Not logged in.
Quick Search - Contribution
Contribution Details
| Type | Master's Thesis |
| Scope | Discipline-based scholarship |
| Title | Automated, Non-Invasive Integration of Pollen Metrics into the BeeLivingSensor Platform |
| Organization Unit | |
| Authors |
|
| Supervisors |
|
| Language |
|
| Institution | University of Zurich |
| Faculty | Faculty of Business, Economics and Informatics |
| Date | 2021 |
| Abstract Text | Honeybees are one of the most important pollinators in our world and are therefore vital to biodiversity and economy. Over the past decades, bee populations have been dwindling. Although the causes are known, the exact impact of each cause is still unclear. The BeeLivingSensor project aims to shed light on this intricate question by aggregating data around bees in an automated, non-invasive fashion. The goal of this thesis was to integrate two pollen metrics into our web-based platform that serve as an indicator for biodiversity and bee health: the number of pollen and the floral diversity of the pollen. For the first metric, we constructed a fully scalable end-to-end system for tracking pollen using existing computer vision solutions. For the second metric, we developed an algorithm for matching plants that bloom in a certain area at a given time. We evaluated both metrics in terms of accuracy, showing that the pollen counting mechanism needs improvement, whereas the plant-matching already delivers usable results. We also measured the speed for computing the pollen counts, demonstrating that we can process the daily amount of data of two hives on a strong GPU machine. |
| Zusammenfassung | Honigbienen gehören zu den wichtigsten Bestäubern auf unserer Welt und sind deshalb unverzichtbar für die Biodiversität und die Wirtschaft. In den vergangenen Jahrzehnten haben die Bienenpopulationen abgenommen. Obwohl die Ursachen bekannt sind, sind die Auswirkungen jeder Ursache noch unklar. Das BeeLivingSensor-Projekt beabsichtigt Aufschluss über diese komplexe Frage zu geben, indem es Daten rundum Bienen auf automatisierte, nicht-invasive Weise aggregiert. Das Ziel dieser Arbeit war zwei Pollenkennzahlen in unsere webbasierte Plattform zu integrieren, die als Indikator für Biodiversität und Bienengesundheit fungieren: die Pollenanzahl und die florale Vielfalt der Pollen. Für die erste Kennzahl haben wir zur Verfolgung des Pollen ein voll skalierbares End-zu-End System konstruiert unter Verwendung von Computervisionslösungen. Für die zweite Kennzahl haben wir einen Algorithmus entwickelt, der Pflanzen zu einem gegebenen Zeitpunkt in der Gegend abgleicht. Wir haben beide Kennzahlen hinsichtlich ihrer Genauigkeit evaluiert. Dabei konnten wir zeigen, dass der Pollenzählmechanism noch verbesserungswürdig ist, während der Pflanzenabgleich schon verwertbare Resultate liefert. Überdies haben wir die Geschwindigkeit zur Berechnung der Pollenanzahl gemessen. Hier konnten wir darlegen, dass wir die täglichen Datenmengen von zwei Bienenstöcken auf einer starken GPU Maschine verarbeiten können. |
| PDF File |
Download
|
| Export |
BibTeX
|