Mapování včelí plástve robotem

Abstract

Včela hraje klíčovou roli v ekosystému, kde působí jako nenahraditelný opylovač a přímo ovlivňuje globální potravinové řetězce a biologickou rozmanitost kvetoucích rostlin. V důsledku toho se výzkum zaměřuje na pochopení chování a dynamiky kolonií, s cílem podpořit jejich zdraví a růst. Projekt RoboRoyale má za cíl posílit kolonii prostřednictvím opatrné interakce s včelí královnou pomocí miniaturních robotů uvnitř úlu. Pro posouzení účinku těchto interakcí a zdraví včelstva je důležité monitorovat včelí plástev a sledovat její vývoj v čase, což doposud užívané techniky v biologii neumožňují. V této práci jsme vyvinuli algoritmus pro automatické dlouhodobé mapování plástve pomocí skenů včelí plástve z pohyblivé kamery. Pomocí metod a technik počítačového vidění a vizuálního mapování stavíme prostorově konzistentní sémantickou mapu, která popisuje jednotlivé buňky a jejich obsah. Mapování probíhá v živém úlu, a proto musíme řešit problémy částečné pozorovatelnosti, nepravidelných a řídkých pozorování a vysoké míry šumu. Výsledná mapa nám poskytuje podrobný popis skrytého stavu plástve v čase, včetně předpovědí budoucích stavů. Věříme, že naše práce by se mohla ukázat jako užitečná při shromažďování dat a poznatků potřebných pro formulaci kompletního popisu včelí kolonie.Honeybees play a crucial role in our ecosystem, acting as irreplaceable pollinators, directly affecting the global food web and biodiversity of flowering plants. Consequently, many researchers focus on understanding the behavioral strategies and dynamics of the colonies to support their health and growth. The RoboRoyale project aims to strengthen the colony through careful interactions with the honeybee queen using miniature robots introduced to the hive. To assess the effect of these interactions and the colony's health, it is important to monitor the honeybee comb and track its development in time, which is impossible with current biology techniques. In this work, we developed an algorithm for automated long-term comb mapping) using scans of the honeybee comb collected by a moving camera. Using computer vision methods and techniques from visual mapping, we build a spatially consistent semantic map that describes the individual cells and their contents. We do this in a living colony and, therefore, have to solve problems of partial observability, irregular and sparse observations and high levels of noise. The resulting map provides us with a detailed description of the hidden state of the comb in time, including predictions of the future states. We believe that our work could prove important in gathering data and insights needed for the efforts of formulating a complete model of the honeybee colony.