ble samlet fra flere punkter i Europa og manuelt annotert slik at asiatiske veps kunne bli korrekt oppdaget.

Kilde: Nature

Systemet kan skille mellom asiatiske veps og innfødte vepsarter. Det bruker en AI‑metode kalt layer-wise relevance propagation (LRP), som gjør at AI‑systemet kan korrekt identifisere viktigheten av hver piksel for nøyaktig å oppdage asiatiske veps.

For eksempel var pikslene som var justert med den oransje stripen på det fjerde abdominalsegmentet, og de rundt den ytre kanten av vingen, blant de viktige datapunktene.

Kilde: Nature

Maskinsynsprogramvaren som ble brukt var YOLOv5 (You Only Look Once), laget av Ultralytics, en programvare som også er kjernen i selvkjørende bilteknologi.

Mot automatisert nøytralisering av veps

Takket være den ikke-dødelige naturen til detektoren, kan den asiatiske vepsen følges tilbake til sitt reir, og reiret deretter ødelegges. Den dreper heller ikke andre arter som vepsfeller vanligvis gjør.

Ved å kontinuerlig oppdage målet uten menneskelig inngripen, er VespAIs evne til å oppdage asiatiske veps tidlig flere størrelsesordener bedre enn manuelle identifikasjonsmetoder.

Dette gjør den muligens til det eneste troverdige alternativet for å oppdage invasjonen tidlig nok til å stoppe den helt.

Til slutt gjør bruken av åpen kildekode og lavkostmaskinvare masseutplasseringen av dette systemet realistisk og kostnadskonkurransedyktig sammenlignet med eksisterende veps-motvirkningsstrategier.

Den er heller ikke avhengig av skybasert databehandling og bruker kun Wi‑Fi‑tilkobling for å sende varsler når en asiatisk veps er oppdaget. Å utløse AI‑analysen kun når et insekt er oppdaget reduserer strømforbruket.

AI-landbruksselskaper

Økosystemforvaltning og landbruk blir ofte sett på som «ikke sexy» industrier, sett fra teknologibransjen og AI.

Dette er ikke lenger sant, med mange innovative teknologier som gjør seg bemerket i landbrukssektoren, selv om ingen ennå direkte håndterer asiatiske veps.

1. Arugga

Dette selskapet, som hittil har hentet inn 5,8 millioner dollar, bygger AI‑drevne roboter som bruker datamaskinsyn, utviklet via NVIDIA (NVDA ) Metropolis-plattformen, for å identifisere blomster klare for pollinering og deretter starte prosessen ved å skyte luftimpulser mot dem.

Mens robotenes ytelse er på nivå med humler og i noen tilfeller bedre med opptil 5 %, kommer den også med muligheten til å samle inn og analysere data underveis.

Arugga-robotene har vist avkastningsforbedringer på opptil 20 % uten at kvaliteten blir redusert. Dens mobile bakkenrobot, Polly, arbeider med jordbær, blåbær, tomater og andre avlinger.

Nylig konverterte selskapet det finske Agrifutura‑drivhus på 4,6 hektar til verdens første anlegg som fullt ut utnytter robotisk pollineringsteknologi.

Det ser også på å legge til skadedyr- og sykdomsdeteksjon i robotene, gjennom et samarbeid med den israelske oppstartsbedriften ViewNetic. I fremtiden har de også som mål å legge til kontaktløs beskjæring, avkastningsprediksjon og plantelowering.

2. Advanced.farm

Fremskritt innen maskinsyn kan også brukes utover pollinering. For eksempel kan det brukes til å oppdage og korrekt vurdere modenheten til frukt, og deretter plukke dem.

Disse oppgavene er vanligvis svært arbeidsintensive. I stedet bruker Advanced.farm 6 robotarmer, maskinsyn og en sugekop for å høste epler uten behov for menneskelig tilstedeværelse, på en skånsom måte.

Kilde: Advanced.farm

Den kan også gjøre dette om natten, noe som tillater en 24/7 høstplan. Advanced.farm har også designet en jordbærehøster, som er 5 ganger mer effektiv enn en menneskelig høster.

Så til tross for et litt skummelt utseende når den opererer om natten (se nedenfor), er den virkelig trygg og effektiv.