Migliorare il monitoraggio delle arnie con tecnologia avanzata

Le popolazioni di api stanno diminuendo, il che può influenzare le risorse alimentari in tutto il mondo. Per affrontare questo problema, molti apicoltori iniziano a monitorare la salute delle loro api usando sensori e dispositivi. Questo progetto si concentra sul miglioramento di un dispositivo che monitora la salute delle api e suggerisce un modo per registrare i dati da remoto per un monitoraggio continuo degli alveari.

Le api mellifere giocano un ruolo fondamentale nel nostro ambiente e nella produzione alimentare. Impollinano fiori e piante, cosa essenziale per l'agricoltura. Senza api, molte piante non possono crescere e produrre frutti o altre coltivazioni. L'apicoltura esiste da migliaia di anni, ma le api sono sempre più minacciate da parassiti, malattie e pesticidi delle fattorie vicine.

Perciò, è essenziale per gli apicoltori conoscere in tempo reale la salute e l'attività delle loro api. Se qualcosa non va con le api, gli apicoltori devono agire in fretta. Questo progetto mira a migliorare un dispositivo che raccoglie dati preziosi dagli alveari, permettendo di salvare queste informazioni in un database dove possono essere visualizzate tramite un'interfaccia semplice. In futuro, i dati aiuteranno ad analizzare la salute e il comportamento delle api usando tecniche di machine learning.

#Dispositivo di Acquisizione Dati Originale

L'attuale dispositivo di raccolta dati si basa su lavori precedenti. Funziona su un Raspberry Pi, che è un mini computer, e usa un Grove Base Hat per collegare diversi sensori che misurano le condizioni meteorologiche e atmosferiche sia all'interno che all'esterno dell'alveare. Tiene anche traccia del numero di api che entrano ed escono dall'alveare usando una telecamera e registra i suoni all'interno dell'alveare usando un microfono.

#Dispositivo di Acquisizione Dati Modificato

Di solito, il dispositivo raccoglie dati dai sensori e dal microfono ogni 15 minuti. Tuttavia, uno dei sensori che misura i livelli di CO2 deve effettuare letture ogni secondo per risultati accurati. Questa lettura frequente può utilizzare molta energia del computer, che è meglio riservare per far girare algoritmi di machine learning che controllano la salute e l'attività delle api.

Per risolvere questo, è stato aggiunto un Raspberry Pico al setup. Questo dispositivo si collega al Raspberry Pi tramite una porta USB, permettendo loro di comunicare. Il Raspberry Pico raccoglie i dati meteorologici e atmosferici dai sensori ogni secondo. Quando il Raspberry Pi richiede le informazioni, il Pico calcola una media dei dati raccolti durante quel tempo e li rimanda indietro. Questa modifica libera risorse sul Raspberry Pi per altri compiti e dovrebbe migliorare l'affidabilità della telecamera.

Durante queste modifiche, il sensore di temperatura e umidità è stato aggiornato a una versione più nuova per una maggiore precisione e portata. È stato anche aggiunto un sensore di peso per misurare i cambiamenti nel peso degli alveari. La configurazione finale del dispositivo di raccolta dati modificato può essere visualizzata in un diagramma, che mostra il dispositivo all'interno di una scatola con tunnel per far passare le api.

#Registrazione Dati in un Database

#Connessione a Internet

Una volta che il dispositivo raccoglie dati utili dall’alveare, deve inviare queste informazioni su internet a un database. Questo permette agli apicoltori di controllare lo stato dei loro alveari indipendentemente da dove si trovano. Tuttavia, gli alveari sono spesso collocati in zone remote dove le connessioni internet tradizionali potrebbero non essere disponibili. Fortunatamente, le località scelte per i nostri dispositivi hanno di solito una buona copertura Wi-Fi. Nei casi in cui il Wi-Fi non è un'opzione, si possono utilizzare soluzioni come moduli GSM o LoRaWAN.

#Messaggi MQTT

Il dispositivo salva tutti i dati raccolti su una chiavetta USB, comprese campionature audio, foto delle api e dati dai sensori meteorologici. Tuttavia, per valutare la salute dell'alveare, è necessario inviare al database solo i dati del sensore meteorologico. In futuro, anche i dati dei modelli di machine learning che stimano la salute dell'alveare e l'attività delle api saranno inclusi. Poiché è necessario inviare solo pochi pezzi di dati, è stato scelto il protocollo di messaggistica MQTT per questo scopo.

MQTT è progettato per applicazioni IoT ed è leggero, rendendolo ideale per piccoli dispositivi. Richiede poca potenza di calcolo e larghezza di banda internet. Ci sono due tipi di dispositivi in MQTT: client e broker. I client possono inviare (pubblicare) o ricevere (iscriversi) messaggi, mentre il broker gestisce il flusso di questi messaggi. Un esempio di una semplice rete MQTT può essere illustrato, dove il broker può essere ospitato nel cloud o su un dispositivo locale.

In questo progetto, il broker MQTT sarà ospitato nel cloud, che è considerato migliore per le nostre esigenze. Questa configurazione non richiede un indirizzo IP pubblico o una VPN per il client iscritto. Il nostro sistema è composto dal dispositivo di acquisizione dati Raspberry Pi come client di pubblicazione, un broker MQTT basato nel cloud e un altro Raspberry Pi che funge da client iscritto e database.

#Database InfluxDB

Dopo che il dispositivo di acquisizione dati invia messaggi al broker MQTT, i dati raccolti su un periodo specifico vengono impacchettati in un solo messaggio salvato come oggetto JSON. Il broker MQTT poi inoltra questi messaggi al Raspberry Pi iscritto. Su questo dispositivo, l'applicazione Telegraf, che raccoglie dati, ordina i messaggi in arrivo e salva i dati in un database InfluxDB.

Il database InfluxDB è un database a serie temporali, rendendolo adatto per la nostra applicazione poiché vogliamo tenere traccia dei dati dei sensori nel tempo. Una volta che i dati dei sensori sono memorizzati nel database, possiamo visualizzare i valori di ciascun sensore nel tempo.

Per creare queste visualizzazioni, sarà usato Grafana. Grafana è un'applicazione web che visualizza dati e metriche in formato grafico. Funzionerà sullo stesso Raspberry Pi di InfluxDB e Telegraf, leggendo le metriche dei sensori direttamente dal database e creando grafici. Gli utenti possono accedere a Grafana tramite un browser web su qualsiasi dispositivo connesso alla stessa rete locale. Inoltre, Grafana ha funzionalità per inviare notifiche tramite Slack o email, che saranno utili quando saranno in atto modelli di machine learning per monitorare l'attività e la salute delle api. Queste notifiche possono avvisare gli apicoltori di eventuali situazioni di emergenza nell'alveare.

#Conclusione e Lavori Futuri

In questo progetto, abbiamo migliorato un dispositivo esistente aggiungendo un Raspberry Pico per raccogliere dati dai sensori meteorologici, liberando risorse sul Raspberry Pi. Abbiamo anche aggiornato un sensore di temperatura e umidità e aggiunto un sensore di peso per monitorare i cambiamenti nel peso degli alveari.

La prossima mossa è implementare una soluzione di registrazione dati remota utilizzando messaggi MQTT inviati a un broker MQTT nel cloud. Questi dati sono memorizzati in un database InfluxDB e visualizzati tramite Grafana, permettendo agli apicoltori di monitorare facilmente i loro alveari.

I piani futuri includono l'analisi dei dati dei sensori raccolti durante le reali distribuzioni degli alveari. Questa analisi si concentrerà sul raggruppamento dei campioni audio del ronzio delle api e sull'applicazione di tecniche di machine learning sia ai dati audio che a quelli dei sensori, per ottenere migliori intuizioni sulla salute delle api e sui modelli di attività.