Naslov (srp)

Sistem za monitoring i predikciju aktivnosti medonosnih pčela baziran na IoT tehnologiji i primeni veštačke inteligencije

Autor

Andrijević, Nebojša, 1980-

Doprinosi

Urošević, Vlade, 1957-
Mitrović, Nebojša, 1962-
Arsić, Branko J., 1984-
Markoski, Branko, 1969-
Milošević, Danijela, 1967-
Stevanović, Dejan, 1982-

Opis (srp)

Svest o problemima zdravlja pčela raste, dok savest prema nezi pčela kasni. Sistem koji je predstavljen u disertaciji nastao je u kontekstu kontinuirano rastuće svesti o krucijalnoj ulozi pčela u održavanju globalnog biodiverziteta. Poslednjih desetak godina razvijena su brojna rešenja u vidu praćenja parametara koji utiču na kretanja i život pčela. Hardverska rešenja pomažu prilikom prikupljanja vrlo važnih podataka, ali podaci predstavljaju samo statistiku dok primena softverskih rešenja otvara novu dimenziju u manipulaciji podacima. Da bi došli do izvedenih podataka i informisanih odluka, potrebna je primena modela veštačke inteligencije (VI). Sistem koji je nastao kao rezultat disertacije predstavlja pristup integracije naprednih tehnologija u upravljanju košnicama kroz implementaciju Internet of Things (IoT) tehnologije i veštačke inteligencije. Centralni deo sistema je IoT bazna stanica koja je integrisana sa košnicom, opremljena je nizom senzora koji kontinuirano prate vitalne parametre košnice kao i mikroklimatske promene u ekosistemu košnice. Da bi se bolje razumeli i predvideli obrasci ponašanja pčela, razvijen je modelveštačke inteligencije koji se bazira na rekurentnim neuronskim mrežama (RNN). Za efikasnu predikciju frekvencije izlaska i ulaska pčela u košnicu u odnosu na parametre okoline, model koristi vremenske serije za okvir podataka. Sistem nije samo u stanju da identifikuje potencijalna odstupanja, već i da aktivira alarme kada detektuje vrednosti koje prelaze unapred određene sigurnosne granice. Poređenje razvijenog modela sa eksperimentalnim podacima potvrdilo je visoku tačnost predviđanja, ukazujući na njegovu robustnost i pouzdanost u predstavljanju stvarnih procesa koji se odvijaju u košnici.Svi prikupljeni podaci, analitički rezultati i generisana upozorenja su prikazani u realnom vremenu preko posebno dizajnirane web aplikacije, pružajući pčelarima dragocene uvide u stanje košnice i omogućavajući im da brzo reaguju na potencijalne probleme.Disertacija donosi značajnu inovaciju u oblasti preciznog pčelarstva, nudeći alate i metode koji ne samo da pružaju dublje razumevanje dinamike pčelarskih košnica, već i doprinose globalnim naporima za zaštitu pčela i očuvanje našeg ekosistema.

Opis (srp)

-

Opis (eng)

The awareness of bee health issues is growing, while the conscience of their well-being lags behind. The system presented in the dissertation was developed in the context of the continuously growing awareness of the crucial role bees play in maintaining global biodiversity. Over the past decade, numerous solutions have been developed for monitoring parameters that affect bee behavior and their lives. Hardware solutions assist us in collecting vital data, but the data only represent statistical values, whereas the implementation of software solutions opens up a new dimension in data manipulation. To derive meaningful insights and informed decisions, the application of artificial intelligence (AI) models is necessary.The system that emerged as a result of the dissertation represents an approach that integrates advanced technologies in hive management through the implementation of Internet of Things (IoT) technology and artificial intelligence. The central component of the system is an IoT base station integrated into the beehive, equipped with a range of sensors that continuously monitor vital hive parameters and microclimate changes in the hive ecosystem.To better understand and predict bee behavior patterns, an artificial intelligence model based on recurrent neural networks (RNN) has been developed. To efficiently predict the frequency of bee entry and exit from the hive in relation to environmental parameters, the model utilizes time series as a framework for data. The system is not only capable of identifying potential deviations but it also activates alarms when it detects values that exceed pre-defined safety thresholds. Comparison of the developed model with experimental data confirmed its high accuracy in prediction, indicating its robustness and reliability in representing actual processes occurring within the hive.All collected data, analytical results, and generated alerts are displayed in real-time through a specially designed web application, providing beekeepers with valuable insights into hive conditions and enabling them to quickly respond to potential issues.The dissertation brings significant innovation to the field of precision beekeeping, offering tools and methods that not only provide deeper understanding of hive dynamics but also contribute to global efforts in protecting bees and preserving our ecosystems.

Jezik

srpski

Datum

2023

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-SA 3.0 AT - Creative Commons Autorstvo - Deliti pod istim uslovima 3.0 Austria License.

http://creativecommons.org/licenses/by-sa/3.0/at/legalcode