Un sistema de computación visual basado en el aprendizaje profundo ayudará a proteger la abeja melífera europea
El proyecto hivepoll, financiado con fondos europeos, estudió la detección en tiempo real de las amenazas a las colmenas, como los parásitos «Varroa destructor» y «Aethina tumida», así como el trastorno del colapso de las colonias (CCD). Los investigadores analizaron también la cuantificación del rendimiento de la polinización en un colmenar mediante un sistema de computación visual de bajo coste. Por medio de estos datos, hivepoll pretende crear una novedosa plataforma de intercambio de datos entre los apicultores y las demás partes interesadas del mercado agrícola. «Al analizar la cantidad y el tipo de polen recogido junto con las características del vuelo en tiempo real, podemos convertir los colmenares en sensores biológicos innovadores con consecuencias de gran calado para el mercado de la agrotecnología, los apicultores y las autoridades públicas», afirma Michael Brandstötter, coordinador del proyecto.
Aplicación de datos masivos
Los datos recogidos por hivepoll se utilizarán para predecir el rendimiento de los cultivos y desarrollar modelos mejorados para gestionar el riesgo de que fracase una cosecha, dos de las mayores oportunidades para aplicar los datos masivos en la agricultura. «Podemos validar la viabilidad del análisis y la cuantificación del polen mediante algoritmos de visión artificial y métodos de aprendizaje profundo», explica Brandstötter. Basándose en el conjunto de datos existente del proyecto (unas mil seiscientas horas de actividad de abejas melíferas), se generó un subconjunto con información sobre la polinización para aplicaciones de aprendizaje profundo. A partir de un total de 7 TB de datos, se crearon 40 000 imágenes de abejas, etiquetadas manualmente. Brandstötter señala: «Hasta la fecha, es el mayor conjunto de datos sobre abejas y polen de que se dispone. Al integrar métodos de visión artificial estándar y aprendizaje profundo podemos desarrollar el primer algoritmo de clasificación de la polinización que se ejecuta en tiempo real en un ordenador de una sola placa base». Este conjunto de datos era lo suficientemente grande como para someter a prueba un enfoque de aprendizaje profundo, por lo que los investigadores desarrollaron y compararon un protocolo de transmisión de datos de ventana deslizante, así como un método de clasificación multiclase. «La mejor combinación del modelo alcanzó una puntuación F1 de 90,95, lo que sugiere que los modelos de redes neuronales convolutivas son adecuados para detectar las corbículas de las abejas melíferas», observa Brandstötter.
Supervivencia mejorada
Gracias a hivepoll, será posible proporcionar un sistema de alerta rápida en caso de que la polinización sea de bajo rendimiento, así como contrarrestar estos efectos adversos y garantizar el rendimiento de las cosechas. Además, la detección eficaz de los parásitos contribuirá a mejorar la salud de las colonias de abejas y su supervivencia en buenas condiciones durante el invierno. La supervivencia de las abejas melíferas es de vital importancia para los apicultores y agricultores, ya que dichas abejas son de los pocos polinizadores que actúan con el vigor suficiente en los inicios del ciclo de plantación. Una rápida polinización de los cultivos es sumamente importante, puesto que atenúa los efectos negativos de las condiciones meteorológicas inestables, como las heladas de primavera. «Prevemos un aumento de hasta el 10 % en el rendimiento de los cultivos como resultado de una mejor gestión de la polinización con hivepoll», concluye Brandstötter. El proyecto no solo ofrecerá un sistema de computación visual de bajo coste capaz de detectar amenazas y gestionar eficazmente las colmenas en tiempo real, sino también una comprensión sin precedentes del rendimiento de las colonias de abejas melíferas como polinizadores.
Palabras clave
hivepoll, abeja melífera, aprendizaje profundo, colmena, polinizador, datos masivos
