Pagprotekta sa mga Pulot-pukyutan mula sa Asian ‘Murder’ Hornets gamit ang Tulong ng AI

Paglusob ng Hornet

“Ang mga “Murder” hornet, na kilala rin bilang Asian hornet, yellow-legged hornet, Asian predatory wasp, o sa kanilang siyentipikong pangalan na Vespa Velutina, ay isang dayuhang uri na kumakain ng mga pulot-pukyutan.”

Ang pagpigil sa paglawak nito ay naging isang pakikibaka at karamihan ay natalo na, dahil kumakalat ang species na ito sa Silangang Asya, Europa, at kamakailan lamang, sa Hilagang Amerika.

Sa ngayon, ang mga pagsisikap na limitahan ang kanilang pagkalat ay nakasalalay sa manu-manong pagkakakilanlan ng mga boluntaryo, mga mang-aalaga ng pukyutan, at mga ahensyang pangkapaligiran. Gayunpaman, napatunayang hindi ito epektibo, dahil maraming maling alarma at napakaraming pugad ng hornet ang hindi natutuklasan. Sa bawat hindi natuklasang pugad na nagpaparami ng mga bagong reyna taon-taon, ang pagdami ng dayuhang species na ito ay nagiging eksponensyal.

Sa kabutihang palad, isang bagong paraan na nakasalalay sa AI ang maaaring makatulong, na nag-aalok ng nakakagulat na bagong aplikasyon ng advanced na machine learning.

Ang Kahalagahan ng mga Pulot-pukyutan

Ang mga pulot-pukyutan ay nilinis ng sangkatauhan sa loob ng libu-libong taon upang makagawa ng pulot at iba pang mahahalagang produkto tulad ng wax ng pukyutan at royal jelly.

Sila rin ay mahalagang bahagi ng ekosistema, tumutulong sa polinasyon ng mga ligaw na bulaklak at mahahalagang pananim sa agrikultura. Kabilang dito ang karamihan ng mga punong prutas, punong mani, pati na rin ang mga mataas na halaga na pananim tulad ng tsokolate, ubas, kamatis, strawberries, raspberries, agave, atbp.

Sa kabuuan, tinatayang nagbibigay ang mga pulot-pukyutan ng “libre” na $15 bilyong halaga ng serbisyong polinasyon sa Estados Unidos lamang, at marami pang higit sa buong mundo.

Ang populasyon ng mga pukyutan ay nakaranas ng matinding pressure sa mga nagdaang dekada, dahil sa pagbaba ng populasyon dulot ng pestisidyo, parasitiko, at mga pathogen, pagkawala ng mga katutubong bulaklak at parang, mga dayuhang halaman, at pagbabago ng klima.

Paglusob ng Hornet

Isang mahalagang banta sa mga pulot-pukyutan ay ang Asian hornet, na tumutuon sa mga pulot-pukyutan kapag natagpuan nila ito sa isang bagong kapaligiran.

Orihinal na nagmula sa Timog-Silangang Asya, ang Asian hornet ay isang makapangyarihang mandaragit ng mga katutubong populasyon ng pukyutan sa Hilagang Amerika, Europa, at Silangang Asya. Salungat sa mga katutubong species ng Timog-Silangang Asya, ang mga pukyutan sa mga rehiyong ito ay nahihirapang mabuhay laban sa pag-atake ng Asian hornet.

Ang unang paglitaw nito sa Europa ay sa Pransya noong 2004, sinundan ng pagkalat nito sa Espanya noong 2010, Italya noong 2012, at Alemanya noong 2014. Ang unang pagkakakita sa Hilagang Amerika ay sa Canada at USA noong 2019.

Posibleng mag-adapt at matutunan ng mga katutubong pulot-pukyutan na mabuhay laban sa Asian hornet, ngunit kakailanganin nila ng panahon para dito. Kaya, ang pagpigil sa kanilang populasyon sa mga susunod na dekada ay maaaring lubos na kinakailangan upang matulungan ang mga katutubong species ng pukyutan na mabuhay.

Pinagmulan: Unsplash by USGS 

AI Upang Pigilan ang mga Hornet

Ang pangunahing bahagi sa pag-iwas sa pagkalat ng Asian hornet ay ang maagang matuklasan ang kanilang pagdating sa isang bagong ekosistema. Kung ang unang pugad o unang dose na pugad ay mapabayaan na magpalaganap ng higit pang mga reyna, mabilis na dumarami ang kanilang bilang, na nagdudulot ng eksponensyal na pagtaas ng gastos at pinsalang pangkapaligiran.

Ang manu-manong pagkakakilanlan ay masyadong hindi mapagkakatiwalaan upang maging sapat. Sinubukan na ang mga naunang awtomatikong sistema ng pagtuklas, ngunit ang kanilang rate ng pagkakakilanlan ay karaniwang nasa ~74.5–83.3% na saklaw, na may maraming maling positibo.

Sa pamamagitan ng pagsamantala sa mga pag-unlad sa AI at machine vision, nagtagumpay ang mga mananaliksik sa University of Exeter na makamit ang rate ng pagtuklas na higit sa 99%, na ang kanilang mga resulta ay inilathala sa Nature sa siyentipikong papel “VespAI: a deep learning-based system for the detection of invasive hornets”.

VespAI Detektor ng Hornet

Ang prototype ng AI hornet detector, na tinawag na VespAI, ay inilunsad sa isla ng Jersey, malapit sa baybayin ng Pransya.

Kabilang dito ang isang kamera, isang pinagmumulan ng kuryente (baterya + 40W solar panel), at kaunting computing gamit ang hardware ng Raspberry Pi 4.

Pinagmulan: Nature

Ang data para sa pagsasanay ay nakolekta mula sa ilang punto sa Europa at manu-manong na-annotate upang ang Asian hornet ay maayos na matuklasan.

Pinagmulan: Nature

Ang sistema ay maaaring makilala ang pagkakaiba sa pagitan ng Asian hornet at mga katutubong species ng hornet. Gumagamit ito ng AI method na tinatawag na layer-wise relevance propagation (LRP), na nagpapahintulot sa AI system na tamaang matukoy ang kahalagahan ng bawat pixel sa eksaktong pagtuklas ng Asian hornet.

Halimbawa, ang mga pixel na naka-align sa orange na guhit sa ika-apat na segment ng abdomen, at ang mga nasa paligid ng panlabas na gilid ng pakpak, ay kabilang sa mga mahalagang data point.

Pinagmulan: Nature

Ang software ng machine vision na ginamit ay YOLOv5 (You Only Look Once), na nilikha ng Ultralytics, isang software na nasa core din ng teknolohiya ng self-driving na mga sasakyan.

Patungo sa Awtomatikong Neutralisasyon ng Hornet

Dahil sa hindi nakamamatay na katangian ng detector, maaaring sundan ang Asian hornet pabalik sa kanyang pugad, at ang pugad ay sunod na winasak. Hindi rin nito pinapatay ang ibang species tulad ng karaniwang ginagawa ng mga patibong ng hornet.

Sa pamamagitan ng patuloy na pagtuklas sa target nito nang walang interbensyon ng tao, ang kakayahan ng VespAI na maagang matuklasan ang Asian hornet ay ilang antas ng magnitude na mas mahusay kaysa sa mga manu-manong pamamaraan ng pagkakakilanlan.

Ito, marahil, ang tanging kredibleng opsyon para matuklasan ang paglusob nang sapat na maaga upang ito ay ganap na mapigilan.

Sa huli, ang paggamit ng open-source na software at murang hardware ay ginagawang realistic at cost-competitive ang malawakang pag-deploy ng sistemang ito kumpara sa mga umiiral na estratehiya sa pag-alis ng hornet.

Hindi rin ito umaasa sa cloud computing at gumagamit lamang ng WiFi connectivity upang magpadala ng mga alerto kapag natuklasan ang isang Asian hornet. Ang pag-trigger ng AI analysis lamang kapag natuklasan ang insekto ay nagpapababa ng konsumo ng kuryente.

Mga Kumpanya ng AI sa Agrikultura

Ang pamamahala ng ekosistema at agrikultura ay madalas na itinuturing na “hindi kaakit-akit” na mga industriya, ayon sa pananaw ng industriya ng teknolohiya at AI.

Hindi na ito totoo, dahil maraming makabagong teknolohiya ang pumapasok na sa sektor ng agrikultura, kahit na wala pang alinman sa mga ito ang direktang humaharap sa Asian hornet.

1. Arugga

Ang kumpanyang ito, na nakalikom na ng $5.8 milyong hanggang ngayon, ay gumagawa ng mga AI-powered robot na gumagamit ng computer vision, na binuo sa pamamagitan ng NVIDIA (NVDA ) Metropolis platform, upang tuklasin ang mga bulaklak na handa nang mapolinate at pagkatapos ay pasimulan ang proseso sa pamamagitan ng pagbuga ng mga air pulse sa mga ito.

Habang ang pagganap ng mga bot ay katumbas ng mga bumblebee at, sa ilang kaso, mas mahusay ng hanggang 5%, nagdadala rin ito ng kakayahang mangolekta at magsuri ng data habang ginagawa ito.

Ipinakita ng mga robot ng Arugga ang pagtaas ng ani ng hanggang 20% nang hindi isinasakripisyo ang kalidad. Ang kanilang naglalakbay na ground robot na si Polly, ay gumagana sa strawberries, blueberries, kamatis, at iba pang pananim.

Kamakailan lamang, ang kumpanya ay nag-convert ng 4.6‑hectare greenhouse ng Finnish Agrifutura sa unang pasilidad sa mundo na ganap na gumagamit ng teknolohiyang robotic pollination.

Nagbabalak din itong magdagdag ng pest at disease detection sa kanilang mga robot, sa pamamagitan ng pakikipagtulungan sa Israeli startup ViewNetic. Sa hinaharap, layunin din nitong magdagdag ng non-contact pruning, prediksyon ng ani, at pag-ibaba ng halaman.

2. Advanced.farm

Ang mga pag-unlad sa machine vision ay maaari ring ilapat lampas sa usapin ng polinasyon. Halimbawa, maaari itong gamitin upang matukoy at tamaang tasahin ang pagkahinog ng mga prutas, at pagkatapos ay anihin ang mga ito.

Ang mga gawaing ito ay karaniwang napaka‑labor intensive. Sa halip, ang Advanced.farm ay gumagamit ng 6 robotic arm, machine vision, at isang suction cup upang maingat na anihin ang mga mansanas nang hindi kailangan ng presensya ng tao.

Pinagmulan: Advanced.farm

Maaari rin itong gawin sa gabi, na nagbibigay-daan sa 24/7 na iskedyul ng pag-aani. Ang Advanced.farm ay nagdisenyo rin ng isang strawberry harvester, na 5x mas epektibo kaysa sa human harvester.

Kaya kahit na medyo nakakatakot tingnan kapag gumagana sa gabi (tingnan sa ibaba), ito ay talagang ligtas at epektibo.