Bal Arılarını Asya ‘Cinayet’ Yaban Arılarından AI Yardımıyla Koruma

Yaban Arısı İstilası

“Cinayet” yaban arıları, Asya yaban arıları, sarı bacaklı yaban arıları, Asya yırtıcı eşek arıları olarak da bilinir ya da bilimsel adı Vespa Velutina olan, bal arılarını avlayan bir istilacı türdür.

Yayılımını kontrol altına almak şu ana kadar zor bir mücadele ve çoğunlukla kaybedilen bir savaş oldu; tür Doğu Asya, Avrupa ve yakın zamanda Kuzey Amerika’ya yayıldı.

Şimdiye kadar, yayılmalarını sınırlama çabaları gönüllüler, arıcılar ve çevre ajansları tarafından manuel tanımlamaya dayanıyordu. Ancak bu yöntem verimsiz çıktı; çok sayıda yanlış alarm ve birçok yaban arısı yuvası tespit edilemedi. Tespit edilemeyen her yuva her yıl yeni kraliçeler ürettiği için, bu istilacı türün çoğalması üstel bir hız alıyor.

Neyse ki, yapay zekâya dayanan yeni bir yöntem yardımcı olabilir ve gelişmiş makine öğreniminin şaşırtıcı bir yeni uygulamasını sunar.

Bal Arılarının Önemi

Bal arıları, binlerce yıldır insanlar tarafından bal, balmumu ve kraliyet jölesi gibi değerli ürünler elde etmek amacıyla evcilleştirilmiştir.

Ayrıca ekosistemin hayati bir parçasıdır; yabani çiçeklerin ve önemli tarımsal ürünlerin tozlaşmasına katkıda bulunur. Bu, çoğu meyve ağacı, kuruyemiş ağacı ve çikolata, üzüm, domates, çilek, frambuaz, agave gibi yüksek değerli ürünleri kapsar.

Toplamda, bal arılarının ABD’de yalnızca “ücretsiz” 15 milyar dolar değerinde tozlaşma hizmeti sağladığı ve dünya çapında çok daha fazlasını sağladığı tahmin edilmektedir.

Arı popülasyonları son on yıllarda pestisitler, parazitler ve patojenler, yerli çiçek ve çayırların kaybı, istilacı bitkiler ve iklim değişikliği gibi faktörlerden dolayı büyük baskı altında.

Yaban Arısı İstilası

Bal arıları için önemli bir tehdit, yeni bir ortamda bulduklarında bal arılarına odaklanan Asya yaban arılarıdır.

Güneydoğu Asya kökenli olan Asya yaban arısı, Kuzey Amerika, Avrupa ve Doğu Asya’nın yerli arı popülasyonları için güçlü bir avcıdır. Güneydoğu Asya’nın yerli türlerinin aksine, bu bölgelerdeki arılar Asya yaban arılarının avlanmasına karşı hayatta kalmakta zorlanır.

Avrupa’da ilk kez 2004 yılında Fransa’da, ardından 2010’da İspanya, 2012’de İtalya ve 2014’de Almanya’da görülmüştür. Kuzey Amerika’da ilk tespit 2019’da Kanada ve ABD’de gerçekleşmiştir.

Yerli bal arılarının Asya yaban arılarına uyum sağlayıp hayatta kalmayı öğrenebileceği mümkündür, ancak bunun zaman alması gerekir. Bu yüzden, önümüzdeki on yıllarda nüfuslarını sınırlamak, yerli arı türlerinin hayatta kalması için kesinlikle gerekli olabilir.

Kaynak: Unsplash tarafından USGS 

Yaban Arılarını Uzak Tutmak İçin AI

Asya yaban arılarının yeni bir ekosisteme girişi ne kadar erken tespit edilirse, yayılmalarını önlemenin anahtarı o kadar etkili olur. İlk yuva ya da ilk düzine yuva daha fazla kraliçe üretmeye bırakılırsa, sayıları çok hızlı bir şekilde artar ve maliyetler ile çevresel zararlar üstel olarak büyür.

Manuel tanımlama yeterince güvenilir değildir. Daha önce denenen otomatik tespit sistemlerinin tanımlama oranı genellikle ~%74,5–83,3 arasında olup, birçok yanlış pozitif vermiştir.

AI ve makine görüsü alanındaki ilerlemelerden yararlanarak, Exeter Üniversitesi araştırmacıları %99’un üzerinde bir tespit oranı elde etmiş ve sonuçlarını Nature dergisinde “VespAI: istilacı yaban arılarının tespiti için derin öğrenmeye dayalı bir sistem” başlıklı bilimsel makalede yayınlamışlardır.

VespAI Yaban Arısı Dedektörü

AI yaban arısı dedektörünün prototipi VespAI, Fransa kıyılarına yakın Jersey adasında konuşlandırılmıştır.

Bir kamera, bir güç kaynağı (pil + 40 W güneş paneli) ve Raspberry Pi 4 donanımı kadar az bir işlemci içerir.

Kaynak: Nature

Eğitim verileri Avrupa’nın çeşitli noktalarından toplanmış ve Asya yaban arılarının doğru bir şekilde tespit edilebilmesi için manuel olarak etiketlenmiştir.

Kaynak: Nature

Sistem Asya yaban arılarını yerli yaban arısı türlerinden ayırt edebilir. Görüntüdeki her pikselin önemini doğru bir şekilde belirleyen “katman‑bazlı ilgililik yayılımı” (LRP) adlı bir AI yöntemi kullanır.

Örneğin, dördüncü karın segmentindeki turuncu bantla hizalanan pikseller ve kanadın dış kenarı etrafındaki pikseller önemli veri noktaları arasındaydı.

Kaynak: Nature

Kullanılan makine görüsü yazılımı YOLOv5 (You Only Look Once) olup, Ultralytics tarafından geliştirilmiştir; aynı yazılım otonom araç teknolojisinin de temelini oluşturur.

Otomatize Yaban Arısı Nötralizasyonuna Doğru

Dedektörün öldürücü olmaması sayesinde, Asya yaban arısı yuvasına geri izlenebilir ve yuva daha sonra yok edilebilir. Ayrıca, yaban arısı tuzaklarının genellikle diğer türleri öldürmesinin aksine, bu yöntem diğer türlere zarar vermez.

Hedefi insan müdahalesi olmadan sürekli tespit ederek, VespAI’nın Asya yaban arılarını erken tespit etme yeteneği manuel tanımlama yöntemlerine göre kat kat daha üstündür.

Bu, istilayı tamamen durdurmak için yeterince erken tespit sağlayabilecek tek güvenilir seçenek olabilir.

Son olarak, açık kaynaklı yazılım ve düşük maliyetli donanım kullanımı, bu sistemin geniş çapta dağıtımını mevcut yaban arısı kontrol stratejilerine göre daha gerçekçi ve maliyet‑rekabetçi hâle getirir.

Ayrıca bulut bilişime dayanmaz; bir Asya yaban arısı tespit edildiğinde yalnızca Wi‑Fi üzerinden uyarı gönderir. AI analizinin yalnızca bir böcek tespit edildiğinde tetiklenmesi enerji tüketimini azaltır.

AI Tarım Şirketleri

Ekosistem yönetimi ve tarım genellikle teknoloji ve AI dünyasından bakıldığında “cazip olmayan” sektörler olarak görülür.

Bu artık doğru değil; pek çok yenilikçi teknoloji tarım sektörüne girmiş durumda, ancak henüz Asya yaban arısı ile doğrudan ilgili bir çözüm bulunmamaktadır.

1. Arugga

Şu ana kadar 5,8 milyon $ toplaması yapılan bu şirket, NVIDIA (NVDA ) Metropolis platformu üzerinden geliştirilen bilgisayarlı görme kullanan AI destekli robotlar inşa ediyor; bu robotlar çiçeklerin tozlaşmaya hazır olduğunu tanımlıyor ve ardından onlara hava darbeleriyle süreci başlatıyor.

Robotların performansı yaban arılarına eşdeğer ve bazı durumlarda %5’e kadar daha iyi, ayrıca veri toplama ve analiz etme yeteneği de sunuyor.

Arugga’nın robotları kaliteyi düşürmeden %20’ye kadar verim artışı sağladığını gösterdi. Yürüyen yer robotu Polly, çilek, yaban mersini, domates ve diğer mahsullerle çalışıyor.

En son olarak şirket, Finlandiya’daki Agrifutura’nın 4,6 hektarlık sera tesisini tamamen robotik tozlaşma teknolojisini kullanan dünyanın ilk tesisi haline getirdi.

Ayrıca robotlarına zararlı ve hastalık tespiti eklemeyi planlıyor; bu iş birliği İsrailli girişim ViewNetic ile gerçekleşiyor. Gelecekte temas‑sız budama, verim tahmini ve bitki alçaltma gibi özellikler de eklenmesi hedefleniyor.

2. Advanced.farm

Makine görüsü alanındaki ilerlemeler tozlaşmanın ötesinde de kullanılabilir. Örneğin, meyvelerin olgunluğunu doğru bir şekilde tespit edip toplamak mümkündür.

Bu görevler genellikle çok iş gücü gerektirir. Advanced.farm, 6 robotik kol, makine görüsü ve bir emiş pompası kullanarak el gereksinimi olmadan elma toplar.

Kaynak: Advanced.farm

Gece de çalışabilir, bu sayede 7/24 hasat takvimi mümkün olur. Advanced.farm ayrıca insan toplama makinesine göre 5 kat daha verimli bir çilek hasat makinesi tasarlamıştır.

Bu yüzden gece çalışırken biraz ürkütücü görünse de (aşağıya bakınız), gerçekten güvenli ve verimlidir.