Исследовательская база

Обзор применений TinyML в пчеловодстве для мониторинга и управления ульями

Пчелиные семьи важны для глобальной продовольственной безопасности и устойчивости экосистем, но сталкиваются с растущими угрозами со стороны вредителей, болезней и экологических стрессоров. Традиционные осмотры ульев трудоёмки и нарушают жизнь семьи, а облачные решения мониторинга часто непрактичны для удалённых или ограниченных по ресурсам пасек. Развитие Интернета вещей и Tiny Machine Learning позволяет выполнять маломощный мониторинг в реальном времени прямо на edge-устройствах. Обзор систематизирует современные разработки на пересечении TinyML и пчеловодства по четырём направлениям: мониторинг условий улья, распознавание поведения пчёл, обнаружение вредителей и болезней, прогнозирование роения.

Сведения о публикации

Авторы
Willy Sucipto
Организации
🇦🇺 University of Technology Sydney🇦🇺 BeeSTAR
Год
2025
Тип
Preprint

PDF

Внешние ссылки

Аннотация

Пчелиные семьи важны для глобальной продовольственной безопасности и устойчивости экосистем, но сталкиваются с растущими угрозами со стороны вредителей, болезней и экологических стрессоров. Традиционные осмотры ульев трудоёмки и нарушают жизнь семьи, а облачные решения мониторинга часто непрактичны для удалённых или ограниченных по ресурсам пасек.

Развитие IoT и TinyML позволяет выполнять мониторинг в реальном времени прямо на энергоэффективных edge-устройствах. В обзоре собраны современные разработки по четырём ключевым задачам: контроль условий внутри улья, распознавание поведения пчёл, выявление вредителей и болезней, а также прогнозирование роения.

Значимость для Gratheon

Работа полезна для Gratheon как обзорный ориентир по сенсорному оборудованию, телеметрическим пайплайнам, edge-AI, энергопотреблению и автономной работе на удалённых пасеках. Она помогает переводить исследовательские результаты в продуктовые требования: какие сигналы нужно собирать, где лучше выполнять инференс, как учитывать ограничения батареи и какие уровни неопределённости показывать пчеловоду.

Для Gratheon особенно важна связка локального анализа данных улья с практическими рекомендациями в веб-приложении. TinyML-подход поддерживает стратегию недорогих, автономных и масштабируемых устройств, которые не зависят от постоянного облачного соединения.