通过嵌入传感器的智能框架对Apis cerana cerana的群飞行为进行实时监测与决策建模

《Smart Agricultural Technology》：Real-Time Monitoring and Decision Modeling of Apis cerana cerana Swarming via Sensor-Embedded Intelligent Frames

智能蜂箱框架实时监测中华蜜蜂 colonies 温度、湿度和重量，持续164天发现分蜂前8-15分钟温度升高0.8-2.89°C、重量下降0.02-0.15kg。基于多传感器融合的决策模型实现可靠分蜂预警，为精准养蜂提供非侵入式解决方案。

　　本研究聚焦于如何通过智能化手段对蜜蜂蜂群内部状态进行非侵入式的实时监测，旨在为养蜂业提供一种更高效、更精准的管理工具。蜜蜂作为重要的授粉昆虫，其群体行为对农业生产具有重要影响。然而，传统的人工检查方法存在诸多局限，如耗时、破坏性强、数据采集频率低等，难以及时捕捉到蜂群状态的细微变化。因此，开发一种能够持续、无干扰地监测蜂群内部温度、湿度和重量变化的智能设备，具有重要的现实意义。本文提出了一种名为“智能框架”（Intelligent Frame, IF）的系统，该系统集成了微型化多点传感器，实现了对蜂群行为的实时追踪，并结合云端数据存储与分析，为养蜂者提供了更精确的预警信息。

研究团队在中国海南岛的四个蜂群中部署了智能框架，进行了为期164天的连续监测（从2023年9月25日到2024年3月5日）。智能框架每5分钟向云端发送一次数据，记录蜂群内部的温度、湿度和重量变化。研究期间共记录了六次自然蜂群分蜂事件，这些事件主要发生在上午9点38分至下午3点22分之间。值得注意的是，分蜂事件发生前8至15分钟，蜂群内部会出现一些显著的特征变化，如温度上升0.8至2.89摄氏度，重量减少0.02至0.15千克。这些数据变化为分蜂事件的预测提供了重要依据。

为了提高预警的准确性，研究团队构建了一个基于规则的决策模型。该模型通过分析蜂群内部温度和重量的连续变化，识别出分蜂前的异常信号。当温度变化超过1.0摄氏度且重量变化低于-0.1千克时，系统会触发“警告”状态。如果这一状态持续至少20分钟（即连续四个5分钟的时间窗口），系统将发出“即将分蜂”的预警。这种方法不仅能够有效捕捉分蜂前的动态变化，还能减少误报的可能性，为养蜂者提供更具针对性的干预建议。

研究团队在设计智能框架时充分考虑了其适用性和实用性。框架尺寸为48×3.5×25厘米，能够适配定制蜂箱的内部结构，为蜂群提供充足的空间进行正常活动。框架顶部采用3D打印技术，内置电子设备，而侧面则安装了多点温度和湿度传感器模块。重量传感器由可充电电池供电，确保系统在长时间运行中不会中断。所有传感器数据在设备内部进行汇总，然后通过无线模块传输至云端服务器，实现了数据的实时处理和远程访问。这种设计不仅保证了数据的连续性，还使得养蜂者能够随时查看蜂群的运行状态。

在数据采集过程中，研究团队还结合了人工观察的方法，以确保监测结果的准确性。在整个实验期间，研究人员每天两次进行现场观察，时间大约在上午9点30分和下午1点30分左右，每次观察持续约1.5小时。观察内容包括蜂群的活动情况、蜂群是否开始分蜂等，并通过拍照和时间戳记录具体事件的发生时间。这些人工观察数据为智能框架的监测结果提供了验证基础，确保了系统在实际应用中的可靠性。

为了进一步验证智能框架的性能，研究团队对蜂群在不同季节的分蜂事件进行了比较分析。结果表明，分蜂事件在寒冷月份（如2024年1月）通常发生在较低的外部温度下，但蜂群内部的温度保持相对稳定，显示出良好的温控能力。而在温暖月份（如2023年10月），分蜂事件则与较高的外部和内部温度相关。这种季节性的差异提示我们，蜂群的分蜂行为不仅受到内部因素的影响，还与外部环境条件密切相关。因此，在实际应用中，需要综合考虑季节变化对蜂群行为的影响，以提高智能监测系统的适应性。

此外，研究团队还对蜂群在连续分蜂事件中的行为模式进行了分析。结果显示，蜂群在两次分蜂事件之间的湿度变化没有显著差异，而温度和重量的变化则表现出明显的差异。例如，在Beehive No.3中，第一次分蜂的温度变化显著高于第二次，但在重量变化上则没有明显差异。相反，在Beehive No.4中，两次分蜂的重量变化存在显著差异，而温度变化则没有。这些发现表明，蜂群在不同时间的分蜂行为可能受到多种因素的影响，包括季节、蜂群规模以及环境条件的变化。因此，智能框架的监测结果需要结合具体情况进行分析，以提高预测的准确性。

智能框架的多点传感器设计在提高监测精度方面发挥了重要作用。传统的蜂群监测设备通常只能在单一位置采集数据，容易受到局部环境变化的影响，导致监测结果的偏差。而智能框架通过在蜂箱内部多个位置安装传感器，能够更全面地反映蜂群的整体状态。同时，每5分钟的高频数据采集频率，使得系统能够捕捉到蜂群行为中的快速变化，如分蜂前的温度上升和重量下降。这种设计不仅提高了数据的时空分辨率，还为养蜂者提供了更细致的管理依据。

在实际应用中，智能框架的预警功能对于养蜂管理具有重要意义。分蜂是蜂群生命周期中的一个重要环节，但同时也可能对蜂群的稳定性和产量产生负面影响。通过提前预测分蜂事件，养蜂者可以在蜂群分蜂前采取适当的措施，如调整蜂箱内的蜂群结构、提供额外的资源或改变蜂箱的环境条件，以减少分蜂对蜂群的干扰。此外，智能框架的实时监测和预警功能还能够帮助养蜂者更好地理解蜂群的行为模式，为养蜂业的科学化管理提供支持。

研究团队在分析过程中采用了多种统计方法，以确保监测数据的科学性和可靠性。例如，他们使用了Wilcoxon符号秩检验，对分蜂前后温度和重量的变化进行了显著性分析。结果显示，分蜂时的温度变化和重量变化均具有统计学意义，进一步验证了智能框架监测数据的有效性。同时，通过对比不同蜂群在连续分蜂事件中的行为模式，研究团队发现，蜂群的分蜂行为可能受到多种因素的影响，包括蜂群规模、季节变化以及环境条件等。因此，在实际应用中，智能框架的监测结果需要结合这些因素进行综合分析，以提高预测的准确性。

从应用角度来看，智能框架的预警功能不仅能够帮助养蜂者及时发现分蜂事件，还能为养蜂业的智能化管理提供新的思路。传统的养蜂管理依赖于人工观察和经验判断，而智能框架的引入使得这一过程更加科学和系统化。通过实时监测蜂群的内部状态，养蜂者可以更准确地了解蜂群的健康状况和行为模式，从而做出更合理的管理决策。此外，智能框架的云端数据存储和分析功能，使得不同蜂群之间的数据可以进行对比和共享，为养蜂业的规模化管理和技术推广提供了支持。

在研究过程中，团队还发现，分蜂前的温度和重量变化是相对稳定的特征，而湿度变化则表现出较大的波动性。这一发现提示我们，虽然湿度变化在分蜂过程中可能受到多种因素的影响，但温度和重量的变化则更具代表性。因此，在构建预警模型时，研究团队选择将温度和重量作为主要分析指标，而忽略了湿度的变化。这种选择不仅提高了预警的准确性，还减少了数据处理的复杂性。

此外，研究团队还对智能框架的性能进行了评估。他们发现，智能框架在监测过程中能够稳定运行，并且在分蜂事件发生前的8至15分钟内，能够准确捕捉到温度上升和重量下降的特征。这些数据变化为分蜂事件的预测提供了重要依据，同时也表明智能框架具有较高的灵敏度和可靠性。通过与人工观察数据的对比，研究团队进一步验证了智能框架的监测结果与实际分蜂事件的高度一致性，证明了该系统的有效性。

总的来说，本研究开发的智能框架为蜜蜂蜂群的非侵入式监测提供了一种创新性的解决方案。通过集成多种传感器，并结合高频数据采集和云端分析，该系统能够实时捕捉蜂群内部状态的变化，为养蜂者提供及时的预警信息。研究结果表明，分蜂前的温度和重量变化是可靠的预警信号，而湿度变化则相对不稳定。这种多维度的监测方法不仅提高了分蜂事件预测的准确性，还为养蜂业的智能化管理提供了新的工具和思路。未来，研究团队计划进一步扩大智能框架的应用范围，将其部署到更多蜂群中，并根据不同蜂群的规模和环境条件进行性能优化，以提高系统的适用性和可靠性。