Skydda honungsbin från asiatiska ‘Mord’ hornetter med AI:s hjälp

Hornetinvasion

“Mord” hornetter, även kända som asiatiska hornetter, gulbeniga hornetter, asiatiska rovdjurssvärmar, eller med deras vetenskapliga namn Vespa Velutina, är en invasiv art som jagar honungsbin.

Att begränsa dess spridning har varit en kamp och mestadels en förlorad strid hittills, med arten som sprider sig i Östasien, Europa och även nyligen i Nordamerika.

Hittills har insatser för att begränsa deras spridning förlitat sig på manuell identifiering av volontärer, biodlare och miljömyndigheter. Detta har dock visat sig ineffektivt, med många falsklarm och för många hornettbon som förblir oupptäckta. Med varje oupptäckt bo som sprider nya drottningar varje år, blir förökningen av denna invasiva art exponentiell.

Tack vare en ny metod som bygger på AI kan det bli möjligt, vilket ger en överraskande ny tillämpning av avancerad maskininlärning.

Betydelsen av honungsbin

Honungsbin har domesticerats av människan i årtusenden för att producera honung och andra värdefulla produkter som bivax och drottninggelé.

De är också en vital del av ekosystemet och bidrar till pollinering av både vilda blommor och viktiga jordbruksgrödor. Detta inkluderar de flesta fruktträd, nötträd samt högvärdesgrödor som choklad, druvor, tomater, jordgubbar, hallon, agave osv.

Totalt uppskattas att honungsbin ger ”gratis” pollineringstjänster värda 15 miljarder dollar bara i USA, och mycket mer globalt.

Bipopulationerna har varit under stark press de senaste decennierna, med minskande bestånd på grund av bekämpningsmedel, parasiter och patogener, försvinnandet av inhemska blommor och ängar, invasiva växter och klimatförändringar.

Hornetinvasion

Ett viktigt hot mot honungsbin är de asiatiska hornetterna, som fokuserar på honungsbin när de hittar dem i en ny miljö.

Ursprungligen från Sydostasien är den asiatiska hornetten en kraftfull predator av inhemska bistånd i Nordamerika, Europa och Östasien. Till skillnad från inhemska arter i Sydostasien har bina i dessa regioner svårt att överleva predationen från asiatiska hornetter.

Den första förekomsten i Europa var i Frankrike 2004, följt av spridning i Spanien 2010, Italien 2012 och Tyskland 2014. Den första upptäckten i Nordamerika var i Kanada och USA 2019.

Det är möjligt att inhemska honungsbin kan anpassa sig och lära sig överleva asiatiska hornetter, men de kommer att behöva tid för att göra det. Så att begränsa deras population under kommande decennier kan vara absolut nödvändigt för att hjälpa inhemska bistånd att överleva.

Källa: Unsplash by USGS 

AI för att hålla hornetter på avstånd

Den viktigaste delen i att undvika spridningen av asiatiska hornetter är att upptäcka deras ankomst i ett nytt ekosystem så tidigt som möjligt. Om det första boet eller de första dussinet av bon lämnas att sprida fler drottningar, multipliceras deras antal mycket snabbt, vilket leder till exponentiellt ökande kostnader och miljöskador.

Manuell identifiering är för opålitlig för att räcka till. Tidigare automatiserade upptäcktssystem har testats, men deras identifieringsgrad låg vanligtvis i intervallet ~74,5–83,3 %, med många falska positiva.

Genom att utnyttja framsteg inom AI och maskinsyn har forskare vid University of Exeter lyckats uppnå en upptäcktsgrad på över 99 %, med deras resultat publicerade i Nature i den vetenskapliga artikeln “VespAI: ett djupinlärningsbaserat system för upptäckt av invasiva hornetter“.

VespAI Hornettdetektor

Prototypen av AI-hornettdetektorn, kallad VespAI, placerades på ön Jersey, nära de franska kusterna.

Den inkluderar en kamera, en strömkälla (batteri + 40 W solpanel) och så lite beräkning som Raspberry Pi 4‑hårdvara.

Källa: Nature

Träningsdata samlades in från flera platser i Europa och annoterades manuellt så att asiatiska hornetter kunde identifieras korrekt.

Källa: Nature

Systemet kan skilja mellan asiatiska hornetter och inhemska hornettarter. Det använder en AI‑metod kallad layer-wise relevance propagation (LRP), som gör att AI‑systemet korrekt kan identifiera vikten av varje pixel för att exakt upptäcka asiatiska hornetter.

Till exempel var pixlarna som är i linje med den orangea banden på det fjärde bukensegmentet, och de runt den yttre kanten av vingarna, bland de viktiga datapunkterna.

Källa: Nature

Maskinsynsprogramvaran som användes var YOLOv5 (You Only Look Once), skapad av Ultralytics, en mjukvara som också ligger i kärnan av självkörande bilteknik.

Mot automatiserad neutralisering av hornetter

Tack vare det icke-dödliga naturen hos detektorn kan den asiatiska hornetten följas tillbaka till sitt bo, och boet därefter förstöras. Det dödar inte andra arter som hornettfällor vanligtvis gör.

Genom att kontinuerligt upptäcka sitt mål utan mänsklig inblandning är VespAIs förmåga att tidigt upptäcka asiatiska hornetter flera storleksordningar överlägsen manuella identifieringsmetoder.

Detta gör den, möjligen, till det enda trovärdiga alternativet för att upptäcka invasionen tidigt nog för att stoppa den helt.

Slutligen gör användningen av öppen källkod och lågkostnadshårdvara massutplaceringen av detta system realistisk och kostnadseffektiv jämfört med befintliga hornettmotverkande strategier.

Det är dessutom oberoende av molnberäkning och använder endast WiFi‑anslutning för att skicka varningar när en asiatisk hornett har upptäckts. Att trigga AI‑analysen endast när en insekt har upptäckts minskar energiförbrukningen.

AI‑företag inom jordbruk

Ecosystemförvaltning och jordbruk betraktas ofta som “osexiga” branscher, sett ur teknik‑ och AI‑världen.

Det är inte längre sant, med många innovativa teknologier som gör sitt intåg i jordbrukssektorn, även om ingen ännu direkt hanterar asiatiska hornetter.

1. Arugga

Detta företag, som hittills har samlat in 5,8 miljoner dollar, bygger AI‑drivna robotar som använder datorseende, utvecklat via NVIDIA Metropolis‑plattformen, för att identifiera blommor redo för pollinering och sedan initiera processen genom att skjuta luftpulsar mot dem.

Medan robotarnas prestanda är i nivå med humlor och i vissa fall bättre med upp till 5 %, kommer den också med förmågan att samla in och analysera data under processen.

Arugga‑robotarna har visat avkastningsförbättringar på upp till 20 % utan att offra kvalitet. Dess mobila markrobot, Polly, arbetar med jordgubbar, blåbär, tomater och andra grödor.

Senast har företaget omvandlat Agrifutura i Finlands 4,6‑hektar stora växthus till världens första anläggning som fullt utnyttjar robotisk pollineringsteknik.

Det ser också på att lägga till skadedjurs- och sjukdomsdetektion till sina robotar, genom ett samarbete med den israeliska startupen ViewNetic. I framtiden planeras även icke‑kontakt beskärning, avkastningsprognoser och plantnedläggning.

2. Advanced.farm

Framsteg inom maskinsyn kan också tillämpas bortom pollinering. Till exempel kan de användas för att upptäcka och korrekt bedöma frukternas mognad och sedan plocka dem.

Dessa uppgifter är vanligtvis mycket arbetsintensiva. Istället använder Advanced.farm 6 robotarmar, maskinsyn och en sugkopp för att skörda äpplen utan behov av mänsklig närvaro, försiktigt.

Källa: Advanced.farm

Den kan också utföra detta på natten, vilket möjliggör ett 24/7‑skördschema. Advanced.farm har också designat en jordgubbs‑skördemaskin, som är 5 × mer effektiv än en mänsklig skördemaskin.

Så trots ett lite kusligt utseende när den arbetar på natten (se nedan), är den verkligen säker och effektiv.