Protegendo as abelhas melíferas das vespas assassinas asiáticas com a ajuda da IA

Invasão de Vespas

“As vespas assassinas”, também conhecidas como vespas asiáticas, vespas de pernas amarelas, vespas predadoras asiáticas, ou pelo nome científico Vespa Velutina, são uma espécie invasora que se alimenta de abelhas melíferas.

Conter sua expansão tem sido uma luta e, até agora, uma batalha quase perdida, com a espécie se espalhando no Leste Asiático, Europa e, recentemente, na América do Norte.

Até o momento, os esforços para limitar sua propagação dependeram da identificação manual por voluntários, apicultores e agências ambientais. No entanto, isso tem se mostrado ineficiente, com muitos falsos alarmes e muitos ninhos de vespas permanecendo não detectados. Cada ninho não detectado espalha novas rainhas a cada ano, e a multiplicação desta espécie invasora está se tornando exponencial.

Felizmente, um novo método baseado em IA pode ajudar, oferecendo uma aplicação surpreendente de aprendizado de máquina avançado.

A Importância das Abelhas Melíferas

As abelhas melíferas foram domesticadas pela humanidade por milênios para produzir mel e outros produtos valiosos como cera de abelha e geleia real.

Elas também são uma parte vital do ecossistema, contribuindo para a polinização tanto de flores silvestres quanto de culturas agrícolas importantes. Isso inclui a maioria das árvores frutíferas, árvores de noz, bem como culturas de alto valor como chocolate, uvas, tomates, morangos, framboesas, agave, etc.

No total, estima‑se que as abelhas melíferas forneçam “de graça” US$ 15 bilhões em serviços de polinização apenas nos EUA, e muito mais globalmente.

As populações de abelhas têm sido submetidas a forte pressão nas últimas décadas, com declínios devido a pesticidas, parasitas e patógenos, desaparecimento de flores e prados nativos, plantas invasoras e mudanças climáticas.

Invasão de Vespas

Uma ameaça importante às abelhas melíferas são as vespas asiáticas, que focam nas abelhas quando as encontram em um novo ambiente.

Originária do Sudeste Asiático, a vespa asiática é um predador poderoso das populações nativas de abelhas da América do Norte, Europa e Leste Asiático. Ao contrário das espécies nativas do Sudeste Asiático, as abelhas nessas regiões lutam para sobreviver à predação das vespas asiáticas.

Sua primeira aparição na Europa foi na França em 2004, seguida de sua propagação na Espanha em 2010, Itália em 2012 e Alemanha em 2014. A primeira detecção na América do Norte foi no Canadá e nos EUA em 2019.

É possível que as abelhas melíferas nativas possam se adaptar e aprender a sobreviver às vespas asiáticas, mas precisarão de tempo para isso. Portanto, limitar sua população nas próximas décadas pode ser absolutamente necessário para ajudar as espécies nativas de abelhas a sobreviver.

Fonte: Unsplash by USGS 

IA para Manter as Vespas à Distância

A parte crucial para evitar a propagação das vespas asiáticas é detectar sua chegada a um novo ecossistema o mais cedo possível. Se o ninho inicial ou a primeira dúzia de ninhos forem deixados para espalhar mais rainhas, seu número se multiplica muito rapidamente, levando a custos exponencialmente crescentes e danos ambientais.

A identificação manual é pouco confiável para ser suficiente. Sistemas automatizados anteriores foram testados, mas sua taxa de identificação geralmente ficava na faixa de ~74,5–83,3 %, com muitos falsos positivos.

Aproveitando os avanços em IA e visão computacional, pesquisadores da Universidade de Exeter conseguiram alcançar uma taxa de detecção acima de 99 %, com seus resultados publicados na Nature no artigo científico “VespAI: um sistema baseado em deep learning para a detecção de vespas invasoras”.

Detector de Vespas VespAI

O protótipo do detector de vespas com IA, chamado VespAI, foi implantado na ilha de Jersey, próxima às costas francesas.

Ele inclui uma câmera, uma fonte de energia (bateria + painel solar de 40 W) e o mínimo de computação possível, usando hardware Raspberry Pi 4.

Fonte: Nature

Os dados de treinamento foram coletados de vários pontos na Europa e anotados manualmente para que as vespas asiáticas pudessem ser detectadas corretamente.

Fonte: Nature

O sistema pode distinguir entre vespas asiáticas e espécies nativas de vespas. Ele usa um método de IA chamado propagação de relevância camada a camada (LRP), que permite ao sistema de IA identificar corretamente a importância de cada pixel na detecção precisa das vespas asiáticas.

Por exemplo, os pixels alinhados com a faixa laranja no quarto segmento abdominal, e aqueles ao redor da borda externa da asa, estavam entre os pontos de dados importantes.

Fonte: Nature

O software de visão computacional usado foi YOLOv5 (You Only Look Once), criado por Ultralytics, um software também no núcleo da tecnologia de carros autônomos.

Rumo à Neutralização Automatizada de Vespas

Graças à natureza não letal do detector, a vespa asiática pode ser seguida até seu ninho, e o ninho subsequentemente destruído. Ele também não mata outras espécies como armadilhas de vespas geralmente fazem.

Ao detectar seu alvo continuamente sem intervenção humana, a capacidade do VespAI de detectar vespas asiáticas precocemente é várias ordens de magnitude superior aos métodos de identificação manual.

Isso, possivelmente, o torna a única opção credível para detectar a invasão cedo o suficiente para pará‑la completamente.

Finalmente, o uso de software de código aberto e hardware de baixo custo torna a implantação em massa deste sistema realista e competitivo em custo comparado às estratégias existentes de mitigação de vespas.

Ele também não depende de computação em nuvem e usa apenas conectividade Wi‑Fi para enviar alertas assim que uma vespa asiática for detectada. Acionar a análise de IA somente quando um inseto for detectado reduz o consumo de energia.

Empresas de IA na Agricultura

A gestão de ecossistemas e a agricultura são frequentemente vistas como indústrias “sem graça”, ao menos do ponto de vista da tecnologia e da IA.

Isso não é mais verdade, com muitas tecnologias inovadoras entrando no setor agrícola, ainda que nenhuma ainda lide diretamente com a vespa asiática.

1. Arugga

Esta empresa, que já arrecadou US$ 5,8 milhões até o momento, constrói robôs alimentados por IA que utilizam visão computacional, desenvolvida via a plataforma NVIDIA (NVDA ) Metropolis, para identificar flores prontas para polinização e então iniciar o processo disparando pulsos de ar sobre elas.

Enquanto o desempenho dos robôs está à altura dos zangões e, em alguns casos, supera em até 5 %, ele também traz a capacidade de coletar e analisar dados ao longo do caminho.

Os robôs da Arugga demonstraram melhorias de rendimento de até 20 % sem sacrificar a qualidade. Seu robô terrestre móvel, Polly, trabalha com morangos, mirtilos, tomates e outras culturas.

Mais recentemente, a empresa converteu a estufa de 4,6 hectares da Agrifutura, na Finlândia, na primeira instalação do mundo a utilizar totalmente a tecnologia de polinização robótica.

Ela também está procurando adicionar detecção de pragas e doenças aos seus robôs, através de uma colaboração com a startup israelense ViewNetic. No futuro, também pretende acrescentar poda sem contato, previsão de rendimento e abaixamento de plantas.

2. Advanced.farm

Os avanços em visão computacional também podem ser aplicados além da questão da polinização. Por exemplo, podem ser usados para identificar e avaliar corretamente a maturidade dos frutos, e então colhê‑los.

Essas tarefas são geralmente muito intensivas em mão de obra. Em vez disso, a Advanced.farm está usando 6 braços robóticos, visão computacional e uma ventosa para colher maçãs sem a necessidade de presença humana de forma delicada.

Fonte: Advanced.farm

Ela também pode fazer isso à noite, permitindo um cronograma de colheita 24 / 7. A Advanced.farm também projetou um colhedor de morangos, que é 5 x mais eficiente que um colhedor humano.

Portanto, apesar de parecer um pouco assustador ao operar à noite (veja abaixo), é realmente seguro e eficiente.