Trabajos relacionados

Como se comentó en la introducción, los intentos de automatizar el proceso de monitorización de la actividad de una colmena se remontan hasta principios del siglo pasado. Sin embargo, no es hasta 2008 cuando se introduce la visión artificial en este campo. A continuación, se exponen los artículos científicos relacionados publicados hasta la fecha, así como proyectos con objetivos similares.

Artículos científicos

Video Monitoring of Honey Bee Colonies at the Hive Entrance

Se trata del primer artículo publicado sobre el tema (año 2008). Los autores fueron Jason Campbell, Lily Mummert y Rahul Sukthankar del Intel Research Pittsburgh. En él proponen un método de visión artificial para monitorizar las entradas y salidas de abejas en una colmena, consiguiendo diferenciar las que entran de las que salen. Se describen los desafíos técnicos que supuso y la solución a la que llegaron finalmente [art:campbell2008].

Detecting and tracking honeybees in 3D at the beehive entrance using stereo vision

En 2013, Guillaume Chiron, Petra Gomez-Krämer y Ménard Michel publicaron un artículo en EURASIP Journal on Image and Video Processing, donde proponían un método para la monitorización de abejas a la entrada de una colmena basado en un sistema de tiempo real con visión estereoscópica. Gracias al cual podían obtener una representación en tres dimensiones de las trayectorias de las abejas [art:chiron2013].

Image Processing for Honey Bee hive Health Monitoring

El último artículo publicado data del año 2015 por Rahman Tashakkori y Ahmad Ghadiri de la Appalachian State University. En él, mejoran el método de detección propuesto en [art:campbell2008] y lo utilizan para estimar el número de abejas que habrá en un instante de tiempo dado [art:tashakkori2015].

Comparación

Artículo A ñ o Ci ta s Detección de movimiento Conteo de abejas Tracking
Video Monitoring of Honey Bee Colonies at the Hive Entrance 2 0 0 8 24 Adaptative background subtraction. Template-ba sed method. Maximum weighted bipartite graph matching.
Detecting and tracking honeybees in 3D at the beehive entrance using stereo vision 2 0 1 3 8 Adaptative background subtraction with depth information. Hybrid 3D intensity depth segmentation . Kalman filter y Global Nearest Neighbor.
Image Processing for Honey Bee hive Health Monitoring 2 0 1 5 0 Averaging a background with illumination invariant method. Area-based method. No
GoBees 2 0 1 7 0 Mixture of Gaussians method (BackgroundSubtra ctorMOG2). Area-based method. No

Proyectos

EyesOnHives

EyesOnHives es el principal competidor del proyecto. Se trata de un producto comercial cuyo fin es la monitorización del estado de salud de las colmenas mediante su actividad de vuelo. Integra un hardware específico que se encarga de la captación de imágenes y una plataforma en la nube que las procesa y permite el acceso a los datos.

HiveTool

Se trata de un proyecto OpenSource que ofrece un conjunto de herramientas para monitorizar distintos parámetros de una colmena. Una de estas herramientas es “Bee Counter”, un contador de abejas por visión artificial desarrollado sobre una Raspberry Pi.

Fortalezas y debilidades del proyecto

Características GoBees EyesOnHives HiveTool
No requiere Hardware específico ✔ ✘ ✘
Instalación sencilla ✔ ✔ ✘
Procesamiento en local ✔ Parcial ✔
No requiere wifi ✔ ✘ ✔
No requiere red eléctrica ✔ ✔ ✔
Localización GPS ✔ ✘ ✘
Plataformas Android Web App Linux

Las principales fortalezas del proyecto son:

  • No se necesita adquirir ningún hardware específico como en el resto de proyectos, simplemente se necesita un smartphone con Android. Esto hace el proyecto mucho más accesible a los potenciales usuarios.
  • La instalación es muy sencilla. Únicamente se requiere un trípode o cualquier otro tipo de soporte que permita sujetar el smartphone en posición cenital.
  • El procesamiento de las imágenes se realiza en local no en un servidor. Considerando que los colmenares suelen estar en medio del monte, no podemos requerir una conexión wifi como necesita EyesOnHives y el envío de vídeo mediante tecnologías 3G/4G supondría un coste económico muy elevado.
  • No requiere estar conectado a la red eléctrica. El smartphone cuenta con su propia batería. El consumo de la aplicación no es muy elevado al estar la pantalla apagada durante la monitorización. Aun así, se pueden utilizar powerbanks (baterías portátiles) en caso de ser necesarios.
  • El smartphone tiene integradas varias tecnologías de transmisión de información. Lo da la posibilidad de crear una plataforma que centralice la recogida de datos de varios dispositivos sin importar su localización.
  • Relacionado con el punto anterior, el smartphone nos permite estar conectados a internet, posibilitándonos ampliar la información que maneja nuestra aplicación. Por ejemplo, podemos acceder a la información meteorológica en tiempo real.
  • El GPS del smartphone nos permite localizar geográficamente la monitorización y, por tanto, la información meteorológica. Además, puede ser de utilidad en caso de robo, gracias a aplicaciones como Android Device Manager, Cerberus, etc. que permiten localizar el dispositivo de forma remota.

Las principales debilidades son:

  • Actualmente solo se encuentra disponible para Android. Aunque en una segunda fase del proyecto se creará una plataforma en la nube que centralice todos los datos y una aplicación web que permita acceder a ellos.
  • El utilizar un smartphone como soporte hardware tiene sus ventajas, pero también sus inconvenientes. La cámara no tiene el mismo rendimiento que una cámara diseñada específicamente para esta tarea. Esto nos ha limitado en las técnicas de visión artificial que hemos podido aplicar, por no disponer de imágenes con la suficiente nitidez.
[art:campbell2008](1, 2) http://homepages.inf.ed.ac.uk/rbf/VAIB08PAPERS/vaib9_mummert.pdf
[art:chiron2013]http://jivp.eurasipjournals.springeropen.com/articles/10.1186/1687-5281-2013-59
[art:tashakkori2015]http://ieeexplore.ieee.org/document/7133029/?arnumber=7133029