Honey bee lifecycle assessment and homing success in field observations with the help of visual bee monitoring technology
There is a strong desire to enhance the knowledge creation on bee health and to get a better understanding of how available feed resources contribute to it. New technologies such as automatic carry a vast potential to gain insights into these questions. As of now, they were used to detect changes in activity and pollen foraging at colony level, but have not yet been applied to generate data at the level of individual bees. One new technology to observe survival, flight duration and frequency at colony level are radio-frequency identification (RFID) chips. With their help, the homing flight behaviour of bees equipped with sensors can be observed to find out if there is an influence of a plant protection product on the orientation of the bees, thus their ability to return to their hive (OECD GD 332). Combining data about the flight activity and life cycle of individual honey bees with data at colony level from an automatic bee counter could be very insightful for a better understanding of effects and their magnitude. The companies apic.ai and EAS Ecotox are partners in the improvement of a visual bee monitoring technology in the research project OCELI (FKZ 281C307B19). Automated visual identification of individual bees could enable the inclusion of life cycle changes, homing success, flight duration and frequency as well as individual behaviour in studies where visual monitoring technology is already in use to assess other behavioural endpoints like activity, pollen collection or share of pollen foragers. As part of the project, a proof-of-concept experiment was performed in 2021, where the apic.ai monitoring systems with computer vision technology were used to observe individual foraging bees leaving and entering the hive. Queen markers (opalite plates) with different numbers and colours were attached to bees to identify them individually. For the study, bees from two colonies were marked twice at the interval of one week with a different colour. At each marking, both freshly hatched bees young and forager bees were marked. The marking was successful. Over Time there was no difference between a more experienced marking team than a less experienced team. In a follow up tunnel trial in 2022 in Germany, marking with opalite plates was conducted to determine whether chemicals have an influence on foraging start and survival of individual foragers. apic.ai monitoring systems with computer vision technology were used to observe the activity and foraging of pollen at colony level and at the level of individuals through the marked bees. The first cohort marked were experienced foragers and the second cohort in hive bees. An algorithm saved multiple images of every bee entering and leaving the hive. These images were subsequently analyzed for markers using a neural network. Picture were checked by a person to identify the colour and the number on the plate. Thus, data could be collected on:
● the first time the bee was seen leaving the hive
● every time the bee was detected to enter and leave
● every time the bee was detected bringing pollen into the hive
● the last time the bee was seen leaving the hive Survival curves and changes in foraging and recruiting behaviour were studied using this data. The first results will be presented here to display and discuss the benefits of additional insights at the level of individual bees and the potential of the data to enhance simulation models such as BEEHAVE.
Es besteht ein großes Interesse daran, das Wissen über den Gesundheitszustand von Bienen zu erweitern und besser zu verstehen, wie die verfügbaren Nahrungsressourcen ihn beeinflussen. Neue Technologien wie automatische Bienenzähler bieten ein enormes Potenzial, Erkenntnisse über diese Fragen zu gewinnen. Sie werden bereits dafür eingesetzt, Veränderungen der Aktivität und des Verhaltens bei der Nahrungssuche auf der Ebene des Bienenvolks zu messen. Bisher wurden sie jedoch noch nicht eingesetzt, um Daten auf der Ebene einzelner Bienen zu erheben. Eine neue Technologie zur Untersuchung des Überlebens, der Flugdauer und -frequenz auf Volksebene sind RFID-Chips (Radio Frequency Identification). Mit ihrer Hilfe können individuelle Bienen, die mit Sensoren ausgestattet sind, mit Scannern registriert werden. So lässt sich herausfinden, ob ein Pflanzenschutzmittel das Orientierungsvermögen der Bienen beeinflusst und damit ihre Fähigkeit, zu ihrem Stock zurückzukehren (OECD GD 332). Die Kombination von Daten über die Flugaktivität und Beginn und Ende von Sammelflügen einzelner Honigbienen mit den von einem automatischen Monitoringsystem gelieferten Daten auf Volksebene könnte sehr aufschlussreich sein, um ein besseres Verständnis von Effekten und deren Ausmaß zu erhalten. Die Unternehmen apic.ai und EAS Ecotox sind im Forschungsprojekt OCELI (FKZ 281C307B19) Partner bei der Verbesserung einer visuellen Bienenmonitoringtechnologie, welche die Erhebung von Daten auf Volksebene und Individualebene verbinden möchte. Die automatisierte visuelle Identifizierung einzelner Bienen könnte es ermöglichen, dem Beginn von Sammelflügen, den Heimkehrerfolg, die Flugdauer und -häufigkeit sowie das individuelle Verhalten in Studien einzubeziehen, in denen die visuelle Überwachungstechnologie bereits zur Bewertung anderer Verhaltensendpunkte wie Aktivität, Pollensammlung oder Anteil der Sammlerinnen eingesetzt wird. Im Rahmen eines Projekts wurde 2021 ein Proof-of-Concept-Experiment durchgeführt, bei dem die apic.ai Monitoring-Systeme mit Computer Vision Technologie zur Beobachtung einzelner Bienen getestet wurden. An den Bienen wurden zur individuellen Identifikation Königinnenmarker (Opalith-Plättchen) mit unterschiedlichen Nummern und Farben angebracht. Für die Studie wurden Bienen aus zwei Völkern an zwei Tagen im Abstand von einer Woche mit unterschiedlichen Farben markiert. Bei jeder Markierung wurden sowohl Jungbienen als auch erfahrene Sammlerinnen markiert. Die Markierung war erfolgreich, wobei es über eine längere Zeit keinen Unterschied zwischen den Teams gab. Der Ansatz der Re-Identifizierung (Re-ID) wurde auch parallel zu klassischen Beobachtungen in einem nachfolgenden Tunnelversuch im Jahr 2022 in Deutschland angewandt, um festzustellen, ob ein Einfluss von zwei Insektiziden auf Kohorten von Einzelbienen gemessen werden kann. apic.ai-Monitoringsysteme mit Computer-Vision-Technologie wurden eingesetzt, um die Aktivität und das Sammelverhalten auf Volksebene und für einzeln markierte Individuen zu beobachten. Bei der ersten markierten Kohorte handelte es sich um aktive Sammlerinnen, bei der zweiten Kohorte um im Stock lebende Jungbienen. Ein Algorithmus speicherte mehrere Bilder von jeder Biene beim Einflug und Ausflug des Bienenstocks. Die Bilder wurden anschließend mithilfe eines neuronalen Netzes auf Marker untersucht. Wurde ein Marker gefunden, wurde das Bild einer Person gezeigt, die die Farbe und die Nummer auf dem Plättchen identifizierte. So konnten folgende Daten gesammelt werden:
• das erste Mal, dass die Biene beim Ausflug des Bienenstocks beobachtet wurde
• jedes Mal, wenn die Biene beim Einflug und Ausflug des Stocks beobachtet wurde
• jedes Mal, wenn die Biene beim Einbringen von Pollen in den Bienenstock beobachtet wurde
• das letzte Mal, als die Biene beim Ausflug des Bienenstocks gesehen wurde Anhand dieser Daten konnten Überlebenskurven für aktive Sammlerinnen und neu rekrutierte Sammlerinnen dargestellt werden. Die ersten Ergebnisse werden hier vorgestellt, um die Vorteile zusätzlicher Erkenntnisse auf der Ebene der einzelnen Bienen und dass Potenzial der Daten zur Verbesserung von Simulationsmodellen, wie BEEHAVE aufzuzeigen.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
