Areny de Noguera inverteix 52.400 euros en espais culturals
IA I ABELLES
La intel·ligència artificial aprèn a escoltar les abelles per detectar problemes al rusc
La combinació de micròfons, sensors i intel·ligència artificial permet analitzar el brunzit de les abelles i detectar patrons relacionats amb l’absència de reina, l’eixamenament o canvis en l’activitat de la colònia.
La intel·ligència artificial aplicada a l’apicultura obre noves possibilitats per controlar l’estat dels ruscs sense haver-los d’obrir constantment. La instal·lació de micròfons i sensors de vibració permet registrar de manera continuada els sons generats dins de la colònia i analitzar-los posteriorment mitjançant algoritmes d’aprenentatge automàtic.
L’objectiu no és substituir la feina de l’apicultor, sinó oferir una eina complementària que permeti detectar possibles canvis en el comportament de les abelles i prioritzar les inspeccions dels ruscs que requereixin més atenció.
El brunzit de les abelles conté informació sobre la colònia
L’interior d’un rusc genera constantment sons i vibracions provocats pel moviment de les ales, les contraccions musculars i l’activitat de les abelles sobre l’estructura de la colònia.
Aquests senyals poden registrar-se mitjançant micròfons instal·lats a l’interior del rusc o acceleròmetres fixats a les parets o als quadres. Posteriorment, el so es pot transformar en un espectrograma, una representació que mostra com es distribueix l’energia entre diferents freqüències al llarg del temps.
A diferència d’una inspecció puntual, els sensors poden proporcionar informació durant el dia i la nit i al llarg de diferents èpoques de l’any.
La IA identifica patrons en milers d’hores de gravacions
El gran volum de dades generat pels sensors fa necessari utilitzar sistemes automatitzats d’anàlisi. Aquí és on entra en joc la intel·ligència artificial.
Els algoritmes poden treballar amb espectrogrames i altres característiques matemàtiques del so per buscar patrons vinculats a determinats estats de la colònia. Els models d’aprenentatge automàtic o machine learning s’entrenen amb gravacions prèviament classificades i poden aprendre a relacionar determinats senyals acústics amb situacions com la presència o absència de l’abella reina.
La tecnologia podria permetre que l’apicultor rebés indicadors sobre quins ruscs presenten comportaments diferents dels habituals i necessiten una revisió més detallada.
Detectar l’eixamenament a través del so
Una de les aplicacions estudiades és la detecció de l’eixamenament, el procés pel qual una part de les abelles abandona el rusc per formar una nova colònia.
Una investigació desenvolupada per Andrej Žgank, de la Universitat de Maribor, va analitzar centenars de gravacions acústiques procedents del projecte Open Source Beehives. En una prova amb 643 registres sonors, un dels sistemes utilitzats va aconseguir diferenciar entre l’activitat normal i les condicions associades a l’eixamenament amb una exactitud del 82,27%.
Treballs posteriors amb xarxes neuronals profundes van arribar a una exactitud màxima del 94,09% amb àudio sense comprimir, tot i que els resultats corresponen a configuracions experimentals diferents i no impliquen que el sistema sigui infal·lible.
El soroll ambiental, un dels principals reptes
Un dels problemes que encara ha de superar aquesta tecnologia és el soroll exterior. La pluja, el vent, el trànsit o les veus humanes poden contaminar les gravacions i dificultar-ne l’anàlisi.
En una de les proves de Žgank, l’exactitud del sistema va passar del 75,43% al 51,17% quan es va afegir un nivell elevat de soroll urbà a les gravacions.
Aquest factor evidencia la necessitat de millorar els sistemes de filtratge, entrenar els algoritmes amb dades procedents de situacions molt diverses i validar-ne el funcionament en diferents tipus de ruscs i entorns.
Sensors, temperatura i pes per controlar la salut dels ruscs
La monitorització acústica forma part d’un camp més ampli d’apicultura de precisió. A Europa, el projecte B-GOOD, finançat pel programa Horizon 2020, va instal·lar sistemes per mesurar el so, la temperatura i el pes en 383 colònies durant tres temporades apícoles.
El projecte va estudiar com la combinació de diferents tipus de dades podia contribuir a controlar i predir aspectes relacionats amb la salut de les colònies.
Una tecnologia amb potencial per a l’apicultura professional
Aquest tipus de sistemes pot tenir especial interès en països amb una elevada activitat apícola. Segons les dades recollides al document, Espanya comptabilitzava 2.783.285 ruscs l’any 2024, aproximadament un 80% dels quals pertanyien a apicultors professionals.
La possibilitat de saber a distància quins assentaments necessiten una revisió prioritària podria ajudar a reduir desplaçaments, especialment en explotacions que practiquen la transhumància.
Tot i això, encara existeixen reptes relacionats amb la connectivitat en zones rurals, l’autonomia energètica dels sensors, l’estandardització de les dades i la capacitat dels models per funcionar correctament en diferents condicions.
La tecnologia, per tant, no busca crear ruscs capaços de diagnosticar-se de manera autònoma, sinó proporcionar més informació a l’apicultor per facilitar la presa de decisions i avançar cap a una vigilància més continuada i menys invasiva de les colònies.
