BeeVision

Anthropogene Klima- und Landschaftsveränderungen der letzten Jahrzehnte sind Ursache für einen alamierenden Rückgang von Bestäuberpopulationen und stellen daher eine erhebliche Bedrohung für die Nahrungsmittelproduktion und die pflanzliche Biodiversität dar. Neben intensiver Landwirtschaft wird dieser Rückgang auch mit dem Verlust von Lebensräumen und der Verwendung von Pestiziden in Verbindung gebracht.

Trotz der Dringlichkeit des Problems fehlen aktuell noch belastbare Daten und Informationen über die langfristige Entwicklung der Bestäuberpopulationen, was die Einschätzung der aktuellen Situation erschwert.

Aktuelle Überwachungsmethoden beruhen auf zeitaufwändigen Feldbeobachtungen auf begrenzten Flächen und der Verwendung von invasiven Fallen. Daher gibt es keine effiziente Überwachung in größeren räumlichen und zeitlichen Zusammenhängen.

BeeVision will eine innovative DVS-Monitoringtechnologie mit künstlicher Intelligenz kombinieren, um eine automatische Freilandüberwachung der Bestäuberpopulation zu ermöglichen.

Das Ziel des Projekts ist es, die menschlichen Klassifizierungsfähigkeiten im Feld nachzuahmen und vorbeifliegende Bestäuber automatisch zu klassifizieren. Die DSV-Technologie soll kontinuierliches Monitoring der Umwelt in einem großen Ausmaß und Klassifizierung von verschiedenen Bestäuberarten ermöglichen, um Kosten für zukünftige Erhebungen deutlich zu senken. Zusätzlich könnten durch das System Verbesserungen der Biodiversität direkt an ihrer Wirksamkeit gemessen und Auswirkungen von Pestiziden schneller erkannt werden.

Im ersten Projektjahr konzentriert sich das Projekt auf die Entwicklung wichtiger Verfahren und Werkzeuge für eine erfolgreiche Umsetzung des automatisierten Überwachungssystems. Dies beinhaltet den Aufbau des DVS-Monitoringsystems sowie die Entwicklung von Instanzsegmentierungs- und Objekttracking-Algorithmen zur Unterscheidung von Insektenflugbahnen von anderen Bewegungen. Zusätzlich sollen Aufnahmen von Bestäuberflügen sowie deren Bewertung durch Experten zur Erstellung eines Trainingsdatensatzes dienen. Anschließend sollen erste Versuche zur automatischen Erkennung und Kategorisierung der wichtigsten Bestäubergruppen durchgeführt werden.

Im zweiten Projektjahr werden diese Grundlagen weiterentwickelt, um größere Feldversuche durchzuführen. Evaluationen durch einen Vergleich mit Daten von apic.ai ermöglichen eine Optimierung der Leistungsfähigkeit und Genauigkeit des Systems.

Zusätzlich wird parallel zur Entwicklung des Monitoringsystems an geostatistischen Methoden zur Übertragung der DVS-Messungen auf ein geografisch größeres Gebiet geforscht.

Laufendes Projekt 01/2024 - 12/2025