Ricercatori dell'Università Politecnica delle Marche, La Queen Mary University di Londra e l'Alan Turing Institute hanno recentemente collaborato a un progetto di ricerca volto a identificare gli stati dell'alveare utilizzando l'apprendimento automatico. Il loro studio, pre-pubblicato su arXiv, ha studiato l'uso di entrambe le macchine vettoriali di supporto (SVM) e le reti neurali convoluzionali (CNN) per il riconoscimento dello stato dell'alveare, utilizzando dati audio.

I dati utilizzati in questo studio sono stati raccolti nell'ambito del progetto NU-Hive, uno sforzo di ricerca che ha portato allo sviluppo di un sistema per monitorare lo stato degli alveari sfruttando i suoni che emettono. I ricercatori hanno addestrato algoritmi di apprendimento automatico per analizzare questi dati audio e identificare gli stati di diversi alveari.

"La nostra ricerca è motivata dal declino delle colonie di api negli ultimi anni in Europa e nel resto del mondo, "Stefania Cecchi, un ricercatore che ha condotto lo studio, ha detto a TechXplore. "Questo declino ha generato un crescente interesse per la salvaguardia delle api da miele, per la loro grande importanza per il sostentamento della vita umana. In tale contesto, l'obiettivo principale della nostra ricerca è lo studio e lo sviluppo di un sistema innovativo per monitorare lo stato degli alveari, utilizzando il suono prodotto dalle api e algoritmi di apprendimento automatico."

Le api sono i più importanti impollinatori delle colture alimentari del pianeta; quindi, la loro sopravvivenza è della massima importanza. Negli ultimi anni, le colonie di api sono diminuite, un problema che potrebbe avere gravi conseguenze per il sostentamento degli esseri umani, così come quello di altri animali nella catena alimentare.

Uno degli indicatori chiave che un alveare richiede un intervento umano urgente è l'assenza dell'ape regina. La ricerca manuale della regina è un compito impegnativo e dispendioso in termini di tempo per gli apicoltori, che in molti casi interrompe il normale ciclo di vita dell'alveare, causando uno stress significativo alle api che lo abitano.

I suoni prodotti dagli alveari offrono importanti indizi sul loro stato, compresa l'assenza dell'ape regina. Cecchi e i suoi colleghi hanno deciso di esplorare la possibilità di utilizzare l'apprendimento automatico per analizzare i suoni degli alveari, in quanto ciò potrebbe aiutare a identificare gli alveari a rischio senza inutili stress per le api, riducendo anche gli sforzi umani associati agli interventi manuali.

"Siamo nella fase iniziale dello sviluppo e in questo momento siamo in grado di identificare la presenza o l'assenza dell'ape regina, che è una questione importante per la sopravvivenza degli alveari, "Spiega Cecchi. "Il nostro sistema si basa su metodi di apprendimento automatico che riconoscono automaticamente i diversi stati dell'alveare utilizzando l'audio come input. Il sistema viene addestrato su un database creato dai nostri sistemi di acquisizione e il modello viene quindi applicato per identificare la presenza o l'assenza dell'ape regina".

Cecchi e i suoi colleghi hanno condotto diversi esperimenti in contesti reali che hanno evidenziato il potenziale dello sfruttamento degli spettri Mel e dei coefficienti cepstrali a frequenza di Mel (MFCC), e Hilbert Huang Transform (HHT) come caratteristiche per determinare la presenza di un'ape regina in un alveare. MFCC e HHT sono rappresentazioni sonore o modi specifici per scomporre i segnali audio.

I ricercatori hanno testato le prestazioni sia delle SVM che delle CNN nell'analisi di queste particolari caratteristiche sonore per determinare l'assenza o la presenza dell'ape regina. È stato scoperto che le SVM generalizzano meglio sugli alveari invisibili rispetto alle CNN, tuttavia quest'ultimo ha ottenuto buoni risultati in scenari dipendenti dall'alveare. Globale, lo studio ha raccolto risultati molto promettenti, in particolare quando si combinano le funzionalità HHT e MFCC.

"Il sistema è in grado di riconoscere l'assenza dell'ape regina in un alveare, “Cecchi ha detto. “La ricerca della regina è un compito arduo e ricorrente per gli apicoltori che sconvolge il normale ciclo di vita dell'alveare. Il nostro sistema può ridurre notevolmente il numero di ricerche e interventi necessari. Per di più, il nostro approccio consente interventi tempestivi degli apicoltori nel minor tempo possibile, evitando così la dispersione dell'ape e il declino dell'alveare dovuto all'assenza dell'ape regina."

I risultati raccolti da Cecchi e dai suoi colleghi evidenziano il vasto potenziale dell'apprendimento automatico per analizzare i dati audio degli alveari e rilevare efficacemente se sono in pericolo. In futuro, il loro metodo potrebbe aiutare la salvaguardia delle api e di conseguenza di tutte le specie che si nutrono di colture impollinate. I ricercatori stanno ora cercando di applicare lo stesso metodo ad altri stati di alveare associati al rischio.

"Vogliamo estendere questo approccio all'identificazione automatica di altri importanti stati dell'alveare come la previsione dello sciame, rilevamento di situazioni anomale, e la presenza di acari varroa, " ha detto Cecchi. "Questo ci permetterà di costruire un sistema completo per la classificazione degli stati alveari, fornire agli apicoltori un'analisi continua e autonoma dei loro alveari."

© 2018 Science X Network