蜂群多特征长期监测系统设计与试验研究

分类：论文范文 发表时间：2020-09-03 09:20

　　摘要: 目前，针对蜂群发生崩溃式消失的现象还缺乏有效的观测和分析手段。本研究在分析蜂群行为与检测特征的基础上，设计了一种基于物联网技术的蜂群多特征长期监测系统。该系统采用太阳能供电，融合了多种传感器，能够检测蜂群的多个特征（蜂箱内部的温度、湿度、蜂群重量、声音和蜜蜂的进出量），并利用无线数据同步传输技术将这些数据上传到远程云服务器中。基于该系统，本研究还进行了针对意大利蜜蜂从2018年秋季到2020年春季为期235天的长期连续监测试验，记录了蜂群在秋衰期、越冬期和春繁期蜂箱内部温度、湿度、蜂群重量、声音和进出量的逐小时的细致变化。试验结果表明，在此期间，蜂箱内的平均温度呈现从25℃下降到-5℃再回升至15℃的抛物线变化，相应的进出巢次数也由大约8万次/天减少至0次/天再增加至5万次/天。在越冬期中，蜂群的重量呈现出大约25 g/天的线性下降趋势，同时蜂箱内也更为安静，声音的频率集中于0~64 Hz。由此表明，在不干扰蜂群的情况下，该监测系统获得的特征数据能够有效地揭示蜂群的日常活动和趋势变化，可用来研究蜂群的行为生物学、探索崩溃式的蜂群消失成因以及发展精确化蜜蜂养殖业。

　　关键词: 蜂群监测；智能蜂箱；多特征；智慧农业；物联网技术

　　1 引 言

　　蜜蜂是一种重要的社会性昆虫，它能生产蜂蜜、蜂王浆等多种价值高、用途广的蜂产品，同时也肩负着给全球35%的粮食作物授粉的工作[1]。然而，由于气候变迁、农药大规模使用等可能因素的作用，引发了美洲、欧洲等部分地区的蜂群崩溃式消失（Colony Collapse Disorder）。调查研究表明，美国自从2006年起，平均每年有大约30%的蜂群死亡[2]，这不仅严重影响了农业生产，同时也对生态环境造成巨大的冲击。由于缺乏充分证据，这一现象的确切产生原因至今还没有定论[3]。

　　2 系统设计方案

　　2.1　特征适用程度分类

　　设计一套能被广泛使用的蜂群监测系统，除了考虑检测特征的多样性外，还需要考虑与蜂群的相关度、信息的丰富度、造价的经济性和实施的简易性等因素。因此，本研究依据文献和多年养蜂生产经验总结，评估了不同检测特征在蜂群监测系统中的适用程度，如表1所示。通过不同特征之间的对比，将每种因素分为高、中、低三个量化等级。评估等级越高表明检测特征越适用。

　　2.2　监测系统设计

　　以往报道的蜂群监测系统通常以蜂场为单位进行内部数据存储与管理，这种方式存在标准不统一、数据无法共享、维护效率低等问题。随着物联网技术日趋成熟，通过标准的协议将监测对象的数据接入互联网，并集中存储于远程服务器中，已成为业内的共识。由于实际生产过程中，蜂箱会被放置在野外，同时根据季节变化可能会经常会被转运，因此利用无线网接入数据是最为理想的方式。手机移动网络是世界上覆盖最广泛的无线互联网接入方式，具有技术成熟、成本低廉的特点，可为蜂群监测系统提供数据接入方式。而由于每个蜂箱都需要传输各自的数据，如果各自单独接入手机网络，在功耗、成本和管理上都存在着劣势。因此本研究提出采用无线局域网（Wi-Fi）作为一个蜂场的内网进行数据通信，可以实现视距100 m的信号覆盖。如果以1 m的间隔部署蜂箱理论上可以实现上万箱的信号覆盖，能够满足实际部署的需求。基于以上考虑，研究构建了蜂群监测系统结构如图1所示。每个智能蜂箱上布置一套用于采集蜂群信息的检测装置，并通过Wi-Fi上传至路由器，再经过移动网络上传至云服务器中，进行存储和分析。用户则可以通过访问云服务器了解蜂群的状态，从而进行蜂群管理。

　　3 系统监测试验和结果分析

　　3.1　试验方案

　　为了验证监测系统的性能，将研制好的智能蜂箱部署于山东省泰安市山东农业大学南校区，用于对若干群意蜂的活动进行监测。部署方式为传统的并排式放置，间距大约为10 cm，如图5所示。

　　3.2　监测结果

　　图6是蜂群实际监测结果。其中，由于系统调整去除了2019年9月25日至10月1日这8天的数据，最终共有235天有效数据用于分析。图中绿色柱状图为蜜蜂每天通过巢门的累计次数，蓝色实线为每天23时蜂群的总重量，红色虚线表示每天蜂箱内的平均温度。由于湿度变化受气温和蜜蜂活动等多种因素的共同影响，导致其结果较为复杂，因此没有在图6中绘制。根据蜜蜂进出巢的数量变化明显转折点可以将这段时间分为三个时期：8月至11月中旬的秋衰期，11月中旬至2月中旬的越冬期以及2月中旬至4月的春繁期。在秋衰期，随着气温的逐渐降低和蜜源的逐渐减少，蜂箱内环境的平均温度和蜂群的进出巢数量也随之降低。由于这一时期蜂蜜采收的不稳定，蜂群的总重量有较大的波动（其中8月底、9月初、1月底、2月初以及4月初重量的明显突变是由于人为加减脾造成的）。在越冬期，蜂箱内环境的平均温度均低于15℃，甚至到达了0℃以下，期间蜜蜂很少外出活动，而蜂群的总重量呈现稳定的下降趋势，大约为25 g/天。在春繁期，蜂箱内环境的平均温度随外界气温的升高而升高，并且进出巢的数量和总重量都呈现波动上升的趋势。

　　4 结论与展望

　　本研究在分析蜂群行为与检测特征的基础上，设计了一种蜂群监测系统，它能够检测蜂箱内部的温度、湿度、蜂群重量、声音和蜜蜂的进出量七个特征，并通过手机移动网络和Wi-Fi将这些数据上传到远程云服务器中。相对于其他监测系统，该系统采用多传感器融合设计，能够实现电能自给和无线数据同步传输，方便系统部署和实现蜂群长期监测。

　　同时，基于监测系统，本研究开展了针对意蜂从秋季到春季的连续监测试验并分析了监测数据。数据反映了蜂群在秋衰期、越冬期和春繁期蜂箱内部温度、湿度、蜂群重量、声音和进出量的逐小时的细致变化。结果表明，该系统能够在不干扰蜂群活动的前提下揭示蜂群的日常活动和群势变化。其中，温湿度数据可以反映蜂箱内部的微环境状态，能够用于评估蜂群生存环境；蜂群的总重量变化和蜜蜂进出巢的次数可以反映蜂群的日常活动，能够用于评估蜂群的发展趋势；蜂群的声音反映了蜜蜂之间的协同活动，是一个值得进一步研究的特征，它将有助于增进对蜂群微观行为的了解。基于这种蜂群监测系统的优异性能，本系统可用来研究蜂群的行为生物学、探索崩溃式的蜂群消失成因以及促进发展精确化的蜜蜂养殖业。

　　后续将研究蜂群行为特征的建模，进而结合监测数据对蜂群的状态进行识别。

　　参考文献：

　　[1] WINFREE R, GROSS B J, KREMEN C. Valuing pollination services to agriculture[J]. Ecological Economics, 2011, 71: 80-88.

　　[2] WATSON K, STALLINS J A. Honey bees and colony collapse disorder: A pluralistic reframing[J]. Geography Compass, 2016, 10(5): 222-236.

　　[3] WATANABE M E. Colony collapse disorder: Many suspects, no smoking gun[J]. BioScience, 2008, 58(5): 384-388.

　　[4] GATES B N. Temperature of the bee colony[M]. U.S. Department of Agriculture, 1914.

　　[5] MEIKLE W G, HOLST N. Application of continuous monitoring of honeybee colonies[J]. Apidologie, 2015, 46(1): 10-22.

　　作者洪葳 1, 胥保华 2, 刘升平 3*

　　推荐阅读：蜂群箱体关键参数在线监测系统与性能测试

上一篇：蜂群箱体关键参数在线监测系统与性能测试 下一篇：蜂群多特征长期监测系统设计与试验研究